CN103942772A

CN103942772A - 一种多模态多维度的血管融合方法及系统

Info

Publication number: CN103942772A
Application number: CN201410205863.2A
Authority: CN
Inventors: 李晓光; 王民汉; 周宇
Original assignee: Beijing Sichuang Guanyu Sci & Tech Development Co Ltd
Current assignee: Beijing Sichuang Guanyu Sci & Tech Development Co Ltd
Priority date: 2014-05-15
Filing date: 2014-05-15
Publication date: 2014-07-23

Abstract

本发明公开一种多模态多维度的血管融合方法及系统，本发明涉及医疗器械数据图像处理，特别涉及一种多模态多维度的血管融合方法及系统，该方法包括：分别提取多个医学图像中的血管图像，并提取与该血管图像相对应的血管中心线；通过迭代就近点算法对该血管中心线进行配准融合，得到三维数据；将该三维数据以横断面、冠状面和矢状面断层图像的形式同步显示。本发明可摒弃血管外的其他信息，使得医生在观察血管时不会有其他的遮盖物。

Description

一种多模态多维度的血管融合方法及系统

技术领域

本发明涉及医疗器械数据图像处理，特别涉及一种多模态多维度的血管融合方法及系统。

背景技术

在通过医疗图像诊断血管疾病的过程中，不同模态不同维度的医疗图像能反映出不同的血管结构和病变信息。例如，DSA(数字减影血管造影技术)可以清晰地显示各级血管结构，还能实时记录血管血流动力学特点；CTA(CT血管造影技术)通过三维重建获得的3D立体图像可以通过计算机屏幕上多角度旋转能提供畸形血管全面的三维形态、血管周围组织的解剖学结构细节，对手术入路设计的指导性；MRA(磁共振血管造影)成像分辨力和清晰度优于CTA，接近DSA，但其一般无需增强剂，无辐射。因此，将不同模态不同维度的血管图像进行融合显示，能够为医生的血管病变诊断与治疗获得更高信息含量的血管信息。

但是传统的血管融合方法是基于图像的融合即先将两种图像融合后再提取血管，这种方法，不能摒弃血管外的其他信息(例如骨骼信息)，不能提供直观的血管显示，同时该方法配准的稳定性和配准精度都没有保障。

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多模态多维度的血管融合方法及系统，通过将不同模态不同维度的血管图像进行融合显示，能够为医生的血管病变诊断与治疗获得更高信息含量的血管信息。

为实现上述目的，本发明提供了一种多模态多维度的血管融合方法，该方法包括：步骤1，分别提取多个医学图像中的血管图像，并提取与该血管图像相对应的血管中心线；

步骤2，通过迭代就近点算法对该血管中心线进行配准融合，得到三维数据；

步骤3，将该三维数据以横断面、冠状面和矢状面断层图像的形式同步显示。

所述的多模态多维度的血管融合方法，在该步骤1之前还包括对多个该医学图像的原始图像进行等间距采样，获取分辨率相同的多个该医学图像。

所述的多模态多维度的血管融合方法，该步骤1还包括消除该医学图像中除该血管图像外的其他图像，并对该血管图像进行血管增强，使该血管图像中的血管更清晰。

所述的多模态多维度的血管融合方法，该步骤3还包括：将该三维数据通过表面遮盖显示三维重建以三维图像的形式显示。

本发明还提供了一种多模态多维度的血管融合系统，包括：

血管图像提取模块，用于分别提取多个医学图像中的血管图像，并提取与该血管图像相对应的血管中心线；

配准融合模块，用于通过迭代就近点算法点集配准算法对该血管中心线进行配准融合，得到三维数据；

显示模块，用于将该三维数据以横断面、冠状面和矢状面断层图像的形式同步显示。

所述的多模态多维度的血管融合系统，还包括采样模块，用于对多个该医学图像的原始图像进行等间距采样，获取分辨率相同的多个该医学图像。

所述的多模态多维度的血管融合系统，还包括增强处理模块，用于消除该医学图像中除该血管图像外的其他图像，并对该血管图像进行血管增强，使该血管图像中的血管更清晰。

所述的多模态多维度的血管融合系统，该显示模块还包括：将该三维数据通过表面遮盖显示三维重建以三维图像的形式显示。

本发明的优点在于：对不同维度，不同模态的多个医学图片提取血管图像，提供直观的血管显示，可摒弃血管外的其他信息，使得医生在观察血管时不会有其他的遮盖物；能够提高配准的稳定性与配准精度，举例来说，由于DSA血管造影只包含血管信息，而CTA和MRA会有血管外的其他组织例如骨骼与软组织的信息，所以传统利用原图进行配准融合都方法很难实现DSA与CTA,DSA与MRA的融合，利用本发明的方法及系统将该三种图像中的血管图像进行配准融合后，最终生成的血管图像具有清晰、直观、精准的优点。

附图说明

图1为本发明流程图。

附图标记：

步骤100为本发明的具体步骤，包括：

步骤101/102/103/104。

具体实施方式

本发明的总体流程如图1所示，具体步骤如下：

执行步骤101等间距采样，对多个该医学图像的原始图像进行等间距采样，获取分辨率相同的多个该医学图像，执行步骤102提取血管图像，分别提取多个医学图像中的血管图像，并提取与该血管图像相对应的血管中心线，执行步骤103配准融合，通过ICP(Iterative Closest Point，迭代就近点算法)点集配准算法对该血管中心线进行配准融合，得到三维数据，执行步骤104显示，将该三维数据以横断面、冠状面和矢状面断层图像的形式同步显示。其中步骤102还包括消除该医学图像中除该血管图像外的其他图像，并对该血管图像进行血管增强，使该血管图像中的血管更清晰，步骤104还包括将该三维数据通过表面遮盖显示三维重建以三维图像的形式显示。

以下结合本发明的实例对本发明的技术方案进行详细说明：

等间距采样：在获得DSA CTA与MRA图像后，因为同一个病人在不同设备上的观察范围的不同以及设备自身所设置的采样分辨率的不同，在这里需要用统一的物理分辨率进行对图像进行等间距的采样，从而为不同模态图像下像素空间分布建立了统一的坐标轴。

提取血管图像：提取MRA与DSA中血管图像，具体步骤如下：

血管增强：在MRA与DSA中，尽管血管的灰度值均高于图像中的其它组织然而由于血管直径的差别,以及血管中的增强剂浓度不同,在图像中表现为较粗的血管灰度值较高,而远端越是细小的血管灰度值越低,与周围的组织很难区分开来,所以在此使用Hessian矩阵特征值算法(海森矩阵)来增强血管。Hessian矩阵特征值算法对图像中的管状信息可以进行有效的增强。假设λ₁与λ₂分别为图像上每点像素所求得的Hessian矩阵的特征值且|λ₁|≤|λ₂|，则Hessian矩阵特征值算法公式为：

V (s) = \begin{matrix} \begin{matrix} 0 & if & λ_{2} > 0, \end{matrix} \\ \exp (- \frac{{R_{B}}^{2}}{2 β^{2}}) (1 - \exp (- \frac{S^{2}}{2 c^{2}})) \end{matrix}

其中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。

血管种子点自动确定：在Hessian矩阵特征值算法增强后的图像中，血管等管状物得到较大的增强，而非血管部分得到了较小的增强，这里自适应设置非血管阈值以及绝对血管阈值两个参数对增强图像中的血管进行分割。

非血管阈值的大小为增幅图像增强值的0.3倍，绝对血管阈值为图像增强值最大值的0.7倍。

增强图像中所有小于非血管阈值的部分都清零。来屏蔽增强的非血管部分，然后以增强图像中所有大于绝对血管阈值的点为种子点，对所有种子点进行自适应增长自适应区域增长：以每个血管种子点进行自适应区域增长，对血管进行连接，区域生长的定义如下：

|I(x,y,z)-mean(x,y,z)|＞δ

其中，I(x,y,z)为进行闭运算后的图像体素(x,y,z)的灰度值，mean(x,y,z)为选定的种子点上下左右前后6领域的包括种子点在内的7个体素点的灰度的均值。δ为可修改阈值，计算种子点上下左右前后6邻域包括种子点在内的7个体素点的方差δ作为阈值。

提取CTA血管图像，具体步骤如下：

CT减影：在CT造影图像中，血管的灰度与骨骼的灰度均为高亮显示，所以首先利用配准减影技术减除CTA中所有的骨骼。

血管提取：减影后的CTA图像中，所有高亮的位置都是血管，之后的提取血管图像的方法与MRA和DSA相同。

完成以上步骤之后，进行血管图像的配准融合，具体步骤如下：

在提取了不同模态成像下的血管图像后，为了校正不同模态下的血管图像的空间位置从而进行融合显示，需要对血管图像进行配准，首先对不同模态下的血管图像进行中心线的提取，从而降低了参与配准的点数，然后利用-ICP(Iterative Closest Point)点集配准算法对不同模态的血管中心线进行配准。

提取血管中心线，首先采用脊线跟踪的方法提取血管中心线，具体步骤如下：

端点检测，首先对血管二值图像进行细化操作，细化算法采用OPTA细化模板算法，对二值图像进行细化计算。在细化后的图像中进行端点检测，端点检测的方法是利用中心线上每点的邻域信息来判断，当中心线中一点与自己周围26邻域内只有一点相连的时候则认为该点是血管的端点。

建立血管中心线搜索能量场，对血管二值图像进行欧式距离变换，计算二值图像血管内部的像素点到边界的最小值。这样在能量场中血管中心具有最小值，并以血管中心向外递增发散。

遍历端点建立中心线，提取出的端点在血管中心线搜索能量场中进行中心线提取，首先从所有端点中取出一个端点，从该端点出发，利用Dijkstra(迪杰斯特拉)算法搜索该端点到其余端点的最短路径，这里设置一个搜索最大次数阈值防止不相连的两个端点之间建立路径，再取出一个端点继续搜索该端点到其余端点的最短路径，合并所有端点产生的路径，即建立了血管图像的中心线。

点集配准，完成血管中心线提取后，进行点击配准步骤，具体步骤如下：

首先根据血管中心线建立配准点集：分别求出待配准图像的血管中心线，这里假设血管中心线的长度近似直接等于血管中心线的点数，因为采用相同待配准都具有相同的空间分辨率，所以不同图像的血管中心线长度单位是相同的，对所有的血管中心线设置相同的采样分辨率，利用kmeans聚类算法对血管中心线进行采样。该kmeans聚类算法描述如下：随机在曲线上选择k个对象作为初始聚类中心；对于曲线所剩下其它点，则根据它们与k个聚类中心的相似度(距离)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类；利用均值更新该聚类的新中心值；重复计算该聚类和该聚类的新中心值,当对于所有的K个聚类中心的变化值小于一个阈值，则迭代结束，否则继续迭代。

再进行点集配准：设置参考图像的点集为X，配准图像的点集为P；

计算目标点集P的中心和参考点集X的重心，公式如下所示：

μ_{P} = \frac{1}{N_{P}} Σ_{i = 1}^{N_{P}} P_{i}

μ_{X} = \frac{1}{N_{X}} Σ_{i = 1}^{N_{X}} X_{i}

由点集P和X构造协方差矩阵，公式如下所示：

\begin{matrix} Σ_{P, X} = \frac{1}{N_{P}} Σ_{I = 1}^{N_{P}} [(P_{i} - μ_{P}) {(X_{i} - μ_{X})}^{T}] \\ = \frac{1}{N_{P}} Σ_{i = 1}^{N_{P}} [P_{i} X_{i}^{T}] - μ_{P} μ_{X}^{T} \end{matrix}

由协方差矩阵构造4×4对称矩阵，公式如下所示：

Q (Σ_{P, X}) = [\begin{matrix} tr (Σ_{P, X}) & Δ^{T} \\ Δ & Σ_{P, X} + Σ_{P, X}^{T} - tr (Σ_{P, X}) I_{3} \end{matrix}]

其中，I₃是3×3单位矩阵，tr(Σ_P,X)是矩阵Σ_P,X的轨迹，

Δ = {[\begin{matrix} A_{23} & A_{31} & A_{12} \end{matrix}]}^{T}, A_{i, j} = {(Σ_{P, X} - Σ_{P, X}^{T})}_{i, j}

计算Q(Σ_P,X)的特征值和特征向量，其最大特征值对应的特征向量即为最佳旋转向量q_R＝[q₀q₁q₂q₃]^T；

计算最佳平移向量

q_T＝μ_X-R(q_R)μ_P

其中

R (q_{R}) = [\begin{matrix} q_{0}^{2} + q_{1}^{2} - q_{2}^{2} - q_{3}^{2} & 2 (q_{1} q_{2} - q_{0} q_{3}) & 2 (q_{1} q_{3} + q_{0} q_{2}) \\ 2 (q_{1} q_{2} + q_{0} q_{3}) & q_{0}^{2} - q_{1}^{2} + q_{2}^{2} - q_{3}^{2} & 2 (q_{1} q_{3} + q_{0} q_{2}) \\ 2 (q_{1} q_{3} - q_{0} q_{2}) & 2 (q_{2} q_{3} + q_{0} q_{1}) & q_{0}^{2} - q_{1}^{2} - q_{2}^{2} + q_{3}^{2} \end{matrix}]

得到完全坐标变换向量q＝[q_R|q_T]^T＝[q₀q₁q₂q₃q₄q₅q₆]^T,求得最小均方误差d_ms＝f(q)

计算点集坐标映射，公式如下：

利用公式P_q＝Q(P,X)，求出点集P在点集X坐标下的空间位置，P_q标示P根据坐标变换向量q变换后的点云。

当配准完成后，可以将配准融合后的三维数据以横断面、冠状面和矢状面断层图像同步显示，便于医生对进行血管的诊断，也可以将配准后的三维数据进行SSD(Surface Shaded Display,表面遮盖显示)三维重建以三维图像的形式显示，使观察者更直观地观察血管畸形的空间解剖位置。

本发明的系统包括以下模块：

显示模块，用于将该三维数据以横断面、冠状面和矢状面断层图像的形式同步显示，还包括将该三维数据通过表面遮盖显示三维重建以三维图像的形式显示。

采样模块，用于对多个该医学图像的原始图像进行等间距采样，获取分辨率相同的多个该医学图像。

增强处理模块，用于消除该医学图像中除该血管图像外的其他图像，并对该血管图像进行血管增强，使该血管图像中的血管更清晰。

Claims

1.一种多模态多维度的血管融合方法，用于清晰直观的显示血管，其特征在于，包括：

步骤1，分别提取多个医学图像中的血管图像，并提取与该血管图像相对应的血管中心线；

2.如权利要求1所述的多模态多维度的血管融合方法，其特征在于，在该步骤1之前还包括对多个该医学图像的原始图像进行等间距采样，获取分辨率相同的多个该医学图像。

3.如权利要求1所述的多模态多维度的血管融合方法，其特征在于，该步骤1还包括消除该医学图像中除该血管图像外的其他图像，并对该血管图像进行血管增强，使该血管图像中的血管更清晰。

4.如权利要求1所述的多模态多维度的血管融合方法，其特征在于，该步骤3还包括：将该三维数据通过表面遮盖显示三维重建以三维图像的形式显示。

5.一种多模态多维度的血管融合系统，用于清晰直观的显示血管，其特征在于，包括：

6.如权利要求5所述的多模态多维度的血管融合系统，其特征在于，还包括采样模块，用于对多个该医学图像的原始图像进行等间距采样，获取分辨率相同的多个该医学图像。

7.如权利要求5所述的多模态多维度的血管融合系统，其特征在于，还包括增强处理模块，用于消除该医学图像中除该血管图像外的其他图像，并对该血管图像进行血管增强，使该血管图像中的血管更清晰。

8.如权利要求5所述的多模态多维度的血管融合系统，其特征在于，该显示模块还包括：将该三维数据通过表面遮盖显示三维重建以三维图像的形式显示。