CN106097298B - 基于球空间划分的冠状动脉自动分段与解剖学标记方法 - Google Patents

基于球空间划分的冠状动脉自动分段与解剖学标记方法 Download PDF

Info

Publication number
CN106097298B
CN106097298B CN201610362810.0A CN201610362810A CN106097298B CN 106097298 B CN106097298 B CN 106097298B CN 201610362810 A CN201610362810 A CN 201610362810A CN 106097298 B CN106097298 B CN 106097298B
Authority
CN
China
Prior art keywords
node
point
coronary artery
spherical
branch
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
Application number
CN201610362810.0A
Other languages
English (en)
Other versions
CN106097298A (zh
Inventor
李颖
王如意
张绍祥
谭立文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Third Military Medical University TMMU
Original Assignee
Third Military Medical University TMMU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Third Military Medical University TMMU filed Critical Third Military Medical University TMMU
Priority to CN201610362810.0A priority Critical patent/CN106097298B/zh
Publication of CN106097298A publication Critical patent/CN106097298A/zh
Application granted granted Critical
Publication of CN106097298B publication Critical patent/CN106097298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提出了基于球空间划分的冠状动脉自动分段与解剖学标记方法，包括以下步骤：(1)图像预处理：获得冠状动脉分割图像及中心线；(2)剪枝操作；(3)球心及球空间的定义；(4)左、右冠状动脉的划分规则；(5)左冠状动脉解剖学命名算法；(6)右冠状动脉解剖学命名算法。该发明利用心脏形似倒置圆锥体的特征，以血管分叉点为球心建立球坐标系，根据冠状动脉各分支节段的解剖学走形和相互之间的几何结构关系，在球空间中对血管进行定位剖分，达到自动分段与解剖学标记的目的。解决现有的冠状动脉自动分段与解剖学标记方法计算时间较长，算法复杂度较高，以及无法穷举冠状动脉分布类型导致分支匹配不准确等问题。相比于将所提取的血管与先验模型匹配的方法，这种方法的优点在于节省时间、标记准确，且能对更多的节段进行识别和标记。

Description

基于球空间划分的冠状动脉自动分段与解剖学标记方法
技术领域
本发明涉及医学图像处理技术领域，特别是用于冠状动脉图像的基于球空间划分的冠状动脉自动分段与解剖学标记。
背景技术
近年来心血管疾病的发病率和死亡率都高居疾病榜首位且呈年轻化趋势，其中较为严重的冠状动脉粥样硬化等会直接导致心肌梗死和心脏受损。早期冠状动脉血管壁上微小的病灶并不容易被发现，这类病灶之后迅速发展将引起严重后果，甚至危及生命。因此微小病灶的早期诊疗，冠状动脉血管各节段情况的进展管理尤为重要。作为无创的影像获取方式，冠脉CTA被广泛地应用于冠状动脉疾病的诊断。按照2009年《SCCT guidelines forthe interpretation and reporting of coronary computed tomographic angiography[1]》的要求，放射科医生和心外科医生通常会报告解剖学的相关检查信息，例如冠状动脉的分形和各节段情况，硬化斑块的节段位置，以及每条动脉或每个分支的钙化、狭窄和闭塞等。由于冠状动脉的微小病变不容易被人眼所识别，人工解读冠脉CTA图像时医生要借助多种成像模式才能诊断，耗时、费劲且容易引起误差。因此需要高效准确的方法，可以自动为冠状动脉分段并标记其解剖学名称。
利用解剖学信息对冠脉树进行标记是冠状动脉树自动标记可用的方法，已有的研究侧重于利用建立先验模型来表征解剖信息，然后求待标记模型和先验模型之间的相似性来确定冠脉节段解剖学分类。Claire Chalopin等人[2]设计了二维X射线血管造影的冠状动脉树标记方法，他们利用三维拓扑模型建立了三维仿真人体形态模型Coronix，在其不同视角下进行分析得到二维拓扑模型数据基础，再将病人造影图像中提取的血管骨架与具有最相似血管网形状的二维拓扑模型进行比较，以分层的方式从主要动脉到分支逐步标记左冠状动脉，该方法的不足之处在于二维图像中存在冠状动脉重叠的现象，在匹配解读时可能产生误差；Guanyu Yang等人[3]构建了一个基于统计学结果先验知识的右优势型冠状动脉树三维模型，将从冠脉CTA数据集中提取的冠状动脉树与三维模型配准，主要分支利用关键点的权重因子进行配准，所有分段利用代价函数进行配准，最后根据临床标准对以上配准标记结果进行调整，得到最优的冠状动脉树自动标记结果；Roman Goldenberg等人[4]创建了基于冠脉CTA训练数据集人工标记的概率解剖模型，根据最大可能性方法和一系列检查主要动脉间的预期空间关系的测试，对冠状动脉四条主要分支(左冠脉主干、前降支、旋支和右冠脉)进行标记。以上方法都是根据一定的解剖学先验知识模型，利用数学方法寻找待命名冠状动脉树与模型之间的最近似方案并进行匹配，得到分段和解剖学标记。此类方法计算时间较长，算法复杂度较高，由于冠状动脉的个体差异较大，无法穷举所有的冠状动脉分布类型，对与模型不是同一分布类型、分支较为复杂或因病变而发生明显改变的冠状动脉并不适用，所得结果中还可能存在较多未能找到相应匹配的分支。
[1]Raff G L,Abidov A,Achenbach S,et al.SCCT guidelines for theinterpretation and reporting of coronary computed tomographic angiography.[J].Journal of Cardiovascular Computed Tomography,2009,3(2):122-136.
[2]Chalopin C,Finet G,Magnin I.Modeling the 3D coronary tree forlabeling purposes.[J].Medical Image Analysis,2002,5(4):301-315.
[3]Yang G,Broersen A,Petr R,et al.Automatic coronary artery treelabeling in coronary computed tomographic angiography datasets[C].Computingin Cardiology,2011,38:109-112.
[4]Roman G,Dov E,Grigory B,et al.Computer-aided simple triage(CAST)for coronary CT angiography(CCTA)[J].International Journal of ComputerAssisted Radiology & Surgery,2012,7(6):819-827.
发明内容
针对现有技术的不足，本发明提出了基于球空间划分的冠状动脉自动分段与解剖学标记方法。该发明利用心脏形似倒置圆锥体的特征，以血管分叉点为球心建立球坐标系，根据冠状动脉各分支节段的解剖学走形和相互之间的几何结构关系，在球空间中对血管进行定位剖分，达到自动分段与解剖学标记的目的。解决现有的冠状动脉自动分段与解剖学标记方法计算时间较长，算法复杂度较高，以及无法穷举冠状动脉分布类型导致分支匹配不准确等问题。相比于将所提取的血管与先验模型匹配的方法，这种方法的优点在于节省时间、标记准确，且能对更多的节段进行识别和标记。
基于球空间划分的冠状动脉自动分段与解剖学标记方法，该方法包括以下步骤：
步骤1、图像预处理：获得冠状动脉分割图像及中心线；
步骤2、剪枝操作；
步骤3、球心及球空间的定义；
步骤4、左、右冠状动脉的划分规则；
步骤5、左冠状动脉解剖学命名算法；
步骤6、右冠状动脉解剖学命名算法。
所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，所述步骤1具体执行以下步骤：
(1)从原始心脏连续断层影像中分割出冠状动脉，再对分割图像进行血管中心线(也称为血管骨架)提取；
(2)将上述血管骨架转换为由邻接矩阵、节点和边来描述的三维树形结构。其中节点和边的定义如下：
叶节点：只和一个节点相连接的节点；
连接节点：和两个节点相连接的节点；
分叉节点：和两个以上节点相连接的节点；
游离边：只有一端和节点相连接的边；
连接边：两端都和节点相连接的边。
所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，所述步骤2具体执行以下步骤：
保留血管骨架中含有体素数目最大的两个连通块，并将血管骨架中长度小于T的游离边剪枝置零(T的取值取决于想保留树枝细节的程度，在18节段命名方式中T可取值为15)，再将所得血管骨架采用上述方法重新转换为三维树形结构。
所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，所述步骤3具体执行以下步骤：
(1)以确定的某点O(x0,y0,z0)为球心建立球坐标系，将原笛卡尔坐标空间中所有点的坐标值转换为球坐标值，得到球空间。其中将笛卡尔坐标转换为球坐标的方法示意图如图1，空间中任意一点P(x,y,z)的球坐标(θ,r)的计算方法为：
其中θ为方位角，是从以点O为原点的x轴正半轴测得的点P的角位移弧度；
为仰角，是从以点O为原点的X-Y平面测得的点P的角位移弧度；
r为半径，是从点O到点P的距离。
三个参数的取值范围为：方位角θ＝(-π,π]，仰角半径r＝[0,+∞)。
(2)根据方位角θ的取值方位，球空间中方位的定义如下表：
即：以确定的某点O为球心建立球坐标系，空间中任意一点P的球坐标(θ,r)。
当时，视P点位于O点左前侧，即区域A1内；
当时，视P点位于O点左后侧，即区域A2内；
当时，视P点位于O点右后侧，即区域A3内；
当时，视P点位于O点右前侧，即区域A4内。
所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，所述步骤4具体执行以下步骤：
根据左、右冠状动脉窦口两点的坐标，识别步骤2所得三维树形结构中左、右冠状动脉连通块，左冠状动脉主干与前降支、旋支、中间支(若存在)的分叉节点NL和右冠状动脉起始节点NR。
所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，所述步骤5具体执行以下步骤：
(1)计算三维树形结构左冠状动脉的游离边和叶节点，并计算节点NL到左冠状动脉所有叶节点的最短路径节点和路径上的边。
其中最短路径节点的计算，使用Dijkstra算法；路径上的边，通过计算路径相邻两节点共有的边得到。
(2)计算所得所有游离边、路径上的边相对于其连接的起始节点的球空间中值角度。
其中某边的球空间中值角度的计算方法为：在以某边连接的起始节点(近心端的节点)为球心建立的球坐标系下，计算边上各点的球坐标值并将方位角弧度值转换为角度值，再将这组各点方位角角度值取中值即为该边的球空间中值角度。其中取中值的方法为：对于项数为n的数组x1,x2,...,xn，将其进行升序排序得到x(1),x(2),...,x(n)；若n为奇数，则数组的中值为若n为偶数，则数组的中值为
(3)左冠状动脉的具体分段：
查找步骤5(2)所得球空间中值角度中节点NL所连各边(包括游离边和路径上的边)的中值角度θLi，i＝1,2,3,…,n，其中n为与节点NL相连接的边的数目。则各分支：
a)左冠状动脉主干(LM)：θLi>0，此时区域范围有θLi∈(A3∪A4)。
若LM是游离边，则所定义游离边即为LM。若LM不是游离边，查找其所在路径PLM，查找PLM路径中的最长路径PLM1(若PLM只有一条路径，则PLM1＝PLM)和该路径上的边PLLM1，并将PLM1最末端叶节点所连最长游离边置于PLLM1末尾，所得PLM1和PLLM1所有点即为LM。
b)左前降支(LAD)：θLi≤0∩θLi＝θmin，此时θLi∈A1，其中θmin为θLi中的最小值。
所得LAD球空间中值角度的具体值为αLAD。
查找LAD所在路径PLAD，查找PLAD路径中的最长路径PLAD1和路径上的边PLLAD1，并将PLAD1最末端叶节点所连最长游离边置于PLLAD1末尾。查找PLAD1上第一个分叉节点NLAD1。则各节段：
前降支近段(pLAD)：节点NL到节点NLAD1的边。
前降支中段(mLAD)：节点NLAD1到节点NmLAD的边，其中NmLAD为PLLAD1除去pLAD后的中点(不一定为步骤2所得三维树形结构中的节点)。计算该节段相对于节点NLAD1的球空间中值角度αmLAD。
前降支远段(dLAD)：节点NmLAD到PLLAD1结束的边。
查找步骤5(2)所得球空间中值角度中节点NLAD1所连的非PLLAD1上的边的中值角度θLAD1i，i＝1,2,3,…,n1，其中n1为与节点NLAD1相连接的非PLLAD1上的边的数目。则分支：
第一对角支(D1)：θLAD1i≤0∩θLAD1i>αLAD，此时区域范围有θLAD1i∈A1。
查找PLAD1上第二个分叉节点NLAD2，查找步骤5b所得球空间中值角度中节点NLAD2所连的非PLLAD1上的边的中值角度θLAD2i，i＝1,2,3,…,n2，其中n2为与节点NLAD2相连接的非PLLAD1上的边的数目。
若上述D1未识别出，则分支：
D1：θLAD2i≤0∩θLAD2i>αLAD，此时区域范围有θLAD2i∈A1。
若上述D1已识别出，则分支：
第二对角支(D2)：θLAD2i≤0∩θLAD2i>αmLAD，此时区域范围有θLAD2i∈A1。
采用上述方法，在PLAD1分叉节点上依次进行识别直到D1、D2均识别出。若PLAD1分叉节点较少，则记录能识别出的D1、D2。
c)左旋支(LCx)：θLi≤0∩θLi＝θ-max，此时θLi∈A2，其中θ-max为θLi中非正值
的最大值。所得LCx球空间中值角度的具体值为αLCx。
查找LCx所在路径PLCx，查找PLCx路径中的最长路径PLCx1和路径上的边PLLCx1，并将PLCx1最末端叶节点所连最长游离边置于PLLCx1末尾。查找PLCx1上第一个分叉节点，若该分叉节点到节点NL的边的长度不大于阈值T(参考值80)，则该节点为NLCx1。查找步骤5(2)所得球空间中值角度中节点NLCx1所连各边的中值角度θLCx1i，i＝1,2,3,…,n，其中n为与节点NLCx1相连接的边的数目。则分支：
旋支近段(pCx)：节点NL到节点NLCx1的边。
旋支中远段(LCx)：θLCx1i≥αLCx∩ELCx1i∈PLLCx1，此时区域范围有θLCx1i∈A3。
第一钝缘支(OM1)：此时区域范围有θLCx1i∈A2，其中ELCx1i为θLCx1i所在的边。
若PLCx1存在第二个分叉节点到节点NL的边的长度不大于阈值T(参考值80)，则该节点为第二钝缘支的起始节点NOM2。则分支：
第二钝缘支(OM2)：节点NOM2发出的非PLLCx1上的边。
若PLCx1后续分叉节点到节点NL的边的长度大于阈值T(参考值80)，则该节点为NLCx2。查找步骤5(2)所得球空间中值角度中节点NLCx2所连各边的中值角度θLCx2i，i＝1,2,3,…,n2，其中n2为与节点NLCx2相连接的边的数目。则分支：
旋支起源后降支(L-PDA)：θLCx2i≤0，此时区域范围有θLCx2i∈(A1∪A2)。
旋支起源后侧支(L-PLB)：θLCx2i>0，此时区域范围有θLCx2i∈(A3∪A4)。
若PLCx1上第一个分叉节点到节点NL的边的长度大于阈值T(参考值80)，则该节点为NLCx2。查找步骤5(2)所得球空间中值角度中节点NLCx2所连各边的中值角度θLCx2i，i＝1,2,3,…,n2，其中n2为与节点NLCx2相连接的边的数目。则分支：
L-PDA：θLCx2i≤0，此时区域范围有θLCx2i∈(A1∪A2)。
L-PLB：θLCx2i>0，此时区域范围有θLCx2i∈(A3∪A4)。
pCx与LCx：节点NL到节点NLCx2的边。
以节点NL为球心，计算节点NL到节点NLCx2的边上所有点的球坐标，得到该边上各点按连接顺序的方位角数组θ2i和半径数组r2i，i＝1,2,3,…,n，其中n为该边上点的总数目。则分段：
pCx：节点NL到节点的边，其中为r2i×sin(θ2i)中最小值所在的点(不一定为步骤2所得三维树形结构中的节点)。
LCx：节点到节点NLCx2的边。
d)中间支(RI)：θLi＝θLn，此时θLi∈(A1∪A2)。
若RI是游离边，则所定义游离边即为RI。若RI不是游离边，其下所有分支均记入RI。
所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，所述步骤6具体执行以下步骤：
(1)计算三维树形结构右冠状动脉的游离边和叶节点，并计算节点NR到右冠状动脉所有叶节点的最短路径节点和路径上的边。方法与步骤5(1)相同。
(2)计算步骤6(1)所得所有游离边、路径上的边相对于其连接的起始节点的球空间中值角度。方法与步骤5(2)相同。
(3)右冠状动脉的具体分段：
a)查找步骤6(1)所得路径中的最长路径PRCA和路径上的边PLRCA，并将PRCA最末端叶节点所连最长游离边置于PLRCA末尾。以节点NR为球心，计算PLRCA上所有点的球坐标，得到PLRCA上各点按连接顺序的方位角数组θRi和半径数组rRi，i＝1,2,3,…,n，其中n为PLRCA上点的总数目。则分段：
右冠近段(pRCA)：节点NR到节点NmRCA的边。
右冠中段(mRCA)：节点NmRCA到节点的边。其中为rRi×cos(θRi)中最小值所在的点(不一定为步骤2所得三维树形结构中的节点)且区域范围内NmRCA为节点NR到节点的边的中点。
b)若右冠没有分支节点，或右冠主干上存在分支节点，且分叉节点到节点NR的边的长度不大于阈值T2(参考值200)，则分段：
右冠远段(dRCA)：节点到节点的边，其中为rRi×cos(θRi)中最大值所在的点(不一定为步骤2所得三维树形结构中的节点)且区域范围内
右冠起源后降支(R-PDA)：节点到PLRCA结束的边。若为PLRCA结束的点，则R-PDA不存在。
c)若右冠主干上存在分支节点，且分叉节点到节点NR的边的长度大于阈值T2(参考值200)，则该节点为NRCA1。查找步骤6(2)所得球空间中值角度中节点NRCA1所连的非PLRCA上的边的中值角度θRCAi，i＝1,2,3,…,n，其中n为与节点NRCA1相连接的非PLRCA上的边的数目。则分段：
dRCA：节点到节点NRCA1的边。
R-PDA：θRCAi≤-90，此时区域范围有θRCAi∈A1。
右冠起源后侧支(R-PLB)：-90<θRCAi≤0，此时区域范围有θRCAi∈A2。
附图说明
图1为本发明方法的实施流程图；
图2为将笛卡尔坐标转换为球坐标的方法示意图；
图3为左冠状动脉主要分支的分段流程图；
图4为左冠状动脉前降支(LAD)的具体分段流程图；
图5为左冠状动脉旋支(LCx)的具体分段流程图；
图6为右冠状动脉的分段流程图。
具体实施方式
按照“2014年SCCT指南”中提出的18分段标准对冠状动脉进行解剖学命名，冠状动脉18节段的名称及其对应的解剖描述如下表：
基于球空间划分的冠状动脉自动分段与解剖学标记方法，该方法实施流程图如图1，具体实施流程如下：
步骤1、图像预处理：获得冠状动脉分割图像及中心线；
步骤2、剪枝操作；
步骤3、球心及球空间的定义；
步骤4、左、右冠状动脉的划分规则；
步骤5、左冠状动脉解剖学命名算法；
步骤6、右冠状动脉解剖学命名算法。
所述步骤1获得冠状动脉分割图像及中心线，具体方法如下：
首先从原始心脏连续断层影像中分割出冠状动脉，并采用形态学操作和离散傅里叶变换等方法对血管边缘进行平滑处理。接着通过一组3×3×3的匹配模板对提取出的冠状动脉血管树进行细化和单体素化，通过分析体素点的邻接关系对分叉点进行标记，提取出符合血管树实际情况的冠状动脉中心线(也称血管骨架)。然后在此基础上遍历血管骨架，同时构造多叉树，得到血管骨架拓扑结构的图表示，即将血管骨架转换为由邻接矩阵、节点和边来描述的三维树形结构。
其中节点和边的定义如下：
叶节点：只和一个节点相连接的节点；
连接节点：和两个节点相连接的节点；
分叉节点：和两个以上节点相连接的节点；
游离边：只有一端和节点相连接的边；
连接边：两端都和节点相连接的边。
所述步骤2剪枝操作，具体方法步骤如下：
步骤2a、判断步骤1所得血管骨架的连通情况。若血管骨架连通块的数目大于2，则保留含有体素数目最大的两个连通块，其他连通块全部置零。所保留的两个连通块即是左、右冠状动脉血管骨架。
步骤2b、计算三维树形结构的游离边，并将步骤2a所得血管骨架中长度小于T的游离边置零(T的取值取决于想保留树枝细节的程度，在18节段命名方式中T可取值为15)。此处应注意游离边置零后需将该游离边所连接的节点重新置一，以避免血管骨架不连续。
步骤2c、与步骤1采用相同方法，将上述处理后的血管骨架重新转换为三维树形结构。
所述步骤3球心及球空间的定义，具体方法步骤如下：
步骤3a、以确定的某点O(x0,y0,z0)为球心建立球坐标系，将原笛卡尔坐标空间中所有点的坐标值转换为球坐标值，得到球空间。其中将笛卡尔坐标转换为球坐标的方法示意图如图2，空间中任意一点P(x,y,z)的球坐标(θ,r)的计算方法为：
其中θ为方位角，是从以点O为原点的x轴正半轴测得的点P的角位移弧度；
为仰角，是从以点O为原点的X-Y平面测得的点P的角位移弧度；
r为半径，是从点O到点P的距离。
三个参数的取值范围为：方位角θ＝(-π,π]，仰角半径r＝[0,+∞)。
步骤3b、根据方位角θ的取值方位，球空间中方位的定义如下表：
即：以确定的某点O为球心建立球坐标系，空间中任意一点P的球坐标(θ,r)。
当时，视P点位于O点左前侧，即区域A1内；
当时，视P点位于O点左后侧，即区域A2内；
当时，视P点位于O点右后侧，即区域A3内；
当时，视P点位于O点右前侧，即区域A4内。
所述步骤4左、右冠状动脉的划分规则，具体方法步骤如下：
步骤4a、采用步骤3所述方法，以血管骨架上左、右冠状动脉窦口两点的中点为球心建立球坐标系，将步骤2处理后的三维树形结构中各节点的笛卡尔坐标值转换为球坐标值。
步骤4b、分别寻找三维树形结构两个连通块中球坐标值半径最小的节点。
步骤4c、比较步骤4b所得两个节点的方位角。方位角为负的节点，即该节点位于此球空间区域A1或A2，亦即该节点位于球心左侧，其所在的连通块为左冠状动脉；该节点即为左冠状动脉主干与前降支、旋支、中间支(若存在)的分叉节点NL。方位角为正的节点，即该节点位于此球空间区域A3或A4，亦即该节点位于球心右侧，其所在的连通块为右冠状动脉；该节点即为右冠状动脉起始节点NR。
所述步骤5左冠状动脉解剖学命名算法，具体方法步骤如下：
步骤5a、计算三维树形结构左冠状动脉的游离边和叶节点，并计算节点NL到左冠状动脉所有叶节点的最短路径节点和路径上的边。
其中最短路径节点的计算，使用Dijkstra算法；路径上的边，通过计算路径相邻两节点共有的边得到。路径上的边一定为连接边，且所有路径上的边与所有连接边等同。
步骤5b、计算步骤5a所得所有游离边、路径上的边相对于其连接的起始节点的球空间中值角度。
其中某边的球空间中值角度的计算方法为：在以某边连接的起始节点(近心端的节点)为球心建立的球坐标系下，计算边上各点的球坐标值并将方位角弧度值转换为角度值，再将这组各点方位角角度值取中值即为该边的球空间中值角度。即，某边的球空间中值角度实质上是该边的大致方位角。其中取中值的方法为：对于项数为n的数组x1,x2,...,xn，将其进行升序排序得到x(1),x(2),...,x(n)；若n为奇数，则数组的中值为若n为偶数，则数组的中值为
步骤5c、左冠状动脉主要分支的分段。流程图如图3。
由解剖学先验知识可知，横断面上相对于节点NL，左主干(LM)自右侧走形、左前降支(LAD)向左前侧走形、左旋支(LCx)向左后侧走形、中间支(RI)走形于LAD与LCx之间。
查找步骤5b所得球空间中值角度中节点NL所连各边(包括游离边和路径上的边)的中值角度θLi，i＝1,2,3,…,n，其中n为与节点NL相连接的边的数目。则各分支：
LM：θLi>0，此时区域范围有θLi∈(A3∪A4)。
LAD：θLi≤0∩θLi＝θmin，此时θLi∈A1，其中θmin为θLi中的最小值。所得LAD球空间中值角度的具体值为αLAD。
LCx：θLi≤0∩θLi＝θ-max，此时θLi∈A2，其中θ-max为θLi中非正值的最大值。所得LCx球空间中值角度的具体值为αLCx。
RI：θLi＝θLn，此时θLi∈(A1∪A2)。
步骤5d、LM和RI的处理。
由于LM、RI下没有其他定义分段，若步骤5c中定义的LM、RI是游离边，则所定义游离边即为LM、RI。
若步骤5c中定义的LM、RI不是游离边，则步骤5c中定义的LM，查找其所在路径PLM，查找PLM路径中的最长路径PLM1(若PLM只有一条路径，则PLM1＝PLM)和该路径上的边PLLM1，并将PLM1最末端叶节点所连最长游离边置于PLLM1末尾，所得PLM1和PLLM1所有点即为LM；步骤5c中定义的RI，其下所有分支均记入RI。
步骤5e、LAD的具体分段。流程图如图4。
(1)由“2014年SCCT指南”18分段标准可知，前降支近段(pLAD)为LM末端至第一对角支或第一间隔支分叉节点NLAD1，此分叉节点至心尖部(LAD末端)按长度二等分，依次分为前降支中段(mLAD)和前降支远段(dLAD)。
查找步骤5c中定义的LAD所在路径PLAD，查找PLAD路径中的最长路径PLAD1和路径上的边PLLAD1，并将PLAD1最末端叶节点所连最长游离边置于PLLAD1末尾。查找PLAD1上第一个分叉节点NLAD1。则各节段：
pLAD：节点NL到节点NLAD1的边。
mLAD：节点NLAD1到节点NmLAD的边，其中NmLAD为PLLAD1除去pLAD后的中点(不一定为步骤2所得三维树形结构中的节点)。计算该节段相对于节点NLAD1的球空间中值角度αmLAD。
dLAD：节点NmLAD到PLLAD1结束的边。
(2)由解剖学先验知识可知，横断面上第一对角支(D1)、第二对角支(D2)均走形于LAD左侧。
查找步骤5b所得球空间中值角度中节点NLAD1所连的非PLLAD1上的边的中值角度θLAD1i，i＝1,2,3,…,n1，其中n1为与节点NLAD1相连接的非PLLAD1上的边的数目。则分支：
D1：θLAD1i≤0∩θLAD1i>αLAD，此时区域范围有θLAD1i∈A1。
(3)查找PLAD1上第二个分叉节点NLAD2，查找步骤5b所得球空间中值角度中节点NLAD2所连的非PLLAD1上的边的中值角度θLAD2i，i＝1,2,3,…,n2，其中n2为与节点NLAD2相连接的非PLLAD1上的边的数目。
若上述D1未识别出，则分支：
D1：θLAD2i≤0∩θLAD2i>αLAD，此时区域范围有θLAD2i∈A1。
若上述D1已识别出，则分支：
D2：θLAD2i≤0∩θLAD2i>αmLAD，此时区域范围有θLAD2i∈A1。
(4)采用上述(3)中方法，在PLAD1分叉节点上依次进行识别直到D1、D2均识别出。若PLAD1分叉节点较少，则记录能识别出的D1、D2。
步骤5f、LCx的具体分段。流程图如图5。
(1)由“2014年SCCT指南”18分段标准可知，旋支近段(pCx)为LM末端至第一钝缘支(OM1)分叉节点NLCx1。由解剖学先验知识可知，横断面上相对于分叉节点NLCx1，OM1走形于LCx左侧、旋支中远段(LCx)向右后侧走形；横断面上相对于LCx与旋支起源后降支(L-PDA)的分叉节点NLCx2，L-PDA向左侧走形、旋支起源后侧支(L-PLB)向右侧走形。
查找步骤5c中定义的LCx所在路径PLCx，查找PLCx路径中的最长路径PLCx1和路径上的边PLLCx1，并将PLCx1最末端叶节点所连最长游离边置于PLLCx1末尾。
(2)查找PLCx1上第一个分叉节点，若该分叉节点到节点NL的边的长度不大于阈值T(参考值80)，则该节点为NLCx1。查找步骤5b所得球空间中值角度中节点NLCx1所连各边的中值角度θLCx1i，i＝1,2,3,…,n，其中n为与节点NLCx1相连接的边的数目。则分支：
pCx：节点NL到节点NLCx1的边。
LCx：θLCx1i≥αLCx∩ELCx1i∈PLLCx1，此时区域范围有θLCx1i∈A3。
OM1：此时区域范围有θLCx1i∈A2，其中ELCx1i为θLCx1i所在的边。
(3)若PLCx1存在第二个分叉节点到节点NL的边的长度不大于阈值T(参考值80)，则该节点为第二钝缘支(OM2)的起始节点NOM2。则分支：
OM2：节点NOM2发出的非PLLCx1上的边。
若PLCx1后续分叉节点到节点NL的边的长度大于阈值T(参考值80)，则该节点为NLCx2。查找步骤5b所得球空间中值角度中节点NLCx2所连各边的中值角度θLCx2i，i＝1,2,3,…,n2，其中n2为与节点NLCx2相连接的边的数目。则分支：
L-PDA：θLCx2i≤0，此时区域范围有θLCx2i∈(A1∪A2)。
L-PLB：θLCx2i>0，此时区域范围有θLCx2i∈(A3∪A4)。
(4)若PLCx1上第一个分叉节点到节点NL的边的长度大于阈值T(参考值80)，则该节点为NLCx2。查找步骤5b所得球空间中值角度中节点NLCx2所连各边的中值角度θLCx2i，i＝1,2,3,…,n2，其中n2为与节点NLCx2相连接的边的数目。则分支：
L-PDA：θLCx2i≤0，此时区域范围有θLCx2i∈(A1∪A2)。
L-PLB：θLCx2i>0，此时区域范围有θLCx2i∈(A3∪A4)。
pCx与LCx：节点NL到节点NLCx2的边。
以节点NL为球心，计算节点NL到节点NLCx2的边上所有点的球坐标，得到该边上各点按连接顺序的方位角数组θ2i和半径数组r2i，i＝1,2,3,…,n，其中n为该边上点的总数目。则分段：
pCx：节点NL到节点的边，其中为r2i×sin(θ2i)中最小值所在的点(不一定为步骤2所得三维树形结构中的节点)。
LCx：节点到节点NLCx2的边。
所述步骤6右冠状动脉解剖学命名算法，具体方法步骤如下：
步骤6a、计算三维树形结构右冠状动脉的游离边和叶节点，并计算节点NR到右冠状动脉所有叶节点的最短路径节点和路径上的边。方法与步骤5a相同。
步骤6b、计算步骤6a所得所有游离边、路径上的边相对于其连接的起始节点的球空间中值角度。方法与步骤5b相同。
步骤6c、右冠状动脉的具体分段。流程图如图6。
(1)由“2014年SCCT指南”18分段标准可知，右冠近段(pRCA)为右冠起始至心脏锐缘处的一半，右冠中段(mRCA)为pRCA末端至心脏锐缘，右冠远段(dRCA)为mRCA末端至右冠起源后降支(R-PDA)起始，即dRCA与R-PDA、右冠起源后侧支(R-PLB)的分叉节点NRCA1。由解剖学先验知识可知，横断面上相对于分叉节点NRCA1，R-PDA向左前侧走形、R-PLB向左后侧走形。
查找步骤6a所得路径中的最长路径PRCA和路径上的边PLRCA，并将PRCA最末端叶节点所连最长游离边置于PLRCA末尾。以节点NR为球心，计算PLRCA上所有点的球坐标，得到PLRCA上各点按连接顺序的方位角数组θRi和半径数组rRi，i＝1,2,3,…,n，其中n为PLRCA上点的总数目。则分段：
pRCA：节点NR到节点NmRCA的边。
mRCA：节点NmRCA到节点的边。其中为rRi×cos(θRi)中最小值所在的点(不一定为步骤2所得三维树形结构中的节点)且区域范围内NmRCA为节点NR到节点的边的中点。
(2)若右冠没有分支节点，或右冠主干上存在分支节点，且分叉节点到节点NR的边的长度不大于阈值T2(参考值200)，则分段：
dRCA：节点到节点的边，其中为rRi×cos(θRi)中最大值所在的点(不一定为步骤2所得三维树形结构中的节点)且区域范围内
R-PDA：节点到PLRCA结束的边。若为PLRCA结束的点，则R-PDA不存在。
(3)若右冠主干上存在分支节点，且分叉节点到节点NR的边的长度大于阈值T2(参考值200)，则该节点为NRCA1。查找步骤6b所得球空间中值角度中节点NRCA1所连的非PLRCA上的边的中值角度θRCAi，i＝1,2,3,…,n，其中n为与节点NRCA1相连接的非PLRCA上的边的数目。则分段：
dRCA：节点到节点NRCA1的边。
R-PDA：θRCAi≤-90，此时区域范围有θRCAi∈A1。
R-PLB：-90<θRCAi≤0，此时区域范围有θRCAi∈A2。
本发明的有益效果：
1.本发明对冠状动脉树中各个分支节段的空间几何位置及其毗邻关系在球空间中直接进行定义和划分，有利于准确的对各节段进行解剖学命名标记；解决现有的冠状动脉自动分段与解剖学标记方法计算时间较长，算法复杂度较高，以及无法穷举冠状动脉分布类型导致分支匹配不准确等问题；
2.易于扩展：人体冠脉的个体差异比较大，本发明直接对分布空间定义不需要穷举各种类型，相比于将所提取的血管与先验模型匹配的方法，这种方法的优点在于节省时间、标记准确，且能对更多的节段进行识别和标记；
3.便于规范化影像诊断报告和回归性分析；本发明的方法是对空间冠脉树进行解剖学标记，其标记信息是带有空间三维坐标信息的，同时可与冠脉量化分析信息中其他数值(如，管腔半径，斑块体积，钙化和非钙化的比例等)的空间坐标结合起来，集成在数据结构中的，在医生出诊断报告时，可以直接提取CCTA指南规定参数出诊断报告，不仅仅规范了报告，同时便于局部病灶诊断数据的回顾性分析；
4.有利于动态量化评估：可根据解剖标记对PCI手术后支架植入部分进行聚焦，结合动态影像技术，可评估术后相应节段的血流畅通情况及其在心脏周期性运动中的适应，可对术后再狭窄等情况进行定期的无创监测。应当理解的是，本方法在具体应用中并不局限于“2014年SCCT指南”中提出的18分段标准，凡涉及三维冠状动脉模型解剖学自动分段和解剖学命名的应用，本发明均适用。本方法在具体应用中并不局限于CTA这种图像数据类型，凡涉及连续断层的图像该方法均适用。对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (4)

1.一种基于球空间划分的冠状动脉自动分段与解剖学标记方法，其特征在于，包括以下步骤：
步骤1、执行图像预处理：获得冠状动脉分割图像及中心线；
步骤2、执行剪枝操作；
步骤3、执行球心及球空间的定义；
步骤4、执行左、右冠状动脉的划分规则；
步骤5、执行左冠状动脉解剖学命名算法；
步骤6、执行右冠状动脉解剖学命名算法；
以血管分叉点为球心建立球坐标系，根据冠状动脉各分支节段的解剖学走形和相互之间的几何结构关系，在球空间中对血管进行定位剖分；
所述步骤3具体执行以下步骤：
(1)以确定的某点O(x0,y0,z0)为球心建立球坐标系，将原笛卡尔坐标空间中所有点的坐标值转换为球坐标值，得到球空间，空间中任意一点P(x,y,z)的球坐标的计算方法为：
其中θ为方位角，是从以点O为原点的x轴正半轴测得的点P的角位移弧度；
为仰角，是从以点O为原点的X-Y平面测得的点P的角位移弧度；
r为半径，是从点O到点P的距离，
三个参数的取值范围为：方位角θ＝(-π，π]，仰角半径r＝[0，+∞)，
(2)根据方位角θ的取值方位，球空间中方位的定义如下表：
即：以确定的某点O为球心建立球坐标系，空间中任意一点P的球坐标
当时，视P点位于O点左前侧，即区域A1内；
当时，视P点位于O点左后侧，即区域A2内；
当时，视P点位于O点右后侧，即区域A3内；
当时，视P点位于O点右前侧，即区域A4内。
2.根据权利要求1所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，其特征在于，所述步骤1具体执行以下步骤：
从原始心脏连续断层影像中分割出冠状动脉，再对分割图像进行血管中心线或血管骨架提取；将上述血管骨架转换为由邻接矩阵、节点和边来描述的三维树形结构。
3.根据权利要求1所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，其特征在于，所述步骤2具体执行以下步骤：
保留血管骨架中含有体素数目最大的两个连通块，并将血管骨架中长度小于T的游离边剪枝置零，再将所得血管骨架转换为由邻接矩阵、节点和边来描述的三维树形结构。
4.根据权利要求1所述基于球空间划分的冠状动脉自动分段与解剖学标记方法，其特征在于，所述步骤4具体执行以下步骤：
根据左、右冠状动脉窦口两点的坐标，识别三维树形结构中左、右冠状动脉连通块，左冠状动脉主干与前降支、旋支、中间支的分叉节点NL和右冠状动脉起始节点NR。
CN201610362810.0A 2016-05-27 2016-05-27 基于球空间划分的冠状动脉自动分段与解剖学标记方法 Active CN106097298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610362810.0A CN106097298B (zh) 2016-05-27 2016-05-27 基于球空间划分的冠状动脉自动分段与解剖学标记方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610362810.0A CN106097298B (zh) 2016-05-27 2016-05-27 基于球空间划分的冠状动脉自动分段与解剖学标记方法

Publications (2)

Publication Number Publication Date
CN106097298A CN106097298A (zh) 2016-11-09
CN106097298B true CN106097298B (zh) 2019-08-20

Family

ID=57229791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610362810.0A Active CN106097298B (zh) 2016-05-27 2016-05-27 基于球空间划分的冠状动脉自动分段与解剖学标记方法

Country Status (1)

Country Link
CN (1) CN106097298B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107945169B (zh) * 2017-12-01 2022-02-15 中国人民解放军第三军医大学 一种冠状动脉影像分析方法
CN108389193B (zh) * 2018-02-12 2021-03-16 中国人民解放军第三军医大学 一种颈动脉支架后三维体素模型分析方法及系统
CN108765363B (zh) * 2018-03-24 2021-06-25 语坤（北京）网络科技有限公司 一种基于人工智能的冠脉cta自动后处理系统
CN108717695B (zh) * 2018-04-25 2021-07-13 数坤(北京)网络科技股份有限公司 心脏冠脉血管自动分段命名方法
CN109087352B (zh) * 2018-08-16 2021-07-13 数坤(北京)网络科技股份有限公司 一种心脏冠脉优势型自动判别方法
CN109545334B (zh) * 2018-11-19 2021-09-28 深圳开立生物医疗科技股份有限公司 一种图像标记方法及装置
CN111178420B (zh) * 2019-12-24 2024-01-09 北京理工大学 一种二维造影图像上冠脉段标注方法及系统
CN111145160B (zh) * 2019-12-28 2023-06-30 上海联影医疗科技股份有限公司 钙化区域所处冠脉分支的确定方法、装置、服务器及介质
CN112561884A (zh) * 2020-02-24 2021-03-26 广州柏视医疗科技有限公司 肺气管和血管的分段命名系统
CN111445449B (zh) * 2020-03-19 2024-03-01 上海联影智能医疗科技有限公司 感兴趣区域的分类方法、装置、计算机设备和存储介质
CN111932497B (zh) * 2020-06-30 2021-02-09 数坤（北京）网络科技有限公司 一种冠状动脉识别方法及装置
CN112790741B (zh) * 2021-01-27 2021-12-28 复旦大学 脑血管形态特征定量分析方法
CN113011510B (zh) * 2021-03-25 2021-12-24 推想医疗科技股份有限公司 一种支气管分级及模型训练方法、装置及电子设备
CN115760961B (zh) * 2021-09-01 2023-08-29 数坤(北京)网络科技股份有限公司 血管图像处理方法、装置、服务器及后处理图像生成系统
CN115953495B (zh) * 2023-03-14 2023-08-01 北京唯迈医疗设备有限公司 基于二维造影图像的智能路径规划装置、系统和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7447535B2 (en) * 2003-08-04 2008-11-04 Koninklijke Philips Electronics N.V. Mapping the coronary arteries on a sphere
CN102693540A (zh) * 2012-04-24 2012-09-26 深圳市旭东数字医学影像技术有限公司 一种肝脏分段的方法及其系统
CN104867147A (zh) * 2015-05-21 2015-08-26 北京工业大学 基于冠状动脉造影图像分割的syntax自动评分方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9679389B2 (en) * 2009-05-19 2017-06-13 Algotec Systems Ltd. Method and system for blood vessel segmentation and classification
US9129417B2 (en) * 2012-02-21 2015-09-08 Siemens Aktiengesellschaft Method and system for coronary artery centerline extraction
CN105118056B (zh) * 2015-08-13 2017-11-17 重庆大学 基于三维形态学的冠脉血管自动提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7447535B2 (en) * 2003-08-04 2008-11-04 Koninklijke Philips Electronics N.V. Mapping the coronary arteries on a sphere
CN102693540A (zh) * 2012-04-24 2012-09-26 深圳市旭东数字医学影像技术有限公司 一种肝脏分段的方法及其系统
CN104867147A (zh) * 2015-05-21 2015-08-26 北京工业大学 基于冠状动脉造影图像分割的syntax自动评分方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SCCT guidelines for the interpretation and reporting of coronary computed tomographic angiography;Gilbert L. Raff, MD等;《Journal of Cardiovascular Computed Tomography》;20091231;第122-136页
基于中国可视化人体数据集和双源CT数据集的心脏三维可视化模型;钟春燕等;《中国医学影像技术》;20111231;第27卷(第10期);第2127-2130页

Also Published As

Publication number Publication date
CN106097298A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106097298B (zh) 基于球空间划分的冠状动脉自动分段与解剖学标记方法
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
Tobon-Gomez et al. Benchmark for algorithms segmenting the left atrium from 3D CT and MRI datasets
Cousty et al. Segmentation of 4D cardiac MRI: Automated method based on spatio-temporal watershed cuts
US7693563B2 (en) Method for image processing and contour assessment of the heart
CN111612743B (zh) 一种基于ct图像的冠状动脉中心线提取方法
CN103294883B (zh) 用于针对经导管主动脉瓣植入进行介入规划的方法和系统
US20070014452A1 (en) Method and system for image processing and assessment of a state of a heart
CN103337096B (zh) 一种冠状动脉ct造影图像钙化点检测方法
CN107945169B (zh) 一种冠状动脉影像分析方法
CN110570424B (zh) 一种基于cta动态影像的主动脉瓣半自动分割方法
CN104091346A (zh) 一种全自动ct图像冠状动脉钙化分数计算方法
CN112862833A (zh) 血管分段方法、电子装置和存储介质
Mountney et al. A planning and guidance platform for cardiac resynchronization therapy
Yoon et al. Topological recovery for non-rigid 2D/3D registration of coronary artery models
CN110111354A (zh) 肝脏医学图像动脉区域分割方法及系统
Smith et al. Automated torso contour extraction from clinical cardiac MR slices for 3D torso reconstruction
CN114159083B (zh) 一种基于深度树模型的冠状动脉自动解剖标注方法及系统
Tobon-Gomez et al. Left atrial segmentation challenge: a unified benchmarking framework
O’Donnell et al. Comprehensive cardiovascular image analysis using MR and CT at Siemens Corporate Research
CN110858412A (zh) 基于图像配准的心脏冠脉cta模型建立方法
Bernard et al. Measurement and quantification
Gao et al. Morphological analysis of the papillary muscles and the trabeculae
Zrira et al. Automatic and Fast Whole Heart Segmentation for 3D Reconstruction
He et al. Automated plaque and stenosis characterization using attention-based deep learning network on coronary CT angiography images

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