[發(fā)明專利]一種3D血管成像系統(tǒng)、方法及裝置

有效

• 申請?zhí)枺?/td>: 202010420181.9
• 申請日: 2020-05-18
• 公開（公告）號: CN111599004B
• 公開（公告）日: 2023-09-12
• 發(fā)明（設計）人: 趙贇
• 申請（專利權）人: 復旦大學附屬中山醫(yī)院
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06N3/0464;G06N3/08
• 代理公司: 上海容慧專利代理事務所(普通合伙) 31287
• 代理人: 于曉菁

1.一種3D血管成像系統(tǒng)，其特征在于，包括：

圖像獲取模塊，所述圖像獲取模塊用以獲取人體體表靜脈血管的紅外黑白圖像和體表TOF三維距離點云信息；

特征提取模塊，所述特征提取模塊用以結合TOF三維距離點云信息提取紅外圖像中血管的三維時序特征，所述三維時序特征為包括血管長度、寬度、深度及周邊組織平面特征的時序序列；

所述特征提取模塊包括：

預處理模塊，所述預處理模塊按TOF點云信息采集的時序狀態(tài)，對紅外黑白圖像依次進行分類和預處理，同時標注每個像素點的空間距離信息，所述將預處理后的圖像根據分類制作成數據集；

模型創(chuàng)建模塊，創(chuàng)建卷積神經網絡模型和/或選擇現有的模型結構并設置預訓練參數；

模型訓練模塊，基于所述數據集對所述卷積神經網絡模型或現有模型結構進行訓練、測試及驗證后作為所述時序特征識別模型；

三維重建模塊，所述三維重建模塊根據三維時序特征和TOF三維距離信息生成三維建模的血管圖像。

2.如權利要求1所述的一種3D血管成像系統(tǒng)，其特征在于，所述數據集分為訓練數據集，測試數據集和驗證數據集，所述模型訓練模塊采用訓練數據集進行模型訓練，之后采用測試數據集對訓練后的模型進行測試，再使用所述驗證集對所述模型進行驗證，若所述模型滿足時序特征識別要求，則將其作為所述三維時序特征識別模型；若不滿足，則修改歷史模式參數設置，重新對所述模型進行訓練、測試和驗證，直至滿足時序特征識別要求，將所述模型作為三維時序特征識別模型。

3.如權利要求2所述的一種3D血管成像系統(tǒng)，其特征在于，所述三維重建模塊采用空間重建方法基于TOF點云信息和三維血管特征進行血管三維重建，在重建過程中基于三維時序特征確定各血管的長度、寬度和深度，并根據周邊組織平面特征完成血管與周邊組織的關系的重建。

4.如權利要求1到3所述任一種系統(tǒng)的3D血管成像方法，其特征在于，包括以下步驟：

建立圖像獲取模塊，所述圖像獲取模塊用以獲取人體體表靜脈血管的紅外黑白圖像和體表TOF三維距離點云信息；

建立特征提取模塊，所述特征提取模塊用以結合TOF三維距離信息提取紅外圖像中血管的三維時序特征，所述三維時序特征為包括血管長度、寬度、深度及周邊組織平面特征的時序序列；

建立三維重建模塊，所述三維重建模塊根據三維時序特征和TOF三維距離信息生成三維建模的血管圖像。

5.如權利要求4所述的一種3D血管成像方法，其特征在于，在建立所述特征提取模塊過程中，包括：

建立預處理模塊，所述預處理模塊按TOF點云信息采集的時序狀態(tài)，對紅外黑白圖像依次進行分類和預處理，同時標注每個紅外黑白像素點的空間距離信息，將預處理后的圖像根據分類制作成數據集；

建立模型創(chuàng)建模塊，創(chuàng)建卷積神經網絡模型和/或選擇現有的模型結構并設置預訓練參數；

建立模型訓練模塊，基于所述數據集對所述卷積神經網絡模型或現有模型結構進行訓練、測試及驗證后作為所述時序特征識別模型。

6.如權利要求5所述的一種3D血管成像方法，其特征在于，所述數據集分為訓練數據集，測試數據集和驗證數據集，所述模型訓練模塊采用訓練數據集進行模型訓練，之后采用測試數據集對訓練后的模型進行測試，再使用所述驗證數據集對所述模型進行驗證，若所述模型時序特征識別要求，則將其作為所述三維時序特征識別模型；若不滿足，則修改歷史模式參數設置，重新對所述模型進行訓練、測試和驗證，直至滿足時序特征識別要求，將所述模型作為三維時序特征識別模型。

7.如權利要求6所述的一種3D血管成像方法，其特征在于，在建立所述三維重建模塊過程中，還包括：

采用空間重建方法基于三維時序特征和TOF三維距離信息生成三維建模的血管圖像，在重建過程中基于三維時序特征確定各血管的長度、寬度和深度，并根據周邊組織平面特征完成血管與周邊組織的關系的重建。