一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法技术

本发明专利技术提供了一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法，包括以下步骤：建立并打印模型‑测量容积并建立数据库‑基于X线进行造影‑匹配学习‑模型自检验‑临床自检验‑获取数据库。本发明专利技术能够准确的计算定点动脉瘤容积，并识别动脉瘤为致密栓塞动脉瘤提供了有力保障。

A method of building a 3D angiographic database of aneurysm volume

【技术实现步骤摘要】
一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法
本专利技术涉及一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法。
技术介绍
目前致密栓塞是预防动脉瘤栓塞后复发的因素之一，使用栓塞容积比可评估填充程度，而目前较少有能够精确、快速计算动脉瘤容积的可靠方法，所以，本申请结合目前现有的技术，同时在实际临床造影中有部分动脉瘤容易漏诊，拟利用人工智能自学习足够多的、不同形状、不同大小的3D打印颅颈部动脉瘤模型形态，最终使其可以自主、快速、准确、稳定识别真实动脉瘤位置及其边界，并自动计算动脉瘤容积，以此降低临床造影动脉瘤的漏诊率及为致密栓塞动脉瘤提供强有力的保障。
技术实现思路
为解决上述技术问题，本专利技术提供了一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法。本专利技术通过以下技术方案得以实现。本专利技术提供的一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法，包括以下步骤：①建立并打印模型：根据临床影像学图片，重建若干个不同形状、不同大小的动脉瘤数字模型，并进行3D打印，获取两批动脉瘤数字模型；②测量容积并建立数据库：将第一批动脉瘤数字模型用液体充满内腔，获取动脉瘤数字模型的容积，建立初级数据库；③基于X线进行造影：在模拟临床中，通过X线，使用第一批动脉瘤数字模型进行不同流量下的动脉瘤的造影，获取匹配数据；④匹配学习：将步骤③中的匹配数据与步骤②中的初级数据库进行第一次匹配学习和记忆学习，并人工标记动脉瘤图像边界，然后采用图像识别进行协同进一步处理和记忆学习，获取一级数据库；⑤模型自检验：获取未匹配体积的第二批动脉瘤数字模型的匹配数据，用图像识别获取三维造影血管的形态图像，并进行自动分割处理，获取若干个识别处理对象，其次，将若干个识别处理对象与步骤④中的一级数据库，进行对比和第二次匹配学习，显现出动脉瘤边界，获取矫正后三维动脉瘤数据库；再根据步骤②中的容积确定方法，获取第二批的动脉瘤数字模型的实际容积数据，将第二批的动脉瘤数字模型的实际容积数据和矫正后三维动脉瘤数据库，与第一批的动脉瘤数字模型的容积进行第三次匹配学习并校正，获取二级数据库；⑥临床自检验：在X线下，对新的真实人体颅颈部动脉瘤进行造影，并进行图像识别，获取初步的动脉瘤图像，生成真实人体颅颈部动脉瘤造影后的三维重建数据，获取动脉瘤结构，然后再次对动脉瘤的边界进行识别和修正，获取修正后的容积数据，再将该动脉瘤进行3D打印，使用液体填充确定实际容积，与步骤⑤中的二级数据库，进行第四次匹配学习和校正；⑦获取数据库：获取准确和稳定的动脉瘤容积的三维造影动脉瘤形态数据库。所述步骤③分为以下步骤：(3.1)在模拟临床中，通过X线，使动脉瘤数字模型进行不同流量下的动脉瘤的造影，产生影像学数据和流量数据；(3.2)记录动脉瘤腔及载瘤动脉在X线下造影剂显影后变化的灰度值，获取灰度变化数据，同时产生三维造影动脉瘤形态数据。所述步骤③中，匹配数据包括影像学数据、流量数据、灰度变化数据和三维造影动脉瘤形态数据。所述步骤④中，将影像学数据、流量数据、灰度变化数据及三维造影动脉瘤形态数据与第一批动脉瘤数字模型的容积进行匹配，并通过图像切割来识别动脉瘤。所述步骤⑤分为以下步骤：(5.1)在模拟临床中，通过X线，将第二批未匹配体积的3D打印的动脉瘤数字模型进行不同流量下的动脉瘤的造影，获取匹配数据；(5.2)用图像识别获取三维造影血管的形态图像，并进行自动分割处理，获取若干个识别处理对象；(5.3)将若干个识别处理对象与步骤④中的一级数据库进行对比、第二次匹配学习，显现出动脉瘤边界；(5.4)根据步骤(5.1)中的匹配数据，对动脉瘤边界进行人工纠正、识别及修正，获取矫正后三维动脉瘤数据库；(5.5)将第二批动脉瘤数字模型用液体充满内腔，获取实际容积数据；(5.6)在初级数据库的基础上，将步骤(5.5)中的实际容积数据和矫正后三维动脉瘤数据库，与第一批动脉瘤数字模型容积进行第三次匹配学习并校正，获取二级数据库。所述步骤⑥分为以下步骤：(6.1)在X线下，对新的真实人体颅颈部动脉瘤进行造影，并进行图像识别，获取初步的动脉瘤图像；(6.2)若实际存在动脉瘤，却出现未能识别情况，则进行人工标记；若得出初步识别图像，但不准确，则再次进行人工纠正识别动脉瘤是否正确及修正识别的动脉瘤边界，最后生成真实人体颅颈部动脉瘤造影后的三维重建数据，并得出识别动脉瘤结构，同时根据修正后的数据，获取修正后的容积数据；(6.3)将动脉瘤进行3D打印，使用液体填充确定实际容积，与步骤⑤中的二级数据库，进行第四次匹配学习和校正。本专利技术的有益效果在于：能够准确的计算定点动脉瘤容积，并识别动脉瘤为致密栓塞动脉瘤提供了有力保障。附图说明图1是本专利技术的流程图。具体实施方式下面进一步描述本专利技术的技术方案，但要求保护的范围并不局限于所述。如图1所示，一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法，包括以下步骤：①建立并打印模型：根据临床影像学图片，重建若干个不同形状、不同大小的动脉瘤数字模型，并进行3D打印，获取两批动脉瘤数字模型；②测量容积并建立数据库：将第一批动脉瘤数字模型用液体充满内腔，获取动脉瘤数字模型的容积，建立初级数据库；③基于X线进行造影：在模拟临床中，通过X线，使用第一批动脉瘤数字模型进行不同流量下的动脉瘤的造影，获取匹配数据；具体分为以下步骤：(3.1)在模拟临床中，通过X线，使动脉瘤数字模型进行不同流量下的动脉瘤的造影，产生影像学数据和流量数据；(3.2)记录动脉瘤腔及载瘤动脉在X线下造影剂显影后变化的灰度值，获取灰度变化数据，同时产生三维造影动脉瘤形态数据；所述匹配数据包括影像学数据、流量数据、灰度变化数据和三维造影动脉瘤形态数据；④匹配学习：将步骤③中的匹配数据与步骤②中的初级数据库进行第一次匹配学习和记忆学习，并人工标记动脉瘤图像边界，然后采用图像识别进行协同进一步处理和记忆学习，获取一级数据库；具体的，将影像学数据、流量数据、灰度变化数据及三维造影动脉瘤形态数据与第一批动脉瘤数字模型的容积进行匹配，并通过图像切割来识别动脉瘤；⑤模型自检验：获取未匹配体积的第二批动脉瘤数字模型的匹配数据，用图像识别获取三维造影血管的形态图像，并进行自动分割处理，获取若干个识别处理对象，其次，将若干个识别处理对象与步骤④中的一级数据库，进行对比和第二次匹配学习，显现出动脉瘤边界，获取矫正后三维动脉瘤数据库；再根据步骤②中的容积确定方法，获取第二批的动脉瘤数字模型的实际容积数据，将第二批的动脉瘤数字模型的实际容积数据和矫正后三维动脉瘤数据库，与第一批的动脉瘤数字模型的容积进行第三次匹配学习并校正，获取二级数据库；具体分为以下步骤：(5.1)在模拟临床中，通过X线，将第二批未匹配体积的3D打印的动脉瘤数字模型本文档来自技高网...

【技术保护点】
1.一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法，其特征在于：包括以下步骤：/n①建立并打印模型：根据临床影像学图片，重建若干个不同形状、不同大小的动脉瘤数字模型，并进行3D打印，获取两批动脉瘤数字模型；/n②测量容积并建立数据库：将第一批动脉瘤数字模型用液体充满内腔，获取动脉瘤数字模型的容积，建立初级数据库；/n③基于X线进行造影：在模拟临床中，通过X线，使用第一批动脉瘤数字模型进行不同流量下的动脉瘤的造影，获取匹配数据；/n④匹配学习：将步骤③中的匹配数据与步骤②中的初级数据库进行第一次匹配学习和记忆学习，并人工标记动脉瘤图像边界，然后采用图像识别进行协同进一步处理和记忆学习，获取一级数据库；/n⑤模型自检验：获取未匹配体积的第二批动脉瘤数字模型的匹配数据，用图像识别获取三维造影血管的形态图像，并进行自动分割处理，获取若干个识别处理对象，其次，将若干个识别处理对象与步骤④中的一级数据库，进行对比和第二次匹配学习，显现出动脉瘤边界，获取矫正后三维动脉瘤数据库；再根据步骤②中的容积确定方法，获取第二批的动脉瘤数字模型的实际容积数据，将第二批的动脉瘤数字模型的实际容积数据和矫正后三维动脉瘤数据库，与第一批的动脉瘤数字模型的容积进行第三次匹配学习并校正，获取二级数据库；/n⑥临床自检验：在X线下，对新的真实人体颅颈部动脉瘤进行造影，并进行图像识别，获取初步的动脉瘤图像，生成真实人体颅颈部动脉瘤造影后的三维重建数据，获取动脉瘤结构，然后再次对动脉瘤的边界进行识别和修正，获取修正后的容积数据，再将该动脉瘤进行3D打印，使用液体填充确定实际容积，与步骤⑤中的二级数据库，进行第四次匹配学习和校正；/n⑦获取数据库：获取准确和稳定的动脉瘤容积的三维造影动脉瘤形态数据库。/n...

【技术特征摘要】
1.一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法，其特征在于：包括以下步骤：
①建立并打印模型：根据临床影像学图片，重建若干个不同形状、不同大小的动脉瘤数字模型，并进行3D打印，获取两批动脉瘤数字模型；
②测量容积并建立数据库：将第一批动脉瘤数字模型用液体充满内腔，获取动脉瘤数字模型的容积，建立初级数据库；
③基于X线进行造影：在模拟临床中，通过X线，使用第一批动脉瘤数字模型进行不同流量下的动脉瘤的造影，获取匹配数据；
④匹配学习：将步骤③中的匹配数据与步骤②中的初级数据库进行第一次匹配学习和记忆学习，并人工标记动脉瘤图像边界，然后采用图像识别进行协同进一步处理和记忆学习，获取一级数据库；
⑤模型自检验：获取未匹配体积的第二批动脉瘤数字模型的匹配数据，用图像识别获取三维造影血管的形态图像，并进行自动分割处理，获取若干个识别处理对象，其次，将若干个识别处理对象与步骤④中的一级数据库，进行对比和第二次匹配学习，显现出动脉瘤边界，获取矫正后三维动脉瘤数据库；再根据步骤②中的容积确定方法，获取第二批的动脉瘤数字模型的实际容积数据，将第二批的动脉瘤数字模型的实际容积数据和矫正后三维动脉瘤数据库，与第一批的动脉瘤数字模型的容积进行第三次匹配学习并校正，获取二级数据库；
⑥临床自检验：在X线下，对新的真实人体颅颈部动脉瘤进行造影，并进行图像识别，获取初步的动脉瘤图像，生成真实人体颅颈部动脉瘤造影后的三维重建数据，获取动脉瘤结构，然后再次对动脉瘤的边界进行识别和修正，获取修正后的容积数据，再将该动脉瘤进行3D打印，使用液体填充确定实际容积，与步骤⑤中的二级数据库，进行第四次匹配学习和校正；
⑦获取数据库：获取准确和稳定的动脉瘤容积的三维造影动脉瘤形态数据库。


2.如权利要求1所述的动脉瘤容积的三维造影动脉瘤形态数据库建立方法，其特征在于：所述步骤③分为以下步骤：
(3.1)在模拟临床中，通过X线，使动脉瘤数字模型进行不同流量下的动脉瘤的造影，产生影像学数据和流量数据；
(3.2)记录动脉瘤腔及载瘤动脉在X线下造影剂显影后变化的灰度值，获取灰度变化数据，同时产生三维造影动脉瘤形态数据...

【专利技术属性】
技术研发人员：崔君拴，向欣，彭瀚，杨华，刘健，徐源，吕莹，杨杰，魏入廷，徐旭，严健，姜健楠，
申请(专利权)人：向欣，
类型：发明
国别省市：贵州;52