“北京欣方悦医疗科技有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]基于血流动力学分析的冠脉虚拟支架植入系统-CN201710061952.8有效
发明人：唐铁兵;程悦;张建新 -专利权人： 北京欣方悦医疗科技有限公司
申请日： 2017-01-28 - 公布日： 2019-04-05 - 主分类号： A61B34/10 文献下载
摘要：本发明基于血流动力学分析的冠脉虚拟支架植入系统，所述系统包括至少一个计算机系统，所述至少一个计算机系统被配置成：读入患者的冠脉CTA图像数据，识别钙化斑块，建立冠脉血管三维图像模型，去除钙化斑块并记录钙化斑块所在位置；接收所述患者生理参数，设置CFD的边界条件，进行CFD计算，获得冠脉血管各处的稳定的速度和压力，通过冠脉血管各处血流压力与主动脉平均压力的比值，获得冠脉血管各处的FFR(Fractional Flow Reserve，血流储备分数)。本发明自动完成血管狭窄程度计算、生成支架植入策略、量化评估虚拟支架植入效果，实现了精准手术方案规划，有效提高医生决策效率，降低依靠人工判断的风险。
基于血流动力学分析虚拟支架植入方法系统

[发明专利]一种冠脉三维重建中的钙化斑块去除方法-CN201510477351.6有效
发明人：唐铁兵 -专利权人： 北京欣方悦医疗科技有限公司
申请日： 2015-08-07 - 公布日： 2018-04-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种冠脉三维重建中的钙化斑块去除方法，本发明的具体步骤分为六步在步骤S1中，开始，在步骤S2中，读取患者平扫CT和增强CT影像数据；在步骤S3中，针对平扫影像数据进行钙化斑块识别；在步骤S4中，在增强CT影像上进行冠脉分割和重建三维冠脉模型；在步骤S5中，对钙化斑块和冠脉网格的两个三维空间进行校准，放在同一个坐标系中；最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型；进入步骤S6，结束。本发明通过对比平扫CT和增强CT，从而在增强CT的冠脉三维模型中去除平扫识别的钙化斑块，获得精确的冠脉三维血液形态模型；为临床的狭窄评估和流体力学的血液动力分析提供支持。
一种三维重建中的钙化去除方法

[发明专利]利用多源人体器官图像建立高清医疗诊断图像的方法-CN201410680746.1有效
发明人：程悦 -专利权人： 北京欣方悦医疗科技有限公司
申请日： 2014-11-24 - 公布日： 2017-10-24 - 主分类号： G06F19/00 文献下载
摘要：利用多源人体器官图像建立高清医疗诊断图像的方法，其步骤包括A、采集同一个病人的同一部位的多个数据图像；B、从多个数据图像中选择一个三维图像作为主图像，其他图像作为辅助图像；C、分别对主图像和辅助图像中的每个三维图像进行重建；D、将主图像上需要做图像质量提高的区域标定出来，从每个辅助图像上对应的区域进行对比，若辅助图像是三维图像，且图像质量好于主图像，提取其对应区域的图像覆盖主图像上需要做图像质量提高的区域；E、将得到的修复主图像加以合成，即得。其目的在于提供一种利用每个病例现有的一个或多个医疗图像，进行多源医疗图像处理，进而可提高医疗图像质量的利用多源人体器官图像建立高清医疗诊断图像的方法。
利用人体器官图像建立医疗诊断方法

[发明专利]基于CT影像的血管三维分割方法-CN201510378224.0有效
发明人：唐铁兵;刘芳丽;程悦 -专利权人： 北京欣方悦医疗科技有限公司
申请日： 2015-07-01 - 公布日： 2017-07-04 - 主分类号： G06T17/00 文献下载
摘要：基于CT影像的血管三维分割方法，包括1)读取CT造影图像数据，把血管开始出现的层记为第一层，并生成第一层种子点，方法为获取第一层灰度值的平均值；把本层图像的中心点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值的点生长为种子点；2)从第二层往下逐层生长，方法为分别计算上一层种子点和非种子点的灰度值的平均值，对它们加权计算得到本层种子点灰度最小值Mi；从上一层的种子点向本层生长；按上述方法逐层往下生长，直到没有新的种子点生成为止。所有种子点的集合组成了血管三维分割图像。其目的在于提供一种减少对操作人员经验的依赖、提高分割准确度和完整性的基于CT影像的血管三维分割方法。
基于 ct 影像血管三维分割方法

[发明专利]一种冠脉三维图像分割的方法-CN201510363154.1在审
发明人：唐铁兵;刘芳丽;程悦 -专利权人： 北京欣方悦医疗科技有限公司
申请日： 2015-06-29 - 公布日： 2015-10-21 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种冠脉三维图像分割的方法，包括：预先建设冠脉分类模型库；输入医疗图像数据；选择种子点并将输入的医疗图像数据与分类模型库中的分类模型进行匹配；如果判断不存在匹配的分类模型则按照常规区域生长算法进行血管生长，然后对生长出来的图像进行人工校正；如果判断存在匹配的分类模型，则基于匹配分类模型的范围和方向进行血管生长，然后如果判断血管不能够正常完成生长，则按照常规区域生长算法进行血管生长，然后对图像进行人工校正并在分类模型库中加入不能够正常完成生长的新的冠脉分类模型，如果判断血管能够正常完成生长，则获得冠脉三维图像。
一种三维图像分割方法