一种冠状动脉分割方法和装置
技术领域
本发明涉及图像处理领域,尤其涉及一种冠状动脉分割方法和装置。
背景技术
冠状动脉的分割在医学领域的各个方面都起到很大的作用,尤其是冠状动脉血管造影(CTA)对引起胸痛的心血管疾病具有良好的筛查作用,同时,CTA成像的后处理技术也能够对疾病进行准确的诊断和治疗,包括对疾病患病部位的定位,严重程度的评估,手术实时导航以及术后的跟踪评价等。而CTA图像后处理的关键技术之一就是把冠状动脉完整并准确地提取出来。
冠状动脉分割的现有方法主要分为三大类:全自动分割、半自动分割和人工交互式分割。全自动分割方法,如kitslaar方法(Kitslaar,P.,et al.,2008.Connected component and morpholgy based extraction of arterial centerlines of theheart(Cocomo Beach).,The Midas Journal(2008))首先检测出升主动脉和整个心脏范围,然后在心脏范围内分割出候选的冠状动脉成分,从主动脉处开始用连接成分分析并对这些成分进行区域增长,得到整个血管树的分割结果。但是,该方法准确性不够高,会连入一些非冠脉血管,而且对血管末端的分割识别能力不够强。
半自动分割方法需要较少的人工干预,每段血管可以给一个点作为输入,如基于知识的最短路径法和冠脉树形态重建法。人工交互式分割方法需要更多的人工干预,可以用一系列手动选取的点或一个点和一个阈值作为输入。但是,这两种方法需要一些人为干预,而且分割的准确性不高,有的冠脉血管不能分割出来。
无论哪类方法对冠脉根部的分割都有较好的结果,对细小分支的分割能力有限,而且综合已有方法的分割结果评价得出的结论是全自动分割的方法对冠脉提取的准确性更好,但是,这些全自动分割可能提取出很多非冠状动脉的血管点,从而在一定程度上影响分割结果。
发明内容
本发明解决的问题是提供一种冠状动脉分割方法和装置,能完整、准确且自动地提取出左右冠状动脉,便于医生对心血管疾病等进行定性和定量的诊断和治疗。
为了解决上述问题,本发明提供了一种冠状动脉分割方法,包括如下步骤:
(1)确定原始图像中主动脉的位置,并对所述原始图像进行增强滤波,得到增强滤波图像;
(2)根据所述主动脉的位置、所述原始图像及所述增强滤波图像的灰度,确定左、右冠状动脉的起始区域;
(3)基于至少一预设分割阈值分割所述增强滤波图像,获取所述预设阈值对应的候选区域,并根据所述预设阈值对应的候选区域和所述左、右冠状动脉的起始区域,确定所述左、右冠状动脉的候选区域;
(4)根据所述主动脉和所述左、右冠状动脉候选区域的位置关系,分别对所述左、右冠状动脉候选区域进行筛选,得到所述左、右冠状动脉的保留候选区域,并将所述保留候选区域和起始区域进行连接,得到所述左、右冠状动脉。
上述一种冠状动脉分割方法,优选地,得到所述左、右冠状动脉的起始区域的过程包括:
(1)将所述主动脉的轮廓向外扩大m毫米,与所述主动脉之间形成环状结构;
(2)计算所述环状结构内每一个像素点P成为血管点的概率p;
(3)所述概率p大于预定阈值的像素点为血管点,并统计所述血管点的连通区域;
(4)根据所述连通区域与所述主动脉的位置关系以及所述连通区域的灰度值,计算每一个所述连通区域的条件值t,并根据所述条件值t以及所述连通区域和所述主动脉的位置关系,进行降序排序;
(5)在所述主动脉左右两侧,分别选取所排序后的前M个连通区域,并依次对所述前M个连通区域进行区域生长,若第S个连通区域的生长区域达到预定体积阈值,则将其作为对应侧的起始区域,其中,S≤M。
上述一种冠状动脉分割方法,优选地,所述成为血管点的概率p的计算公式为:
其中,SP为所述像素点P在所述原始图像中的灰度值;Smax为所述原始图像中最大的灰度值;Smin为所述原始图像中最小的灰度值;EP为所述像素点P在所述增强滤波图像中的灰度值;Emax为所述增强滤波图像中最大的灰度值;Emin为所述增强滤波图像中最小的灰度值;α和β均大于等于0小于等于1,且两者之和等于1。
上述一种冠状动脉分割方法,优选地,所述预定阈值为0.45。
上述一种冠状动脉分割方法,优选地,每一个所述连通区域条件值t的计算公式为:
其中,所述AGcur为任一个所述连通区域内所有像素点的平均灰度值;AGmax为所有所述连通区域中像素点平均灰度值的最大值;AGmin为所有所述连通区域中像素点平均灰度值的最小值;Discur为任一个所述连通区域距离所述主动脉的距离;Dismax为所有所述连通区域距离所述主动脉距离的最大值;Dismin为所有所述连通区域距离所述主动脉距离的最小值。
上述一种冠状动脉分割方法,优选地,得到所述左、右冠状动脉的候选区域的过程包括:
(1)选取N个预设分割阈值,分别对所述增强滤波图像进行阈值分割,得到对应的N个阈值分割结果;
(2)在所述N个阈值分割结果中,去除位于所述左、右冠状动脉起始区域的扩展区域外的像素点,则得到所述N个阈值对应的候选区域;
(3)分别计算每一个所述N个预设分割阈值对应的位于所述主动脉左边的候选区域和所述左冠状动脉起始区域的体积以及每一个所述N个预设分割阈值对应的位于所述主动脉右边的候选区域和所述右冠状动脉起始区域的体积;
(4)根据所述N个预设分割阈值的降序顺序,将所述相邻阈值对应的体积的变化率最大的预设分割阈值分别作为所述左、右冠状动脉的最佳阈值,则所述左、右冠状动脉的最佳阈值对应的分割图像中的候选区域为所述左、右冠状动脉的候选区域。
上述一种冠状动脉分割方法,优选地,对所述左、右冠状动脉候选区域进行筛选的方法包括:将所述左、右冠状动脉的最佳阈值对应的分割图像进行融合,得到融合图像;在所述融合图像中,根据血管的生理解剖结构,获取所述左、右冠状动脉起始区域以及候选区域的中线;选取所述候选区域的中线距离所述起始区域最小的点位于所述候选区域中线的端点的某一个区域范围内的候选区域,即得到所述保留候选区域。
上述一种冠状动脉分割方法,优选地,若所述保留候选区域中线的位于所述起始区域中线下端,则将所述保留候选区域中线与起始区域中线中相邻的两个端点进行直线连接。
上述一种冠状动脉分割方法,优选地,若所述保留候选区域中线位于所述起始区域中线的侧面,则通过点线射线连接的方法进行连接。
为了解决上述问题,本发明还提供了一种冠状动脉分割装置,包括:
增强滤波图像获取单元,适于确定原始图像中主动脉的位置,并对所述原始图像进行增强滤波,得到增强滤波图像;
起始区域获取单元,适于根据所述主动脉位置、所述原始图像以及所述增强滤波图像的灰度,得到左、右冠状动脉的起始区域;
候选区域获取单元,适于基于至少一预设分割阈值分割所述增强滤波图像,获取所述预设阈值对应的候选区域,并根据所述预设阈值对应的候选区域和所述左、右冠状动脉的起始区域,确定所述左、右冠状动脉的候选区域;
筛选连接单元,适于根据所述主动脉和所述左、右冠状动脉候选区域的位置关系,分别对所述左、右冠状动脉候选区域进行筛选,得到所述左、右冠状动脉的保留候选区域,并将所述保留候选区域和起始区域进行连接,得到所述左、右冠状动脉。
与现有技术相比,本发明利用原始图像和增强滤波图像的两种灰度信息,并结合主动脉的位置,对冠状动脉的起始区域进行定位,具有很强的鲁棒性;
进一步地,采用多个阈值对增强滤波图像进行分割,将分割的结果进行分析,得到对增强滤波图像进行分割的最佳阈值,从而更加准确地得到冠状动脉的候选区域;
进一步地,通过设置筛选条件,对冠状动脉的候选区域进行筛选,从而将非冠状动脉血管区域进行排除,使结果更为准确,且通过点到点的直线连接和点到线的射线连接方法,将筛选出的候选区域和起始区域进行连接,从而得到完整的冠状动脉。
附图说明
图1所示为本发明实施例一种冠状动脉分割方法的流程示意图;
图2所示为本发明实施例得到所述左、右冠状动脉的起始区域的流程示意图;
图3所示为本发明实施例得到所述左、右冠状动脉的候选区域的流程示意图;
图4所示为本发明实施例左、右冠状动脉的候选区域和起始区域在连接处的统计情况的结构示意图;
图5所示为本发明实施例一种冠状动脉分割装置的结构示意图。
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。
下面结合附图和实施例对本发明一种冠状动脉分割方法和装置进行详细地说明。本发明实施例冠状动脉的分割方法如图1所示,首先,执行步骤S1,确定原始图像中主动脉的位置,并对所述原始图像进行增强滤波,得到增强滤波图像。具体地,根据所述原始图像中主动脉的特征和霍夫变换,确定所述原始图像中主动脉的位置,其中,所述主动脉特征为所述主动脉的灰度值以及形状特征。具体地,在本实施例中,以冠状动脉血管造影(CTA)图像为例,在CTA图像中,主动脉的特征为:主动脉的灰度值一般在250-550之间;主动脉根部在CTA图像上近似为标准的圆形区域且半径在10-25cm之间。根据以上CTA图像中主动脉的特征信息,利用霍夫变换在主动脉根部确定一个圆心;以所述圆心为起始点,通过区域生长得到一个圆形区域;之后每一层图像都以其上一层图像为基础做一定的变形,每一层图像对应区域的轮廓仍然是封闭的,直到某一次层图像上封闭轮廓的面积突然变大时停止寻找该层图像的封闭轮廓线;把每层图像上的轮廓区域进行叠加,即得到了所述CTA图像中主动脉的分割结果。需要说明的是,也可以通过其它霍夫变换得到主动脉的分割结果,如对主动脉这个圆柱型结构用霍夫变换对图像进行投票选出位于主动脉上的中心点,并以该中心点为生长起始点,以一定的阈值向四周生长,计算每一次生长前后的区域的体积变化率,即体积膨胀率。体积膨胀率的突变作为一个截止生长的条件,即体积突然变大时停止区域生长,体积突然变大之前的区域即为主动脉分割结果。
在本实施例中,对CTA图像进行增强滤波,具体的过程请参见Q.Li,S.Sone,K.Doi,“Selective enhancement filters for nodules,vessels,and airwaywalls in two-and three-dimensional CT scans,”Med.Phys.30,2040-2051(2003),从而得到增强滤波图像。
接着,执行步骤S2,根据所述主动脉位置、所述原始图像以及所述增强滤波图像的灰度,得到左、右冠状动脉的起始区域。
接着,执行步骤S3,基于至少一预设分割阈值分割所述增强滤波图像,获取所述预设阈值对应的候选区域,并根据所述预设阈值对应的候选区域和所述左、右冠状动脉的起始区域,确定所述左、右冠状动脉的候选区域。
接着,执行步骤S4,根据所述主动脉和所述左、右冠状动脉候选区域的位置关系,分别对步骤S3中得到的所述左、右冠状动脉候选区域进行筛选,得到所述左、右冠状动脉的保留候选区域,并将所述保留候选区域和起始区域进行连接,得到所述左、右冠状动脉。
具体地,在本实施例中,得到所述左、右冠状动脉的起始区域的优选过程如图2所示,首先,执行步骤S201,将所述主动脉的轮廓向外扩大m毫米,与所述主动脉之间形成环状结构。由于左、右冠状动脉为主动脉的分支,位于主动脉的两侧,因此,只需要主动脉周围一部分的像素点,必不需要对整幅图像进行处理。在本实施例中,m的取值为10,即将步骤S1中的到的主动脉分割结果(主动脉轮廓)向外扩大10毫米,与主动脉轮廓之间形成环状结构。
接着,执行步骤S202,计算所述环状结构内每一个像素点P成为血管点的概率p。具体地,结合主动脉位置,原始图像灰度和增强滤波图像灰度确定某一点成为冠状动脉血管点的概率。在本实施例中,所述环状结构内每一个像素点P成为血管点的概率p的计算公式为:
其中,SP为所述像素点P在所述原始图像中的灰度值;Smax为所述原始图像中最大的灰度值;Smin为所述原始图像中最小的灰度值;EP为所述像素点P在所述增强滤波图像中的灰度值;Emax为所述增强滤波图像中最大的灰度值;Emin为所述增强滤波图像中最小的灰度值;α和β均大于等于0小于等于1,且两者之和等于1。具体地,计算步骤S201中确定的环状结构中每一个像素点成为血管点的概率,公式(1)中的SP为环状结构中任一像素点P在CTA图像中的灰度值,Smax为CTA图像中所有像素点灰度值中的最大的灰度值,Smin为CTA图像中所有像素点灰度值中的最小的灰度值;EP为像素点P在步骤S2中得到的增强滤波图像中的灰度值;Emax为增强滤波图像中所有像素点灰度值中的最大的灰度值;Emin为所述增强滤波图像中所有像素点灰度值中的最小的灰度值;α和β分别为0.5。通过公式(1),得到步骤S201中确定的环状结构中所有像素点成为血管点的概率。
接着,执行步骤S203,所述概率p大于预定阈值的像素点为血管点,并统计所述血管点的连通区域。具体地,在本实施例中,将步骤S202中得到的每一个概率和预定阈值(预定阈值取值为0.45)进行比较,概率大于0.45的像素点为血管点,并且将这些血管点保留,概率小于等于0.45的像素点全部去除。对所有血管点进行连通(26领域),统计得到所有血管点的连通区域。
接着,执行步骤S204,根据所述连通区域与所述主动脉的位置关系以及所述连通区域的灰度值,计算每一个所述连通区域的条件值t,并根据所述条件值t以及所述连通区域和所述主动脉的位置关系,进行降序排序。具体地,根据冠状动脉在CTA图像中的特征信息,在步骤S203中得到的多个连通区域中,选出距离主动脉较近,同时区域的平均灰度值比较大的连通区域,即计算所有连通区域满足以上两个条件的条件值t。任一个连通区域条件值t的计算公式(2)如下:
其中,所述AGcur为任一个所述连通区域内所有像素点的平均灰度值;AGmax为所有所述连通区域中像素点平均灰度值的最大值;AGmin为所有所述连通区域中像素点平均灰度值的最小值;Discur为任一个所述连通区域距离所述主动脉的距离;Dismax为所有所述连通区域距离所述主动脉距离的最大值;Dismin为所有所述连通区域距离所述主动脉距离的最小值。其中,连通区域距离主动脉的距离为所述连通区域中每一个像素点到主动脉的最小距离的平均值。
通过公式(2)得到所有连通区域的条件值,并根据所有连通区域和所述主动脉的位置关系,将这些连通区域分为位于主动脉左侧的连通区域和位于主动脉右侧的连通区域,分别将位于主动脉左侧的连通区域和位于主动脉右侧的连通区域按照条件值进行降序排列。
接着,执行步骤S205,在所述主动脉左右两侧,分别选取所排序后的前M个连通区域,并依次对所述前M个连通区域进行区域生长,若第S个连通区域的生长区域达到预定体积阈值,则将其作为对应侧的起始区域,其中,S≤M。在本实施例中,若M的取值为1,即在排序结果的基础上分别找出位于主动脉左右两侧的条件值最大的连通区域A和B,作为左冠状动脉的起始区域(连通区域A)和右冠状动脉的起始区域(连通区域B)。
若M的取值大于等于2,以M取值为3为例,对于主动脉左侧,选取排序后的前3个连通区域,并分别依次以各自的连通区域为区域生长中心,向外进行区域生长,若第一个连通区域进行区域生长后的体积达到预定体积阈值(在本实施例中,预定体积阈值的取值为50立方厘米),则第一个连通区域区域生长后的区域为左动脉的起始区域;若第一个连通区域进行区域生长后的体积未达到预定体积阈值50,则对第二个连通区域进行区域生长。若第二个连通区域进行区域生长后的体积达到预定体积阈值50,则第二个连通区域区域生长后的区域为左动脉的起始区域;若第二个连通区域进行区域生长后的体积未达到预定体积阈值50,则对第三个连通区域进行区域生长,依此类推,得到左动脉的起始区域。需要说明的是,要是对3个连通区域进行区域生长后,区域生成后的区域体积都不能达到预定体积阈值,则以第一个连通区域作为左动脉的起始区域。同样地,通过上述方法,可以得到右动脉的起始区域。
其中,步骤S3中得到所述左、右冠状动脉的候选区域的优选过程如图3所示,首先,执行步骤S301,选取N个预设分割阈值,分别对所述增强滤波图像进行阈值分割,得到对应的N个阈值分割结果。由于固定用某一阈值对图像进行分割,会存在有些血管没有被分割出来的欠分割情况或者分割出了很多无关组织的过分割情况,因此,在本发明实施例中采用多个阈值对图形进行分割。具体地,在本实施例中,选用11个(即N=11)阈值(阈值分别为50,55,...,100)分别对步骤S2中得到的增强滤波图像进行阈值分割,针对每一个阈值,将增强滤波图像中灰度值大于该阈值的像素点保留下来,其余的像素点均去除,则得到对应的阈值分割后的11幅图像。需要说明的是,阈值的选取可以对图像灰度进行统计得到,也可以根据经验取得。
接着,执行步骤S302,在所述N个阈值分割结果中,去除位于所述左、右冠状动脉起始区域的扩展区域外的像素点,则得到所述N个阈值对应的候选区域。具体地,在本实施例中,对步骤S301中得到的每一个阈值分割后的幅图像均进行以下处理:将步骤S204中得到的左冠状动脉的起始区域(连通区域B)和右冠状动脉的起始区域(连通区域A)以3毫米的范围向外扩展,即得到左右冠状动脉起始区域的扩展区域,将阈值分割后的图像中出现在该扩展范围内的区域保留,作为血管候选区域,其余未出现在扩展区域内的区域则去除,即得到11个阈值对应的候选区域。需要说明的是,此时得到的候选区域包括左冠状动脉和右冠状动脉的候选区域。
接着,执行步骤S303,分别计算每一个所述N个预设分割阈值对应的位于所述主动脉左边的候选区域和所述左冠状动脉起始区域的体积以及每一个所述N个预设分割阈值对应的位于所述主动脉右边的候选区域和所述右冠状动脉起始区域的体积。由上述可知,不同阈值的分割结果都可以得到冠状动脉候选区域,但是,阈值越大,得到的冠状动脉候选区域中所含的非冠状动脉组织越少,同时也会丢失一些冠状动脉区域,而阈值越小,得到的冠状动脉候选区域包含的冠状动脉区域越完整,同时非冠状动脉组织也会越多。因此,需要确定一个最佳的阈值。在本实施例中,将步骤S302中的到的候选区域进行划分,即位于主动脉左侧的候选区域为左动脉的候选区域,位于主动脉右侧的候选区域为右动脉的候选区域。分别统计11个阈值分割后的图像中的左冠状动脉起始区域和该阈值对应的左动脉候选区域中像素点的个数,以此个数作为体积,这样就得到左冠状动脉在11个阈值对应下的11个体积;对于右冠状动脉,也采用和左冠状动脉相同的处理方式,即分别统计11个阈值分割后的图像中的右冠状动脉起始区域和该阈值对应的右动脉候选区域中像素点的个数,以此个数作为体积,这样就得到右冠状动脉在11个阈值对应下的11个体积。
接着,执行步骤S304,根据所述N个预设分割阈值的降序顺序,将所述相邻阈值对应的体积的变化率最大的预设分割阈值分别作为所述左、右冠状动脉的最佳阈值,则所述左、右冠状动脉的最佳阈值对应的分割图像中的候选区域为所述左、右冠状动脉的候选区域。对于左动脉,根据阈值从大到小的顺序,将步骤S303中得到的11幅不同阈值分割结果图像中的血管体积大小进行分析,即体积突然变大的前一刻停止分析,此时对应的阈值为最佳阈值,即此时相邻的两个阈值对应的体积变化率最大。该最佳阈值对用的分割图像中的候选区域为左冠状动脉的候选区域。同样地,通过上述方法,可以得到右冠状动脉的候选区域。在确定左右冠状动脉的候选区域时最佳阈值是分开确定的,这样得到的结果更为准确。
通过上述方法得到的左右冠状动脉候选区域后,需要将所有左右冠状动脉候选区域和起始区域进行连接,形成一个完整的连通区域。但是,并非所有保留下来的候选区域都是冠状动脉血管区域,因此,需要对左右冠状动脉的候选区域进行筛选。筛选的条件为:候选血管区域上距离起始区域最近的点在候选血管区域的端点的某一个区域范围内。在本实施例中,对所述左、右冠状动脉候选区域进行筛选的优选过程包括:将上述得到的左、右冠状动脉的最佳阈值下对应的分割结果图像进行图像融合,得到融合图像;在所述融合图像中,根据血管的实际走向和生理解剖结构,确定所有左冠状动脉候选区域、所有右冠状动脉候选区域以及左右冠状动脉起始区域的中线,即血管的实际走向和生理解剖结构,选取所有候选区域和起始区域的一个截面,根据血管的实际走向和生理解剖结构可知,该截面近似为长方形,因此,该截面在血管走向方向上的对称线即为中线;选取所述候选区域的中线距离所述起始区域最小的点位于所述候选区域中线的端点的某一个区域范围内的候选区域,,去除其它左冠状动脉候选区域,对于右冠状动脉候选区域,采用同样的方法,得到经过筛选保留下来的右冠状动脉候选区域。其中,在本实施例中,所述候选区域中线的端点的某一个区域范围为以该端点为圆心,半径为1毫米的圆形区域。采用上述方法的原因在于:在实际中,一副图像中候选血管区域和起始区域在连接处的统计情况共有四种,如图4所示,根据冠状动脉生理解剖知识,图4(a)和图4(b)符合实际的血管走向,是所需的候选区域,而图4(c)和图4(d)不符合实际的血管走向,不是所需的候选区域。从图4(a)和图4(b)中可以看出,在图像上,候选区域上距离起始区域最近的点必须在候选血管区域(即候选区域)的端点附近。
接着,将经过筛选得到的保留候选区域和起始区域进行相连,具体地,若所述保留候选区域中线的位于所述起始区域中线下端,则将所述保留候选区域中线与起始区域中线中相邻的两个端点进行直线连接;若所述保留候选区域中线位于所述起始区域中线的侧面,则通过点线射线连接的方法进行连接。在本实施例中,所述保留候选区域中线的位于所述起始区域中线下端的情况如图4(a)所示,则直接连接两个区域的端点,并在该连接的线段间进行差值连接;所述保留候选区域中线位于所述起始区域中线的侧面的情况如图4(b)所示,即要将保留候选区域中线的端点和起始区域的中线进行连接,具体地,在该保留候选区域中线的端点处沿着保留候选区域血管向后2毫米处找到一个点,端点到该点做一条射线,沿着该射线进行血管插值直到该射线与起始区域中线相交。从而将所有保留候选区域和起始区域进行连接,成为一个冠状动脉血管区域。通过上述的方法,可以分别得到左冠状动脉血管区域和右冠状动脉血管区域,即分割出左、右冠状动脉。
对应于上述冠状动脉分割方法,本发明实施例还提供了一种冠状动脉分割装置,如图5所示,所述装置包括增强滤波图像获取单元1、起始区域获取单元2、候选区域获取单元3和筛选连接单元4。
所述增强滤波图像获取单元1适于确定原始图像中主动脉的位置,并对所述原始图像进行增强滤波,得到增强滤波图像。具体地,所述原始图像为CTA图像,根据CTA图像中主动脉的灰度值以及形状特征,并结合霍夫变换,在所述原始图像中确定所述主动脉的位置。
所述起始区域获取单元2适于根据所述主动脉位置、所述原始图像以及所述增强滤波图像的灰度,得到左、右冠状动脉的起始区域。具体地,起始区域获取单元2包括扩大单元、计算单元、连通单元、排列单元和选取单元。所述扩大单元适于将所述主动脉的轮廓向外扩大m毫米,与所述主动脉之间形成环状结构;所述计算单元适于计算所述环状结构内每一个像素点P成为血管点的概率p;所述连通单元适于将所述概率p大于预定阈值的像素点确定为血管点,并统计所述血管点的连通区域;所述排列单元适于根据所述连通区域与所述主动脉的位置关系以及所述连通区域的灰度值,计算每一个所述连通区域的条件值t,并根据所述条件值t,进行降序排序;所述选取单元适于在所述主动脉左右两侧,分别选取所排序后的前M个连通区域,并依次对所述前M个连通区域进行区域生长,若第S个连通区域的生长区域达到预定体积阈值,则将其作为对应侧的起始区域,其中,S≤M。
所述候选区域获取单元3适于基于至少一预设分割阈值分割所述增强滤波图像,获取所述预设阈值对应的候选区域,并根据所述预设阈值对应的候选区域和所述左、右冠状动脉的起始区域,确定所述左、右冠状动脉的候选区域。候选区域获取单元4包括阈值分割单元、去除单元、体积计算单元和最佳阈值确定单元。其中,所述阈值分割单元适于选取N个预设分割阈值,分别对所述增强滤波图像进行阈值分割,得到对应的N个阈值分割结果,在本实施例中,N取值为11;去除单元适于在所述N个阈值分割结果中,去除位于所述左、右冠状动脉起始区域的扩展区域外的像素点,则得到所述N个阈值对应的候选区域;体积计算单元适于分别计算每一个所述N个预设分割阈值对应的位于所述主动脉左边的候选区域和所述左冠状动脉起始区域的体积以及每一个所述N个预设分割阈值对应的位于所述主动脉右边的候选区域和所述右冠状动脉起始区域的体积;最佳阈值确定单元适于根据所述N个预设分割阈值的降序顺序,将所述相邻阈值对应的体积的变化率最大的预设分割阈值分别作为所述左、右冠状动脉的最佳阈值,则所述左、右冠状动脉的最佳阈值对应的分割图像中的候选区域为所述左、右冠状动脉的候选区域。
所述筛选连接单元4适于根据所述主动脉和所述左、右冠状动脉候选区域的位置关系,分别对所述左、右冠状动脉候选区域进行筛选,得到所述左、右冠状动脉的保留候选区域,并将所述保留候选区域和起始区域进行连接,得到所述左、右冠状动脉。
上述冠状动脉分割装置中各单元的配合及工作过程可以参考上述冠状动脉分割方法的说明,在此不再赘述。
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。