CN106875387B - 基于oct影像的生物可降解支架的自动检测的方法及装置 - Google Patents

Abstract

本发明提供了一种基于OCT影像的生物可降解支架的自动检测的方法及装置，该方法包括：获取冠状动脉OCT图像；将冠状动脉OCT图像变换为极坐标空间的OCT图像；检测极坐标空间的OCT图像中生物可降解支架的中心点；检测所述极坐标空间的OCT图像中导丝的上边界和下边界；将上边界和下边界的图像进行拟合得到血管的内壁轮廓；判断生物可降解支架的中心点是否为假阳性支架中心点；根据生物可降解支架的中心点检测生物可降解支架的轮廓；根据生物可降解支架的轮廓与内壁轮廓是否相交获得生物可降解支架的贴壁情况；对生物可降解支架的贴壁情况进行显示。本发明提出的方法及装置，能够自动检测生物可降解支架的贴壁情况，提升了检测效率、增加了检测结果的准确性。

Description

基于OCT影像的生物可降解支架的自动检测的方法及装置

技术领域

本发明涉及医疗器械技术领域，尤其涉及一种基于OCT影像的生物可降解支架的自动检测的方法及装置。

背景技术

冠状动脉粥样硬化性心脏病，简称冠心病(coronary artery disease，CAD)，是世界范围内死亡的主因。目前冠心病的治疗主要采用的是经皮冠状动脉介入治疗术，即采用支架重构血管。第一代支架是裸金属支架(bare metal stent，BMS)，其缺点是术后血管再狭窄率高。第二代支架是药物涂层支架(drug-eluting stent，DES)，其显著降低了血管再狭窄率，但会引起晚期支架贴壁不良，从而导致血栓的发生。第三代支架是生物可降解支架(bioresorbable vascular scaffold，BVS)，其可以提供一个临时的径向强度，避免血管急性回缩，在一段时间之后，会被完全吸收，从而完成血管重构，恢复血运。在冠心病介入治疗方面，生物可降解支架得到了越来越广泛的使用。

血管内光学相干断层扫描(intravascular optical coherence tomography，IVOCT)技术是一个新的造影技术，其轴向分辨率可达5-15um，纵向分辨率约为25um，探测深度约为2mm。由于生物可降解支架主要为聚合物材料，对近红外光具有半透性，因而很适合采用IVOCT进行造影分析。

在支架植入后需要分析支架的贴壁情况，判断支架是否贴壁良好。目前大多数生物可降解支架的检测都采用的是人工分析方法。在一个IVOCT回拉中包含大量支架，人工分析效率很低，分析一次回拉所得到图像通常需要5～7小时，而且不同医生的分析标准不同，因此有必要对支架的位置实现自动检测，从而对基线支架的贴壁情况进行定量分析和判断。

发明内容

为了解决上述问题，本发明提出一种基于OCT影像的生物可降解支架的自动检测的方法及装置，能够自动检测生物可降解支架的贴壁情况，提升了检测效率、增加了检测结果的准确性。

本发明提出的具体技术方案为：提供一种基于OCT影像的生物可降解支架的自动检测的方法，所述方法包括以下步骤：

获取冠状动脉OCT图像；

将所述冠状动脉OCT图像变换为极坐标空间的OCT图像；

检测所述极坐标空间的OCT图像中生物可降解支架的中心点；

检测所述极坐标空间的OCT图像中导丝的上边界和下边界；

将所述上边界和所述下边界的图像进行拟合得到血管的内壁轮廓；

判断所述生物可降解支架的中心点是否为假阳性支架中心点；

若所述生物可降解支架的中心点不是假阳性支架中心点，则根据所述生物可降解支架的中心点检测所述生物可降解支架的轮廓；

判断所述生物可降解支架的轮廓是否是假阳性支架的轮廓；

若所述生物可降解支架的轮廓不是假阳性支架的轮廓，则根据所述生物可降解支架的轮廓与所述内壁轮廓是否相交获得所述生物可降解支架的贴壁情况；

对所述生物可降解支架的贴壁情况进行显示。

进一步地，检测所述极坐标空间的OCT图像中生物可降解支架的中心点步骤包括：

将所述极坐标空间的OCT图像转换为梯度图像；

根据设定的阈值将所述梯度图像转换为二值图像；

对所述二值图像的连通区域进行标记，在标记的点的个数达到预定数目时停止标记，则标记的点形成所述二值图像的连通区域；

获取所述连通区域的中心点，则所述中心点为所述生物可降解支架的中心点。

进一步地，获取所述连通区域的中心点的公式为：

其中，(c_ρ，c_θ)表示所述连通区域的中心点的坐标，θ和ρ分别表示标记的点在极坐标空间下的横坐标和纵坐标。

进一步地，判断所述生物可降解支架的中心点是否为假阳性支架中心点步骤包括：

提取所述极坐标空间的OCT图像中的感兴趣区域，利用动态规划算法在所述感兴趣区域中检测导管的边界；

判断所述生物可降解支架的中心点是否在所述导管的边界和所述血管的内壁轮廓之间，若所述生物可降解支架的中心点在所述导管的边界和所述血管的内壁轮廓之间，则所述生物可降解支架的中心点不是假阳性中心点。

进一步地，若所述生物可降解支架的中心点不是假阳性支架中心点，则根据所述生物可降解支架的中心点检测所述生物可降解支架的轮廓步骤包括：

将所述极坐标空间的OCT图像转换为笛卡尔坐标空间的OCT图像；

计算所述笛卡尔坐标空间的OCT图像中所述生物可降解支架的中心点的邻域的半径，以获得所述生物可降解支架的中心点的邻域；

将所述生物可降解支架的中心点的邻域转换为极坐标空间的邻域；

在所述极坐标空间的邻域中利用动态规划的算法检测所述生物可降解支架的轮廓；

将极坐标空间中的所述生物可降解支架的轮廓转换为笛卡尔坐标空间中的生物可降解支架的轮廓。

进一步地，计算所述笛卡尔坐标空间的OCT图像中所述生物可降解支架的中心点的邻域的半径的公式为：

r_x＝maxx-minx

r_y＝maxy-miny

r＝max(r_x,r_y)

其中，x和y分别表示所述笛卡尔坐标空间的OCT图像中的像素点的横坐标和纵坐标，r表示所述生物可降解支架的中心点的邻域的半径。

进一步地，判断所述生物可降解支架的轮廓是否是假阳性支架的轮廓步骤包括：

将笛卡尔坐标空间中的所述生物可降解支架的轮廓转换为极坐标霍夫空间中的生物可降解支架的轮廓；

检测极坐标霍夫空间中的生物可降解支架的轮廓中的峰值点，判断所述峰值点是否满足阈值条件，若所述峰值点满足阈值条件，则所述生物可降解支架的轮廓不是假阳性支架的轮廓。

进一步地，所述峰值点的数目为四个，所述阈值条件为：

其中，(ρ₁,θ₁)，(ρ₂,θ₂)，(ρ₃,θ₃)，(ρ₄,θ₄)分别表示四个峰值点的坐标，ρ_T1，ρ_T2，θ_T1，θ_T2分别表示四个阈值。

本发明还提供了一种基于OCT影像的生物可降解支架的自动检测的装置，所述装置包括依次连接的探测单元、光信号处理单元、成像单元、数据处理单元及显示单元，所述数据处理单元包括：

图像获取模块，用于接收所述成像单元的冠状动脉OCT图像；

坐标变换模块，用于将所述冠状动脉OCT图像变换为极坐标空间的OCT图像；

支架中心点检测模块，用于检测所述极坐标空间的OCT图像中生物可降解支架的中心点；

导丝分割模块，用于检测所述极坐标空间的OCT图像中导丝的上边界和下边界；

内壁分割模块，用于将所述上边界和所述下边界的图像进行拟合得到血管的内壁轮廓；

第一判断模块，用于判断所述生物可降解支架的中心点是否为假阳性支架中心点；

支架轮廓检测模块，用于在所述生物可降解支架的中心点不是假阳性支架中心点时根据所述生物可降解支架的中心点检测所述生物可降解支架的轮廓；

第二判断模块，用于判断所述生物可降解支架的轮廓是否是假阳性支架的轮廓；

支架贴壁情况分析模块，用于在所述生物可降解支架的轮廓不是假阳性支架的轮廓时根据所述生物可降解支架的轮廓与所述内壁轮廓是否相交获得所述生物可降解支架的贴壁情况并将所述生物可降解支架的贴壁情况发送给所述显示单元进行显示。

进一步地，所述数据处理单元还包括导管分割模块，所述导管分割模块用于检测导管的边界。

本发明提出的基于OCT影像的生物可降解支架的自动检测的方法及装置，通过内壁分割模块检测血管的内壁轮廓，通过支架中心点检测模块和支架轮廓检测模块检测生物可降解支架的位置，再通过支架贴壁情况分析模块根据所述生物可降解支架的轮廓与所述内壁轮廓是否相交获得所述生物可降解支架的贴壁情况，从而实现自动检测所述生物可降解支架的位置并判断所述生物可降解支架的贴壁情况，提升了检测效率、增加了检测结果的准确性。

附图说明

通过结合附图进行的以下描述，本发明的实施例的上述和其它方面、特点和优点将变得更加清楚，附图中：

图1为基于OCT影像的生物可降解支架的自动检测的装置的模块示意图；

图2为图1中探测单元的结构示意图；

图3为数据处理单元的模块示意图；

图4为图3中支架轮廓检测模块的模块示意图；

图5为基于OCT影像的生物可降解支架的自动检测的方法的流程图；

图6为图5中步骤S3的流程图；

图7为图5中步骤S4的流程图；

图8为图5中步骤S5的流程图；

图9为拟合前和拟合后的血管的内壁轮廓的结构示意图；

图10为图5中步骤S6的流程图；

图11为图5中步骤S7的流程图；

图12为图5中步骤S8的流程图；

图13为手动优化系统的模块示意图。

具体实施方式

以下，将参照附图来详细描述本发明的实施例。然而，可以以许多不同的形式来实施本发明，并且本发明不应该被解释为限制于这里阐述的具体实施例。相反，提供这些实施例是为了解释本发明的原理及其实际应用，从而使本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。

参照图1，本实施例提供的基于OCT影像的生物可降解支架的自动检测的装置包括依次连接的探测单元1、光信号处理单元2、成像单元3、数据处理单元4及显示单元5。本实施例中血管为冠状动脉，探测单元1用于采集血管内的光信号，光信号处理单元2用于对光信号进行处理，成像单元3用于将处理后的光信号以图像的形式呈现，数据处理单元4用于对图像进行处理，以实现自动检测生物可降解支架和血管壁的位置并判断生物可降解支架的贴壁情况，显示单元5用于对支架的贴壁情况进行显示。为了描述方便，以下描述中所有的支架都是指生物可降解支架。

参照图2，探测单元1包括探头11、光纤12、导丝13及导管14。导丝13用于将导管14引入血管，探头11和光纤12置于导管14内，支架位于血管内，通过探头11可以对血管进行成像，从而经处理后便可以获得支架的位置信息。

参照图3，数据处理单元4包括依次连接的图像获取模块40、坐标变换模块41、支架中心点检测模块42、导丝分割模块43、内壁分割模块44、第一判断模块45、支架轮廓检测模块46、第二判断模块47、支架贴壁情况分析模块48及导管分割模块49。

图像获取模块40用于接收成像单元3的冠状动脉OCT图像，其中，冠状动脉OCT图像包括一次回拉过程中产生的多个OCT图像帧，多个OCT图像帧组成一幅连续的冠状动脉OCT图像，其反映的是一段冠状动脉的情况，每个OCT图像帧的大小为1024×1024，每个OCT图像帧可为8位灰度图，即图像中的像素点的灰度值范围为0～255，这里，冠状动脉OCT图像的坐标空间为笛卡尔坐标空间。

坐标变换模块41用于将冠状动脉OCT图像变换为极坐标空间的OCT图像。支架中心点检测模块42用于检测极坐标空间的OCT图像中支架的中心点，其包括Prewitt边缘滤波器，通过Prewitt边缘滤波器将极坐标空间的OCT图像转换为梯度图像。

导丝分割模块43用于检测极坐标空间的OCT图像中导丝13的上边界和下边界。极坐标空间的OCT图像包括左半部分和右半部分，左半部分位于导丝13的左边，右半部分位于导丝13的右边，其中左半部分和右半部分断开的地方即为导丝13遮挡的地方，导丝13的上边界即为导丝13与左半部分的分界处，导丝13的下边界即为导丝13与右半部分的分界处。

内壁分割模块44用于将导丝13的上边界的图像和下边界的图像进行拟合得到血管的内壁轮廓，这里，导丝13的上边界的图像即为左半部分，下边界的图像即为右半部分。

导管分割模块49用于检测导管14的边界。第一判断模块45用于判断支架中心点检测模块44检测出的支架的中心点是否为假阳性支架中心点，若支架中心点检测模块44检测出的支架的中心点为假阳性支架中心点，则不对该点进行检测并将其排除。一般情况下，支架不会过多地嵌入到血管的内壁中，而导管14的内部也不会出现支架的中心点，因此，第一判断模块45通过判断检测出的支架的中心点是否位于血管的内壁轮廓之外或导管14的内部并可以确定支架的中心点是否为假阳性支架中心点。

参照图4，支架轮廓检测模块46用于在支架的中心点不是假阳性支架中心点时根据支架的中心点检测支架的轮廓。具体的，支架轮廓检测模块46包括前级坐标变换模块100、计算模块101、极坐标变换模块102、轮廓检测模块103及后级坐标变换模块104。

前级坐标变换模块100用于将极坐标空间的OCT图像转换为笛卡尔坐标空间的OCT图像；计算模块101用于计算笛卡尔坐标空间的OCT图像中支架的中心点的邻域的半径，以获得支架的中心点的邻域；极坐标变换模块102用于将支架的中心点的邻域转换为极坐标空间的邻域；轮廓检测模块103用于在极坐标空间的邻域中利用动态规划的算法检测支架的轮廓；后级坐标变换模块104用于将极坐标空间中的支架的轮廓转换为笛卡尔坐标空间中的支架的轮廓。

第二判断模块47用于判断支架的轮廓是否是假阳性支架的轮廓。支架轮廓检测模块46检测到的支架的轮廓可能会包含一些形状不规则的支架轮廓。但是，在IVOCT图像中可降解支架的轮廓形状一般都较为规则，接近矩形，因此，第二判断模块47在判断出支架的轮廓是假阳性支架的轮廓时将其排除。

支架贴壁情况分析模块48用于在支架的轮廓不是假阳性支架的轮廓时根据支架的轮廓与内壁轮廓是否相交获得支架的贴壁情况并将支架的贴壁情况发送给显示单元5进行显示。其中，若支架的轮廓与内壁轮廓相交则支架的贴壁情况良好，若支架的轮廓与内壁轮廓不相交则支架的贴壁不良。

除此之外，数据处理单元4还包括图像输出模块50，其用于将支架的贴壁情况输出至显示单元5进行显示。

参照图5，本实施例还提供了一种基于OCT影像的生物可降解支架的自动检测的方法，所述方法包括以下步骤：

步骤S1、获取冠状动脉OCT图像，其中，通过图像获取模块40获取冠状动脉OCT图像，冠状动脉OCT图像的坐标空间为笛卡尔坐标空间。

步骤S2、将冠状动脉OCT图像变换为极坐标空间的OCT图像。

具体的，通过坐标变换模块41将冠状动脉OCT图像变换为极坐标空间的OCT图像。坐标变换模块41通过下面的式子来将笛卡尔坐标空间的冠状动脉OCT图像变换为极坐标空间的冠状动脉OCT图像：

θ＝arctan(y/x)

其中，x和y分别表示冠状动脉OCT图像中的像素点在笛卡尔坐标空间下的横坐标和纵坐标，θ和ρ分别表示冠状动脉OCT图像中的像素点在极坐标空间下的横坐标和纵坐标。

步骤S3、检测极坐标空间的OCT图像中支架的中心点。

其中，通过支架中心点检测模块42检测极坐标空间的OCT图像中支架的中心点。参照图6，步骤S3具体包括：

S31、将极坐标空间的OCT图像转换为梯度图像；通过Prewitt边缘滤波器将极坐标空间的OCT图像转换为梯度图像。

S32、根据设定的阈值将梯度图像转换为二值图像。

S33、对二值图像的连通区域进行标记，在标记的点的个数达到预定数目时停止标记，则标记的点形成二值图像的连通区域；其中，标记的点的预定数目可以为5～15，例如，预定数目为8，则在标记的点的数目达到8时停止标记，获得的8个点形成二值图像的连通区域。

S34、获取连通区域的中心点，则中心点为所述支架的中心点。

在步骤S34中，获取连通区域的中心点的公式为：

其中，(c_ρ，c_θ)表示连通区域的中心点的坐标，θ和ρ分别表示标记的点在极坐标空间下的横坐标和纵坐标。

步骤S4、检测极坐标空间的OCT图像中导丝的上边界和下边界。

其中，通过导丝分割模块43检测极坐标空间的OCT图像中导丝的上边界和下边界。参照图7，步骤S4具体包括：

S41、对极坐标空间的OCT图像进行图像映射变换获得第一灰度图像；其中，图像映射变换过程如下：

若一次回拉产生的冠状动脉OCT图像包括n个OCT图像帧，则极坐标空间的OCT图像包括n个极坐标空间下的OCT图像帧，对n个极坐标空间下的OCT图像帧在ρ轴方向上进行灰度值累加平均，得到一个列向量a_j，a_j可表示为：

a_j＝(a_1,j，a_2,j，...，a_i,j，...，a_m,j)^T

其中，j表示当前OCT图像帧在n个OCT图像帧中的次序，j满足1≤j≤n；m表示在θ轴方向上的像素点的数目；i满足1≤i≤m。

对在ρ轴方向上灰度值累加平均后所得的n个向量a_j依次排列得到一个矩阵A，表示如下：

S42、对第一灰度图像即A分别进行两次动态规划获得与第一灰度图像即A大小相等的上边界的图像和下边界的图像；其中，对第一灰度图像进行第一次动态规划过程获得上边界的图像的过程如下：

对于A中每个灰度值为a_i,j的像素点，其目标函数为：

其中，

表示像素点灰度值的平均值；w₁表示平均值计算时所用到的窗的长度。

确定目标函数后递推得到代价函数，导丝的上边界所对应的代价函数为：

C₁(i,j)＝f₁(i,j) j＝1

其中，d₁决定了i^*的搜索范围，表明了导丝的连续性，计算出代价函数的值后可以得到与第一灰度图像即A大小相等的上边界的图像。

对第一灰度图像进行第二次动态规划过程获得下边界的图像的过程如下：

对于A中每个灰度值为a_i,j的像素点，其目标函数为：

其中，

表示像素点灰度值的平均值；w₁表示平均值计算时所用到的窗的长度。

确定目标函数后递推得到代价函数，导丝的下边界所对应的代价函数为：

C₂(i,j)＝f₁(i,j) j＝1

其中，d₁决定了i^*的搜索范围，表明了导丝的连续性，计算出代价函数的值后可以得到与第一灰度图像即A大小相等的下边界的图像。

S43、分别对上边界的图像和下边界的图像进行回溯得到导丝的上边界和下边界。其中，通过回溯可找到全局最优路径，即导丝的上下边界。

步骤S5、将上边界的图像和下边界的图像进行拟合得到血管的内壁轮廓。其中，通过内壁分割模块44将上边界的图像和下边界的图像进行拟合得到血管的内壁轮廓。经过导丝分割模块43检测出导丝的上边界和下边界后，每个OCT图像帧中导丝的位置已经确定。

参照图8，步骤S5具体包括：

S51、分别将上边界的图像和下边界的图像中位于上边界和下边界之间的区域删除得到第一图像和第二图像，其中，位于上边界和下边界之间的区域指的是被导丝遮挡的区域。

S52、将第一图像和第二图像进行拼接得到拼接后的图像。

S53、对拼接后的图像进行动态规划得到第三图像；其中，动态规划过程如下：

对于第三图像中坐标为(i,j)的像素点，其目标函数为：

其中，

表示像素点灰度值的平均值；w₂表示平均值计算时所用到的窗的长度。

确定目标函数后递推得到代价函数如下：

C₃(i,j)＝f₂(i,j) i＝1

其中，d₂决定了j^*的搜索范围，表明了血管的内壁轮廓的连续性，n₂表示去除导丝所在行后θ轴方向上像素点的个数。计算出代价函数的值后便得到第三图像。

S54、对第三图像进行回溯得到第四图像，其中，通过回溯可找到全局最优路径，全局最优路径即为第四图像。

S55、将上边界所在的行及下边界所在的行插入第四图像得到内壁轮廓。这里的内壁轮廓是不包括被导丝遮挡部分的内壁轮廓，即内壁轮廓的两端是断开的，图9(a)示出了笛卡尔坐标空间下的不包括被导丝遮挡部分的内壁轮廓。

S56、将内壁轮廓的两端进行拟合得到血管的内壁轮廓。其中，拟合得到的血管的内壁轮廓包括被导丝遮挡部分的内壁轮廓即为一个完整的血管的内壁轮廓，图9(b)示出了笛卡尔坐标空间下的拟合后得到的血管的内壁轮廓。

步骤S6、判断支架的中心点是否为假阳性支架中心点。

其中，通过第一判断模块45来判断支架的中心点是否为假阳性支架中心点。参照图10，步骤S6包括：

S61、提取极坐标空间的OCT图像中的感兴趣区域(ROI)，利用动态规划算法在ROI中检测导管的边界，其中ROI为一固定大小的区域，该区域中不包括导丝和血管的内壁，从而排除导丝和血管的内壁的干扰。

其中，动态规划算法如下：

对于ROI中坐标为(i,j)的像素点，其目标函数为：

其中，I表示坐标为(i,j)的像素点的灰度值，

表示一定范围内的像素点的灰度值的平均值；w₃表示平均值计算时所用到的窗的长度。

确定目标函数后递推得到代价函数如下：

C₄(i,j)＝f₃(i,j) i＝1

其中，d₃决定了j^*的搜索范围，表明了导管的边界的连续性，n₃表示ROI中θ轴方向上像素点的个数。计算出代价函数的值后，通过回溯可确定最优路径，即为导管的边界。

S62、根据检测到的导管的边界及血管的内壁轮廓来判断检测到的支架的中心点是否在导管的边界和血管的内壁轮廓之间，若支架的中心点在导管的边界和血管的内壁轮廓之间，则检测到的支架的中心点不是假阳性中心点。若支架的中心点在导管内或在血管的内壁轮廓之外，则检测到的支架的中心点为假阳性中心点，将该支架的中心点去除。

步骤S7、若支架的中心点不是假阳性支架中心点，则根据支架的中心点检测支架的轮廓，通过支架轮廓检测模块46检测支架的轮廓。

具体的，参照图11，步骤S7具体包括以下步骤：

S71、将极坐标空间的OCT图像转换为笛卡尔坐标空间的OCT图像；其中，通过前级坐标变换模块100将极坐标空间的OCT图像转换为笛卡尔坐标空间的OCT图像。通过下面的式子将极坐标空间的OCT图像转换为笛卡尔坐标空间的OCT图像：

x＝ρ×cosθ

y＝ρ×sinθ

其中，x和y分别表示笛卡尔坐标空间的OCT图像的像素点的横坐标和纵坐标，θ和ρ分别表示极坐标空间的OCT图像的像素点的横坐标和纵坐标。

S72、计算笛卡尔坐标空间的OCT图像中支架的中心点的邻域的半径，以获得支架的中心点的邻域；其中，通过计算模块101计算笛卡尔坐标空间的OCT图像中支架的中心点的邻域的半径，计算公式如下：

r_x＝maxx-minx

r_y＝maxy-miny

r＝max(r_x,r_y)

其中，x和y分别表示笛卡尔坐标空间的OCT图像中的像素点的横坐标和纵坐标，r表示支架的中心点的邻域的半径。得到的半径为r的邻域包含完整的支架的轮廓。

S73、将支架的中心点的邻域转换为极坐标空间的邻域；通过极坐标变换模块102将笛卡尔坐标空间的支架的中心点的邻域转换为极坐标空间的邻域。

S74、在极坐标空间的邻域中利用动态规划的算法检测支架的轮廓；通过轮廓检测模块103检测支架的轮廓，动态规划算法如下：

对于邻域中坐标为(i,j)的像素点，其目标函数为：

其中，I表示邻域中坐标为(i,j)的像素点的灰度值，

表示像素点灰度值的平均值；w₄表示平均值计算时所用到的窗的长度。

确定目标函数后递推得到代价函数如下：

C₅(i,j)＝f₄(i,j) i＝1

其中，d₄决定了j^*的搜索范围，表明了支架的轮廓的连续性，n₄表示邻域中θ轴方向上像素点的个数。计算出代价函数的值后，通过回溯可确定最优路径，即为支架的轮廓。

S75、将极坐标空间中的支架的轮廓转换为笛卡尔坐标空间中的支架的轮廓，通过后级坐标变换模块104将极坐标空间中的支架的轮廓转换为笛卡尔坐标空间中的支架的轮廓。

步骤S8、判断支架的轮廓是否是假阳性支架的轮廓，通过第二判断模块47判断支架的轮廓是否是假阳性支架的轮廓。

参照图12，步骤S8包括以下步骤：

S81、将笛卡尔坐标空间中的支架的轮廓转换为极坐标霍夫空间中的支架的轮廓，变换公式如下：

ρ＝xcosθ+ysinθ

变换后的原点位于支架的轮廓的几何中心，笛卡尔坐标空间中的每个点都对应于极坐标霍夫空间的一条曲线，而笛卡尔坐标空间中的一条直线对应于极坐标霍夫空间中的一族有公共交点的曲线。

S82、检测极坐标霍夫空间中的支架的轮廓中的特征点，判断特征点是否满足阈值条件，若特征点满足阈值条件，则该支架的轮廓不是假阳性支架的轮廓。

本实施例中的支架的轮廓为矩形，经过变换后每个象限中会出现一个峰值点，这四个峰值点即为特征点分别对应矩形轮廓的四条边，所述阈值条件为：

其中，(ρ₁,θ₁)，(ρ₂,θ₂)，(ρ₃,θ₃)，(ρ₄,θ₄)分别表示四个峰值点的坐标，ρ_T1，ρ_T2，θ_T1，θ_T2分别表示四个阈值。如果其中有一个条件不满足，则该支架的轮廓为假阳性支架的轮廓，将该支架的轮廓去除。

步骤S9、若支架的轮廓不是假阳性支架的轮廓，则根据支架的轮廓与内壁轮廓是否相交获得支架的贴壁情况，其中，通过支架贴壁情况分析模块48获得支架的贴壁情况，若支架的轮廓与内壁轮廓相交则支架的贴壁情况良好，若支架的轮廓与内壁轮廓不相交则支架的贴壁不良。

步骤S10、对支架的贴壁情况进行显示，通过显示单元5对支架的贴壁情况进行显示。如图9(b)所示，通过实心白色区域表示贴壁良好的支架，用拟合的样条曲线表示贴壁不良的支架。

为了提高检测的准确率，本实施例还提出了自动检测的方法与手动优化过程相结合的方式。在上述自动检测的基础上，增加了手动优化过程和手动优化系统20。本实施例手动优化系统20从三个方面进行手动优化：

1)在自动检测的基础上，手动去除自动检测的方法所不能识别的假阳性支架。在自动检测结果中，若存在人工易于识别的假阳性支架，则在此过程中，可通过手动去除单元200手动去除这些假阳性支架。

2)在自动检测的基础上，手动拖动支架轮廓进行优化。若自动检测到的支架位置相对合理，而支架轮廓与人工分析有较大差别时，可通过手动拖动单元201手动拖动支架轮廓进行优化。

3)通过支架中心点手动选择单元202手动选择未被自动检测过程检测到的支架中心点。在支架中心点检测过程中，有少数中心点未被检测到，相应的支架轮廓也不会被检测到，这将对支架贴壁情况的分析产生很大影响。因此对于人工分析明确认定的支架，采用手动方式选择支架的中心点，然后自动检测该中心点所对应的支架轮廓。

图13示出了手动优化过程的结构框图，以上三个手动优化过程可在人机界面上进行相应的功能选择。

在实际临床应用中，关于本实施例的基于OCT影像的生物可降解支架的自动检测的方法及装置的具体实施过程如下：

临床医生基于冠状动脉的X光造影图像，通过经皮冠状动脉介入将生物可降解支架植入到病灶位置，即冠状动脉堵塞最狭窄处；

通过对球囊加压，将支架撑开，但在X光造影图像中不能观察到支架撑开后的贴壁情况；

通过血管内光学相干断层扫描技术对植入支架的冠状动脉段进行扫描成像；

在人机界面上选择自动检测功能，确定支架与冠状动脉内壁之间的贴壁情况，并输出反映冠状动脉内支架贴壁情况的图像提供给临床医生；

临床医生根据输出的图像确定是否进行手动优化，并在人机界面上选择相应的优化方式对检测和分析结果进行优化，从而得到优化后的最终输出图像；

最后，临床医生根据最终输出图像来对贴壁不良的支架进行调整。

本实施例提出的基于OCT影像的生物可降解支架的自动检测的方法及装置，通过内壁分割模块44检测血管的内壁轮廓，通过支架中心点检测模块42和支架轮廓检测模块46检测支架的位置，再通过支架贴壁情况分析模块48根据所述支架的轮廓与所述内壁轮廓是否相交获得所述支架的贴壁情况，从而实现自动检测所述支架的位置并判断所述支架的贴壁情况，提升了检测效率、增加了检测结果的准确性，指导临床医生将支架调整到完全贴壁的位置，从而提高冠状动脉介入治疗手术的成功率，有效降低术后支架血栓的发生率。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (2)

1.一种基于OCT影像的生物可降解支架的自动检测的装置，其特征在于，所述装置包括依次连接的探测单元、光信号处理单元、成像单元、数据处理单元及显示单元，其特征在于，所述数据处理单元包括：

图像获取模块，用于接收所述成像单元的冠状动脉OCT图像；

坐标变换模块，用于将所述冠状动脉OCT图像变换为极坐标空间的OCT图像；

支架中心点检测模块，用于检测所述极坐标空间的OCT图像中生物可降解支架的中心点；

导丝分割模块，用于检测所述极坐标空间的OCT图像中导丝的上边界和下边界；

内壁分割模块，用于将所述上边界和所述下边界的图像进行拟合得到血管的内壁轮廓；

第一判断模块，用于判断所述生物可降解支架的中心点是否为假阳性支架中心点；

支架轮廓检测模块，用于在所述生物可降解支架的中心点不是假阳性支架中心点时根据所述生物可降解支架的中心点检测所述生物可降解支架的轮廓；

其中，所述支架轮廓检测模块包括前级坐标变换模块、计算模块、极坐标变换模块、轮廓检测模块及后级坐标变换模块，所述前级坐标变换模块用于将极坐标空间的OCT图像转换为笛卡尔坐标空间的OCT图像；计算模块用于计算笛卡尔坐标空间的OCT图像中支架的中心点的邻域的半径，以获得支架的中心点的邻域；极坐标变换模块用于将支架的中心点的邻域转换为极坐标空间的邻域；轮廓检测模块用于在极坐标空间的邻域中利用动态规划的算法检测支架的轮廓；后级坐标变换模块用于将极坐标空间中的支架的轮廓转换为笛卡尔坐标空间中的支架的轮廓，

第二判断模块，用于判断所述生物可降解支架的轮廓是否是假阳性支架的轮廓；

支架贴壁情况分析模块，用于在所述生物可降解支架的轮廓不是假阳性支架的轮廓时根据所述生物可降解支架的轮廓与所述内壁轮廓是否相交获得所述生物可降解支架的贴壁情况并将所述生物可降解支架的贴壁情况发送给所述显示单元进行显示。

2.根据权利要求1所述的装置，其特征在于，所述数据处理单元还包括导管分割模块，所述导管分割模块用于检测导管的边界。

Images