一种冠脉的提取方法
技术领域
本发明涉及图像处理领域,尤其涉及一种冠脉的提取方法。
背景技术
在临床应用中,血管造影图像是医生进行心血管疾病分析的主要手段之一,因而冠脉中心线的提取具有非常重要的意义。
传统的冠脉中心线提取方法主要是基于最小代价路径(请参考[Descha-mps,T.and L.Cohen.:In:ECCV2000.vol.1843,543-557.(2000)]),起始点由人工标注或自动探测算法获得。该最小代价路径方法在路径C上的能量函数E(C)可以表达为:
E(C)=∫Ω(P(C(s))+ω)ds (1)
其中,E(C)为所述最小代价路径C上的能量函数;s为弧长参数;x=C(s),表示C(s)上的某个位置,P(x)为在所述最小代价路径C上的x位置上的能量或者代价;w为规则化参数。
对于传统的最小代价路径方法,p(x)使用图像的梯度和亮度信息。这种方法由于能量函数过于简单,易受到噪声的干扰。
为了提高最小代价路径方法的鲁棒性,在能量函数(1)中引入基于多尺度的血管性(vesselness)(请参考[Frangi,A.,et al.:In:MICCAI1998.vol.1496,pp:130-137(1998)])。即公式(1)中的能量P(x)为:
其中,v(x)是血管性的测量值;s(x)是基于亮度的相似性测量值;α,β为指数;ε为非常小的正值。
公式(2)中的s(x)为:
其中,I(x)为图形中位置x处的亮度值;μca和σca分别表示血管腔的亮度均值和标准方差。
然而,上述方法中的初始点采用自动检测算法获得后,虽然可以全自动地提取冠脉,生成冠脉树,但是无法对特定主分支进行自动标注,标注过程需要人机交互来实现。此外,对了特定的主分支,该方法需要手动标记起始点和终点,无法达到全自动地提取特定主分支的目的。
发明内容
本发明解决的问题是提供一种冠脉的提取方法,不仅可以全自动地提取冠脉的中心线,还可以标注冠脉分支的名称。
为了解决上述问题,本发明提供了一种冠脉的提取方法,包括如下步骤:
(1)输入心脏三维图像,将所述心脏三维图像和冠脉模型进行配准,并确定所述心脏三维图像中冠脉的初始点、终点和行进方向;
(2)根据所述冠脉的初始点和行进方向,初始化最小代价路径;
(3)根据所述行进方向,若所述最小代价路径行进到所述冠脉模型的终点,则从所述终点开始反向搜索最小代价路径,生成所述冠脉的中心线;若未达到所述终点,则优化所述最小代价路径,并继续行进直至到达所述终点,再从所述终点开始反向搜索最小代价路径,生成所述冠脉的中心线。
上述所述一种冠脉的提取方法,其中,所述初始点为所述冠脉模型与所述心脏三维图像中的主动脉的交界处的任一点。
上述所述一种冠脉的提取方法,其中,所述最小代价路径的函数为:
E(C)=∫Ω(P(C(s))+ω)ds
其中,E(C)为所述最小代价路径C上的能量函数;s为弧长参数;x=C(s),表示C(s)上的某个位置,P(x)为在所述最小代价路径C上的x位置上的能量或者代价;w为规则化参数;Ω为所述心脏三维图像的整个空间。
上述所述一种冠脉的提取方法,其中,所述能量P(x)的表达式为:
其中,v(x)是血管性的测量值;s(x)是基于亮度的相似性测量值;d(x)为行进方向项;α,β,γ为指数;ε为正值。
上述所述一种冠脉的提取方法,其中,所述行进方向项d(x)的表达式为:
其中,C(x)为角度参数,θ(x)为所述冠脉模型的路径方向与所述最小代价路径C行进方向的角度;μd为所述冠脉模型配准的最优期望值;σd为所述角度的标准差的经验值。
上述所述一种冠脉的提取方法,其中,得到所述冠脉模型与所述路径的角度θ(x)的过程为:
1)将所述冠脉模型和所述最小代价路径均分为N段,所述冠脉模型的分段点为Mi,所述路径的分段点为Pi,其中,N≥1,i≥0;
2)从所述初始点开始,计算所述最小代价路径的每一段上的每一个像
素点与对应的所述模型的每一段之间的角度,即θ(x)。
上述所述一种冠脉的提取方法,其中,优化所述最小代价路径的过程为:判断所述最小代价路径是否行进到所述最小代价路径每一段的分段的终点,若是,则矫正所述冠脉模型;若否,则根据所述最小代价路径能量函数继续行进。
上述所述一种冠脉的提取方法,其中,矫正所述冠脉模型的过程为:
1)在所述冠脉模型中,根据所述冠脉模型的路径的弧长,确定点
2)计算所述点Pi和之间的偏移量,并将所述冠脉模型按照所述偏移量进行平移和旋转;
3)在所述平移后的冠脉模型中搜索当前段的终点
与现有技术相比,本发明利用心脏配准技术获得的目标冠脉的先验信息,不仅可以实现对冠脉的标注而且提出了有向最小代价路径方法。可以实现全自动地提取冠脉主分支的中心线。
附图说明
图1所示为本发明实施例一种冠脉的提取方法的流程示意图;
图2所示为本发明实施例矫正冠脉模型的流程示意图;
图3所示为本发明实施例矫正前的冠脉模型和输入图像中的冠脉以及矫正后的冠脉模型和输入图像中的冠脉。
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。
下面结合实施例和附图对本发明一种冠脉的提取方法进行详细地描述。本发明实施例冠脉的提取方法如图1所示,首先,执行步骤S1,输入心脏三维图像,将所述心脏三维图像和冠脉模型进行配准,并确定所述心脏三维图像中冠脉的初始点、终点和行进方向。其中,所述初始点为所述冠脉模型与所述心脏三维图像中的主动脉的交界处的任一点,冠脉模型为手工从已知心脏的图谱数据标注而来。具体地,在本实施例中,输入的心脏三维图像为CT图像,并读取该心脏CT图像和冠脉模型的数据,将所述冠脉模型和输入的心脏CT图像进行配准[请参见X Zhuang,et.al,IEEE Transactions on Medical Imaging,29(9),1612-1625],即模型中冠脉的左主分支和右主分支被映射到心脏CT图像中,所述模型中冠脉的左主分支和右主分支与心脏CT图像中的主动脉的交界处的任一点为心脏CT图像中冠脉左、右主分支的初始点(即最小代价路径的起始点),在本实施例中,以冠脉左主分支为例,确定的最小代价路径的起始点为P0,模型中冠脉的方向即为行进方向。需要说明的是,冠脉模型中已知该冠脉的名称,因此,配准到心脏图像中的时候,就可以知道所要提取的冠脉的名称,即实现对冠脉的标注。
接着,执行步骤S2,根据所述冠脉的初始点和行进方向,初始化最小代价路径。具体地,将步骤S1中确定的初始点和行进方向加入到最小代价路径中,公式(1)为所述最小代价路径的函数,公式(1)为:
E(C)=∫Ω(P(C(s))+ω)ds (1)
其中,E(C)为所述路径C上的能量函数;s为弧长参数;x=C(s),表示C(s)上的某个位置,P(x)为在所述最小代价路径C上的x位置上的能量或者代价;w为规则化参数;Ω为所述心脏三维图像的整个空间。
为了将行进方向引入到最小代价路径中,公式(4)为能量P(x)的表达式,所述公式(4)为:
其中,v(x)是血管性的测量值;s(x)是基于亮度的相似性测量值;d(x)为行进方向项;α,β,γ为指数;ε为正值。
行进方向项d(x)由被映射的冠脉分支和当前路径的夹角θ(x)决定,公式(5)所述行进方向项d(x)的表达式,所述公式(5)为:
其中,C(x)为角度参数,θ(x)为所述冠脉模型的路径方向与所述最小代价路径C行进方向的角度;μd为所述冠脉模型配准的最优期望值;σd为所述角度的标准差的经验值。
其中,得到所述冠脉模型与所述路径的角度θ(x)的过程为:(1)将所述冠脉模型和所述最小代价路径均分为N段,如图3(a)矫正前的冠脉模型和输入图像中的冠脉所示,所述冠脉模型的分段点为Mi,所述路径的分段点为Pi,P0和M0分别为最小代价路径以及冠脉模型的起始点,Px为所述最小代价路径上的x位置上的点,其中,N≥1,i≥0;(2)从所述初始点开始,计算所述最小代价路径的每一段上的每一个像素点Px与对应的所述模型的每一段之间的角度,即θ(x),其中,图3(a)所示的SiSi+1为所述模型的每一段的长度,该长度为固定值。
在本实施例中,计算初始点P0的基于亮度的相似性测量值、血管性的测量值以及与模型的初始点M0之间的夹角θ(x),将这些值代入公式(2)和公式(3)中,其中,μd为1,σd为0.5,α,β,γ分别为1,2,1。此外,根据实际的需要,将冠脉模型和最小代价路径分为3段。需要说明的是,最小代价路径即为所述输入图像中的冠脉。
接着,执行步骤S3,判断最小代价路径是否行进到冠脉模型的终点。具体地,根据步骤S1中确定的行进方向,计算路径上每个像素点的基于亮度的相似性测量值、血管性的测量值以及与模型中相对应的点的夹角,并将这些值代入公式(4)和(5)中,从而得到路径。若所述最小代价路径行进到冠脉模型的终点,则执行步骤S5,从所述终点开始反向搜索最小代价路径,生成所述冠脉的中心线,即冠脉主分支的中心线;若所述最小代价路径未行进到冠脉模型的终点,则执行步骤S4,优化所述最小代价路径,并继续行进直至到达所述终点,再接着执行步骤S5,从所述终点开始反向搜索最小代价路径,生成所述冠脉的中心线,即冠脉主分支的中心线。具体地,在本实施例中,从初始点P0开始,根据最小代价函数和冠脉模型行进,到达第一段的终点P1,若行进到了冠脉模型的终点,即确定了最小代价路径,则所述终点开始反向搜索最小代价路径,生成所述冠脉左主分支的中心线。若路径未行进到模型的终点,则判断行进路径是否到达每一段分段的终点,若未到达,则继续计算最小代价路径上每个像素点对应的基于亮度的相似性测量值、血管性的测量值以及与模型中相对应的点的夹角,即继续行进;若是,则对最小代价路径进行优化,这是由于心脏个体有差异以及配准有误差,因此,冠脉模型将被分段进行矫正,从而优化行进方向。需要说明的是,当最小代价路径行进到某一段分段的终点时,之前的行进路径未最小代价路径的一部分,其余部分仍然是输入图像中的冠脉,此时,对冠脉模型进行矫正,根据矫正后的冠脉模型和最小代价函数继续行进,直至到达下一段分段的终点,若该终点为冠脉模型的终点,则结束行进;若不是,则对冠脉模型进行矫正,再行进。其中,矫正所述冠脉模型的过程如图2所示,首先,执行步骤S201,在所述冠脉模型中,根据所述冠脉模型的路径的弧长,确定点其中,所述点为距离所述路径任一分段的起点Pi最优的点,如图3(b)矫正后的冠脉模型和输入图像中的冠脉所示。在本实施例中,模型分为3段,相对应的,路径也分为3段,若矫正模型的第一段,则当前起点为P0,并在冠脉模型中搜索距离起始点P0最优的点即通过配准得到的冠脉的起点。接着,执行步骤S202,计算所述点Pi和之间的偏移量,并将所述冠脉模型按照所述偏移量进行平移和旋转。在本实施例中,计算点P0和之间的偏移量,并将冠脉模型按照所述偏移量进行平移和旋转。接着,执行步骤S203,在所述平移后的冠脉模型中搜索当前段的终点其中,和之间的长度满足步骤S2中所述的每一段的长度的SiSi+1所设定的固定值。如图3(b)所示,得到矫正后的冠脉模型。在本实施例中,通过搜索第一段的终点从而对冠脉模型中的第一段进行了优化,即优化了行进方向。接着,路径继续行进,若未到达模型终点,而是到达分段的终点,则根据上述方法对行进方向进行优化,直至路径行进至模型的终点,则从所述终点开始反向搜索最小代价路径,生成所述冠脉左主分支的中心线。
需要说明的是,通过上述方法,同样能得到冠脉右主分支的中心线,从而得到冠脉主分支的中心线(即冠脉的中心线),从而实现了在心脏CT图像中对冠脉的提取。
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。