一种3D脑血管成像方法、装置、设备及介质制造方法及图纸

本说明书实施例公开了一种3D脑血管成像方法、装置、设备及介质，包括：获取受测者的超声脑血管数据与脑CT图像数据；将所述超声脑血管数据与所述脑CT图像数据分别转化为脑血管三维点云数据与脑CT三维点云数据；将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型，得到3D脑血管图像数据，所述3D脑血流模型是通过3D卷积神经网络生成的模型。本说明书实施例通过利用超声采集受测者脑血管数据与CT图像数据，综合构建3D脑血管图像数据。对比传统的2维X射线或超声，可以使得数据更加立体，便于分析，准确性高。准确性高。准确性高。

【技术实现步骤摘要】
一种3D脑血管成像方法、装置、设备及介质


[0001]本说明书涉及计算机
，具体涉及智慧医疗
，特别涉及脑血管成像的
，尤其涉及一种3D脑血管成像方法、装置、设备及介质。

技术介绍

[0002]脑的血液循环正常与否决定着脑组织的日常功能维持和代谢平衡，脑血流量减少或中断会导致脑神经细胞的缺氧甚至坏死，造成严重的神经精神障碍。脑血流量是指单位时间内血液通过脑血管某横截面积的流量。
[0003]通过脑血管成像可以查看脑血流量，以通过图像的方式显示脑部的病变，辅助医生进行诊断。传统脑血管成像大都是在2D图像，在数据准确性上稍有欠缺。

技术实现思路

[0004]本说明书一个或多个实施例提供了一种3D脑血管成像方法、装置、设备及介质，用于解决
技术介绍
提出的技术问题。
[0005]本说明书一个或多个实施例采用下述技术方案：
[0006]本说明书一个或多个实施例提供的一种3D脑血管成像方法，包括：
[0007]获取受测者的超声脑血管数据与脑CT图像数据；
[0008]将所述超声脑血管数据与所述脑CT图像数据分别转化为脑血管三维点云数据与脑CT三维点云数据；
[0009]将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型，得到3D脑血管图像数据，所述3D脑血流模型是通过3D卷积神经网络生成的模型。
[0010]可选的，所述将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型前，所述方法还包括：<br/>[0011]获取多组超声脑血管数据与脑CT图像数据；
[0012]将所述多组超声脑血管数据与脑CT图像数据分别转化为对应的脑血管三维点云训练数据与脑CT三维点云训练数据；
[0013]通过所述脑血管三维点云训练数据与脑CT三维点云训练数据训练3D卷积神经网络，训练得到所述3D脑血流模型。
[0014]可选的，所述通过所述脑血管三维点云训练数据与脑CT三维点云训练数据训练3D卷积神经网络，包括：
[0015]通过所述脑血管三维点云训练数据与脑CT三维点云训练数据合成训练3D脑血管图像数据；
[0016]将所述脑血管三维点云训练数据与脑CT三维点云训练数据输入3D卷积神经网络，得到待验证的3D脑血管图像数据；
[0017]根据所述待验证的3D脑血管图像数据与训练3D脑血管图像数据调整所述3D卷积神经网络。
[0018]可选的，将所述多组超声脑血管数据与脑CT图像数据分别转化为对应的脑血管三维点云训练数据与脑CT三维点云训练数据后，包括：
[0019]通过所述3D卷积神经网络将所述脑血管三维点云训练数据与所述脑CT三维点云训练数据拟合到体素化网格，以对所述脑血管三维点云训练数据与所述脑CT三维点云训练数据进行筛选，得到符合要求的脑血管三维点云训练数据与脑CT三维点云训练数据。
[0020]可选的，所述超声脑血管数据包括所述受测者在不同心率数据下采集的超声脑血管数值。
[0021]可选的，所述3D脑血管图像数据包括指定心率范围的3D脑血管图像；
[0022]所述获取受测者的超声脑血管数据，包括：
[0023]在所述超声脑血管数据中确定最低心率的超声脑血管数值与最高心率的超声脑血管数值。
[0024]本说明书一个或多个实施例提供的一种3D脑血管成像装置，所述装置包括：
[0025]测试数据获取单元，获取受测者的超声脑血管数据与脑CT图像数据；
[0026]测试数据转化单元，将所述超声脑血管数据与所述脑CT图像数据分别转化为脑血管三维点云数据与脑CT三维点云数据；
[0027]血管成像单元，将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型，得到3D脑血管图像数据，所述3D脑血流模型是通过3D卷积神经网络生成的模型。
[0028]可选的，所述装置还包括：
[0029]训练数据获取单元，获取多组超声脑血管数据与脑CT图像数据；
[0030]训练数据转化单元，将所述多组超声脑血管数据与脑CT图像数据分别转化为对应的脑血管三维点云训练数据与脑CT三维点云训练数据；
[0031]模型训练单元，通过所述脑血管三维点云训练数据与脑CT三维点云训练数据训练3D卷积神经网络，训练得到所述3D脑血流模型。
[0032]本说明书一个或多个实施例提供的一种3D脑血管成像设备，包括：
[0033]至少一个处理器；以及，
[0034]与所述至少一个处理器通信连接的存储器；其中，
[0035]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
[0036]获取受测者的超声脑血管数据与脑CT图像数据；
[0037]将所述超声脑血管数据与所述脑CT图像数据分别转化为脑血管三维点云数据与脑CT三维点云数据；
[0038]将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型，得到3D脑血管图像数据，所述3D脑血流模型是通过3D卷积神经网络生成的模型。
[0039]本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令被计算机执行时能够实现：
[0040]获取受测者的超声脑血管数据与脑CT图像数据；
[0041]将所述超声脑血管数据与所述脑CT图像数据分别转化为脑血管三维点云数据与脑CT三维点云数据；
[0042]将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型，得到3D脑血管图像数据，所述3D脑血流模型是通过3D卷积神经网络生成的模型。
[0043]本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0044]本说明书实施例通过利用超声采集受测者脑血管数据与CT图像数据，综合构建3D脑血管图像数据。对比传统的2维X射线或超声，可以使得数据更加立体，便于分析，准确性高。
附图说明
[0045]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0046]图1为本说明书一个或多个实施例提供的一种3D脑血管成像方法的流程示意图；
[0047]图2为本说明书一个或多个实施例提供的生成3D脑血管成像模型的流程图；
[0048]图3为本说明书一个或多个实施例提供的一种3D脑血管成像装置的结构示意图；
[0049]图4为本说明书一个或多个实施例提供的一种3D脑血管成像设备的结构示意图。
具体实施方式
[0050]本说明书实施例提供一种3D脑血管本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种3D脑血管成像方法，其特征在于，所述方法包括：获取受测者的超声脑血管数据与脑CT图像数据；将所述超声脑血管数据与所述脑CT图像数据分别转化为脑血管三维点云数据与脑CT三维点云数据；将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型，得到3D脑血管图像数据，所述3D脑血流模型是通过3D卷积神经网络生成的模型。2.根据权利要求1所述的方法，其特征在于，所述将所述脑血管三维点云数据与所述脑CT三维点云数据输入预先训练的3D脑血流模型前，所述方法还包括：获取多组超声脑血管数据与脑CT图像数据；将所述多组超声脑血管数据与脑CT图像数据分别转化为对应的脑血管三维点云训练数据与脑CT三维点云训练数据；通过所述脑血管三维点云训练数据与脑CT三维点云训练数据训练3D卷积神经网络，训练得到所述3D脑血流模型。3.根据权利要求2所述的方法，其特征在于，所述通过所述脑血管三维点云训练数据与脑CT三维点云训练数据训练3D卷积神经网络，包括：通过所述脑血管三维点云训练数据与脑CT三维点云训练数据合成3D脑血管图像训练数据；将所述脑血管三维点云训练数据与脑CT三维点云训练数据输入3D卷积神经网络，得到待验证的3D脑血管图像数据；根据所述待验证的3D脑血管图像数据与3D脑血管图像训练数据调整所述3D卷积神经网络。4.根据权利要求2所述的方法，其特征在于，将所述多组超声脑血管数据与脑CT图像数据分别转化为对应的脑血管三维点云训练数据与脑CT三维点云训练数据后，包括：通过所述3D卷积神经网络将所述脑血管三维点云训练数据与所述脑CT三维点云训练数据拟合到体素化网格，以对所述脑血管三维点云训练数据与所述脑CT三维点云训练数据进行筛选，得到符合要求的脑血管三维点云训练数据与脑CT三维点云训练数据。5.根据权利要求1所述的方法，其特征在于，所述超声脑血管数据包括所述受测者在不同心率数据下采集的超声脑血管数值。6.根据权利要求5所述的方法，其特征在于，所述3D脑血管图像数据包括指定心率范围的3D脑血管图像；所述获取受测者的超声脑血管数据，包括：在...

【专利技术属性】
技术研发人员：彭洋，
申请(专利权)人：北京中科睿医信息科技有限公司，
类型：发明
国别省市：