CN106485704A - 血管中心线的提取方法 - Google Patents

Abstract

本发明公开了一种的血管中心线提取方法，包括如下步骤：基于所述医学图像提取血管，以及若干个连通域；筛选所述若干个连通域，获取n个血管连通域；基于各个血管连通域的方向坐标值降序标记所述n个血管连通域；根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；基于所述中心线获取血管。本发明提供的血管中心线提取方法可以提取紧贴骨骼区域的血管，获取完整的血管组织。

Description

血管中心线的提取方法

【技术领域】

本发明涉及医学图像处理领域，特别是涉及一种血管中心线的提取方法。

【背景技术】

血管成像技术包括CT血管造影(CTA，CT angiography)，磁共振血管造影(Magnetic Resonance Angiography，MRA)，以及MR非造影成像等，可以帮助医生诊断血管的各种疾病，如钙化、狭窄、动脉瘤、硬脑膜等。通过血管成像技术获取的血管图像，主要是三维图像，并不能给医生直观的感受。因此需要从医学图像中提取血管并以三维显示技术展示血管的形态，以更好地辅助医生对病灶进行分析，提高医疗诊断的准确性和科学性，有利于制定最优的治疗方案及手术规划，对医学研究具有重要的意义。

但是在实际血管提取中，特别是对于紧贴周围骨骼区域的细小血管，例如穿颅的颈内动脉，紧贴髂骨的髂动脉，紧贴骨骼的下肢血管，由于空间位置错综复杂，同时增强后的血管CT值和骨的CT值重叠，通常的血管提取方法，例如区域生长，水平集等很容易混淆血管和骨骼，造成血管分割失败。

为解决上述技术问题，现有技术中采用的血管提取方法有：

1.基于血管模型计算血管的中心线，根据此中心线，用单纯网格拟合实际图像中的血管结构，将血管分割出来。此方法虽然可以准确提取血管，但由于网格计算非常复杂，导致分割速度很慢，阻碍了实际应用的推广。

2.基于非模型的方法，例如采用Graph Cut的算法实现了颈内动脉的提取。该算法经过手动确定起始点后，计算起始点之间的Dijkstra距离。以该距离为中心，标记血管感兴趣区域。最后通过Graph Cut算法，优化感兴趣区域的边界实现血管提取。由于该算法计算复杂，导致血管提取速度较慢。还有采用基于Ray-Casting的动态追踪实现了穿颅血管的提取。该算法经过手动确定起始点后，通过Ray-Casting向四周放射线，获得血管的边界，再通过椭圆拟合实现血管提取。该方法鲁棒性差，不同数据的血管提取需要不同的参数，同时该方法无法提取旋转跨度很大的椎动脉。

3.血管剪影方法，病人需要同一部位扫描2次(不注射造影剂扫描和注射造影剂扫描)，得到非CTA图像和CTA图像。非CTA图像中，血管CT值低，CTA图像中血管CT值升高。这样两种图像配准后相减就可以将血管提取出来。但是该方法需要对病人扫描2次，比较耗时，同时给病人带来更多的扫描辐射量。

因此，有必要改进现有的血管提取方法。

【发明内容】

本发明所要解决的技术问题提出一种方法，其能有效改进现有血管中心提取方法，以提取与紧贴骨骼的血管中心线，获取完整的血管。

本发明为解决上述技术问题所采用的技术方案为一种血管提取方法，包括如下步骤：

获取医学图像；

基于所述医学图像提取血管，以及若干个连通域；

筛选所述若干个连通域，获取n个血管连通域；

基于各个血管连通域的方向坐标值降序标记所述n个血管连通域；

根据所述降序标记，选取第一个血管连通域连接血管，并生长该连通域与血管之间的中心线；

，根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；

其中，m，n为自然数，m小于或等于n-1。

进一步的，所述筛选包括如下步骤：

在所述若干个连通域中识别血管连通域；

计算所述血管连通域中各连通域在x、y和z方向上的平均坐标值；

基于各连通域的y平均坐标值升序标记各连通域；

基于所述升序标记，依次判断该连通域是否为血管连通域。

进一步的，所述识别血管连通域包括：

计算所述若干个连通域的截面积，若该连通域的截面积小于阈值a，则该连通域属于血管连通域；否则舍弃该连通域。

进一步的，所述阈值a的选取范围为大于10。

进一步的，所述依次判断该连通域是否为血管连通域包括：

选取y坐标值最小的连通域为基准连通域，根据所述升序标记，依次比较各连通域的坐标值与所述基准连通域的坐标值：

若y_i-y₀小于阈值p，且x_i-x₀大于阈值q，则该连通域为血管连通域；

否则，舍弃该连通域；

其中，x₀和y₀为所述基准连通域分别在x、y方向上的平均坐标值，x_i和y_i为第i个连通域在x、y方向上的平均坐标值，p为自然数，q为整数。

进一步的，所述获取阈值q的取值范围为大于10，所述阈值q的取值范围为大于-15。

进一步的，所述筛选还包括，选取z坐标值小于阈值k的连通域进行血管连通域的识别。

进一步的，所述第一个血管连通域连接血管，包括：

选取z坐标值大于所述第一个血管连通域所在图像的医学图像，根据源距离场，选取灰度值为(100，500)范围内的像素点作为种子点生长，连接所述血管连通域与血管。

进一步的，生长所述中心线，包括：

以该连通域连接至血管的第一个像素点为起始点，基于最短路径算法生长所述连通域与血管之间的中心线。

进一步的，基于连通域的x坐标平均值将各个血管连通域划分为左、右区域，如x坐标平均值大于图像x方向尺寸的一半，则该连通域位于右区域，否则，该连通域位于左区域；

对左区域或右区域内的血管连通域，根据各个血管连通域的z方向坐标值降序标记所述n个血管连通域；

根据所述降序标记，选取第一个血管连通域连接血管，并生长该连通域与血管之间的中心线；

根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；

根据所述中心线分别获取获取左区域或右区域内的血管；

其中，m，n为自然数，m小于或等于n-1。

与现有技术相比，本发明的优点在于：对于提取血管后医学图像上的各个连通域进行分析，基于血管的空间位置筛选并标记各个血管连通域；根据降序顺序，依次连接并生长第m+1个和第m个连通域之间的中心线，以提取紧贴骨骼区域的血管，获取完整的血管组织。

【附图说明】

图1为本发明一实施例中血管中心线提取方法的流程图；

图2为本发明又一实施例中获取血管连通域方法的流程图

图3为本发明又一实施例中血管中心线提取方法的流程图；

图4为本发明一实施例中血管提取的结果示意图；

图5为本发明又一实施例中血管提取方法的流程图。

【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，所述示意图只是实施例，其在此不应限制本发明保护的范围。使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图和实施例对本发明的具体实施方式做详细的说明。

本实施例采用一种血管中心线提取方法，如图1所示，包括如下步骤：

执行步骤S11：获取医学图像，所述医学图像为三维图像，也可以为包括若干层二维图像的二维图像序列，还可以是二维图像。

执行步骤S12：基于所述医学图像提取血管，以及若干个连通域；本实施例中，为提高血管提取的准确性，需要首先去除骨骼区域。继而在去除骨骼区域的医学图像基于种子点进行区域生长提取血管，该血管可以为主血管，所述主血管可以为半径较粗的血管，例如大于1.5mm的血管，也可以为没有分叉结构的一级血管。经过去除骨骼和提取主血管后的医学图像上包含若干个连通域，所述连通域可以是去除骨骼步骤中剩余的碎骨部分，也可以是提取血管过程中未能成功提取的血管部分，例如与紧贴骨骼的细小血管。

执行步骤S13：筛选所述若干个连通域，获取n个血管连通域。

执行步骤S14：基于各个血管连通域的方向坐标值降序标记所述n个血管连通域，所述方向坐标值可以根据血管空间走向进行选取，例如对于下肢血管，可以选取z方向坐标值，即脚-头方向。

执行步骤S15：根据降序标记，选取第一个血管连通域连接主血管，即选取血管连通域中，z坐标值最大的连通域与主血管连接，并生长该连通域与主血管之间的中心线；根据所述降序标记顺序依次生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线。其中，m，n为自然数，m小于或等于n-1。

本发明又提供一种实施例，参考图1、图2和图3，包括如下步骤：

S11～S12：获取医学图像；基于所述医学图像去除骨骼区域，提取主血管，以及若干个连通域。本实施例中，所述医学图像为三维图像，也可以为包括若干层二维图像的二维图像序列，还可以是二维图像。所述切片图像中最小处理单元为像素点，所述三维图像中最小处理单元为体素。所述医学图像可以通过各类模态的成像系统扫描采集获得，也可以通过诸如存储系影像归档和通信系统(Picture Archiving and Communication Systems，PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron EmissionTomography，PET)等一种或多种的组合。

所述医学图像包含各种组织结构，例如包含各类血管连通域，例如头颈部血管，胸腹部血管和下肢血管，所述血管连通域包含主血管和微血管，主血管可以是动脉血管、静脉血管等血管，或者上述的任意组合。动脉血管可以是头动脉、颈动脉、胸动脉、腹动脉、腋动脉、肱动脉等，或者上述的任意组合。还包括各类骨骼组织，例如髂骨、小腿骨、胫骨等下肢骨骼组织。部分血管组织紧贴骨骼组织(例如胫动脉)，或者穿过骨骼组织(例如椎骨中穿行的左右椎动脉)，并且由于造影剂等影响使得血管组织和骨骼组织在图像显示的强度值(例如灰度值)有部分重叠，或者由于成像结构非常接近，有限的检测器分辨率，血管钙化点，以及介入装置(例如植入的血管支架)使得骨骼和脉管系统结构的识别和分割变得困难起来，大大增加血管提取的难度。因此需要首先去除骨骼区域，去骨方法可以包括阈值法、区域生长法、基于能量函数的方法、水平集方法、区域分割和/或合并、边缘跟踪分割法、统计模式识别方法、均值聚类分割法、模型法、基于可变形模型的分割法、人工神经网络方法、最小路径分割法、跟踪法、基于规则的分割法、耦合表面分割法等，或者上述分割方法的任意组合，本发明对此不作具体限定。

接着在去除骨骼区域的医学图像基于种子点进行区域生长提取血管，本实施例中提取的血管可以为主血管，所述主血管可以为半径较粗的血管，例如大于1.5mm的血管，也可以为没有分叉结构的一级血管。经过去除骨骼和提取主血管后的医学图像上包含若干个连通域，所述连通域可以是去除骨骼步骤中剩余的碎骨部分，也可以是提取血管过程中未能成功提取的血管部分，例如与紧贴骨骼的细小血管。本实施例接下来需要提取这些在图像显示的强度值(例如灰度值)与骨骼有部分重叠，或者由于成像结构非常接近导致难以提取的细小血管，继而将这些细小血管与主血管连接，以获取完整的血管组织。

执行步骤S13：筛选所述若干个连通域，获取n个血管连通域；所述获取n个血管连通域的步骤参见附图2：

执行步骤S21：在所述若干个连通域中识别血管连通域；经过前述去除骨骼和提取主血管步骤后，所述医学图像的各个切片图像中包含若干个连通域，该连通域可能是碎骨，也可能细小血管，例如紧贴骨头的细小血管连通域，因此需要识别血管连通域。所述识别血管连通域包括：计算所述若干个连通域的截面积，若该连通域的截面积小于阈值a，则该连通域属于血管连通域，标记该连通域为血管连通域；否则，舍弃该连通域。其中，所述截面积为该连通域中包含的像素点个数除以该连通域所在切片图像位于z方向上(脚-头方向)上的层数，所述阈值a取值范围为大于10，例如所述阈值a可以取值为15。通过本步骤可以有效去除大部分面积较大的碎骨。在另一些实施例中，为了提高识别速度，可以针对部分切片图像进行分析识别。例如在下肢医学图像上提取脚掌血管，可以根据病人坐标系，以z方向为脚-头方向，z坐标越小，越靠近足部；z越大，越靠近膝盖，对z坐标较小的连通域进行分析，例如，对于512×512×512的医学图像，可以选取z方向上z坐标值小于64的连通域进行分析。

执行步骤S22～S25：计算所述血管连通域中各连通域在x、y和z方向上的平均坐标值；所述平均坐标值为该连通域中所有像素点分别在x、y和z方向上坐标值的加和平均值。基于各连通域的y平均坐标值升序标记各连通域；例如，对于脚掌血管中细小血管，由于该血管主要分布于脚尖位置，对应切片图像中为y坐标值较小的位置，因此可以基于所述升序标记，依次判断该连通域是否为血管连通域。例如，选取y坐标值最小的连通域为基准连通域，根据所述升序标记，即y值从小到大排序的连通域，依次比较血管连通域中剩余的各个连通域的坐标值与所述基准连通域的坐标值大小：若y_i-y₀小于阈值p，且x_i-x₀大于阈值q，则该连通域为血管连通域；否则，舍弃该连通域；其中，x₀和y₀为所述基准连通域内各个像素点分别在x、y方向上的平均坐标值，x_i和y_i为第i个连通域内各个像素点在x、y方向上的平均坐标值，p为自然数，q为整数。所述获取阈值q的取值范围为大于10，例如所述阈值q可以取值为14，所述阈值q的取值范围为大于-15，例如所述阈值p可以取值为-10；所述阈值的设定可以是全自动、半自动、或手动进行的。例如，可以根据一种或多种运算自动计算或选取阈值。又如，用户或操作者可以通过输入/输出设备的图形用户界面手动选取阈值。由于脚掌血管位于脚尖区域附近，本实施例中通过血管的空间位置进一步识别血管连通域，获取前述步骤中未能检出的骨头组织，以提高血管提取的准确性。

执行步骤S14～S15：基于各个血管连通域的方向坐标值降序标记所述n个血管连通域。本实施中，所述方向坐标值可以根据血管空间走向进行选取，例如对于下肢血管，可以选取z方向坐标值，即脚-头方向。即将前述步骤的获取的各个血管连通域根据从头到脚方向(即z坐标值有大到小顺序)进行排序，例如对于下肢血管的医学图像，下肢主血管从腹主动脉起始，由头到脚方向在空间形态上逐渐变细，对于各个血管连通域，z方向坐标值越大，越靠近膝盖；反之，越靠近足部，根据z方向降序排序，即对应于各个血管连通域与主血管的距离由近及远排序，符合下肢血管的走向规律。

根据所述降序标记，选取第一个血管连通域连接主血管，即选取距离主血管距离最近的连通域连接主血管，并生长该连通域与主血管之间的中心线；接着，根据降序标记，选取第二个血管连通域连接第一个连通域与主血管之间的中心线，根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，即根据降序标记，依次将后一个血管连通域连接前一个血管连通域所生长的中心线，直至生长完成所述n个血管连通域之间的中心线；其中，m，n为自然数，m小于或等于n-1。基于中心线获取完整血管。

在另一实施例中，根据降序标记，依次连接所述n个血管连通域之间的中心线，提取血管的方法可参见图3说明。

执行步骤S31～S35：选取z坐标值大于所述第一个血管连通域所在切片图像的各层医学图像；根据血管由头至脚方的血管走向，所需连接的主血管连通域所在切片图像的z坐标值大于各血管连通域所在切片图像的z坐标值，因此选取分析选取z坐标值大于所述第一个血管连通域所在切片图像的各层医学图像。

基于源距离场连接所述血管连通域所述主血管；例如，计算所述连通域中所有像素点的边界距离场值；所述距离场值为连通域上的像素点距离最近的边界点的像素宽度，距离边界越远则距离场值越短。本实施例中，所述距离可以为体素宽度，也可以根据距离场公式计算。例如，所述连通域中一个像素点的坐标为(x，y),与它最近的边界上的一个的坐标是(i，j)，则点(x，y)的距离场值近似为在所述选取的各层医学图像中，选取灰度值在一定阈值范围内的种子点进区域生长，实现所述第一个血管连通域与主血管的连接。本实施例中，所述阈值范围可以选取(100,500)。

以该连通域与主血管连接的第一个像素点为起始点，基于最短路径算法生长所述连通域与主血管之间的中心线。本实施例中，所述最短路径算法可以包含Dijkstra算法、Bellman-Ford算法、A*搜索算法、Floyd-Warshall算法、Johnson算法、Viterbi算法等。以Dijkstra算法为例，该算法中的价值函数可以从补充区域的距离变换以及数据补充位点间的距离推导。

根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；基于所述n个血管连通域之间的中心线，根据血管追踪或者区域生长方法获取完整血管。例如，图4所示为通过本实施例提供的提取血管方法所提取的下肢血管图像。

对于解剖结构对称的图像，例如在x方向上对称(左右对称)的下肢血管图像，本发明提供又一实施例提取此类情况。所述步骤如图5所示，包括：

步骤S41～S47：获取由若干层切片图像构成的医学图像，即所述医学图像包括若干层二维图像。筛选所述若干个连通域，获取n个血管连通域。

基于所述医学图像提取主血管，以及若干个连通域；基于连通域的x坐标平均值将各个血管连通域划分为左、右区域，如x坐标平均值大于图像x方向尺寸的一半，则该连通域位于右区域，否则，该连通域位于右区域；例如，对于512×512×512的医学图像，对于任意横断面的切片图像上的连通域，如该连通域在x方向上的坐标大于256，则该连通域位于切片图像的右区域；否则，位于切边图像的左区域。

分别对左区域或右区域内的血管连通域根据各个血管连通域的z方向坐标值降序标记所述n个血管连通域；根据降序标记，选取第一个血管连通域连接主血管，并生长该连通域与主血管之间的中心线；根据所述降序标记顺序依次生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；根据所述中心线分别获取获取左区域或右区域内的完整血管；其中，m，n为自然数，m小于或等于n-1。具体内容上文一详述，在此不再赘述。

综上所述，本发明提供一种血管提取方法，对于提取主血管后医学图像上的各个连通域进行分析，基于血管的空间位置筛选并标记各个血管连通域；根据降序顺序，依次连接并生长第m+1个和第m个连通域之间的中心线，以提取紧贴骨骼区域的血管，获取完整的血管组织。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种血管中心线的提取方法，其特征在于，包括如下步骤：

获取医学图像；

基于所述医学图像提取血管，以及若干个连通域；

筛选所述若干个连通域，获取n个血管连通域；

基于各个血管连通域的方向坐标值降序标记所述n个血管连通域；

根据所述降序标记，选取第一个血管连通域连接血管，并生长该连通域与血管之间的中心线；

根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；

其中，m，n为自然数，m小于或等于n-1。

2.根据权利要求1所述的提取方法，其特征在于，所述筛选包括如下步骤：

在所述若干个连通域中识别血管连通域；

计算所述血管连通域中各连通域在x、y和z方向上的平均坐标值；

基于各连通域的y平均坐标值升序标记各连通域；

基于所述升序标记，依次判断该连通域是否为血管连通域。

3.根据权利要求2所述的提取方法，其特征在于，所述识别血管连通域包括：

计算所述若干个连通域的截面积，若该连通域的截面积小于阈值a，则该连通域为血管连通域；否则舍弃该连通域。

4.根据权利要求3所述的方法，其特征在于，所述阈值a的选取范围为大于10。

5.根据权利要求2所述的提取方法，其特征在于，所述依次判断该连通域是否为血管连通域包括：

选取y坐标值最小的连通域为基准连通域，根据所述升序标记，依次比较各连通域的坐标值与所述基准连通域的坐标值：

若y_i-y₀小于阈值p，且x_i-x₀大于阈值q，则该连通域为血管连通域；

否则，舍弃该连通域；

其中，x₀和y₀为所述基准连通域分别在x、y方向上的平均坐标值，x_i和y_i为第i个连通域在x、y方向上的平均坐标值，p为自然数，q为整数。

6.根据权利要求5所述的提取方法，其特征在于，所述获取阈值q的取值范围为大于10，所述阈值q的取值范围为大于-15。

7.根据权利要求2所述的提取方法，其特征在于，所述筛选还包括，选取z坐标值小于阈值k的连通域进行血管连通域的识别。

8.根据权利要求1所述的方法，其特征在于，所述第一个血管连通域连接血管，包括：

选取z坐标值大于所述第一个血管连通域所在图像的医学图像，根据源距离场，选取灰度值为(100，500)范围内的像素点作为种子点生长，连接所述血管连通域与血管。

9.根据权利要求1所述的提取方法，其特征在于，生长所述中心线，包括：

以该连通域连接至血管的第一个像素点为起始点，基于最短路径算法生长所述连通域与血管之间的中心线。

10.根据权利要求1～9所述的提取方法，其特征在于，基于连通域的x坐标平均值将各个血管连通域划分为左、右区域，如x坐标平均值大于图像x方向尺寸的一半，则该连通域位于右区域，否则，该连通域位于左区域；

对左区域或右区域内的血管连通域，根据各个血管连通域的z方向坐标值降序标记所述n个血管连通域；

根据所述降序标记，选取第一个血管连通域连接血管，并生长该连通域与血管之间的中心线；

根据所述降序标记顺序依次连接并生长第m+1个和第m个连通域之间的中心线，直至生长完成所述n个血管连通域之间的中心线；

根据所述中心线分别获取获取左区域或右区域内的血管；

其中，m，n为自然数，m小于或等于n-1。