CN103914814A - 一种ct冠脉图像与xa造影图像的图像融合方法及系统 - Google Patents

Abstract

本发明公开一种CT冠脉图像与XA造影图像的图像融合方法及系统，该方法包括：提取XA图像的血管图像，对所述血管图像进行扩散处理，得到XA扩散图像；提取CT冠脉图像，对所述CT冠脉图像进行二维投影，得到二维CT图像，然后对所述二维CT图像进行膨胀处理，得到CT膨胀图像；以XA扩散图像作为参考图像，以二维CT投影膨胀图像做浮动图像，根据相似性测度函数对进行CT冠脉图像进行模拟XA图像的处理，获得CT-XA模拟XA图像；然后将把配准后的CT模拟XA图像加载到XA图像上进行融合显示。本发明能获得CT模拟XA图像和CT-XA融合图像，为在XA造影图像上未显影的血管提供参考位置和走向。

Description

一种CT冠脉图像与XA造影图像的图像融合方法及系统

技术领域

本发明涉及医疗器械数据图像处理，特别涉及一种CT冠脉图像与XA造影图像的融合方法及系统。

背景技术

利用CT（Computer X-ray tomography technique，计算机X射线断层扫描技术），对心脏进行增强扫描，可以得到某个时相的完整的心脏CT图像，对于同样狭窄较为严重导致血管闭塞的，相对于心脏XA(X-ray angiography,X血管造影），其显影程度要好的多。就目前的技术而言，对于CT增强扫描的心脏图像，可以完整地提取出心血管（以下称为冠脉）。同一枝有闭塞的心血管，通过XA血管造影使其显影难度很大，而通过CT增强扫描，却可以较为容易地使其显影，并通过技术手段将其提取出来。这样通过对三维冠脉图像进行投影变换可以近似模拟XA图像(Martin Groher.2D-3D Registration ofVascular Images Towards3D-Guided Catheter Interventions[D].France：Technische Universitat Munchen,Fakultat f ur InformatikComputer-Aided Medical Procedures&Augmented Reality，2007.),从而弥补血管显影中，闭塞节段无法显影的部分。但是，因为患者在两次检查中，并不是在同一台设备上，所以检查时候的体位难免有偏差，这些偏差会使通过CT冠脉模投影拟出XA图像与实际的XA图像有很大的差别。所以这种融合的前提是2D的XA数据与3D的CT数据进行配准。2D-3D配准是一项复杂的空间变换过程，医生很难凭借手工来完成这个过程，无法模拟导管头的姿势和形状，无法实现CT设备模拟DSA导管检查图像以及无法实现CT图像和DSA图像的融合等等。所以如何实现自动配准，成为业内一个需要解决的问题。

当前2D-3D配准主要可以分为基于形状信息的点集配准（Francesc MorenoNoguer,Alberto Sanfeliu Cortes.Simul taneous Point Matching andRecovery of Rigid and Nonrigid Shapes[D].France:Institut De RoboticaI Informatica Industrial,2011.）如和基于统计信息的配准（Xiang Chen,Robert Gi lkeson,Baowei Fei.Automatic Intensity-based3D-to-2DRegistration of CT Volume and Dual-energy Digital Radiography for theDetection of Cardiac Calcification[D],2007.）。对于点集配准算法，这类算法的最大问题在于对血管提取的完整性要求很高，所以XA血管分割经常需要手动完成，这对医生来说是一个很繁重的操作。而对于基于统计信息的配准，因为要求两幅图像提供的信息量足够多，所以目前主要应用在骨骼这种重叠区域较大的配准当中。为此针对血管这种重叠区域较少的图像提出一种新的基于统计信息的配准方法。

发明内容

为了解决上述技术问题，本发明的目的在于公开一种CT冠脉图像与XA造影图像的融合方法及系统，通过冠脉的CT图像和XA造影图像的配准与融合，在XA造影图像上未显影的血管提供参考位置和走向，以模拟导管头的姿势和形状，显示支架植入冠脉的过程和结果。

为实现上述目的，本发明提供了一种CT冠脉图像与XA造影图像的图像融合方法，该方法包括：

步骤1，提取XA图像的血管图像，对所述血管图像进行扩散处理，得到XA扩散图像；

步骤2，提取CT冠脉图像，对所述CT冠脉图像进行二维投影，得到二维CT图像，然后对所述二维CT图像进行膨胀处理，得到CT膨胀图像；

步骤3，以XA扩散图像作为参考图像，以CT膨胀图像做浮动图像，根据相似性测度函数对CT冠脉图像进行处理，获得CT模拟XA图像；

步骤4，将配准后的CT模拟XA图像加载到XA图像上进行融合显示。

进一步的，所述步骤1包括：

步骤11，从XA图像中选择一帧图像后，对所述一帧图像进行增强处理；

步骤12，对增强处理后的一帧图像采用分水岭算法进行血管分割，获得所述血管图像；

步骤13，对所述血管图像进行距离变换，公式为：

XA_Diffusion(i)＝max(0,Thread-DT(i))，其中DT(i)为所述血管图像距离变换后图像上每一点的数值，XA_Diffusion是XA扩散图像，Thread是XA_Diffusion的阈值；

步骤14，利用阈值对所述血管图像进行距离变换获得所需的扩散图像。

其中所述步骤11中采用多尺度Hessian卷积对所述血管图像进行增强，其公式为

$V\left(s\right)=\left\{\begin{array}{ccc}0& \mathrm{if}& {\mathrm{\λ}}_2>0,\\ \exp (-\frac{{R_B}^2}{2{\mathrm{\β}}^2})(1-\exp (-\frac{S^2}{{2c}^2}))& & \end{array}\right.$

其中|λ₁|≤|λ₂|，R_B为λ₁和λ₂的比值，S为λ₁和λ₂的F-范数，为了来抑制图像背景中的噪声，参数β和c是调节R_B和S作用的加权因子，V(s)为单一尺度下图像增强的数值。

其中所述步骤2包括：

步骤21，采用区域增长法对心脏CT图像进行冠脉提取，获得冠脉血管数据；

步骤22，根据XA图像中的主角度与副角度信息以及发射源和接收板的位置信息,确定CT冠脉图像进行投影的相关参数；

步骤23，所述冠脉血管数据和所述相关参数在刚性配准矩阵的作用下，得到二维CT图像。

进一步的，所述步骤4中：

根据所述相似性测度函数对CT冠脉图像进行空间校正，获得与XA图像最接近的二维CT图像，然后把配准后的二维CT图像加载到XA图像上进行融合显示，其中所述相似性测度函数为：

$f=\underset{i\∈I}{\mathrm{\Σ}}(1-\mathrm{CT}\_\mathrm{Dilate}\left(i\right))\·\mathrm{XA}\_\mathrm{Diffusion}\left(i\right),$ 其中XA_Diffusion为XA扩散图像，CT_Dilate为CT膨胀图像，当CT膨胀图像的重叠位置越靠近XA扩散图像的中心，测度函数f的值越小。

为实现上述目的，本发明还提供了一种CT冠脉图像与XA造影图像的图像融合系统，该系统包括：

XA图像处理模块，提取XA图像的血管图像，对所述血管图像进行扩散处理，得到XA扩散图像；

CT图像处理模块，提取CT冠脉图像，对所述CT冠脉图像进行二维投影，得到二维CT图像，然后对所述二维CT图像进行膨胀处理，得到CT膨胀图像；

CT模拟XA模块：以XA扩散图像作为参考图像，以CT膨胀图像做浮动图像，根据相似性测度函数对CT冠脉图像进行处理，获得CT模拟XA图像，将CT成像方式转换为导管机的成像方式，并将CT冠脉图像对应到导管机的投照角度，通过控制台，不同体位可一键切换，实现模拟造影；可预置多个XA造影体位，支持用户自定义造影体位。

融合处理模块，用于将配准后的CT模拟XA图像加载到XA图像上进行融合显示。

进一步的，所述XA图像处理模块包括：

增强处理模块，从XA图像中选择一帧图像后，对所述一帧图像进行增强处理；

分割处理模块，对增强处理后的一帧图像采用分水岭算法进行血管分割，获得所述血管图像；

距离变换模块，对所述血管图像进行距离变换，公式为：

XA_Diffusion(i)＝max(0,Thread-DT(i))，其中DT(i)为血管图像距离变换后图像上每一点的数值，XA_Diffusion是XA扩散图像，Thread是XA_Diffusion的阈值；

阈值处理模块，利用阈值对所述血管图像进行距离变换获得所需的XA扩散图像。

其中所述增强处理模块中采用多尺度Hessian卷积对图1进行增强，其公式为

$V\left(s\right)=\left\{\begin{array}{ccc}0& \mathrm{if}& {\mathrm{\λ}}_2>0,\\ \exp (-\frac{{R_B}^2}{2{\mathrm{\β}}^2})(1-\exp (-\frac{S^2}{{2c}^2}))& & \end{array}\right.$

其中|λ₁|≤|λ₂|，R_B为λ₁和λ₂的比值，S为λ₁和λ₂的F-范数，为了来抑制图像背景中的噪声，参数β和c是调节R_B和S作用的加权因子，V(s)为单一尺度下图像增强的数值。

其中所述CT图像处理模块包括：

冠脉提取模块，采用区域增长法进行冠脉提取，获得冠脉血管数据；

参数获得模块，根据XA图像中的主角度与副角度信息以及发射源和接收板的位置信息,确定CT冠脉图像进行投影的相关参数；

配准处理模块，所述冠脉血管数据和相关参数在刚性配准矩阵的作用下，得到正确的图像二维CT投影图像。

进一步的，所述融合处理模块中：

根据所述相似性测度函数对CT冠脉图像进行空间校正，获得与XA图像最接近的二维CT图像，然后把配准后的二维CT图像加载到XA图像上进行融合显示，其中所述的相似性测度函数为：

$f=\underset{i\∈I}{\mathrm{\Σ}}(1-\mathrm{CT}\_\mathrm{Dilate}\left(i\right))\·\mathrm{XA}\_\mathrm{Diffusion}\left(i\right),$ 其中XA_Diffusion为XA扩散图像，CT_Dilate为CT膨胀图像，CT膨胀图像的重叠位置越靠近XA扩散图像的中心，测度函数f的值越小。

本发明的有益效果如下：

通过XA血管造影图像与CT冠脉投影图像之间的相似度测度对CT冠脉图像的空间变换参数进行自动校正。把冠脉血管CT图像的3D数据图像转换为2D数据投影图像，提高图像中血管的对比度，从而可以清晰地分割出血管，用于后续的刚性配准，通过估算XA血管和冠脉投影之间的坐标变换，使得点集之间弹性配准，在通过刚性配准得到较好的初始位置后，对CT投影进行弹性变换，从而解决XA血管的变形无法显示的问题。

通过提供一种CT冠脉模拟XA心血管造影图像的方法，将CT冠脉模拟成XA心血管造影图像，通过控制台，不同体位可一键切换，实现模拟造影。预置多个常用XA心血管造影体位，并支持用户自定义造影体位。本方法的创新点在于1.把CT冠脉图像对应到把导管机的投照角度,表现出来2用CT冠脉图像模拟成XA心血管造影图像,这是两种完全不同的成像方法,通过这种方法能模拟出在不同的体位上的XA心血管造影图像。

通过一个基于距离变换的算法对XA图像中的血管进行扩散，增加血管的信息量。然后通过统计CT投影对XA血管扩散图像的重叠区与重叠位置作为配准的相似性测度，本发明不需要精确分割XA血管就可以达到较高配准精度且整个过程完全自动化。

附图说明

图1为XA图像；

图2为经过Frangi滤波后的XA图像；

图3为XA三维血管图像经过分水岭算法处理后的二维血管投影图像；

图4为CT冠脉三维图像；

图5为图4经过投影变换示意图；

图6为C-型臂的几何结构；

图7为配准前CT冠脉投影图像；

图8为阈值为30时的XA_Diffusion图像；

图9a为SSD相似性测度的配准曲线；

图9b为本发明的相似性测度的配准曲线；

图10为配准后的CT投影图像与XA融合的效果图；

图11为CT冠脉3D图像提取与重建；

图12为心肌伪彩；

图13为狭窄分析；

图14为仿真内窥和冠脉CPR显示；

图15为斑块分析；

图16为模拟支架植入；

图17为CT冠脉3D图像模拟XA心血管造影2D图像；

图18为CT模拟XA图像和XA图像；

图19为CT-XA融合图像和XA图像。

具体实施方式

下文将结合本发明的实例对本发明的技术方案进行详细说明

1、XA图像血管提取

在XA图像中选择一帧图像，并记录图像DICOM信息中的主角度和副角度信息，以及发射源和接收板的位置信息。采用多尺度Hessian卷积对图1进行增强，统计所有尺度下最优的增强效果，每个尺度下的计算公式为

$V\left(s\right)=\left\{\begin{array}{ccc}0& \mathrm{if}& {\mathrm{\λ}}_2>0,\\ \exp (-\frac{{R_B}^2}{2{\mathrm{\β}}^2})(1-\exp (-\frac{S^2}{{2c}^2}))& & \end{array}\right.$

λ₁和λ₂分别为XA图像Hessian卷积的特征值，其中|λ₁|≤|λ₂|，R_B为λ₁和λ₂的比值，为了来增强图像中的管状物体，S为λ₁和λ₂的F-范数，为了来抑制图像背景中的噪声，参数β和c是调节R_B和S作用的加权因子，一般设置为5与5，V(s)为单一尺度下图像增强的数值。从图2中，可以看出XA图像中的血管得到的明显的增强。

在得到增强后的血管图像后，采用分水岭算法对血管进行更为精确的分割。分水岭的整个计算过程是一个迭代标注过程。首先对增强后的血管使用梯度分水岭算法，这样图2中的每一点像素都被分配到一个水盆中。因为初始分割后每个水盆所包含的像素点很少，无法根据统计信息来确定水盆的分类，所以，先以较小的阈值对水盆进行合并。从图2中可以看到，图中的血管部分和非血管部分具有较大的灰度差，而两者的内部均具有较小的灰度差。所以血管水盆和非血管水盆都可以得到有效的聚类。当部分水盆合并后，根据每个水盆的面积信息，平均灰度信息以及长度信息可以对水盆进行分类，最后以标识后的水盆进行更近一步的合并，从而提取出较为完整的XA_Blood（血管图像），如图3所示。

2、CT冠脉投影图像。

在CT数据场中，采用Blur hit-or-miss Transform对图像进行预处理，去除噪声对于有效信息的干扰，之后采用区域增长法进行冠脉提取，从而得到冠脉血管数据，CT冠脉三维图像如图4所示。

根据XA图像中的主角度与副角度信息以及发射源和接收板的位置信息，可以确定CT冠脉图像进行投影的相关参数，投影变换示意图如图5所示。

首先，定义一个4×4的矩阵M，p＝M·v其中M和v是同一个坐标系。矢量v是3D CTA空间中的坐标，矢量p是探测器平面的坐标（因此p的z值可以忽略）。矩阵M可以分为4个矩阵M＝P·T·R·O，其中p是焦点(f_x,f_y,f_z)的透视变换，检测器的中心点(c_x,x_y,c_z)和探测器的尺寸(d_x,d_y)如下所示：

$P=\left(\begin{array}{cccc}\frac{2}{d_x}& 0& 0& \frac{2(f_x-c_x)}{d_x}\\ 0& \frac{2}{d_y}& 0& \frac{2(f_y-c_y)}{d_y}\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right)$

矩阵T是个包含旋转和变换的刚性配准矩阵此矩阵控制三维冠脉数据的空间变换。因为加入呼吸门控后，心脏因为呼吸作用产生的局部形变误差较小，所以本文不予考虑。

矩阵R用来描述X射线C型臂入射角度的几何形状，由L型臂R_z，螺旋桨R_Y，C型臂的旋转轴R_X决定，表示为R＝R_X·R_Y·R_Z（如图6所示）。

矩阵的乘法顺序由C型臂的结构决定。矩阵O表示从CTA数据集的参考系到等中心X射线坐标系的变换。矩阵的旋转部分是从CTA数据的DICOM头文件方位信息中获取的。矩阵的变换部分是通过在CTA数据集中的动脉血管模型的中心对应到X射线坐标系的等中心原点建立的。

这里分别以Angle_First以及Angle_Second表示主角度与副角度。从DICOM头文件中获取的Angle_First和Angle_Second的值在矩阵T的作用下，可以得到不同的投影图象，即CT_Project2D（二维CT图像）。图7为配准前CT冠脉投影图像。

3、对XA_Blood进行距离变换，得到图像XA_Diffusion（XA扩散图像）

因为XA_Blood和CT_Project2D均只包含血管的信息，所以可利用的信息非常少，在两幅图像中大量血管没有重合的时候，图像之间的相关度没有规律性，这为后面优化过程造成了很大困难。

为了使血管位置的周围也产生一定的能量场，从而提高图像之间的相关度，这里借鉴GVF（Gradient Vector Flow）算法对图像梯度场的扩散思想。

首先对XA_Blood进行距离变换。距离变换后的图像中，血管中心位置数值最小，图像中距离血管中心位置越远的点数值越大。为了排除距离血管较远点的影响，以一个阈值Thread来限制血管扩散的范围，同时为了保证血管中心具有最大影响，对基本的距离变换计算上加入了一些修改。计算公式为:XA_Diffusion(i)＝max(0,Thread-DT(i)),其中DT(i)为XA_Blood距离变换后图像上每一点的数值。图8是阈值为30时的XA_Diffusion图像，由图可以看出，XA_Blood扩散后，血管影响的范围变大了很多。

4、对CT_Project2D进行膨胀操作

对CT_Project2D进行膨胀操作得到图像CT_Dilate（CT膨胀图像）,通过设置合适的膨胀次数来保证CT_Dilate大小与XA_Diffusion的影响范围大小尽量的保持一致。

5.建立相似性测度

因为XA_Diffusion是一个中心位置灰度值最大且向外发散变小的图像，所以CT_Dilate与XA_Diffusion之间的重叠量与重叠位置决定了测度函数的大小。计算公式为 $f=\underset{i\∈I}{\mathrm{\Σ}}(1-\mathrm{CT}\_\mathrm{Dilate}\left(i\right))\·\mathrm{XA}\_\mathrm{Diffusion}\left(i\right),$ 其中f为相似性测度数值的大小。当CT_Dilate的重叠位置越靠近XA_Diffusion的中心，测度函数f的值越小。

这里以XA_Diffusion图像为参考图像，通过对测度函数求取最小值的优化过程来对改变三维冠脉数据空间变换参数(6个空间变换参数），从而不断获得新的CT_Project2D投影数据。当优化函数搜索到测度函数的最小值时，即认为当前空间变换参数下的CT_Project2D图像与XA图像误差是最小的。

图9a、图9b为SSD（Sum of The Square Difference)算法与本发明的相似性测度比较。图9a和图9b分别对应SSD算法与本发明的相似性测度函数曲线，在每一组中，第一行为三个平移参数独立作用下的相似性测度函数曲线。横坐标步长为1个像素，范围是（-3030），第二行为三个旋转参数独立作用下的相似性测度曲线。横坐标步长为1°范围是（-30 30）。首先对CT冠脉图像的空间变换进行了正确的校正。而曲线图分别表示在6个空间变换参数（3个平移参数，3个旋转参数）独立作用下，变换参数与相似性测度之间的关系。

通过比较可以看出，本发明得到的曲线比SSD算法得到的曲线更光滑。特别是在SSD算法中还出现了最小值位置偏离真值的问题。图10为配准后的CT投影图像与XA融合的效果图，从图中可以看到图10配准后的CT投影图像与XA融合的效果图，从图中可以看到,通过CT冠脉图像的自动三维校正，使得CT冠脉模拟投影出XA图像与实际的XA图像更加接近，可以帮助设计造影导丝的插入角度与走势。从技术角度来讲，本发明还可以提供一种2D-3D血管图像自动配准及与CT模拟XA图像融合的系统。包括如下模块：

●CT冠脉3D图像提取与重建模块

图11为CT冠脉3D图像提取与重建，如图11所示，此模块从增强扫描的CT心脏的2D图像中将冠脉提取出来，重建并显示为3D图像。支持自动提取与手动提取两种模式。手动提取是对自动提取的一种补充，方便对自动提取结果进行修改。CT冠脉3D图像的提取与重建是模拟XA血管造影图像、CT冠脉3D图像与XA血管造影图像配准融合以实现模拟导航的基础和先决条件。

●CT冠脉分析模块

此模块用于对提取出的CT冠脉3D图像的分析，包括：模拟导管机C型臂、冠脉CPR显示、狭窄分析、拉直分析、仿真内窥、模拟支架植入、斑块分析、心肌伪彩。通过综合分析的各项结果，明确模拟导航时需要注意的事项。

其中，模拟导管机C型臂的目的：得到同一投照角度下的CT图像，确保后续与XA图像配准时CT图像和XA图像在同一平面上。

冠脉CPR显示的目的：确认在当前体位下，同一血管的CT冠脉的3D图像、CPR图像和XA图像走向是否一致。

心肌伪彩的目的：当心肌的某区域的伪彩图显示供血不足时，可确认哪些为此心肌区域供血的血管有狭窄或闭塞，从而根据心肌伪彩图确认此前选定的血管是否有误。

狭窄分析的目的：血管节段长度提示控制导管导丝在血管内的行进长度；平均曲率和最大折角辅助判断控制导管导丝的难易程度，平均曲率和最大折角反映了血管的弯曲数量和弯曲程度，弯曲数量越多、弯曲程度越大，控制导管导丝的难度越大；狭窄长度辅助确定所要安放支架的长度；狭窄面积辅助确定所要安放支架的直径

仿真内窥的目的：结合狭窄分析结果，从血管腔内观察血管的走向和狭窄的3D表现，提示控制导管在血管内行进时注意哪些事项，应做何种控制。

斑块分析的目的：斑块体积和斑块的成分分析并提示控制导管导丝在狭窄处行进的速度和力度，防止因速度过快力度过大损坏斑块引起严重的并发症；提示安放支架时，选用软硬程度适中的支架，防止因支架的软硬程度选取不当，在支架张开过程中或张开后积压斑块导致斑块破裂，引起严重的并发症

模拟支架植入的目的：通过模拟支架的植入，帮助选取并安放软硬程度适中、长度和直径适中的支架，并确定最佳的安放位置。心肌在收缩和舒张过程中，冠脉也随之发生形变，如果支架直径太小，则支架贴壁不佳，在冠脉的形变过程中容易引起支架位移；如果支架直径太大，在冠脉的形变过程中，容易严重压迫斑块引起斑块破裂；如果支架长度太小，支架两端的贴壁不佳，在冠脉的形变过程中，容易引起支架位移；支架长度太大，将增大术中安放支架的难度；支架安放时，其中点应位于血管的最狭窄处，若安放位置不当，其两端的贴壁不佳，在冠脉的形变过程中容易引起支架位移。

拉直分析的目的：拉直分析是对指定的血管进行拉直处理，提供血管轴断面（即横截面）的信息。冠脉CPR狭窄分析，是在投影图像上完成的，并不能得到血管轴断面上的信息。拉直分析和狭窄分析是互为补充的分析方法，结合狭窄分析，可以更为直观地获取血管轴断面上的信息，更加合理地控制导管的行进。血管的轴断面近似圆面，其较长直径为长轴、较短直径为短轴。当血管有狭窄时，狭窄处的轴断面不再是一个近似的圆面，边缘的凹陷处即为斑块所在，导管行进到此处时，可通过参考轴断面图像的斑块形态，调整导管的行进方向、力度以及速度，避免或减轻对斑块的压迫，防止破裂引起并发症；血管的横截面积曲线是指定血管上每一层面的面积值的连线，当一段血管正常时，曲线近似一条直线，当有狭窄时，曲线会有明显的起伏，因此，观察横截面积曲线可以快速确定指定的血管有无狭窄；对于正常的一段血管，每一横截面的直径、长轴长度、短轴长度变化不大，平均直径曲线、长轴长度曲线、短轴长度曲线近似一条直线，当血管有狭窄时，曲线会有明显的起伏，基于此可以快速判定指定血管有无狭窄，确认选定的血管是否有误；三维曲率反映的是血管在每一点的弯曲程度，其连线即为三维曲率曲线，当血管无弯曲时，曲线为直线，血管弯曲处的数量越多弯曲程度越大，三维曲率曲线起伏越大，因此，通过观察三维曲率曲线即可快速确定指定血管的弯曲处的数量和弯曲程度，从而判定控制导管在血管内行进的难易程度。

●CT冠脉3D图像模拟XA心血管造影2D图像模块

图17CT冠脉3D图像模拟XA心血管造影2D图像，如图17所示，将CT冠脉3D图像模拟并显示为XA心血管造影图像，模拟的XA心血管造影图像随CT冠脉3D图像体位的变化而同步变化。通过控制台，不同体位可一键切换，实现模拟造影。预置多个常用XA造影体位，并支持用户自定义造影体位。结果图,如图18所示，图18为CT模拟XA图像和XA图像。

●CT冠脉3D图像与XA心血管造影2D图像配准融合与显示模块

加载XA血管造影图像，使其与CT冠脉3D图像显示在同一界面的不同窗口中，以方便同屏浏览对比；通过手动选择，分别在CT冠脉3D图像和XA血管造影图像上确定需要配准融合的一枝血管，之后，系统自动调整CT冠脉3D图像的体位与XA血管造影图像的体位保持一致，并完成CT冠脉3D图像与XA血管造影图像的配准与融合，修正出导管进入路径,融合后的图像及血管路径显示在同一界面的另一个窗口，为控制导管的走向和定位提供导航。

在对某一枝血管造影时，可能需要变换多个体位（投照角度），每变换一个体位，CT冠脉3D图像也同步变换到相同的体位，然后，在该体位下，进行同一枝血管的配准与融合及路径引导，即：实现XA血管造影图像与CT冠脉3D图像的多体位、多步单帧的单枝血管配准融合，从而提供模拟导航。结果图,如图19所示，图19为CT-XA融合图像和XA图像。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明权利要求的保护范围。

Claims (10)

1.一种CT冠脉图像与XA造影图像的图像融合方法，其特征在于，包括：

步骤1，提取XA图像的血管图像，对所述血管图像进行扩散处理，得到XA扩散图像；

步骤2，提取CT冠脉图像，对所述CT冠脉图像进行二维投影，得到二维CT图像，然后对所述二维CT图像进行膨胀处理，得到CT膨胀图像；

步骤3，以XA扩散图像作为参考图像，以CT膨胀图像做浮动图像，根据相似性测度函数对CT冠脉图像进行处理，获得CT模拟XA图像；

步骤4，将配准后的CT模拟XA图像加载到XA图像上进行融合显示。

2.如权利要求1所述的图像融合方法，其特征在于，所述步骤1包括：

步骤11，从XA图像中选择一帧图像后，对所述一帧图像进行增强处理；

步骤12，对增强处理后的一帧图像采用分水岭算法进行血管分割，获得所述血管图像；

步骤13，对所述血管图像进行距离变换，公式为：

XA_Diffusion(i)＝max(0,Thread-DT(i))，其中DT(i)为所述血管图像距离变换后图像上每一点的数值，XADiffusion是XA扩散图像，Thread是XADiffusion的阈值；

步骤14，利用阈值对所述血管图像进行距离变换获得所需的扩散图像。

3.如权利要求2所述的图像融合方法，其特征在于，所述步骤11中采用多尺度Hessian卷积对所述血管图像进行增强，其公式为

$V\left(s\right)=\left\{\begin{array}{ccc}0& \mathrm{if}& {\mathrm{\λ}}_2>0,\\ \exp (-\frac{{R_B}^2}{2{\mathrm{\β}}^2})(1-\exp (-\frac{S^2}{{2c}^2}))& & \end{array}\right.$

其中|λ₁|≤|λ₂|，R_B为λ₁和λ₂的比值，S为λ₁和λ₂的F-范数，为了来抑制图像背景中的噪声，参数β和c是调节R_B和S作用的加权因子，V(s)为单一尺度下图像增强的数值。

4.如权利要求1所述的图像融合方法，其特征在于，所述步骤2包括：

步骤21，采用区域增长法对心脏CT图像进行冠脉提取，获得冠脉血管数据；

步骤22，根据XA图像中的主角度与副角度信息以及发射源和接收板的位置信息,确定CT冠脉图像进行投影的相关参数；

步骤23，所述冠脉血管数据和所述相关参数在刚性配准矩阵的作用下，得到二维CT图像。

5.如权利要求1所述的图像融合方法，其特征在于，所述步骤4中：

根据所述相似性测度函数对CT冠脉图像进行空间校正，获得与XA图像最接近的二维CT图像，然后把配准后的二维CT图像加载到XA图像上进行融合显示，其中所述相似性测度函数为：

$f=\underset{i\∈I}{\mathrm{\Σ}}(1-\mathrm{CT}\_\mathrm{Dilate}\left(i\right))\·\mathrm{XA}\_\mathrm{Diffusion}\left(i\right),$ 其中XA_Diffusion为XA扩散图像，CT_Dilate为CT膨胀图像，当CT膨胀图像的重叠位置越靠近XA扩散图像的中心，测度函数f的值越小。

6.一种CT冠脉图像与XA造影图像的图像融合系统，其特征在于，包括：

XA图像处理模块，提取XA图像的血管图像，对所述血管图像进行扩散处理，得到XA扩散图像；

CT图像处理模块，提取CT冠脉图像，对所述CT冠脉图像进行二维投影，得到二维CT图像，然后对所述二维CT图像进行膨胀处理，得到CT膨胀图像；

CT模拟XA模块：以XA扩散图像作为参考图像，以CT膨胀图像做浮动图像，根据相似性测度函数对CT冠脉图像进行处理，获得CT模拟XA图像，将CT成像方式转换为导管机的成像方式，并将CT冠脉图像对应到导管机的投照角度，通过控制台，不同体位可一键切换，实现模拟造影；可预置多个XA造影体位，支持用户自定义造影体位。

融合处理模块，用于将配准后的CT模拟XA图像加载到XA图像上进行融合显示。

7.如权利要求6所述的图像融合系统，其特征在于，所述XA图像处理模块包括：

增强处理模块，从XA图像中选择一帧图像后，对所述一帧图像进行增强处理；

分割处理模块，对增强处理后的一帧图像采用分水岭算法进行血管分割，获得所述血管图像；

距离变换模块，对所述血管图像进行距离变换，公式为：

XA_Diffusion(i)＝max(0,Thread-DT(i))，其中DT(i)为血管图像距离变换后图像上每一点的数值，XA_Diffusion是XA扩散图像，Thread是XA_Diffusion的阈值；

阈值处理模块，利用阈值对所述血管图像进行距离变换获得所需的XA扩散图像。

8.如权利要求7所述的图像融合系统，其特征在于，所述增强处理模块中采用多尺度Hessian卷积对图1进行增强，其公式为

$V\left(s\right)=\left\{\begin{array}{ccc}0& \mathrm{if}& {\mathrm{\λ}}_2>0,\\ \exp (-\frac{{R_B}^2}{2{\mathrm{\β}}^2})(1-\exp (-\frac{S^2}{{2c}^2}))& & \end{array}\right.$

其中|λ₁|≤|λ₂|，R_B为λ₁和λ₂的比值，S为λ₁和λ₂的F-范数，为了来抑制图像背景中的噪声，参数β和c是调节R_B和S作用的加权因子，V(s)为单一尺度下图像增强的数值。

9.如权利要求6所述的图像融合系统，其特征在于，所述CT图像处理模块包括：

冠脉提取模块，采用区域增长法进行冠脉提取，获得冠脉血管数据；

参数获得模块，根据XA图像中的主角度与副角度信息以及发射源和接收板的位置信息,确定CT冠脉图像进行投影的相关参数；

配准处理模块，所述冠脉血管数据和相关参数在刚性配准矩阵的作用下，得到正确的图像二维CT投影图像。

10.如权利要求6所述的图像融合系统，其特征在于，所述融合处理模块中：

根据所述相似性测度函数对CT冠脉图像进行空间校正，获得与XA图像最接近的二维CT图像，然后把配准后的二维CT图像加载到XA图像上进行融合显示，其中所述的相似性测度函数为：

$f=\underset{i\∈I}{\mathrm{\Σ}}(1-\mathrm{CT}\_\mathrm{Dilate}\left(i\right))\·\mathrm{XA}\_\mathrm{Diffusion}\left(i\right),$ 其中XA_Diffusion为XA扩散图像，CT_Dilate为CT膨胀图像，CT膨胀图像的重叠位置越靠近XA扩散图像的中心，测度函数f的值越小。