CN104361554B - 一种基于血管内超声图像的血管外膜自动检测方法 - Google Patents
一种基于血管内超声图像的血管外膜自动检测方法 Download PDFInfo
- Publication number
- CN104361554B CN104361554B CN201410566445.6A CN201410566445A CN104361554B CN 104361554 B CN104361554 B CN 104361554B CN 201410566445 A CN201410566445 A CN 201410566445A CN 104361554 B CN104361554 B CN 104361554B
- Authority
- CN
- China
- Prior art keywords
- fast marching
- pixel
- image
- externa
- needed
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005021 gait Effects 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 210000004204 blood vessel Anatomy 0.000 claims 1
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000002608 intravascular ultrasound Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 201000001320 Atherosclerosis Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/604—Rotation of whole images or parts thereof using coordinate rotation digital computer [CORDIC] devices
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于血管内超声图像的血管外膜自动检测方法,包括一个将血管内超声图像从直角坐标转换到极坐标的过程;包括一个确定快速行进(Fast Marching)算法所需种子点的过程;包括一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程;包括一个利用快速行进(Fast Marching)算法自动检测血管外膜的过程。本发明通过自动确定种子点、终止点和有效的行进速度函数,保证了检测过程的自动性,基于快速行进算法的处理方法,不仅保证了检测方法的简单、有效性,而且避免了现有算法模型的复杂性和对成像条件的依赖性。
Description
技术领域
本发明涉及医学图像处理领域,特别是涉及一种快速行进(Fast Marching)算法、应用于血管内超声(IVUS:Intravascular ultrasound)图像的血管内外膜自动检测方法。
背景技术
血管内超声(IVUS: Intravascular Ultrasound)图像对动脉粥样硬化等心血管疾病的诊断和治疗具有非常重要的临床应用价值。基于IVUS图像诊断动脉粥样硬化需要粥样硬化图像的特征如血管内腔面积、斑块面积等量化指标,这些量化指标的准确提取依赖于有效的血管边缘检测。人工检测即由医生手动勾画血管内腔、外膜边界等,不仅费时费力,而且受医生经验等主观性的限制。因此,用计算机算法准确、快速、自动地检测IVUS图像中的血管边缘就显得很有必要。目前,基于IVUS图像的血管边缘计算机自动检测(分割)算法主要有三类:第一类为统计学方法(G. Mendizabal-Ruiz, M. Rivera, et al., “Aprobabilistic segmentation method for the identification of luminal bordersin intravascular ultrasound images”, IEEE Conference on Computer Vision andPattern Recognition, pp.1-8, 2008.),对图像的灰度分布进行统计学建模实现IVUS图像分割,从而检测出血管边缘,但是IVUS图像中的伪影、钙化等复杂的图像特征将大大降低统计建模的准确性;第二类是机器学习的方法(1.E. G. Bovenkamp, J. Dijkstra, J. G.Bosch, et al., “Multi-agent segmentation of IVUS images”, Patten Recognition,Vol.37, No.4, pp.647-663, 2004; 2. G. Unal, S. Bucher, S. Carlier, et al.,“Shape-driven segmentation of the arterial wall in intravascular ultrasoundimages”, IEEE Trans. On information technology in biomedicine, Vol.12, No.3,pp.335-346, 2008.),该类方法模型复杂,实际应用时受到诸多限制;第三类是基于活动轮廓线模型的方法(1. 张麒,汪源源等,“活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像”,光学精密工程, Vol.16, No.11, pp.2301-311, 2008; 2. X. Zhu, P.Zhang, J. Shao, et al., “A snake-based method for segmentation ofintravascular ultrasound images and its in vivo validation”, Ultrasonics,Vol.51, pp.181-189, 2011.),该类方法简单易行,但是往往需要给定初始轮廓线,而且,检测结果易受噪声等复杂图像特征的影响。上述几类基于IVUS图像的血管边缘检测方法都预先设定相应的模型,如图像灰度分布模型、形状模型等,而这些模型往往依赖于具体的成像条件。为更好地实现对IVUS图像中血管外膜的有效检测,本发明提出一种基于快速行进(Fast Marching)算法的IVUS图像血管外膜自动检测算法。
发明内容
本发明的目的在于针对现有技术的不足,提供一种更简单、更有效、更通用的IVUS图像血管外膜自动检测方法。
本发明的技术解决方案如下:
一种基于血管内超声图像的血管外膜自动检测方法,该方法包括一个将血管内超声图像从直角坐标转换到极坐标的过程;包括一个确定快速行进(Fast Marching)算法所需种子点的过程;包括一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程;包括一个利用快速行进(Fast Marching)算法自动检测血管外膜的过程。
进一步的,在一个将血管内超声图像从直角坐标转换到极坐标的过程中,以原始图像(直角坐标系)的中心点为极坐标之原点,将原始图像转换为极坐标图像。转换后的极坐标图像,纵向为径向采样,横向为扫描角度采样。
进一步的,在确定快速行进(Fast Marching)算法所需种子点的过程中,直接将某一扫描角度,即极坐标图像的某一列(如第一列)像素作为种子点。
进一步的,在一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程中,首先计算血管内超声图像每一像素点(i, j)的梯度Gij,然后结合每一像素点(i, j)的灰度Iij得到像素点(i, j)处的行进速度Fij=Gij*Iij,即速度函数为Fij=Gij*Iij。
进一步的,在一个利用快速行进(Fast Marching)算法自动检测血管外膜的过程中,首先根据所确定的种子点和行进速度,使边界按相应的行进速度不断行进,直到边界行进到极坐标图像边缘列(如最后一列)像素中的任一像素点为止,然后以边界最先行进到的图像边缘列(如最后一列)像素中的像素点为终点,反向跟踪出最短路径(连续,且时间最少),即血管外膜边界。
与现有技术相比,本发明的有益效果如下:
本发明和已有技术相比,其效果是积极的和明显的。通过自动确定种子点、终止点和有效的行进速度函数,本发明保证了检测过程的自动性。基于快速行进算法的处理方法,不仅保证了检测方法的简单、有效性,而且避免了现有算法模型的复杂性和对成像条件的依赖性。
附图说明
图1是本发明基于血管内超声图像的血管外膜自动检测流程图;
图2是本发明血管内超声图像示意图;
图3是本发明极坐标变换后的血管内超声图像示意图;
图4 是本发明快速行进初始种子点示意图;
图5 是本发明图像梯度示意图;
图6 是本发明终止快速行进时每像素点的时间(没到的像素置0)示意图;
图7 是本发明反向跟踪所得最优路径示意图;
图8 是本发明血管外膜检测结果示意图(极坐标);
图9 是本发明血管外膜检测结果示意图(原始直角坐标)。
具体实施方式
下面结合实施案例和附图对本发明作进一步说明,但不应以此限制本发明的保护范围。
图1是本发明一种基于血管内超声图像的血管外膜自动检测方法的流程图。如图所示,一种基于血管内超声(IVUS:Intravascular Ultrasound)图像的血管外膜自动检测方法,包括一个将血管内超声图像从直角坐标转换到极坐标的过程;包括一个确定快速行进(Fast Marching)算法所需种子点的过程;包括一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程;包括一个利用快速行进(FastMarching)算法自动检测血管外膜的过程。
进一步的,对于IVUS图像,在实际处理过程中,为方便计算,首先将原始图像(图2)转化成极坐标图像(图3),然后进行各类计算、处理和分析。在转换后的极坐标图像中,原点为原始IVUS图像的中心。纵轴对应径向采样,横轴对应扫描角度采样。
进一步的,在一个确定快速行进(Fast Marching)算法所需种子点的过程中,直接将某一扫描角度,即极坐标图像的某一列(如第一列)像素作为种子点(图4)。
进一步的,在一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程中,首先用式(1)作算子计算极坐标图像梯度(图5)(考虑到IVUS图像自身的特征,梯度图像中,小于零的梯度置零),血管内超声图像每一像素点(i,j)的梯度Gij,然后结合每一像素点(i, j)的灰度Iij得到像素点(i, j)处的行进速度Fij=Gij*Iij,即速度函数为Fij=Gij*Iij。
(1)
进一步的,在一个利用快速行进(Fast Marching)算法自动检测血管外膜的过程中,首先根据所确定的种子点和行进速度,使边界按相应的行进速度不断行进,直到边界行进到极坐标图像边缘列(如最后一列)像素中的任一像素点为止(图6),然后以边界最先行进到的图像边缘列(如最后一列)像素中的像素点为终点,反向跟踪出最优路径(图7:连续,且时间最少),即血管外膜边界(图8和图9)。
Claims (1)
1.一种基于血管内超声图像的血管外膜自动检测方法,其特征在于,该方法包括一个将血管内超声图像从直角坐标转换到极坐标的过程;包括一个自动确定快速行进算法所需种子点的过程;包括一个根据图像灰度和梯度确定快速行进算法所需的每个像素点处行进速度的过程;包括一个利用快速行进算法和最优路径算法自动检测血管外膜的过程;
其中,在自动确定快速行进算法所需种子点的过程中,直接将某一扫描角度,即极坐标图像的第一列像素作为种子点;
在一个根据图像灰度和梯度确定快速行进算法所需的每个像素点处行进速度的过程中,首先计算血管内超声图像每一像素点(i, j)的梯度Gij,然后结合每一像素点(i, j)的灰度Iij 得到像素点(i, j)处的行进速度Fij=Gij*Iij,即速度函数为Fij=Gij*Iij;
在一个利用快速行进算法自动检测血管外膜的过程中,首先确定快速行进算法所需的种子点和每一像素点处的行进速度,然后使边界按相应的行进速度不断行进,直到边界行进到极坐标图像最后一列像素中的任一像素点为止,即是快速行进算法的自动停止准则,最后以边界最先行进到的最后一列像素中的像素点为终点,反向跟踪出最优路径,即血管外膜边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410566445.6A CN104361554B (zh) | 2014-10-23 | 2014-10-23 | 一种基于血管内超声图像的血管外膜自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410566445.6A CN104361554B (zh) | 2014-10-23 | 2014-10-23 | 一种基于血管内超声图像的血管外膜自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104361554A CN104361554A (zh) | 2015-02-18 |
CN104361554B true CN104361554B (zh) | 2018-02-27 |
Family
ID=52528812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410566445.6A Active CN104361554B (zh) | 2014-10-23 | 2014-10-23 | 一种基于血管内超声图像的血管外膜自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361554B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105708495B (zh) * | 2016-01-26 | 2018-08-17 | 飞依诺科技(苏州)有限公司 | 超声彩色血流成像边界处理方法及系统 |
WO2018001099A1 (zh) | 2016-06-30 | 2018-01-04 | 上海联影医疗科技有限公司 | 一种血管提取方法与系统 |
CN107203741B (zh) * | 2017-05-03 | 2021-05-18 | 上海联影医疗科技股份有限公司 | 血管提取方法、装置及其系统 |
CN109165650B (zh) * | 2018-09-12 | 2022-05-03 | 江苏海洋大学 | 印花织物图像最小重复单元自动检测方法 |
CN112907515B (zh) * | 2021-01-25 | 2024-07-19 | 上海健康医学院 | 一种基于三维ct图像的主动脉血管自动检测方法及系统 |
CN117274280B (zh) * | 2023-09-06 | 2024-08-20 | 强联智创(北京)科技有限公司 | 用于血管分段的方法、设备和计算机可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923713A (zh) * | 2010-08-04 | 2010-12-22 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2449080A1 (en) * | 2003-11-13 | 2005-05-13 | Centre Hospitalier De L'universite De Montreal - Chum | Apparatus and method for intravascular ultrasound image segmentation: a fast-marching method |
CN102126555B (zh) * | 2011-01-13 | 2012-11-21 | 西北工业大学 | 一种旋转机翼飞机的机翼挥舞锁放装置 |
-
2014
- 2014-10-23 CN CN201410566445.6A patent/CN104361554B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923713A (zh) * | 2010-08-04 | 2010-12-22 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
Non-Patent Citations (6)
Title |
---|
Endocardial Boundary Detection in Echocardiographic Images with an Improved Fast Marching Method;严加勇等;《航天医学与医学工程》;20031031;第16卷(第5期);全文 * |
医学超声图像分割技术的研究及发展趋势;严加勇等;《北京生物医学工程》;20030331;第22卷(第1期);全文 * |
基于LevelSet方法的医学图像分割;朱付平等;《软件学报》;20021231;第13卷(第9期);全文 * |
基于快速推进法的血管内超声图像序列的三维分割;杨宇;《北京生物医学工程》;20111231;第30卷(第6期);全文 * |
灰度图像分割算法的研究;韩帅;《中国优秀硕士学位论文全文数据库 信息科技辑》;20070315;第4-5章 * |
血管内超声图像边缘提取方法的研究进展;汪友生等;《北京生物医学工程》;20100630;第29卷(第3期);第312-317页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104361554A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104361554B (zh) | 一种基于血管内超声图像的血管外膜自动检测方法 | |
CN107480677B (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
JP6020470B2 (ja) | 超音波診断装置、および、血管特定方法 | |
US9652872B2 (en) | System and method of medical imaging | |
RU2677055C2 (ru) | Автоматическая сегментация трехплоскостных изображений для ультразвуковой визуализации в реальном времени | |
Menchón-Lara et al. | Fully automatic segmentation of ultrasound common carotid artery images based on machine learning | |
US9119559B2 (en) | Method and system of generating a 3D visualization from 2D images | |
CN103164859B (zh) | 一种血管内超声图像分割方法 | |
CN102068281B (zh) | 一种占位性病变超声图像的处理方法 | |
CN104665872B (zh) | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 | |
CN108198174B (zh) | 一种心血管ivoct与ivus自动配准方法与装置 | |
US20120065499A1 (en) | Medical image diagnosis device and region-of-interest setting method therefore | |
US10347035B2 (en) | Diagnostic image generation apparatus and diagnostic image generation method | |
US10433815B2 (en) | Ultrasound diagnostic image generating device and method | |
KR20110013026A (ko) | 2차원 초음파 영상에 대응하는 2차원 ct 영상을 제공하는 시스템 및 방법 | |
CN108053429B (zh) | 一种心血管oct与冠脉造影自动配准方法与装置 | |
KR20110013036A (ko) | 센서의 교정을 수행하는 초음파 시스템 및 방법 | |
WO2013029546A1 (en) | Image-based method for measuring elasticity of biological tissues and system thereof | |
JP6326555B2 (ja) | 縮小角度範囲を用いる回転c−アームコンピュータ断層撮影のための適応セグメンテーションを行う医用イメージングシステム又は方法 | |
CN116777962A (zh) | 基于人工智能的二维医学图像配准方法及系统 | |
CN104504689B (zh) | 血管内超声图像内外膜分割方法及装置 | |
CN104331881B (zh) | 一种基于血管内超声图像的血管内腔分割方法 | |
EP3129955A1 (en) | Method for the analysis of image data representing a three-dimensional volume of biological tissue | |
Sun et al. | A parallel method for segmenting intravascular ultrasound image sequence | |
AU2015245908B2 (en) | Method for the analysis of image data representing a three-dimensional volume of biological tissue |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |