CN105096270A - 一种冠脉三维重建中的钙化斑块去除方法 - Google Patents

Abstract

本发明公开了一种冠脉三维重建中的钙化斑块去除方法，本发明的具体步骤分为六步：在步骤S1中，开始，在步骤S2中，读取患者平扫CT和增强CT影像数据；在步骤S3中，针对平扫影像数据进行钙化斑块识别；在步骤S4中，在增强CT影像上进行冠脉分割和重建三维冠脉模型；在步骤S5中，对钙化斑块和冠脉网格的两个三维空间进行校准，放在同一个坐标系中；最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型；进入步骤S6，结束。本发明通过对比平扫CT和增强CT，从而在增强CT的冠脉三维模型中去除平扫识别的钙化斑块，获得精确的冠脉三维血液形态模型；为临床的狭窄评估和流体力学的血液动力分析提供支持。

Description

一种冠脉三维重建中的钙化斑块去除方法

技术领域

本发明涉及一种钙化斑块去除方法，尤其涉及一种冠脉三维重建中的钙化斑块去除方法。

背景技术

与本发明最接近的技术是基于医学影像的血管图像分割技术，其原理是使用生长算法，按像素的灰度范围进行血管分割，从而获得三维图像模型。为了更好地进行图像分割，这类算法主要基于增强的CT(扫描前患者静脉注射使得血液在X光下亮度增高的造影剂)，按照增强亮度的血液灰度值范围从周围组织中，利用区域生长算法，进行冠脉分割和三维图像重建。

现有技术不能很好的处理钙化斑块。按美国心脏病协会，根据CT值(组织对于X光的吸收率，CT值的单位是Hu)对斑块进行分型，将斑块分为：软斑块(CT值＜50HU)；纤维斑块(CT值50HU-130HU)；钙化斑块(CT值＞130HU)，其中软斑块和纤维斑块统称为非钙化斑块。而在增强的CT图像中，血液的CT值范围在150～500HU，与钙化斑块的灰度范围重叠。这样，依靠灰度(与CT是线性正向关系，可以相互换算)范围是不可能把钙化斑块精确的分离出来。

另外，按医学统计，钙化斑块按灰度的体积分布是：大于400HU的占比只有10％，小于200HU的占比大约50％。也是说，按灰度阈值，对于一个钙化斑块，大约一半以上的体积是不能从血液中分割出来。这将造成冠脉三维重建的不准确性。特别是钙化斑块通常造成狭窄，没有完整去除钙化斑块的血管降造成血管狭窄程度测量的误差。对临床而言，错误的狭窄程度估计可能造成误诊。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种冠脉三维重建中的钙化斑块去除方法。

为了解决以上技术问题，本发明采用的技术方案是：一种冠脉三维重建中的钙化斑块去除方法，本发明的具体步骤为：

在步骤S1中，开始，进入步骤S2；

在步骤S2中，读取患者平扫CT和增强CT影像数据；在具体CT扫描时同时完成两种扫描或者分时段进行；分时段，要求两种扫描的体位和扫描角度是一致的；然后分别在影像数据上选择A、B、C三个校准点；校准点用来校准两个不同的影像数据到同一坐标空间中；校准点选择左冠入口、右冠入口和左冠第一个分叉点或其他分叉点；

所述校准点也可以选择其他点，能够形成三角形，独立标志一个三维坐标系即可；

记录下校准点的坐标，对平扫CT和增强CT的三个校准点分别计为A1、B1、C1和A2、B2、C2；用于步骤S5中坐标转换；

然后进入步骤S3和S4；

在步骤S3中，针对平扫影像数据进行钙化斑块识别；在平扫下，钙化斑块的灰度值大于130HU，与骨骼灰度值一样，而周围的组织的灰度值都小于130HU，灰度值与高亮度钙化斑块有明显区别，进而发现和识别钙化斑块，生成钙化斑块的空间像素点集合；然后进入步骤S5；

钙化斑块识别出来的要点为：

(1)、坐标系中限定心脏区间，排除骨骼的干扰；

(2)、寻找区间内所有CT值，按灰度值转换，大于130HU的像素点；

(3)、按是否相邻对这些像素点进行分块；

(4)、分块面积大于3个像素点的斑块标志为一个钙化斑块。

在三维坐标系中，四个像素点的钙化斑块分别标注为A1、A2、A3、A4；

针对个体差异，钙化斑块的CT阈值需要在80-140HU之间进行一些调整，未成年人的阈值低一些；冠心病患者，年龄50岁以上的，130HU是合理的阈值；

完成所有钙化斑块识别后进入步骤S5；

在步骤S4中，在增强CT影像上进行冠脉分割和重建三维冠脉模型；

然后对生长完成的图像进行网格化处理；

然后进入步骤S5；

在步骤S5中，对钙化斑块和冠脉网格的两个三维空间进行校准，放在同一个坐标系中；把钙化斑块放到冠脉网格坐标系中的方法如下：

(1)、按步骤S2，钙化斑块的校准点A1、B1、C1；冠脉网格的校准点A2、B2、C2；

(2)、钙化斑块坐标系平移，使得A1的坐标转化成A2即A1＝A2；

(3)、钙化斑块坐标系旋转，使得向量A1B1与A2B2重合；

(4)、钙化斑块坐标系旋转，围绕A2B2，使得向量A1C1与A2C2重合；

至此，把钙化斑块中像素的坐标都转化到了冠脉网格的坐标系中；然后遍历钙化斑块中的像素，如果该像素在冠脉的某网格中，去除该网格；最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型；

进入步骤S6，结束。

本发明通过对比平扫CT和增强CT，从而在增强CT的冠脉三维模型中去除平扫识别的钙化斑块，获得精确的冠脉三维血液形态模型；为临床的狭窄评估和流体力学的血液动力分析提供支持。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明流程图。

图2为在影像数据上选择A、B、C三个校准点的示意图。

图3为血管中高亮度钙化斑块的示意图。

图4为在三维坐标系中，四个像素点的钙化斑块(A1，A2，A3，A4)的示意图。

图5为生长完成的图像网格化示意图。

图6为钙化斑块的校准点A1、B1、C1；冠脉网格的校准点A2、B2、C2的示意图。

图7为钙化斑块坐标系平移，使得A1的坐标转化成A2(即A1＝A2)的示意图。

具体实施方式

如图1所示，本发明的具体步骤为：

在步骤S1中，开始，进入步骤S2；

在步骤S2中，读取患者平扫CT和增强CT影像数据；在具体CT扫描时，可以同时完成两种扫描，或者分时段进行。如果分时段，要求两种扫描的体位和扫描角度是一致的。然后分别在影像数据上选择A、B、C三个校准点。校准点用来校准两个不同的影像数据到同一坐标空间中。校准点可以选择左冠入口、右冠入口和左冠第一个分叉点(左前降支和左回旋支的分叉点)或其他分叉点，见图2箭头标注的A、B和C点。当然，校准点也可以选择其他点，只要能够形成三角形，独立标志一个三维坐标系即可。记录下校准点的坐标，对平扫CT和增强CT的三个校准点分别计为A1、B1、C1和A2、B2、C2。以便用于步骤S5中坐标转换。

然后进入步骤S3和S4；

在步骤S3中，针对平扫影像数据进行钙化斑块识别。在平扫下，钙化斑块的灰度值大于130HU，与骨骼灰度值一样。而周围的组织的灰度值都小于130HU，灰度值与高亮度钙化斑块1有明显区别(如图3所示)。进而发现和识别钙化斑块，生成钙化斑块的空间像素点集合；然后进入步骤S5；

按照如下规则将心脏的所有钙化斑块识别出来：

(1)、坐标系中限定心脏区间，排除骨骼的干扰。

(2)、寻找区间内所有CT值(按灰度值转换)大于130HU的像素点。

(3)、按是否相邻对这些像素点进行分块。

(4)、分块面积大于3个像素点(即该块至少包含3各像素点)的块标志为一个钙化斑块。

在三维坐标系中，四个像素点的钙化斑块(A1、A2、A3、A4)，如图4所示，示例如下：

针对个体差异，钙化斑块的CT阈值需要进行一些调整(在80-140HU之间)，未成年人的阈值低一些。如果针对冠心病患者，通常年龄偏大(50岁以上)，130HU是合理的阈值。

完成所有钙化斑块识别后进入步骤S5；

在步骤S4中，在增强CT影像上进行冠脉分割和重建三维冠脉模型。冠脉分割可以采用生长算法实现(见专利“一种冠脉三维图像分割方法”(申请号：201510363154.1)。

然后对生长完成的图像进行网格化处理，即把三维图像(像素点组成的空间图像)划分成很多小的单元(单元称为网格，形状可以是四面体，五面体，六面体，三棱柱等等)；网格的大小可以按所需的图像三维建模精确度进行定义，即如果对三维图像建模要求更高的精确度，可以使用更小的网格；基于目前CT扫描的精度和冠状动脉血管的直径，可以选择0.2mm或0.3mm左右边长的四面体或多面体；如图5所示。

然后进入步骤S5；

在步骤S5中，对钙化斑块和冠脉网格的两个三维空间进行校准，放在同一个坐标系中。一个具体的把钙化斑块放到冠脉网格坐标系中的方法如下：

(1)、按步骤S2，钙化斑块的校准点A1、B1、C1；冠脉网格的校准点A2、B2、C2；如图6所示。

(2)、钙化斑块坐标系平移，使得A1的坐标转化成A2(即A1＝A2)；如图7所示。

(3)、钙化斑块坐标系旋转，使得向量A1B1与A2B2重合；如图7所示。

(4)、钙化斑块坐标系旋转(围绕A2B2)，使得向量A1C1与A2C2重合；如图7所示。

这样，就把钙化斑块中像素的坐标都转化到了冠脉网格的坐标系中。然后遍历钙化斑块中的像素，如果该像素在冠脉的某网格中，去除该网格。最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型。进入步骤S6；

步骤S6，结束。

上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。

Claims (1)

1.一种冠脉三维重建中的钙化斑块去除方法，其特征在于：所述如图1所示，本发明的具体步骤为：

在步骤S1中，开始，进入步骤S2；

在步骤S2中，读取患者平扫CT和增强CT影像数据；在具体CT扫描时同时完成两种扫描或者分时段进行；分时段，要求两种扫描的体位和扫描角度是一致的；然后分别在影像数据上选择A、B、C三个校准点；校准点用来校准两个不同的影像数据到同一坐标空间中；校准点选择左冠入口、右冠入口和左冠第一个分叉点或其他分叉点；

所述校准点也可以选择其他点，能够形成三角形，独立标志一个三维坐标系即可；

记录下校准点的坐标，对平扫CT和增强CT的三个校准点分别计为A1、B1、C1和A2、B2、C2；用于步骤S5中坐标转换；

然后进入步骤S3和S4；

在步骤S3中，针对平扫影像数据进行钙化斑块识别；在平扫下，钙化斑块的灰度值大于130HU，与骨骼灰度值一样，而周围的组织的灰度值都小于130HU，灰度值与高亮度钙化斑块有明显区别，进而发现和识别钙化斑块，生成钙化斑块的空间像素点集合；然后进入步骤S5；

钙化斑块识别出来的要点为：

(1)、坐标系中限定心脏区间，排除骨骼的干扰；

(2)、寻找区间内所有CT值，按灰度值转换，大于130HU的像素点；

(3)、按是否相邻对这些像素点进行分块；

(4)、分块面积大于3个像素点的斑块标志为一个钙化斑块。

在三维坐标系中，四个像素点的钙化斑块分别标注为A1、A2、A3、A4；

针对个体差异，钙化斑块的CT阈值需要在80-140HU之间进行一些调整，未成年人的阈值低一些；冠心病患者，年龄50岁以上的，130HU是合理的阈值；

完成所有钙化斑块识别后进入步骤S5；

在步骤S4中，在增强CT影像上进行冠脉分割和重建三维冠脉模型；

然后对生长完成的图像进行网格化处理；

然后进入步骤S5；

在步骤S5中，对钙化斑块和冠脉网格的两个三维空间进行校准，放在同一个坐标系中；把钙化斑块放到冠脉网格坐标系中的方法如下：

(1)、按步骤S2，钙化斑块的校准点A1、B1、C1；冠脉网格的校准点A2、B2、C2；

(2)、钙化斑块坐标系平移，使得A1的坐标转化成A2即A1＝A2；

(3)、钙化斑块坐标系旋转，使得向量A1B1与A2B2重合；

(4)、钙化斑块坐标系旋转，围绕A2B2，使得向量A1C1与A2C2重合；

至此，把钙化斑块中像素的坐标都转化到了冠脉网格的坐标系中；然后遍历钙化斑块中的像素，如果该像素在冠脉的某网格中，去除该网格；最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型；

进入步骤S6，结束。