CN111179288A - 一种交互式造影血管分割方法及系统 - Google Patents
一种交互式造影血管分割方法及系统 Download PDFInfo
- Publication number
- CN111179288A CN111179288A CN201911328098.2A CN201911328098A CN111179288A CN 111179288 A CN111179288 A CN 111179288A CN 201911328098 A CN201911328098 A CN 201911328098A CN 111179288 A CN111179288 A CN 111179288A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- contrast
- image
- interactive
- vessel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/162—Segmentation; Edge detection involving graph-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种交互式造影血管分割方法及系统,属于医学图像处理领域,包括以下步骤:步骤1)获取单张血管造影图像;步骤2)对造影图像进行预处理,双边滤波操作和对比度拉伸操作;步骤3)对造影图像的血管部分进行交互式分割操作,得到感兴趣的血管段区域,即为分割出的血管段。通过对血管造影图像进行交互式分割,可以迅速提取出感兴趣的血管段,且无需再进行检验校正,提高了工作效率。
Description
技术领域
本发明涉及医学图像处理领域,具体地说,涉及一种交互式造影血管分割方法及系统。
背景技术
心血管相关疾病患病率逐年上升,严重威胁人类健康,其中由冠状动脉狭窄导致的冠心病致死率很高,因此对于血管狭窄程度的分析可以辅助相关心血管疾病的诊断和治疗。血管分割是检测血管狭窄程度的前提,血管分割的质量直接影响着血管狭窄程度分析的准确度。
然而,心血管造影图像内存在大量噪声,图像模糊不均匀,还存在其他组织的影像,因此很难采用传统的图像分割方法将其分割出来,由于心血管造影图像的质量也会受到造影剂浓度的影响。
现有技术中,有采用神经网络的分割方法对血管造影图像进行分割,如公布号为CN108198184A的中国专利文献公开的一种造影图像中血管分割的方法和系统,包括:将盈片图像中的每个像素坐标作为基准坐标,从蒙片图像中选取一个与该基准坐标匹配的像素坐标,作为对比坐标;分别在盈片图像和蒙片图像中提取相同大小的子图像,构成一个图像对;将所有图像对输入至双通道卷积神经网络,输出第一血管分割图像;根据预设规则对每个参考图像提取多个不同尺度的图像,将所有不同尺度的图像输入至多尺度卷积神经网络,输出第二血管分割图像,对所述第二血管分割图像进行显示。本发明通过双通道卷积神经网络和多尺度卷积神经网络进行两次分类,使得最终的显示图像中血管边界清楚、细节明显。
但采用神经网络的分割方法需要大量数据集,且效率较为低下,最终的结果还需人为进行检验校正,实际工作场景中很难使用。
发明内容
本发明的目的为提供一种交互式造影血管分割方法及系统,对血管造影图像以交互的方式,快速正确提取出感兴趣血管段,提取的感兴趣血管段较自动分割方法效果好,且支持操作者随时调整,整个分割流程只需操作者少量干预即可完成。
为了实现上述目的,第一方面,本发明提供的交互式造影血管分割方法包括以下步骤:
步骤1)获取单张血管造影图像;
步骤2)对造影图像进行预处理;
步骤3)对造影图像的血管部分进行交互式分割操作,得到感兴趣的血管段区域,即为分割出的血管段。
上述技术方案中,通过对血管造影图像进行交互式分割,可以迅速提取出感兴趣的血管段,且无需再进行检验校正,提高了工作效率。
作为优选的,所述的预处理包括:针对噪声较多的造影图片,采用双边滤波减少图片中的噪声,若图片中的血管和背景对比差异不明显,采用对比度拉伸的操作,增强其前景和背景的对比度。
作为优选,步骤3)中,对造影图像的血管部分进行交互式分割操作的步骤如下:
3-1)在感兴趣血管段的边缘部分,选取一个种子点,贴合在血管边缘部分;
3-2)以种子点为起点建立贴合在血管边缘部分的路径;
3-2)若所述的路径偏离血管边缘,则新建种子点,并建立新的贴合在血管边缘部分的路径,不断重复步骤3-2)的操作,直至将感兴趣血管区域包围;
3-3)闭合路径,生成血管分割结果,分割出感兴趣的血管段。
作为优选,步骤3-2)中,若新建的种子点偏离血管边缘,则撤销再重建。
作为优选,贴合在血管边缘部分的路径采用基于图论的智能算法,将步骤1)获得的血管造影图像变成加权有向图,通过将图像看作一张加权有向图对图片上面每个像素点和其邻接像素点所构成的边设置权重,其表达式如下:
l(p,q)=wZ·fZ(q)+wG·fG(q)+wD·fD(p,q)
其中,p是图中的像素点,q是其邻接像素点,l(p,q)是p和q所连接边的边权重,wZ、wG、wD分别是权重系数,fZ(q)是像素点q的拉普拉斯交叉零点的成本映射,fG(q)是像素点q的梯度值,fD(p,q)是梯度方向。
通过计算图像上面每一个像素点和其周围像素点的各个权重值,可以确定一整张加权有向图。用户设定的每一个种子点都是这张加权有向图中的点,利用最短路径的算法可以求取用户设定的种子点之间的最短路径。只要种子点的设定合理,求取的最短路径就是拥有最小成本的一条路径,即分割时的边缘线。
为了提高图像计算最小成本像素点的速度,作为优选,采用一种快速Dijkstra寻路算法,求得加权有向图中的最小成本节点,在每次鼠标移动时快速寻得并连接具有最小成本的像素点。
第二方面,本发明提供的交互式造影血管分割系统包括:存储器,存储计算机可执行指令以及在执行所述计算机可执行指令时使用或生产的数据;处理器,与所述存储器通信连接,并配置为执行存储器存储的计算机可执行指令,其特征在于,还包括与所述处理器通讯连接的交互装置,所述交互装置使用时,所述计算机可执行指令在被执行时,实现如权利要求1~5所述的交互式造影血管分割方法。
存储器中还存储有基于图论的智能算法,通过将图像看作一张加权有向图对图片上面每个像素点和其邻接像素点所构成的边设置权重,其表达式如下:
l(p,q)=wZ·fZ(q)+wG·fG(q)+wD·fD(p,q)
其中,p是图中的像素点,q是其邻接像素点,l(p,q)是p和q所连接边的边权重,wZ、wG、wD分别是权重系数,fZ(q)是像素点q的拉普拉斯交叉零点的成本映射,fG(q)是像素点q的梯度值,fD(p,q)是梯度方向。
与现有技术相比,本发明的有益效果为:
本发明的交互式造影血管分割方法及系统大大提高了血管造影图像的分割效率,无需进行检验校正,且可保证准确度。
附图说明
图1为本发明实施例中心血管造影图像示意图;
图2为本发明实施例中交互式分割操作流程图;
图3为本发明实施例中分割单击示意图;
图4为本发明实施例中分割过程示意图;
图5为本发明实施例中分割结果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例及其附图对本发明作进一步说明。
实施例
参见图1至图5,本实施例中交互式造影血管分割方法,通过鼠标实现交互过程,包括以下步骤:
1)导入心血管造影图像的序列,选择其中单帧图像,或者直接导入单张心血管造影图像,如图1所示。
2)进行图像的预处理操作,对造影图像进行对比度拉伸等操作,使得图像更易于分割处理。
3)在感兴趣血管段的边缘部分,鼠标左键单击一个种子点,种子点会显示在图像上一个黑色的点,然后移动鼠标,鼠标移动的路径会自动贴合在血管边缘部分,生成一条线,如图3所示。
4)不断移动鼠标,让线条不断向血管边缘部分进行贴合,如果遇到贴合效果不够良好的点,再次单击鼠标左键,生一个新的种子点,继续移动鼠标移动,不断重复步骤4)的操作,直至将感兴趣血管段包围,如图4所示。
5)在操作步骤4)的过程中,如果遇到种子点误点或者效果不好的操作,可以点击鼠标右键,撤销上一个种子点。支持种子点连续撤销,即可以将全部的种子点撤销完,并重新开始设定种子点。
6)继续步骤4)和步骤5)闭合路径已基本完成,此时双击鼠标左键,可以实现鼠标路径的自动闭合。且可以生成血管分割结果,如图5所示。
7)将步骤6)生成的图像进行保存,退出系统。
本实施例中鼠标贴合的过程采用的是一种基于图论的智能算法,通过将图像看作一张加权有向图对图片上面每个像素点和其邻接像素点所构成的边设置权重,其表达式如下:
l(p,q)=wZ·fZ(q)+wG·fG(q)+wD·fD(p,q)
其中,p是图中的像素点,q是其邻接像素点,l(p,q)是p和q所连接边的边权重,wZ、wG、wD分别是权重系数,fZ(q)是像素点q的拉普拉斯交叉零点的成本映射,fG(q)是像素点q的梯度值,fD(p,q)是梯度方向。
通过计算图像上面每一个像素点和其周围像素点的各个权重值,可以确定一整张加权有向图。用户设定的每一个种子点都是这张加权有向图中的点,利用最短路径的算法可以求取用户设定的种子点之间的最短路径。只要种子点的设定合理,求取的最短路径就是拥有最小成本的一条路径,即分割时的边缘线。
此外,本实施例为了加快最短路径计算的速率,采用了一种快速Dijkstra寻路算法,求得加权有向图中的最小成本节点,在每次鼠标移动时快速寻得并连接具有最小成本的像素点。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种交互式造影血管分割方法,其特征在于,包括以下步骤:
步骤1)获取单张血管造影图像;
步骤2)对造影图像进行预处理;
步骤3)对造影图像的血管部分进行交互式分割操作,得到感兴趣的血管段区域,即为分割出的血管段。
2.根据权利要求1所述的交互式造影血管分割方法,其特征在于,步骤2)中,对图像进行预处理的方法为:
针对噪声较多的造影图片,采用双边滤波减少图片中的噪声,若图片中的血管和背景对比差异不明显,采用对比度拉伸的操作,增强其前景和背景的对比度。
3.根据权利要求1所述的交互式造影血管分割方法,其特征在于,步骤3)中,对造影图像的血管部分进行交互式分割操作的步骤如下:
3-1)在感兴趣血管段的边缘部分,选取一个种子点,贴合在血管边缘部分;
以种子点为起点建立贴合在血管边缘部分的路径;
3-2)若所述的路径偏离血管边缘,则新建种子点,并建立新的贴合在血管边缘部分的路径,不断重复步骤3-2)的操作,直至将感兴趣血管区域包围;
不断移动鼠标,如果遇到贴合效果不佳的点,再次单击鼠标左键,生一个新的种子点,继续移动鼠标移动,不断重复步骤3-2)的操作,直至将感兴趣血管区域包围;
3-3)闭合路径且生成血管分割结果,分割出感兴趣的血管段。
4.根据权利要求3所述的交互式造影血管分割方法,其特征在于,步骤3-2)中,若新建的种子点偏离血管边缘,则撤销再重建。
5.根据权利要求3所述的交互式造影血管分割方法,其特征在于,贴合在血管边缘部分的路径基于图论的智能算法,将步骤1)获得的血管造影图像变成加权有向图,将图像看作一张加权有向图对图片上面每个像素点和其邻接像素点所构成的边设置权重,其表达式如下:
l(p,q)=wZ·fZ(q)+wG·fG(q)+wD·fD(p,q)
其中,p是图中的像素点,q是其邻接像素点,l(p,q)是p和q所连接边的边权重,wZ、wG、wD分别是权重系数,fz(q)是像素点q的拉普拉斯交叉零点的成本映射,fG(q)是像素点q的梯度值,fD(p,q)是梯度方向。
6.一种交互式造影血管分割系统,包括:存储器,存储计算机可执行指令以及在执行所述计算机可执行指令时使用或生产的数据;处理器,与所述存储器通信连接,并配置为执行存储器存储的计算机可执行指令,其特征在于,还包括与所述处理器通讯连接的交互装置,所述交互装置使用时,所述计算机可执行指令在被执行时,实现如权利要求1~5所述的交互式造影血管分割方法。
7.根据权利要求6所述的交互式造影血管分割系统,其特征在于,所述的存储器中还存储有基于图论的智能算法,通过将图像看作一张加权有向图对图片上面每个像素点和其邻接像素点所构成的边设置权重,其表达式如下:
l(p,q)=wZ·fZ(q)+wG·fG(q)+wD·fD(p,q)
其中,p是图中的像素点,q是其邻接像素点,l(p,q)是p和q所连接边的边权重,wz、wG、wD分别是权重系数,fZ(q)是像素点q的拉普拉斯交叉零点的成本映射,fG(q)是像素点q的梯度值,fD(p,q)是梯度方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911328098.2A CN111179288A (zh) | 2019-12-20 | 2019-12-20 | 一种交互式造影血管分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911328098.2A CN111179288A (zh) | 2019-12-20 | 2019-12-20 | 一种交互式造影血管分割方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111179288A true CN111179288A (zh) | 2020-05-19 |
Family
ID=70657446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911328098.2A Pending CN111179288A (zh) | 2019-12-20 | 2019-12-20 | 一种交互式造影血管分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111179288A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669449A (zh) * | 2020-12-31 | 2021-04-16 | 浙江理工大学 | 基于3d重建技术的cag和ivus精准联动分析方法及系统 |
CN113469258A (zh) * | 2021-07-08 | 2021-10-01 | 中国科学院自动化研究所 | 基于两阶段cnn的x射线血管造影图像匹配方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897991A (zh) * | 2017-01-05 | 2017-06-27 | 浙江大学 | 基于Live‑Wire分割的微生物群落识别方法 |
CN107730540A (zh) * | 2017-10-09 | 2018-02-23 | 全景恒升(北京)科学技术有限公司 | 基于高精度匹配模型的冠脉参数的计算方法 |
-
2019
- 2019-12-20 CN CN201911328098.2A patent/CN111179288A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897991A (zh) * | 2017-01-05 | 2017-06-27 | 浙江大学 | 基于Live‑Wire分割的微生物群落识别方法 |
CN107730540A (zh) * | 2017-10-09 | 2018-02-23 | 全景恒升(北京)科学技术有限公司 | 基于高精度匹配模型的冠脉参数的计算方法 |
Non-Patent Citations (4)
Title |
---|
徐义春等: ""基于多特征的人机交互式目标分割"", 《广西大学学报》 * |
李波等: ""一种基于边缘提取的交互式图像分割算法"", 《微型机与应用》 * |
石锐等: ""基于改进 Snake模型的肺部图像分割"", 《计算机工程与应用》 * |
芶小珊: ""乳腺X图像预处理方法的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669449A (zh) * | 2020-12-31 | 2021-04-16 | 浙江理工大学 | 基于3d重建技术的cag和ivus精准联动分析方法及系统 |
CN113469258A (zh) * | 2021-07-08 | 2021-10-01 | 中国科学院自动化研究所 | 基于两阶段cnn的x射线血管造影图像匹配方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741344B (zh) | 血管分割方法、装置、医疗影像设备及存储介质 | |
Hatvani et al. | Deep learning-based super-resolution applied to dental computed tomography | |
US20200054235A1 (en) | Apparatus, methods and articles for four dimensional (4d) flow magnetic resonance imaging | |
JP6894896B2 (ja) | X線画像特徴検出および位置合わせのシステムおよび方法 | |
US9519993B2 (en) | Medical image processing apparatus | |
CN111968070B (zh) | 一种基于三维建模的血管检测方法及装置 | |
US11282170B2 (en) | Contrast injection imaging | |
CN104978725A (zh) | 一种冠状动脉分割方法和装置 | |
WO2012140147A2 (en) | Processing ultrasound images | |
CN110969633B (zh) | 一种心脏ct成像自动最优相位识别方法 | |
CN110288611A (zh) | 基于注意力机制和全卷积神经网络的冠状血管分割方法 | |
CN110008992A (zh) | 一种用于前列腺癌辅助诊断的深度学习方法 | |
CN104504708B (zh) | 一种基于毗邻图像特征点集的dsa脑血管图像自动分割方法 | |
CN111815766A (zh) | 基于2d-dsa图像重建血管三维模型处理方法及系统 | |
CN111179288A (zh) | 一种交互式造影血管分割方法及系统 | |
CN110786840B (zh) | 基于生理参数获取血管评定参数的方法、装置及存储介质 | |
Dikkala et al. | A comprehensive analysis of morphological process dependent retinal blood vessel segmentation | |
CN114732431A (zh) | 对血管病变进行检测的计算机实现方法、装置及介质 | |
US11631160B2 (en) | Image processing apparatus, image processing method, and X-ray CT apparatus | |
CN109685803B (zh) | 一种左心室图像分割方法、装置、设备及存储介质 | |
CN115375560B (zh) | 一种3d-dsa图像的重建方法及系统 | |
CN116168099A (zh) | 医疗图像的重建方法及装置、非易失性存储介质 | |
Zhou et al. | Automatic segmentation algorithm of femur and tibia based on Vnet-C network | |
Almuntashri et al. | Automatic lumen segmentation in CT and PC-MR images of abdominal aortic aneurysm | |
Wu et al. | Clinical tooth segmentation based on local enhancement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |