CN106169190A - 一种冠状动脉的分层显示方法 - Google Patents
一种冠状动脉的分层显示方法 Download PDFInfo
- Publication number
- CN106169190A CN106169190A CN201610517912.5A CN201610517912A CN106169190A CN 106169190 A CN106169190 A CN 106169190A CN 201610517912 A CN201610517912 A CN 201610517912A CN 106169190 A CN106169190 A CN 106169190A
- Authority
- CN
- China
- Prior art keywords
- arteria coronaria
- section
- coronarius
- image
- layering manifestation
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/404—Angiography
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种冠状动脉的分层显示方法,属于医学图像处理和应用领域。该方法首先读取冠状动脉的原始图像;然后对读取的冠状动脉图像进行曲面重建;利用水平集方法来提取冠状动脉,将每一层提取的冠脉进行叠加,实现冠脉的分层显示;本发明简单实用,可以较快速、准确的提取出冠脉,可用于冠脉诊断的辅助手段。冠脉等血管形态细小,形状复杂,而且容易发生变形,不容易处理。本发明把弯曲的冠脉,通过曲面重建的方法拉直展开,解决了血管难以处理的问题。而且传统的冠脉提取,需要先提取出中心线,复杂度高,计算量大,本发明将所得的切片的中心作为水平集方法的种子点,可以实现冠脉的自动提取。
Description
技术领域
本发明属于医学图像处理和应用领域,特别涉及一种冠状动脉的分层显示方法。
背景技术
心血管疾病严重威胁人类的健康,其中以冠状动脉性心脏病(冠心病)最为常见。因此对心血管疾病的诊断具有十分重要的作用。我们知道心血管疾病是由于心脏及血管病变而引起的一系列疾病,其起因主要是心脏的冠状动脉血管硬化,心肌没有办法得到足够的血液和氧气的供应。如果冠脉硬化到一定程度,血管上的沉积物加上粘稠的血液,可能会造成不同程度的血液黏块进入血液循环,血液黏块会堵塞血管形成血栓。
对心血管疾病的诊断以及是否需要进行手术介入治疗常常是依据病变血管的狭窄程度,因此需要对血管的直径、长度等进行定量分析。传统的诊断方法是医生用眼睛直接观察患者拍摄的图像,根据实际的经验对患者的病情进行判断。这种诊断方法受人为因素影响比较大,缺乏准确性和客观性。公开号为CN103914814A、名称为“一种CT冠脉图像与XA造影图像的图像融合方法及系统”的发明专利公开了一种CT冠脉图像与XA造影图像的图像融合方法及系统,其不足之处在于得到的是二维的CT冠脉图像,不利于观察和交互。
发明内容
本发明目的在于提出一种冠状动脉的分层显示方法,通过对弯曲的冠状动脉进行曲面重建,然后再对重建后的图像应用水平集方法来提取出冠脉,以达到冠脉的分层显示效果。该方法能够很好的显示冠脉,可用于对心血管疾病的诊断手段。
为了实现上述目的,本发明的技术方案是一种冠状动脉的分层显示方法,包括如下步骤:
步骤A、读取冠状动脉的原始图像;
步骤B、对获得的冠状动脉图像进行曲面重建;
步骤C、利用水平集方法来提取冠状动脉,将每一层提取的冠脉进行叠加,实现冠脉的分层显示效果。
优选地,上述步骤A中的原始图像是三维CT图像。
优选地,上述步骤A中,如果读取的原始图像是冠脉的一系列二维CT切片,那么首先需要对这些二维CT切片进行叠加,获得三维的CT图像后再处理。
进一步,上述步骤B中包括如下步骤:
步骤B-1,沿着冠状动脉延伸方向,依次给出冠状动脉上的N个点,利用重采样滤波器对冠脉进行N次重采样滤波,得到N个大小为M*M*1的切片;
步骤B-2,创建一个大小为M*M*N的图像空间,把步骤B-1所得的切片依次地叠放在图像空间上,原本弯曲的冠脉,可以得到拉直展开的冠脉图像。
进一步,上述步骤C中包括如下步骤:
步骤C-1,步骤B得到的切片,作为步骤C-1的输入图像,然后对步骤B中的每一层切片使用水平集方法来提取冠脉轮廓;
步骤C-2,对切片使用水平集方法提取冠脉轮廓前,先进行图像的预处理,首先,使用一个边缘保护滤波器对输入切片进行平滑;然后计算它的梯度值并传递给一个Sigmoid滤波器,Sigmoid滤波器通常作为一个亮度变换使用,它通过在亮度值的一个特定范围的边界的一个非常平滑连续的转变将这个范围映射到一个新的亮度范围,可以提供一个很好的速率图像形状;
步骤C-3,把切片的中心点作为水平集方法的种子点,提取出切片上的冠脉轮廓,把提取出来的冠脉轮廓,依次地叠放在大小为M*M*N的图像空间上,实现冠脉的分层显示效果。
作为优选,上述N是正整数,取值范围是600-700;M是个正整数,取值范围是80-120。
与现有技术相比,本发明能够取得以下有益效果:与传统的冠脉提取和显示方法比较,本发明简单实用,可以较快速、准确的提取出冠脉,可用于冠脉诊断的辅助手段。冠脉等血管形态细小,形状复杂,而且容易发生变形,不容易处理。本发明把弯曲的冠脉,通过曲面重建的方法拉直展开,解决了血管难以处理的问题。而且传统的冠脉提取,需要先提取出中心线,复杂度高,计算量大,本发明将所得的切片的中心作为水平集方法的种子点,可以实现冠脉的自动提取。
附图说明
图1为本发明的冠状动脉的分层显示方法的流程图。
具体实施方式
现结合附图对本发明的具体实施方式作进一步的详细说明。
本发明的实施示意图如图1所示,以下为一个具体的实施例,其具体步骤依次为:
步骤A:读取所需要处理的冠状动脉的原始图像;
需要读取的原始图像是冠状动脉的三维CT图像。如果原始图像是一系列二维的冠脉CT切片图像,那么需要先对这些二维的CT切片进行叠加,得到一个三维的冠脉图像。
步骤B:对获得的冠状动脉进行曲面重建;
冠状动脉具有管状的弯曲结构,形状复杂,易发生变形,而且会与其他血管发生缠绕,这些因素都不利于处理。本发明使用曲面重建的方法,将弯曲的管状结构拉直展开,具体步骤如下:沿着冠状动脉的延伸方向,选取冠状动脉上N个点。然后使用重采样滤波器,对输入的冠脉图像进行N次重采样,得到N个大小为M*M*1且法线方向与冠脉径向一致的切片。其中,N是正整数,取值范围是600-700,最佳值为650,即利用重采样滤波器对冠脉进行N次重采样滤波,得到N个大小为M*M*1的切片,M是个正整数,取值范围是80-120,最佳值为100。
具体步骤如下:
B-1:把冠脉上的N个点依次标注为P0,1,…Pi,…PN-1,根据Pi的坐标来确定Pi点所在切片的方向。定义一个常量向量tangential=(P2[0]-P0[0],2[1]-P0[1],2[2]-P0[2]),当定义fore=min(i+1,N-1),back=max(i-1,0),tangential1=Pfore[0]-Pback[0],fore[1]-Pback[1],fore[1]-Pback[1],利用向量tangential和tangential1的叉乘来确定切片的方向;
B-2:设置Pi点所在切片的尺寸大小为M*M*1,确定切片的起始点和像素间距,通过重采样滤波器可以得到N个大小为M*M*1且法向与冠脉径向一致的切片。
步骤C、使用水平集方法对步骤B获得的切片图像提取冠状动脉;
水平集是跟踪轮廓和表面运动的一种数字化方法。不直接对轮廓进行操作,而是将轮廓设置成一个高维函数的零水平集,这个高维函数叫做水平集函数:Ψ(X,t)。然后水平集函数运动成为一个微分方程。在任何时候,通过从输出中提取零水平集Γ((X),t)=Ψ(X,t)=0}来得到运动的轮廓。
通过使用基于图像的诸如亮度均值、梯度和边缘之类的特征的微分方程的解答,水平集就可以用来对图像进行分割。每个滤波器使用一个普通的水平集等式来计算偏微分方程的解Ψ的更新。
其中A是一个水平对流系数,P是一个传播(膨胀)系数,Z是一个曲率均值的空间调节器系数。常数α、β和γ是每个系数在界面运作上相关影响的权值。
在对切片图像用水平集方法处理前,先使用一个边缘保护滤波器对输入图像进行平滑;然后计算它的梯度值并传递给一个Sigmoid滤波器。Sigmoid滤波器通常作为一个亮度变换使用,它通过在亮度值的一个特定范围的边界的一个非常平滑连续的转变将这个范围映射到一个新的亮度范围,是广泛使用Sigmoid来作为关注值的一个设置并逐渐削弱范围之外的值的一个机制。为了扩Sigmoid滤波器的机动性,使用四个参数通过选择它的输入、输出亮度范围来调节它的执行。接下来的方程表达了Sigmoid亮度变换:
在上面的方程中,I是输入像素的亮度,I′是输出像素的亮度,Min、Max是输出图像的最小值和最大值,α定义了输入亮度范围的宽度,β定义了围绕在范围中心的亮度。
水平集方法的使用需要用户给定一个轮廓扩张的种子点,一般需要手动的设置这个种子点,本发明利用切片的中心点作为种子点,可以实现种子点的自动设置,达到自动提取冠脉的目的,可以快速方便的提取出冠脉。最后把提取出的冠脉,依次的叠放在一个大小为M*M*N的图像空间里,实现冠脉的分层显示效果。
Claims (6)
1.一种冠状动脉的分层显示方法,其特征在于,包括如下步骤:
步骤A、读取冠状动脉的原始图像;
步骤B、对获得的冠状动脉图像进行曲面重建;
步骤C、利用水平集方法来提取冠状动脉,将每一层提取的冠脉进行叠加,实现冠脉的分层显示效果。
2.根据权利要求1所述的一种冠状动脉的分层显示方法,其特征在于,所述步骤A中的原始图像是三维CT图像。
3.根据权利要求1所述的一种冠状动脉的分层显示方法,其特征在于,所述步骤A中,如果读取的原始图像是冠脉的一系列二维CT切片,那么首先需要对这些二维CT切片进行叠加,获得三维的CT图像后再处理。
4.根据权利要求1所述的一种冠状动脉的分层显示方法,其特征在于,所述步骤B中包括如下步骤:
步骤B-1,沿着冠状动脉延伸方向,依次给出冠状动脉上的N个点,利用重采样滤波器对冠脉进行N次重采样滤波,得到N个大小为M*M*1的切片;
步骤B-2,创建一个大小为M*M*N的图像空间,把步骤B-1所得的切片依次地叠放在图像空间上,原本弯曲的冠脉,可以得到拉直展开的冠脉图像。
5.根据权利要求1所述的一种冠状动脉的分层显示方法,其特征在于,所述步骤C中包括如下步骤:
步骤C-1,步骤B得到的切片,作为步骤C-1的输入图像,然后对步骤B中的每一层切片使用水平集方法来提取冠脉轮廓;
步骤C-2,对切片使用水平集方法提取冠脉轮廓前,先进行图像的预处理,首先,使用一个边缘保护滤波器对输入切片进行平滑;然后计算它的梯度值并传递给一个Sigmoid滤波器,Sigmoid滤波器通常作为一个亮度变换使用,它通过在亮度值的一个特定范围的边界的一个非常平滑连续的转变将这个范围映射到一个新的亮度范围,可以提供一个很好的速率图像形状;
步骤C-3,把切片的中心点作为水平集方法的种子点,提取出切片上的冠脉轮廓,把提取出来的冠脉轮廓,依次地叠放在大小为M*M*N的图像空间上,实现冠脉的分层显示效果。
6.根据权利要求4或5所述的一种冠状动脉的分层显示方法,其特征在于,其中的N和M都是正整数,取值范围分别为600-700,80-120。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610517912.5A CN106169190A (zh) | 2016-07-01 | 2016-07-01 | 一种冠状动脉的分层显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610517912.5A CN106169190A (zh) | 2016-07-01 | 2016-07-01 | 一种冠状动脉的分层显示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106169190A true CN106169190A (zh) | 2016-11-30 |
Family
ID=58064611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610517912.5A Pending CN106169190A (zh) | 2016-07-01 | 2016-07-01 | 一种冠状动脉的分层显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106169190A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171698A (zh) * | 2018-02-12 | 2018-06-15 | 数坤(北京)网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
CN108257196A (zh) * | 2018-01-11 | 2018-07-06 | 苏州润心医疗器械有限公司 | 一种基于心脏ct图像的血管拉直重建方法 |
CN111243082A (zh) * | 2020-01-08 | 2020-06-05 | 浙江大学 | 获得数字影像重建图像的方法、系统、装置及存储介质 |
CN112614217A (zh) * | 2020-12-17 | 2021-04-06 | 深圳睿心智能医疗科技有限公司 | 管状物三维模型的拉直方法、装置及电子设备 |
WO2022141373A1 (zh) * | 2020-12-31 | 2022-07-07 | 西安大医集团股份有限公司 | 医学图像的处理方法、装置、计算机设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393644A (zh) * | 2008-08-15 | 2009-03-25 | 华中科技大学 | 一种肝门静脉血管树建模方法及其系统 |
CN101536042A (zh) * | 2006-11-20 | 2009-09-16 | 皇家飞利浦电子股份有限公司 | 对解剖学树结构进行显示 |
US20100027862A1 (en) * | 2008-08-04 | 2010-02-04 | Siemens Aktiengesellschaft | System and method for image processing |
CN101763644A (zh) * | 2010-03-10 | 2010-06-30 | 华中科技大学 | 肺结节三维分割与特征提取方法及系统 |
CN102243759A (zh) * | 2010-05-10 | 2011-11-16 | 东北大学 | 一种基于几何形变模型的三维肺血管图像分割方法 |
CN102473303A (zh) * | 2009-08-12 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 生成对象数据 |
CN104166978A (zh) * | 2013-12-27 | 2014-11-26 | 上海联影医疗科技有限公司 | 一种血管提取方法 |
CN104182956A (zh) * | 2013-05-21 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种血管提取方法 |
CN104933756A (zh) * | 2014-03-21 | 2015-09-23 | 北京冠生云医疗技术有限公司 | 三维冠状动脉分析模型的构建方法和系统 |
-
2016
- 2016-07-01 CN CN201610517912.5A patent/CN106169190A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101536042A (zh) * | 2006-11-20 | 2009-09-16 | 皇家飞利浦电子股份有限公司 | 对解剖学树结构进行显示 |
US20100027862A1 (en) * | 2008-08-04 | 2010-02-04 | Siemens Aktiengesellschaft | System and method for image processing |
CN101393644A (zh) * | 2008-08-15 | 2009-03-25 | 华中科技大学 | 一种肝门静脉血管树建模方法及其系统 |
CN102473303A (zh) * | 2009-08-12 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 生成对象数据 |
CN101763644A (zh) * | 2010-03-10 | 2010-06-30 | 华中科技大学 | 肺结节三维分割与特征提取方法及系统 |
CN102243759A (zh) * | 2010-05-10 | 2011-11-16 | 东北大学 | 一种基于几何形变模型的三维肺血管图像分割方法 |
CN104182956A (zh) * | 2013-05-21 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种血管提取方法 |
CN104166978A (zh) * | 2013-12-27 | 2014-11-26 | 上海联影医疗科技有限公司 | 一种血管提取方法 |
CN104933756A (zh) * | 2014-03-21 | 2015-09-23 | 北京冠生云医疗技术有限公司 | 三维冠状动脉分析模型的构建方法和系统 |
Non-Patent Citations (5)
Title |
---|
GUANGLEI XIONG 等: "Comprehensive Modeling and Visualization of Cardiac Anatomy and Physiology from CT Imaging and Computer Simulations", 《IEEE TRANS VIS COMPUT GRAPH》 * |
HAOYIN ZHOU 等: "Implicit Tubular Surface Generation Guided by Centerline", 《CVPR》 * |
孙浩 等: "CT图像中的主动脉分割方法", 《现代科学仪器》 * |
肖若秀 等: "应用于医学三维影像的血管结构自动提取", 《光学 精密工程》 * |
陆存波: "基于容积数据的血管提取与重建算法研究", 《电子技术与软件工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257196A (zh) * | 2018-01-11 | 2018-07-06 | 苏州润心医疗器械有限公司 | 一种基于心脏ct图像的血管拉直重建方法 |
CN108171698A (zh) * | 2018-02-12 | 2018-06-15 | 数坤(北京)网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
CN108171698B (zh) * | 2018-02-12 | 2020-06-09 | 数坤(北京)网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
CN111243082A (zh) * | 2020-01-08 | 2020-06-05 | 浙江大学 | 获得数字影像重建图像的方法、系统、装置及存储介质 |
CN112614217A (zh) * | 2020-12-17 | 2021-04-06 | 深圳睿心智能医疗科技有限公司 | 管状物三维模型的拉直方法、装置及电子设备 |
WO2022141373A1 (zh) * | 2020-12-31 | 2022-07-07 | 西安大医集团股份有限公司 | 医学图像的处理方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106169190A (zh) | 一种冠状动脉的分层显示方法 | |
CN109598722B (zh) | 基于递归神经网络的图像分析方法 | |
CN108416821B (zh) | 一种深度神经网络的ct图像超分辨重建方法 | |
CN109003270B (zh) | 一种图像处理方法、电子设备及存储介质 | |
CN108052977A (zh) | 基于轻量级神经网络的乳腺钼靶图像深度学习分类方法 | |
CN108510473A (zh) | 结合深度可分离卷积与通道加权的fcn视网膜图像血管分割 | |
CN108510502A (zh) | 基于深度神经网络的黑色素瘤图片组织分割方法和系统 | |
CN106096632A (zh) | 基于深度学习和mri图像的心室功能指标预测方法 | |
CN103679801B (zh) | 一种基于多视角x光片的心血管三维重建方法 | |
CN107122621A (zh) | 用于患者特异性血流建模的方法和系统 | |
CN109685807A (zh) | 基于深度学习的下肢深静脉血栓自动分割方法及系统 | |
CN109727259A (zh) | 一种基于残差u-net网络的视网膜图像分割算法 | |
CN110163877A (zh) | 一种mri心室结构分割的方法与系统 | |
CN107411767B (zh) | 基于冠状动脉ct血管造影的狭窄病灶血流阻力计算方法 | |
CN110008992A (zh) | 一种用于前列腺癌辅助诊断的深度学习方法 | |
CN112562058B (zh) | 一种基于迁移学习的颅内血管模拟三维模型快速建立方法 | |
WO2021184801A1 (zh) | 一种基于同步信号进行血压预测的方法和装置 | |
CN108109151A (zh) | 一种基于深度学习和形变模型的超声心动图心室分割方法和装置 | |
CN113935976A (zh) | 一种增强ct图像的脏器内血管自动分割方法及系统 | |
Wang et al. | Functional and anatomical image fusion based on gradient enhanced decomposition model | |
CN106709919A (zh) | 一种心脏灌注磁共振图像的处理方法 | |
CN109003280A (zh) | 一种双通道血管内超声影像的血管中内膜分割方法 | |
CN106023198A (zh) | 基于Hessian矩阵的人体胸腹腔CT图像主动脉夹层提取方法 | |
CN106504199A (zh) | 一种眼底图像增强方法及系统 | |
CN103996194A (zh) | 一种基于超声颈动脉图像的内中膜自动分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161130 |
|
RJ01 | Rejection of invention patent application after publication |