[发明专利]一种3D血管成像系统、方法及装置有效
申请号: | 202010420181.9 | 申请日: | 2020-05-18 |
公开(公告)号: | CN111599004B | 公开(公告)日: | 2023-09-12 |
发明(设计)人: | 赵贇 | 申请(专利权)人: | 复旦大学附属中山医院 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06N3/0464;G06N3/08 |
代理公司: | 上海容慧专利代理事务所(普通合伙) 31287 | 代理人: | 于晓菁 |
地址: | 200032 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 血管 成像 系统 方法 装置 | ||
1.一种3D血管成像系统,其特征在于,包括:
图像获取模块,所述图像获取模块用以获取人体体表静脉血管的红外黑白图像和体表TOF三维距离点云信息;
特征提取模块,所述特征提取模块用以结合TOF三维距离点云信息提取红外图像中血管的三维时序特征,所述三维时序特征为包括血管长度、宽度、深度及周边组织平面特征的时序序列;
所述特征提取模块包括:
预处理模块,所述预处理模块按TOF点云信息采集的时序状态,对红外黑白图像依次进行分类和预处理,同时标注每个像素点的空间距离信息,所述将预处理后的图像根据分类制作成数据集;
模型创建模块,创建卷积神经网络模型和/或选择现有的模型结构并设置预训练参数;
模型训练模块,基于所述数据集对所述卷积神经网络模型或现有模型结构进行训练、测试及验证后作为所述时序特征识别模型;
三维重建模块,所述三维重建模块根据三维时序特征和TOF三维距离信息生成三维建模的血管图像。
2.如权利要求1所述的一种3D血管成像系统,其特征在于,所述数据集分为训练数据集,测试数据集和验证数据集,所述模型训练模块采用训练数据集进行模型训练,之后采用测试数据集对训练后的模型进行测试,再使用所述验证集对所述模型进行验证,若所述模型满足时序特征识别要求,则将其作为所述三维时序特征识别模型;若不满足,则修改历史模式参数设置,重新对所述模型进行训练、测试和验证,直至满足时序特征识别要求,将所述模型作为三维时序特征识别模型。
3.如权利要求2所述的一种3D血管成像系统,其特征在于,所述三维重建模块采用空间重建方法基于TOF点云信息和三维血管特征进行血管三维重建,在重建过程中基于三维时序特征确定各血管的长度、宽度和深度,并根据周边组织平面特征完成血管与周边组织的关系的重建。
4.如权利要求1到3所述任一种系统的3D血管成像方法,其特征在于,包括以下步骤:
建立图像获取模块,所述图像获取模块用以获取人体体表静脉血管的红外黑白图像和体表TOF三维距离点云信息;
建立特征提取模块,所述特征提取模块用以结合TOF三维距离信息提取红外图像中血管的三维时序特征,所述三维时序特征为包括血管长度、宽度、深度及周边组织平面特征的时序序列;
建立三维重建模块,所述三维重建模块根据三维时序特征和TOF三维距离信息生成三维建模的血管图像。
5.如权利要求4所述的一种3D血管成像方法,其特征在于,在建立所述特征提取模块过程中,包括:
建立预处理模块,所述预处理模块按TOF点云信息采集的时序状态,对红外黑白图像依次进行分类和预处理,同时标注每个红外黑白像素点的空间距离信息,将预处理后的图像根据分类制作成数据集;
建立模型创建模块,创建卷积神经网络模型和/或选择现有的模型结构并设置预训练参数;
建立模型训练模块,基于所述数据集对所述卷积神经网络模型或现有模型结构进行训练、测试及验证后作为所述时序特征识别模型。
6.如权利要求5所述的一种3D血管成像方法,其特征在于,所述数据集分为训练数据集,测试数据集和验证数据集,所述模型训练模块采用训练数据集进行模型训练,之后采用测试数据集对训练后的模型进行测试,再使用所述验证数据集对所述模型进行验证,若所述模型时序特征识别要求,则将其作为所述三维时序特征识别模型;若不满足,则修改历史模式参数设置,重新对所述模型进行训练、测试和验证,直至满足时序特征识别要求,将所述模型作为三维时序特征识别模型。
7.如权利要求6所述的一种3D血管成像方法,其特征在于,在建立所述三维重建模块过程中,还包括:
采用空间重建方法基于三维时序特征和TOF三维距离信息生成三维建模的血管图像,在重建过程中基于三维时序特征确定各血管的长度、宽度和深度,并根据周边组织平面特征完成血管与周边组织的关系的重建。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学附属中山医院,未经复旦大学附属中山医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010420181.9/1.html,转载请声明来源钻瓜专利网。