CN103871043A - 一种血管提取方法 - Google Patents
一种血管提取方法 Download PDFInfo
- Publication number
- CN103871043A CN103871043A CN201210537636.0A CN201210537636A CN103871043A CN 103871043 A CN103871043 A CN 103871043A CN 201210537636 A CN201210537636 A CN 201210537636A CN 103871043 A CN103871043 A CN 103871043A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- face
- vessel
- radius
- extraction
- 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.)
- Granted
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种血管提取方法，包括读取血管造影图像的序列；设定血管的起始面，根据所述起始面进行血管传播，依次形成若干层的血管面，以从所述血管造影图像中提取血管；所述血管提取还包括获取所述血管面的灰度梯度值，并通过对所述灰度梯度值进行梯度判断，以提取病变血管。本发明通过对所述血管面的灰度值进行梯度判断，以提取病变血管，避免提取不足而丢失病变血管，进一步地提高血管提取的精确度。
Description
技术领域
本发明涉及一种医学断层扫描图像的处理方法，尤其涉及一种血管提取方法。
背景技术
血管造影技术(Computed Tomography Angiography，简称CTA)是当前诊断血管疾病的重要方法之一，在临床上主要用于诊治多种血管疾病，如动脉瘤、血管狭窄、血管钙化等。但由于CTA图像中的血管与骨头等其他组织的CT值重叠，所以将血管从其他组织中提取出是血管造影技术中的关键步骤。
美国文献1：P.T.Vieco，W.P.Shuman，G.F.Alsofrom，C.E.Gross.Detection ofcircle of Willis aneurysms in patients with acute subarachnoid hemorrhage：acomparison of CT angiography and digital subtraction angiography.AJR vol.165no.2425-430(1995)提供的血管剪影方法，病人需要同一部位扫描两次(分别为不注射造影剂扫描和注射造影剂扫描)，得到非CTA图像和CTA图像。由于非CTA图像中的血管CT值低于CTA图像中血管CT值，将两种扫描图像进行配准后，再进行相减就可以将血管提取出来。但是，该方法需要对病人扫描两次，比较耗时，同时给病人带来更多的扫描辐射量。
美国文献2：Boskamp T，Rinck D，Link F，Knmmerlen B，Stamm G，Mildenberger P.New vessel analysis tool for morphometric quantification andvisualization of vessels in CT and MR imaging data sets.Radiographics 24，287-297(2004)中介绍一种基于阈值的区域增长方法，该方法从一组初始种子点开始，将与初始种子点相似(如CT值处在相同阈值范围内)的相邻像素附加到区域增长的初始种子点上，以对血管进行提取。该方法计算速度较快，但是该方法因与阈值大小相关，鲁棒性差。阈值范围偏小时，无法提取血管细小分支，阈值范围偏大时，部分骨头等组织会被当成血管，造成过提取。
美国文献3：Cristian Lorenz，Steffen Renisch，Thorsten
ThomasBülow.Simultaneous segmentation and tree reconstruction of the coronary arteriesin MSCT images.Proceedings of SPIE Vol.5031(2003)提供一种基于水平集的提取方法，该方法在确定血管起始点后，通过水平集算法向四周传播，该传播过程中通过血管的拓扑结构如血管的半径、分叉等进行修正。该方法能有效提取树状结构的血管，但不适用于大动脉瘤等情况，因为肿瘤很容易被半径判断否决。
美国文献4：Olivier Cuisenairea，Sunny Virmanib，Mark E.Olszewskib，Roberto Ardona.Fully automated segmentation of carotid and vertebral arteriesfrom contrast enhanced CTA.Proc.of SPIE Vol.6914，69143R，(2008)提供一种基于模型的方法，首先将CTA图像与已有的血管模型配准，得到不同血管的起始点，然后通过算法连接起始点，得到血管的中心线。最后在以中心线为起始，通过单纯网格向外扩张，提取血管。该方法效果较佳，但计算非常复杂，提取速度极慢，不适用实际临床应用。
发明内容
本发明解决的问题是提供一种血管提取方法，用于解决大动脉肿瘤等病变血管的提取不足。为了解决上述问题，本发明提供了一种血管提取方法，包括：
包括读取血管造影图像的序列；设定血管的起始面，根据所述起始面进行血管传播，依次形成若干层的血管面，以从所述血管造影图像中提取血管；所述血管提取还包括获取所述血管面的灰度梯度值，并通过对所述灰度梯度值进行梯度判断，以提取出病变血管。
可选的，包括：通过将所述血管面的灰度值与所述起始面的灰度值或相邻的血管面的灰度值进行比较，获得所述血管面上像素点的灰度梯度值。
可选的，包括：所述梯度判断包括：提供梯度阈值及像素点占比；计算所述血管面上像素点的灰度梯度值，比较所述灰度梯度值与梯度阈值；若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比小于所述像素点占比，则所述血管面对应为病变血管，并将所述病变血管提取为血管。
可选的，若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比不小于所述像素点占比，则所述血管面对应为骨头结构。
可选的，通过快速行进算法向周围进行所述血管传播。
可选的，所述快速行进算法包括求解程函方程。
可选的，所述血管提取包括：所述血管传播形成血管面后，还包括对所述血管面进行半径判断和/或分叉判断，其中，所述半径判断用于判断所述血管面是否为有效血管面；所述分叉判断用于判断所述血管面是否为分叉血管面。
可选的，若血管提取形成有病变血管，则通过所述血管提取方法形成的血管包括起始面、有效血管面和病变血管；若血管提取未形成有病变血管，则通过所述血管提取方法形成的血管包括起始面和有效血管面。
可选的，所述半径判断包括：提供半径阈值，基于所述半径阈值对所述血管面进行判断，若所述血管面的血管半径小于所述半径阈值，则所述血管面为有效血管面；若所述待提取血管的半径不小于所述半径阈值，则继续对所述血管面进行所述梯度判断，以判断所述血管面是否为病变血管。
可选的，所述半径阈值的范围为所述起始面的半径的1.5～3倍。
可选的，所述半径阈值为所述起始面的半径的2倍。
可选的，对所述血管面进行所述半径判断后，若所述血管面为有效血管面，还包括进行分叉判断，包括：若所述血管面形成的区域为连通域，则所述血管面未存在分叉点；若所述血管面形成的区域为非连通域，则所述血管面存在分叉点，并基于所述分叉点将所述非连通域划分为若干数目的连通域，以形成若干的血管面，并对基于分叉点形成的若干血管面进行所述半径判断，以确定是否为有效血管面。
可选的，所述血管提取还包括：设定长度阈值；若根据所述血管传播长度超过所述长度阈值，则保存提取的血管面，并将结束的血管面作为结束面，所述结束面和起始面作为所述提取血管的两个端面。
可选的，以所述结束面为新的起始面，进行血管提取。
可选的，所述血管传播结束后，还包括在血管传播结束位置的邻域内进行血管查找，以提取细小血管分支。
可选的，所述血管查找包括：提供血管造影值的有效范围，并在所述血管传播结束位置的邻域内查找是否有属于所述血管造影值的有效范围的像素点，若有，则以所述像素点为起始点进行血管提取。
可选的，所述起始面为起始点的集合，通过手动或自动种子点算法获取所述起始点。
可选的，所述提供血管起始面前包括：读取血管造影图像；提供灰度阈值，并采用区域增长方法去除大于所述灰度阈值的图像，完成初步去骨。
可选的，所述病变血管包括血管瘤、钙化血管或硬化血管。
与现有技术相比，本发明具有以下优点：
因为病变血管的半径与骨头结构的半径近似，通过现有技术极易被误判为骨头结构，导致所述病变血管的提取不足，本发明通过对所述血管面的灰度值进行梯度判断，以提取病变血管，避免提取不足而丢失病变血管；
进一步地，利用血管的拓扑结构，并通过半径判断、分叉判断和梯度判断对所述血管造影图像进行血管提取，提高所述血管提取的有效性和精确度；
进一步地，在所述血管传播结束后，还包括在血管传播结束位置的邻域内进行血管查找，避免细小血管的丢失，进一步地提高血管提取的精确度。
附图说明
图1所示为本发明一个实施例的血管提取方法的流程示意图；
图2所示为本发明一个实施例的通过梯度判断的血管提取图片；
图3所示为本发明一个实施例的血管造影图像的血管提取的图片。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。现有技术的血管提取方法如区域增长、动态轮廓等很容易将骨头等组织误当成血管提取，造成提取不足，或者将动脉肿瘤等当成非血管组织去除，造成提取不全。
为解决上述问题，本发明提供一种血管提取方法，包括读取血管造影图像的序列；设定血管的起始面，根据所述起始面进行血管传播，依次形成若干层的血管面，以从所述血管造影图像中提取血管；所述血管提取还包括获取所述血管面的灰度梯度值，并通过对所述灰度梯度值进行梯度判断，以提取出病变血管。
本发明通过对所述血管面的灰度值进行梯度判断，以提取病变血管，避免提取不足而丢失病变血管。具体地，通过将所述血管面的灰度值与所述起始面的灰度值进行比较，获得所述血管面上像素点的灰度梯度值。
获取所述灰度梯度值后，进行梯度判断，包括：提供梯度阈值及像素点占比；计算所述血管面上像素点的灰度梯度值，比较所述灰度梯度值与梯度阈值；若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比小于所述像素点占比，则所述血管面对应为病变血管，并将所述病变血管提取为血管。
反之，若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比不小于所述像素点占比，则所述血管面对应为骨头结构。
进一步地，所述血管提取包括：所述血管传播形成血管面后，还包括对所述血管面进行半径判断和/或分叉判断，其中，所述半径判断用于判断所述血管面是否为有效血管面；所述分叉判断用于判断所述血管面是否为分叉血管面。
若血管提取形成有病变血管，则通过所述血管提取方法形成的血管包括起始面、有效血管面和病变血管；若血管提取未形成有病变血管，则通过所述血管提取方法形成的血管包括起始面和有效血管面。
如图1所示为本发明一个实施例的血管提取方法的流程示意图，包括：
执行步骤S1，读取数据。所述数据为经造影扫描获得的血管造影图像，其中，所述血管造影图像中包含有血管和近似血管结构的骨头或其他结构。后续地，需要将血管从所述血管造影图像中提取出来。
进一步地，获取所述血管造影图像后，还包括提供灰度阈值，并采用区域增长方法去除大于所述灰度阈值的图像，完成初步去骨。通过上述初步去骨后，所述血管造影图像中的部分骨头结构被剔除，以进一步精确后续的血管提取工作。
继续参考图1，执行步骤S2，设定所述血管的起始面。具体地，包括，通过手动或自动选取种子点的方式，在所述血管造影图像中选取种子点，并通过获取种子点的集合对应获取起始面。后续的血管提取将沿所述起始面进行血管传播，以提取血管。
执行步骤S3，将所述起始面放入处理队列。血管提取中的血管传播是沿所述处理队列中的起始面开始，所述处理队列中有一个或一个以上的起始面，所述血管传播需要将所述处理队列中所有的起始面都完成血管传播为终止。
执行步骤S4，判断处理队列是否为空。若是，则血管提取结束。若否，则执行步骤S5，即从处理队列中取出起始面。
若执行步骤S6，向前进行血管传播。具体地，通过快速行进算法(Fast-Marching)向周围进行所述血管传播，并且通过求解程函(Eikonal)方程进行所述快速行进算法计算每个像素点的能谱U值，相同的能谱U值形成一个血管面。对应于不同的能谱U值，则对应构成若干层不同的血管面。具体地，首先初始化，对所述起始面中任一起始点开始，记所述起始点为Alive点，所述Alive点表示所以已到达的点，其对应的能谱U值保持不变，所述起始点的U值记为0。
从所述Alive点的邻域内的像素点开始计算，通过求解程函(Eikonal)方程，获得所述邻域内的像素点的U值。其中，所述当前待计算的像素点，即所述邻域内的点记为Trial点，其U值为1。除所述Alive点及Trial点外的点记为Far点，其U值＝无穷大。
具体地，所述Trial点的U值通过求解下列公式中的u值获得：
(max{u-Ui-1，j，k，u-Ui+1，j，k，0})+
(max{u-Ui，j-1，k，u-Ui，j+1，k，0})+
(max{u-Ui，j，k-1，u-Ui，j，k+1，0})＝1
下面将进行循环迭代，通过计算获得Alive点，所有的Alive点构成所述血管面。寻找所述Trial点集合中U值最小的点，将该点从Trial点集合中取出，设置为Alive点，其U值将被固定。查找所述Trial点集合中U值最小的点周围6邻域(或4邻域)的点，如果是Far点，则把它加入Trail点集合，并计算其U值，如果已经是Trail点，则更新其U值。
按照上述的循环迭代，当所有的Trail点都变为Alive点，即所有的U值都已经固定。
执行步骤S7，血管传播是否结束。即按照所述血管传播进行，并判断是否满足血管传播的结束条件，所述结束条件为是否所有Trail点都变为Alive点，若所述所有的Trail点都变为Alive点，对应于血管提取即血管自然结束，所有是血管的点都被提取出。
若所述血管传播结束，则执行步骤S8，邻域细小血管的查找确认。即包括在血管传播结束位置的邻域内进行血管查找，以提取细小血管分支。所述血管查找包括：提供血管造影值的有效范围，并在所述血管传播结束位置的邻域内查找是否有属于所述血管造影值的有效范围的像素点，若有，则以所述像素点为起始点进行血管提取。直至所有的细小血管提取完毕。则执行步骤S4，判断处理队列是否为空。并根据判断结果进行后续的处理。
若所述血管传播未结束，则执行后续的半径判断、梯度判断和分叉判断。具体地，执行步骤S9，判断当前血管面是否为有效血管面。具体地通过半径判断，包括：提供半径阈值，基于所述半径阈值对血管传播获得的血管面进行判断，若所述血管面的血管半径小于所述半径阈值，则所述血管面为有效血管面；若所述待提取血管的半径不小于所述半径阈值，则继续对所述血管面进行所述梯度判断，以判断所述血管面是否为病变血管。
其中，所述半径阈值的范围为所述起始面的半径的1.5～3倍。较佳地，所述半径阈值为所述起始面的半径的2倍。
所述半径判断的依据为骨头结构和血管的半径的差异，但是若所述血管发生病变，则可能造成病变血管和骨头结构的半径近似。所以，若所述半径判断为无效血管，则还需要对其进行梯度判断，以将病变血管提取出来。
若血管提取形成有病变血管，则通过所述血管提取方法形成的血管包括起始面、有效血管面和病变血管；若血管提取未形成有病变血管，则通过所述血管提取方法形成的血管包括起始面和有效血管面。
根据上述判断的判断结果进行后续处理，若所述半径判断后，所述血管面为有效血管面，则执行步骤S11，判断所述血管面是否为分叉血管面。若所述血管面不是有效血管面，则执行步骤S10，判断所述血管面是否为病变血管面。所述病变血管包括血管瘤、钙化血管或硬化血管。
若步骤S9的判断结果为无效血管面，执行步骤S10的梯度判断，即判断是否为病变血管。包括：首先通过将所述血管面的灰度值与所述起始面的灰度值或相邻的血管面的灰度值进行比较，获得所述血管面上像素点的灰度梯度值。
具体地，坐标点为i，j，k对应的灰度梯度值Gi，j，k的计算公式如下：
Gi，j，k＝|Ii，j，k-Ii-1，j，k|+|Ii，j，k-Ii+1，j，k|+
|Ii，j，k-Ii，j-1，k|+|Ii，j，k-Ii，j+1，k|+
|Ii，j，k-Ii，j，k-1|+|Ii，j，k-Ii，j，k+1|
其中，I为对应像素点的灰度值。上述公式为通过将所述血管面的灰度值与相邻的血管面的灰度值进行比较，获得所述血管面上像素点的灰度梯度值。作为其他实施例，还可以通过将所述血管面的灰度值与所述起始面的灰度值进行比较，获得所述血管面上像素点的灰度梯度值。
通过上述计算后，获得对应的灰度梯度值。接着，提供梯度阈值及像素点占比；计算所述血管面上像素点的灰度梯度值，比较所述灰度梯度值与梯度阈值；若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比小于所述像素点占比，则所述血管面对应为病变血管，并将所述病变血管提取为血管，即执行步骤S16，接受当前血管面，提取为血管。后续地，所述血管会接受若干层的血管面和病变血管，直至形成完整的血管。
若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比不小于所述像素点占比，则所述血管面对应为骨头结构，则执行步骤S15，拒绝当前血管面，并保存当前提取的血管。保存血管后，循环执行至步骤S4继续判断处理队列是否为空。
所述像素点占比可以为80％～90％，较佳地，所述像素点占比为90％。
通过上述梯度判断后，将病变血管从所述无效血管中提取出来，提高血管提取的精确度。如图2所示为本发明一个实施例的通过梯度判断的血管提取图片。左图为无梯度判断的血管提取，右图为本发明经过梯度判断的血管提取效果图，两图相比较可见，左图为现有技术未采用梯度判断的效果图，现有方法丢失病变血管和细小血管，而经过本发明的梯度判断后，可以提取出病变血管及丢失的细小血管。
若步骤S9的判断结果为有效血管面，则执行步骤S11，判断所述血管面是否为分叉血管面。包括：若所述血管面形成的区域为连通域，则所述血管面未存在分叉点，则执行步骤S12，接受当前血管面，提取为血管。后续地，所述血管会接受若干层的血管面和病变血管，直至形成完整的血管。
若所述血管面形成的区域为非连通域，则所述血管面存在分叉点，则执行步骤S13根据分叉点形成多层血管面，基于所述分叉点将所述非连通域划分为若干数目的连通域，以形成若干的血管面，并执行步骤S14的分叉是否有效，对基于分叉点形成的若干血管面进行所述半径判断，以确定是否为有效血管面。
具体地，若存在分叉，则执行步骤S14，通过判断分叉后形成的若干层的血管面是否为有效血管面，以判断所述分叉是否有效，判断方法可以使用本发明中的半径判断，即提供半径阈值，基于所述半径阈值对血管传播获得的血管面进行判断，若所述血管面的血管半径小于所述半径阈值，则所述血管面为有效分叉，则执行步骤S16，接受当前血管面，提取为血管。后续地，所述血管会循环接受若干层的血管面和病变血管，直至形成完整的血管。
若所述待提取血管的半径不小于所述半径阈值，则为无效分叉，则执行步骤S15，拒绝当前血管面，并保存当前提取的血管。并在拒绝当前血管面后，循环执行至步骤S6继续向前进行血管传播。
作为其他实施例，还可以对所述无效分叉进行本发明中的梯度判断，在此不赘述。
上述执行步骤S12后，即接受非分叉的当前血管面，提取为血管后，执行步骤S17，血管传播长度是否到达长度阈值。包括：设定长度阈值；若血管传播长度超过所述长度阈值，则执行步骤S18，保存当前提取的血管，将当前血管面作为新的起始面。即结束当前血管提取，结束的血管面作为结束面，所述结束面和起始面作为所述提取血管的两个端面。若所述血管传播长度不大于所述长度阈值，则循环执行步骤S6，向前进行血管传播。
上述执行步骤S16后，即接受当前血管面，提取为血管后，则直接执行步骤S18，保存当前提取的血管，将当前血管面作为新的起始面。即结束当前血管提取，结束的血管面作为结束面，所述结束面和起始面作为所述提取血管的两个端面。
执行步骤S18后，则循环执行步骤S3，将所述起始面放入处理队列。并进行后续的处理。包括血管传播，及传播过程中的半径判断、梯度判断和半径判断。
通过上述步骤中的循环及判断，直至所述步骤S4的判断结果为是，结束整个的血管提取的循环流程。本发明适用于人体各部位的血管提取，包括头部、胸部、腹部、下肢等。如图3所示为本发明一个实施例的血管造影图像的血管提取的效果图。依次分别对应为胸腹部、胸部、腹部、下肢及胸部等部位血管提取图片，该系列效果显示本发明的方法对不同部位的血管提取均有效，均可以提取出病变血管和细小血管。
本发明适用于大动脉肿瘤血管等病变血管的提取且避免提取不足，同时适用于细小分支血管的提取且避免过提取。本发明虽然增加了梯度信息的校正，但仍能快速提取出血管造影图像中的血管，如下肢腹部血管提取约10s，头胸部约1分钟。相比之下，同样提取效果的现有技术，其下肢血管提取约5-10分钟，其他部位约3-5分钟。
与现有技术相比，本发明具有以下优点：因为病变血管的半径与骨头结构的半径近似，通过现有技术极易被误判为骨头结构，导致所述病变血管的提取不足，本发明通过对所述血管面的灰度值进行梯度判断，以提取病变血管，避免提取不足而丢失病变血管；
进一步地，利用血管的拓扑结构，并通过半径判断、分叉判断和梯度判断对所述血管造影图像进行血管提取，提高所述血管提取的有效性和精确度；
进一步地，在所述血管传播结束后，还包括在血管传播结束位置的邻域内进行血管查找，避免细小血管的丢失，进一步地提高血管提取的精确度。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (19)
1.一种血管提取方法，包括读取血管造影图像的序列；设定血管的起始面，根据所述起始面进行血管传播，依次形成若干层的血管面，以从所述血管造影图像中提取血管；其特征在于，所述血管提取还包括获取所述血管面的灰度梯度值，并通过对所述灰度梯度值进行梯度判断，以提取病变血管。
2.如权利要求1所述的血管提取方法，其特征在于，包括：通过将所述血管面的灰度值和与其相邻的血管面的灰度值进行比较，或者将所述血管面的灰度值与所述起始面的灰度值进行比较，获得所述血管面上像素点的灰度梯度值。
3.如权利要求1所述的血管提取方法，其特征在于，包括：所述梯度判断包括：提供梯度阈值及像素点占比；计算所述血管面上像素点的灰度梯度值，比较所述灰度梯度值与梯度阈值；若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比小于所述像素点占比，则所述血管面对应为病变血管，并将所述病变血管提取为血管。
4.如权利要求3所述的血管提取方法，其特征在于，若所述血管面中，所述灰度梯度值小于所述梯度阈值的像素点数的占比不小于所述像素点占比，则所述血管面对应为骨头结构。
5.如权利要求1所述的血管提取方法，其特征在于，通过快速行进算法向周围进行所述血管传播。
6.如权利要求5述的血管提取方法，其特征在于，所述快速行进算法包括求解程函方程。
7.如权利要求1所述的血管提取方法，其特征在于，所述血管提取包括：所述血管传播形成血管面后，还包括对所述血管面进行半径判断和/或分叉判断，其中，所述半径判断用于判断所述血管面是否为有效血管面；所述分叉判断用于判断所述血管面是否为分叉血管面。
8.如权利要求7所述的血管提取方法，其特征在于，若血管提取形成有病变血管，则通过所述血管提取方法形成的血管包括起始面、有效血管面和病变血管面；若血管提取未形成病变血管，则通过所述血管提取方法形成的血管包括起始面和有效血管面。
9.如权利要求7所述的血管提取方法，其特征在于，所述半径判断包括：提供半径阈值，基于所述半径阈值对所述血管面进行判断，若所述血管面的血管半径小于所述半径阈值，则所述血管面为有效血管面；若所述待提取血管的半径不小于所述半径阈值，则继续对所述血管面进行所述梯度判断，以判断所述血管面是否为病变血管。
10.如权利要求9所述的血管提取方法，其特征在于，所述半径阈值的范围为所述起始面的半径的1.5～3倍。
11.如权利要求10所述的血管提取方法，其特征在于，所述半径阈值为所述起始面的半径的2倍。
12.如权利要求7所述的血管提取方法，其特征在于，对所述血管面进行所述半径判断后，若所述血管面为有效血管面，还包括进行分叉判断，包括：若所述血管面形成的区域为连通域，则所述血管面未存在分叉点；若所述血管面形成的区域为非连通域，则所述血管面存在分叉点，并基于所述分叉点将所述非连通域划分为若干数目的连通域，以形成若干的血管面，并对基于分叉点形成的若干血管面进行所述半径判断，以确定是否为有效血管面。
13.如权利要求1所述的血管提取方法，其特征在于，所述血管提取还包括：设定长度阈值；若根据所述血管传播长度超过所述长度阈值，则保存提取的血管面，并将结束的血管面作为结束面，所述结束面和起始面作为所述提取血管的两个端面。
14.如权利要求13所述的血管提取方法，其特征在于，以所述结束面为新的起始面，进行血管提取。
15.如权利要求1所述的血管提取方法，其特征在于，所述血管传播结束后，还包括在血管传播结束位置的邻域内进行血管查找，以提取细小血管分支。
16.如权利要求15所述的血管提取方法，其特征在于，所述血管查找包括：提供血管造影值的有效范围，并在所述血管传播结束位置的邻域内查找是否有属于所述血管造影值的有效范围的像素点，若有，则以所述像素点为起始点进行血管提取。
17.如权利要求1所述的血管提取方法，其特征在于，所述起始面为起始点的集合，通过手动或自动种子点算法获取所述起始点。
18.如权利要求1所述的血管提取方法，其特征在于，所述提供血管起始面之前包括如下步骤：读取血管造影图像；提供灰度阈值，并采用区域增长方法去除大于所述灰度阈值的图像，完成初步去骨。
19.如权利要求1所述的血管提取方法，其特征在于，所述病变血管包括血管瘤、钙化血管或硬化血管。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210537636.0A CN103871043B (zh) | 2012-12-12 | 2012-12-12 | 一种血管提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210537636.0A CN103871043B (zh) | 2012-12-12 | 2012-12-12 | 一种血管提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103871043A true CN103871043A (zh) | 2014-06-18 |
| CN103871043B CN103871043B (zh) | 2015-03-18 |
Family
ID=50909550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210537636.0A Active CN103871043B (zh) | 2012-12-12 | 2012-12-12 | 一种血管提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103871043B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427277A (zh) * | 2015-10-30 | 2016-03-23 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤（北京）网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
| CN110189296A (zh) * | 2019-04-16 | 2019-08-30 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管壁反光状态标记方法及设备 |
| CN110335281A (zh) * | 2018-03-28 | 2019-10-15 | 北京连心医疗科技有限公司 | 一种肿瘤边界确定方法、设备和存储介质 |
| CN112652011A (zh) * | 2020-12-25 | 2021-04-13 | 北京阅影科技有限公司 | 目标血管的提取方法、提取装置与计算机可读存储介质 |
| CN113205508A (zh) * | 2021-05-20 | 2021-08-03 | 强联智创（北京）科技有限公司 | 一种基于影像数据的分割方法、装置以及设备 |
| CN113379702A (zh) * | 2021-06-08 | 2021-09-10 | 广州医软智能科技有限公司 | 一种微循环图像的血管路径提取方法及装置 |
| CN113538521A (zh) * | 2020-06-19 | 2021-10-22 | 上海杏脉信息科技有限公司 | 一种冠脉影像分割方法、介质及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080187199A1 (en) * | 2007-02-06 | 2008-08-07 | Siemens Corporate Research, Inc. | Robust Vessel Tree Modeling |
| CN102800088A (zh) * | 2012-06-28 | 2012-11-28 | 华中科技大学 | 超声颈动脉斑块自动分割方法 |
-
2012
- 2012-12-12 CN CN201210537636.0A patent/CN103871043B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080187199A1 (en) * | 2007-02-06 | 2008-08-07 | Siemens Corporate Research, Inc. | Robust Vessel Tree Modeling |
| CN102800088A (zh) * | 2012-06-28 | 2012-11-28 | 华中科技大学 | 超声颈动脉斑块自动分割方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427277A (zh) * | 2015-10-30 | 2016-03-23 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN105427277B (zh) * | 2015-10-30 | 2018-01-16 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN107045721B (zh) * | 2016-10-24 | 2023-01-31 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN110335281A (zh) * | 2018-03-28 | 2019-10-15 | 北京连心医疗科技有限公司 | 一种肿瘤边界确定方法、设备和存储介质 |
| CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤（北京）网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
| CN110189296A (zh) * | 2019-04-16 | 2019-08-30 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管壁反光状态标记方法及设备 |
| CN110189296B (zh) * | 2019-04-16 | 2022-05-10 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管壁反光状态标记方法及设备 |
| CN113538521A (zh) * | 2020-06-19 | 2021-10-22 | 上海杏脉信息科技有限公司 | 一种冠脉影像分割方法、介质及电子设备 |
| CN112652011A (zh) * | 2020-12-25 | 2021-04-13 | 北京阅影科技有限公司 | 目标血管的提取方法、提取装置与计算机可读存储介质 |
| CN112652011B (zh) * | 2020-12-25 | 2023-04-14 | 北京阅影科技有限公司 | 目标血管的提取方法、提取装置与计算机可读存储介质 |
| CN113205508B (zh) * | 2021-05-20 | 2022-01-25 | 强联智创（北京）科技有限公司 | 一种基于影像数据的分割方法、装置以及设备 |
| CN113205508A (zh) * | 2021-05-20 | 2021-08-03 | 强联智创（北京）科技有限公司 | 一种基于影像数据的分割方法、装置以及设备 |
| CN113379702A (zh) * | 2021-06-08 | 2021-09-10 | 广州医软智能科技有限公司 | 一种微循环图像的血管路径提取方法及装置 |
| CN113379702B (zh) * | 2021-06-08 | 2024-05-28 | 广州医软智能科技有限公司 | 一种微循环图像的血管路径提取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103871043B (zh) | 2015-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103871043B (zh) | 一种血管提取方法 | |
| JP7039442B2 (ja) | 血管モデルの作成方法 | |
| WO2018023917A1 (zh) | 一种下肢血管的提取方法及系统 | |
| US20210106299A1 (en) | Method and system for extracting lower limb vasculature | |
| CN106485704B (zh) | 血管中心线的提取方法 | |
| Kigka et al. | 3D reconstruction of coronary arteries and atherosclerotic plaques based on computed tomography angiography images | |
| WO2018120644A1 (zh) | 血管提取方法及系统 | |
| CN104978726A (zh) | 一种血管提取方法 | |
| Kim et al. | Automatic extraction of inferior alveolar nerve canal using feature-enhancing panoramic volume rendering | |
| JP2004222864A (ja) | 診断支援システム、診断支援方法及び診断支援プログラム | |
| JP6301277B2 (ja) | 診断補助画像生成装置および診断補助画像生成方法、並びに、診断補助画像生成プログラム | |
| Woźniak et al. | 3D vascular tree segmentation using a multiscale vesselness function and a level set approach | |
| Lidayová et al. | Fast vascular skeleton extraction algorithm | |
| Yin et al. | Automatic breast tissue segmentation in MRIs with morphology snake and deep denoiser training via extended Stein’s unbiased risk estimator | |
| Lidayova et al. | Skeleton-based fast, fully automated generation of vessel tree structure for clinical evaluation of blood vessel systems | |
| CN111627023B (zh) | 一种冠脉投影图像生成的方法、装置及计算机可读介质 | |
| Kiraly et al. | 3D human airway segmentation for virtual bronchoscopy | |
| Feuerstein et al. | Adaptive model based pulmonary artery segmentation in 3D chest CT | |
| Cuisenaire | Fully automated segmentation of carotid and vertebral arteries from CTA | |
| Ceresa et al. | Automatic leakage detection and recovery for airway tree extraction in chest CT images | |
| Suzuki et al. | CT liver volumetry using geodesic active contour segmentation with a level-set algorithm | |
| Yussof et al. | 3D anisotropic diffusion for liver segmentation | |
| Chen et al. | Automatic Segmentation of 3D Lung Airway without Leakage | |
| Mercuri et al. | An Automatic Method for Aortic Segmentation Based on Level-Set Methods Using Multiple Seed Points | |
| Zai et al. | Automatic and Effective Delineation of Coronary Arteries from CTA Data Using Two-Way Active Contour Model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: Shanghai Lianying Medical Technology Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |