CN107767435B - 一种血管管腔结构重建方法 - Google Patents
一种血管管腔结构重建方法 Download PDFInfo
- Publication number
- CN107767435B CN107767435B CN201610688927.8A CN201610688927A CN107767435B CN 107767435 B CN107767435 B CN 107767435B CN 201610688927 A CN201610688927 A CN 201610688927A CN 107767435 B CN107767435 B CN 107767435B
- Authority
- CN
- China
- Prior art keywords
- sampling
- point
- file
- blood vessel
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种血管管腔结构重建方法,其包括:通过三维影像数据采集方式获取血管的体数据文件;从体数据文件中提取血管文件,所述血管文件包括中心线点坐标和血管半径;将所述血管文件中的数据由长度单位转换为体素单位;构建一个呈三维矩阵的采样空间,所述采样空间中每个采样点的数据包括以体素为单位的中心线点坐标和血管半径;计算采样空间范围内每一采样点的灰度值grey_scale_value;步骤S6,利用VTK系统将采样空间中的数据在该vtk系统的渲染窗口中进行可视化体绘制。本发明重建的图像清晰、可靠,能够为医生提供优质的血管图像。
Description
技术领域
本发明涉及血管结构可视化处理技术领域,尤其涉及一种血管管腔结构重建方法。
背景技术
在血管介入手术机器人系统中,对手术路径的可视化是辅助医生诊疗的关键功能,尤其是当医生想要针对某一段存在病灶点的血管进行分析时,针对该段血管的三维管腔结构重建将会帮助介入科医生做出判断。通常重建一根血管管腔结构时,我们需要该段血管的中心线和相应的半径信息,但是在现有技术中,利用血管中心线坐标和半径重建血管三维图像时,难以保证血管平滑性和中心线的可靠性,特别是由于医学图像的三维重建总是存在一些误差,导致医生难以对感兴趣的血管段结构提供更加清晰的认知。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种三维血管图像清晰、可靠,能够为医生提供优质血管图像的血管管腔结构重建方法。
为解决上述技术问题,本发明采用如下技术方案。
一种血管管腔结构重建方法,其包括有如下步骤:步骤S1,通过三维影像数据采集方式获取血管的体数据文件;步骤S2,从体数据文件中提取血管文件,所述血管文件包括中心线点坐标和血管半径;步骤S3,将所述血管文件中的数据由长度单位转换为体素单位;步骤S4,构建一个呈三维矩阵的采样空间,所述采样空间中每个采样点的数据包括以体素为单位的中心线点坐标和血管半径;步骤S5,计算采样空间范围内每一采样点的灰度值grey_scale_value:其中,center_x、center_y和center_z表示当前采样点的坐标,radius表示当前采样点的血管半径,乘数1000表示将计算结果放大1000倍;步骤S6,利用VTK系统将采样空间中的数据在该vtk系统的渲染窗口中进行可视化体绘制。
优选地,所述步骤S1中的体数据文件包括有mhd格式文件和raw格式文件,所述步骤S2中的血管文件是txt文本格式文件。
优选地,所述血管文件中包括五列数据,其中第一至第三列数据表示中心线点的X轴、Y轴和Z轴坐标,第四列为中心线点的半径,第五列为误差。
优选地,所述mhd格式文件中包括有转换系数ElementSpacing,所述转换系数ElementSpacing与中心线点一一对应,所述步骤S3中由长度单位转换为体素单位的过程包括:将当前中心线点的坐标值(x、y、z)除以对应的转换系数ElementSpacing。
优选地,所述步骤S3与步骤S4之间还包括有线性插值计算步骤:根据预设数量的体素单位内中心线点的坐标,计算得出插值点坐标coordinate:其中,start_coordinate表示开始点的坐标,end_coordinate表示结束点的坐标,accumulate_dis表示由开始点至结束点的长度累加。
优选地,预设数量的体素单位为1个体素单位。
优选地,所述mhd格式文件中包括有三维空间的尺寸数据,所述步骤S4中,按照该三维空间的尺寸数据构建采样空间。
优选地,所述步骤S4中,在所述采样空间中建立子采样空间,所述子采样空间以当前中心线点坐标为中心,并利用步骤S5中的计算方法,得出子采样空间中各采样点的灰度值。
优选地,所述步骤S4中,当所述子采样空间到达或者超过采样空间的边界时,终止步骤S5,结束对采样点灰度值的计算。
优选地,所述子采样空间中,中心线点坐标至子采样空间边缘的距离大于所述血管半径的最大值。
优选地,所述步骤S6中,进行可视化体绘制之前包括灰度值过滤步骤:以灰度值45作为一个临界值进行过滤,将灰度值小于45的采样点设置为透明。
优选地,所述灰度值大于45的采样点,其透明度为:0<透明度≤0.8。
优选地,所述步骤S6中还包括有上色过程:利用VTK系统中的vtkColorTransferFunction函数对体数据进行上色。
本发明公开的血管管腔结构重建方法,其采用中心线文件读取、单位转换、管腔结构重建、体绘制等一系列步骤生成三维血管管腔图像,特别是使用了高斯函数进行灰度值的计算,使得本发明所生成的血管图像平滑度好、准确度高,有助于医生对感兴趣的血管段结构得以更加清晰的认知。
附图说明
图1为本发明血管管腔结构重建方法的流程图。
图2为血管文件的文本截图。
图3为mhd格式文件的文本截图。
图4为本发明优选实施例中线性插值计算的几何图形。
图5为插值之后血管中心线示意图。
图6为插值之前血管中心线示意图。
图7为血管重建过程的流程图。
图8为体绘制过程的流程图。
图9为体绘制数据经过滤值和染色前后的对比图。
图10是以灰度值45作为临界值进行过滤和绘制前后采样空间灰度值统计图表。
图11为灰度值-透明度设置曲线图。
图12为滤值前后的体绘制图像对比图。
图13为血管上色后的效果图。
图14为测试过程中四条血管的管腔重建效果图。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
本发明公开了一种血管管腔结构重建方法,如图1所示,其包括有如下步骤:
步骤S1,通过三维影像数据采集方式获取血管的体数据文件;
步骤S2,从体数据文件中提取血管文件,所述血管文件包括中心线点坐标和血管半径;
步骤S3,将所述血管文件中的数据由长度单位转换为体素单位;
步骤S4,构建一个呈三维矩阵的采样空间,所述采样空间中每个采样点的数据包括以体素为单位的中心线点坐标和血管半径;
步骤S5,计算采样空间范围内每一采样点的灰度值grey_scale_value:
其中,center_x、center_y和center_z表示当前采样点的坐标,radius表示当前采样点的血管半径,乘数1000表示将计算结果放大1000倍;
步骤S6,利用VTK系统将采样空间中的数据在该vtk系统的渲染窗口中进行可视化体绘制。
本发明采用中心线文件读取、单位转换、管腔结构重建、体绘制等一系列步骤生成三维血管管腔图像,特别是使用了高斯函数进行灰度值的计算,使得本发明所生成的血管图像平滑度好、准确度高,有助于医生对感兴趣的血管段结构得以更加清晰的认知。
关于中心线文件读取过程,所述步骤S1中的体数据文件包括有mhd格式文件和raw格式文件,该所述步骤S2中的血管文件是txt文本格式文件。其中,体数据文件来自于医院临床对病人心脏的核磁共振三维影像数据采集,并且mhd格式文件和raw格式文件匹配使用,而血管文件通常来自于针对体数据进行图像处理后提取而出。本实施例中,请参照图2,所述血管文件中包括五列数据,其中第一至第三列数据表示中心线点的X轴、Y轴和Z轴坐标,第四列为中心线点的半径,第五列为误差。
关于单位转换过程,请参照图3,所述mhd格式文件中包括有转换系数ElementSpacing,所述转换系数ElementSpacing与中心线点一一对应,所述步骤S3中由长度单位转换为体素单位的过程包括:将当前中心线点的坐标值(x、y、z)除以对应的转换系数ElementSpacing。
由于VTK系统中的体数据是以体素为单位表示的数据,当研究人员使用毫米等长度单位生成血管中心线文件病进行管腔重建时,需要进行单位转换,本实施例中,读取mhd文件中的转换系数进行毫米-体素的单位转换。在mhd文件内容中,ElementSpacing表示体素转毫米的系数,根据ElementSpacing的值,计算公式如下:
体素转毫米:当前坐标值(x、y、z)*对应的ElementSpacing
毫米转体素:当前坐标值(x、y、z)/对应的ElementSpacing
关于线性插值计算过程,当参与采样的中心线的坐标点过多时,会降低系统的计算速度,同时也增加了硬件的计算负担,所以在该情况下,需要对中心线坐标进行线性插值,从而获得一组新的中心线坐标数据。
本实施例以体素为长度单位进行举例:请参照图4,A、B、C三个点是原血管中心线的点,先从左侧第一个点开始查找点直到点之间的累计长度达到或超过1体素,由于在实际运算的过程中点与点之间的间距非常密集,所以将左侧和右侧点的距离用累计的长度来近似表示,之后再根据几何知识来找出长度为1个体素单位的点。具体的线性插值计算步骤为:
根据预设数量的体素单位内中心线点的坐标,计算得出插值点坐标coordinate:
其中,start_coordinate表示开始点的坐标,end_coordinate表示结束点的坐标,accumulate_dis表示由开始点至结束点的长度累加,预设数量的体素单位优选为1个体素单位。
经过插值之后的对比,结合图5和图6所示,可见插值后的点组成的中心线基本保留了原中心线的特征,但是在点的数目上有了非常明显的减少,同时因为是根据1体素插值的结果,点与点之间的间隔都是均匀的。
关于血管官腔的重建过程,所述mhd格式文件中包括有三维空间的尺寸数据,所述步骤S4中,按照该三维空间的尺寸数据构建采样空间。
进一步地,所述步骤S4中,在所述采样空间中建立子采样空间,所述子采样空间以当前中心线点坐标为中心,并利用步骤S5中的计算方法,得出子采样空间中各采样点的灰度值。所述步骤S4中,当所述子采样空间到达或者超过采样空间的边界时,终止步骤S5,结束对采样点灰度值的计算。所述子采样空间中,中心线点坐标至子采样空间边缘的距离大于所述血管半径的最大值。
构建采样空间的过程中,先建立采样空间,并针对每个参与插值的点的周围取一定范围进行采样计算,最终获得一个带有与中心线坐标和当前半径的灰度值有关的采样空间,根据插值之后的坐标信息,以及mhd文件中给出的原始图像的空间大小,构建出整体采样空间。该采样空间是一个三维的矩阵,矩阵的坐标即实际的VTK体数据绘制中对应的体素坐标,三维矩阵的大小也是体数据绘制之后整个空间的大小,三维矩阵中的每一个点的值即是该体素在绘制时候的灰度值。可见采样空间是三维矩阵,用来存储中心线数据在整个三维空间中的与其有关的灰度值的三维矩阵,在体绘制过程中,经过计算与赋值之后的采样空间作为体数据输入到VTK的相关绘制函数中进行体绘制计算。
请参照图7,在优选实施例中:
第一步,输入数据,所输入的数据包括以体素为单位的中心点的坐标和半径,用于管腔重建的计算;
第二步,初始化全局采样空间,根据mhd文件的信息初始化全局采样空间的大小,其结构为一个三维矩阵,矩阵中的每一个点的数值即为全局采样空间的该点的灰度值,比如,根据mhd文件中的数据(512*512*272),可以得到一个初始化为0的一个512*512*272的全局采样空间;
第三步,确定子采样空间,在针对每个采样点的计算中,采样点的数据分为该点的体素坐标和该点的体素半径。因为大部分空间中的点距离血管都很远,所以针对每个采样点设定一个子采样空间,所谓子采样空间,就是围绕着采样空间中的某个采样点,选取周围一定范围内的采样空间进行灰度值计算,围绕着采样点进行灰度值计算的较小空间称为子采样空间。子采样空间的大小应该远大于中心线坐标的半径的最大值。以本文中的数据为例,根据中心线的直径的值的大小,这里认为40体素的长度远大于本文中的中心线的直径的最大值,所以取40*40*40的立方体作为子采样空间的大小。之后针对性地计算子采样空间内的灰度值的大小。如果计算灰度值的时候采样空间的某点被重复参与计算,则该采样空间中的某点的灰度值取所有参与计算的灰度值。在具体的实现计算中,血管中心线的子采样空间可能越过了总采样空间的边界,针对这种情况,在实际过程中添加了边界检测的程序,当子采样空间越过边界时,采样计算将会在边界终止,其中的终止,就是当子采样空间的坐标超过我们设定的采样空间的坐标时,我们采样空间的选取会在边界结束,即子采样空间压缩至采样空间的边缘地区,采样计算在修改之后的区域中进行。
确定子采样空间过程可参照如下代码:
上述代码中,center_x/center_y/center_z代表当前的采样点,根据子采样空间的定义以及选取的规则,分别以坐标点位中心,针对x/y/z轴各自的坐标,向左、向右各取20单位像素值构建子采样空间,当预计的子采样空间坐标超过采样空间的设定值的时候,子采样空间只取到采样空间的边缘,所以这里使用了max()min()函数来对子采样空间的值和采样空间的值进行对比,用以防止子采样空间的范围与采样空间的范围发生冲突,经过以上的处理之后,每个中心线上的子采样空间范围就得以确定。
第四步,计算采样空间范围的灰度值,本实施例优选采用高斯函数进行灰度值的计算,高斯函数具有五个重要的性质,这五个性质是使得它在图像处理中具有重要的作用,分别是:(1)二维高斯函数具有旋转对称性,在各个方向上的平滑程度是相同的;(2)高斯函数是单值函数,用像素邻域的加权均值来代替该点的像素值,而每一邻域像素点的权值是随该点与中心点的距离单调递减;(3)高斯函数的傅里叶变换频谱是单瓣的,能够保证平滑图像不会被不需要的高频信号污染,同时保留大部分的所需信号;(4)高斯滤波器宽度(决定着平滑程度)是由参数σ表征的,而且σ和平滑程度的关系是非常简单的.σ越大,高斯滤波器的频带就越宽,平滑程度就越好.通过调节平滑程度参数σ,可在图像特征过分模糊(过平滑)与平滑图像中由于噪声和细纹理所引起的过多的不希望突变量(欠平滑)之间取得折衷;(5)高斯函数的可分离性,大高斯滤波器可以得以有效地实现。具体到本方案中,采用高斯函数进行空间灰度值计算,可以保证血管曲线的光滑,同时可以保证血管截面的光滑的圆形。
所述步骤S5中,灰度值grey_scale_value的计算公式可参照如下代码:
关于体绘制过程,所述步骤S6中,进行可视化体绘制之前包括灰度值过滤步骤:以灰度值45作为一个临界值进行过滤,将灰度值小于45的采样点设置为透明。进一步地,所述灰度值大于45的采样点,其透明度为:0<透明度≤0.8。
本实施例中,在获得了一个包含有三维采样重建的空间的之后,需要将其转换为可以利用的体数据内容,并且将其在vtk系统的渲染窗口中进行可视化体绘制。体绘制模块主要依赖VTK系统所提供的针对体数据的渲染和绘制函数。请参照图8,各个模块的功能如下:
vtkPiecewiseFunction:设定图像的透明度的判定阈值;
vtkColorTransferFunction:设定图像的颜色变化判定阈值;
vtkVolumeProperty:设定图数据的属性,将前两者添加进来;
vtkVolume:体数据类
vtkRenderer:vtk渲染器
vtkRendererWindow:vtk渲染窗口
vtkRendererWindowInteractor:vtk交互窗口。
体绘制的各个阶段的结果如下:
首先,请参照图9,用于体绘制的数据如果不经过滤值和染色的处理,直接显示就如同箭头左侧的结果,显然一个黑色的立方体,没有任何参考价值;经过一定处理后,就可以看到重建的血管管腔,正如如箭头右侧。显然,只有经过体绘制处理之后的体数据才有可视化的价值。
其次,请参照图10,总体采样空间中的绝大多数的点都没有参与采样计算,所以灰度值为0的点占绝大多数;在被纳入采样计算的子采样空间中的点,其中的大部分因为距离较远的原因,值都非常小,这两类的点在实际的可视化体绘制中是需要被滤去的,本实施例根据图表以灰度值45作为一个临界值进行过滤和绘制。其中,采用VTK系统中的VTKPiecewiseFunction函数来设置每个采样点的灰度值与透明度之间的关系,从而在视觉方面进行灰度值的筛选过滤。VTKPiecewiseFunction.addPoint(value,opacity_value)函数的第一个参数为采样点的灰度值的转折点,第二个为对应的透明度系数,0表示完全透明,1表示完全不透明,两个转折点之间的增长为线性增长。具体的透明度设置曲线如图11所示,其中,灰度值小于45的采样点都被设置为透明,从灰度值为45的点开始,透明度从0呈线性增长,直到透明度为0.8。灰度值为45以下的点不在三维重建的管腔上,如果让其显示在渲染界面上,不仅让重建的图像显得粗糙,而且影响精度,本实施例透明度的上限设为0.8,是考虑到三维血管的内部的进一步的可视化操作,如果设置为更高或至1.0,则血管的透明度太低,此时无法同时加载中心线的曲线进行对比显示,而且内腔也不可见,研究员不方便进行进一步的操作,通过以上的参数设置,在实现的过程中完成了非管腔点的过滤。进行滤值前后的体绘制图像对比请参照图12,可见子采样空间中的距离血管较远的点都被过滤掉了,图像经过处理之后,重建的管腔更加的平滑,精确的程度更高。
再次,所述步骤S6中还包括有上色过程:利用VTK系统中的vtkColorTransferFunction函数对体数据进行上色。上色过程的代码为:
#Create transfer mapping scalar value to color
colorTransferFunction=vtk.vtkColorTransferFunction()
colorTransferFunction.AddRGBPoint(0,0.0,0.0,0.0)
colorTransferFunction.AddRGBPoint(45,0.0,0.0,0.0)
colorTransferFunction.AddRGBPoint(100,1.0,0.0,0.0)
colorTransferFunction.AddRGBPoint(1200,1.0,0.0,0.0)
其中,vtkColorTransferFunction是VTK系统中用来对体数据进行上色的函数,与上面的透明度函数类似,该函数使用插入转折点的方法使体数据的颜色发生渐变,参数值的含义为(value,r,g,b)value的含义是当前体绘制点的灰度值,rgb对应着该点的最终转换之后的颜色,每个值的大小介于0到1之间,与传统的RGB值表的对应关系是(range(0,255))/(255),即用色表中的RGB值除以255得到对应的RGB参数。本实施例从灰度值为45的点开始上色,渐变最终成为红色。经过设置颜色函数、体绘制设置与处理之后重建的血管管腔的结果如图13所示,通过上色处理,最终使血管管腔更加有立体感,更具有实际的工程和临床诊断价值。
关于管腔重建结果显示,为验证算法及相应可视化处理的可行性,本实施例取MICCA上的32套参考血管中心线中的第一套数据dataset00中的四条血管进行测试,本实施例以论文Schaap M,Metz C T,van Walsum T,et al.Standardized evaluationmethodology and reference database for evaluating coronary artery centerlineextraction algorithms[J].Medical image analysis,2009,13(5):701-714.和Metz C,Schaap M,van Walsum T,et al.3D segmentation in the clinic:A grand challengeii-coronary artery tracking[J].Insight Journal,2008,1(5):6.中提出并公布的32套标准MRI图像资料作为参考,这32套数据中每套都给出了mhd+raw的文件,并且前八套数据还给出了符合前文论述的txt格式的血管中心线文件。本实施例取第一套数据dataset00中的血管中心线文件作为输入数据来验证本文所提出的方法的可行性。经过一系列的计算和渲染,重建的结果如图14所示,四条血管的管腔重建的结果曲线非常平滑,截面也能保证是光滑的圆形,在一些血管狭窄的部位,也可以明显的观察出来。
本实施例中涉及的代码,采用了Python开发语言,其能够大大缩短开发周期;python的语言特性使得python在很多的情况下能够充当胶水语言的特性,例如在本实施例中,血管的可视化显示的借助的库是VTK(Visualization Toolkit),VTK本身是由C++编写而成,但是也留有大量的python接口,在使用python做算法实现的时候,可以使用python快速完成算法实现,但是底层在运行C++程序,这样兼顾了开发效率和程序运行效率,因此python具有学习周期短的特点和开发语言桥梁的“胶水语言”的作用。除了VTK库之后,还涉及了math库和sys库。
本实施例中涉及的VTK系统,其全称是Visualization Toolkit是一个开源的免费软件系统,主要用于三维计算机图形学、图像处理和可视化,VTK系统实在面向对象的基础上设计和实现的,其内核是C++构建的,但是留有了Python等语言的接口。VTK是一个跨平台的开源免费软件,同时具有相对友好的特性,所以我们这里将其作为算法实现的工具。
本实施例中的高斯(核)函数是某种沿径向对称的标量函数,通常定义uwei空间中任一点x到某一中心xc之间欧式距离的单调函数,可记作k(||x-xc||),其作用往往是局部的,即当x远离xc时函数取值很小。最常用的径向基函数是高斯核函数,形式为k(||x-xc||)=exp{-||x-xc||^2/(2*σ^2)}其中xc为核函数中心,σ为函数的宽度参数,控制了函数的径向作用范围。高斯(核)函数在计算机视觉中应用很多,常用于图像处理。高斯(核)函数的具体优势将在下文中进行详细的讨论。
本实施例在管腔重建的过程中,采样空间的选取在本方案中根据mhd文件中的相关信息进行确定,采样空间中的每一个点的灰度值跟距离该点的中心线的距离成反比,跟涉及中心线的坐标的对应的血管半径的大小成正比。因为采样空间中的绝大部分的空间点不在血管管腔之上,同时距离较远,所以我们这里可以围绕每个涉及采样计算的中心线的点选取一定范围内的采样空间的点形成采样子空间进行采样计算,然后根据高斯(核)函数的性质进行取舍和进一步的处理。
本发明公开的血管管腔结构重建方法,其重建的血管管腔结构可以使得医生或者相关领域的研究人员通过肉眼准确的在三维空间里找到存在病灶的血管段的位置。尤其在介入手术中,该管腔结构可以为医生对感兴趣的血管段结构提供更加清晰的认知。此外重建出的管腔结构可以用于血管介入机器人系统的影像导航模块,可以让负责血管介入手术医生在影像导航平台上清晰的看清介入导丝和血管在空间中的相对位置。
Claims (12)
1.一种血管管腔结构重建方法,其特征在于,包括有如下步骤:
步骤S1,通过三维影像数据采集方式获取血管的体数据文件;
步骤S2,从体数据文件中提取血管文件,所述血管文件包括中心线点坐标和血管半径;
步骤S3,将所述血管文件中的数据由长度单位转换为体素单位;
步骤S4,构建一个呈三维矩阵的采样空间,所述采样空间中每个采样点的数据包括以体素为单位的中心线点坐标和血管半径;
步骤S5,计算采样空间范围内每一采样点的灰度值grey_scale_value:
其中,center_x、center_y和center_z表示当前采样点的坐标,(x、y、z)为当前中心线点的坐标值,radius表示当前采样点的血管半径,乘数1000表示将计算结果放大1000倍;
步骤S6,利用VTK系统将采样空间中的数据在该vtk系统的渲染窗口中进行可视化体绘制;
所述步骤S3与步骤S4之间还包括有线性插值计算步骤:
根据预设数量的体素单位内中心线点的坐标,计算得出插值点坐标coordinate:
其中,start_coordinate表示开始点的坐标,end_coordinate表示结束点的坐标,accumulate_dis表示由开始点至结束点的长度累加。
2.如权利要求1所述的血管管腔结构重建方法,其特征在于,所述步骤S1中的体数据文件包括有mhd格式文件和raw格式文件,所述步骤S2中的血管文件是txt文本格式文件。
3.如权利要求2所述的血管管腔结构重建方法,其特征在于,所述血管文件中包括五列数据,其中第一至第三列数据表示中心线点的X轴、Y轴和Z轴坐标,第四列为中心线点的半径,第五列为误差。
4.如权利要求2所述的血管管腔结构重建方法,其特征在于,所述mhd格式文件中包括有转换系数ElementSpacing,所述转换系数ElementSpacing与中心线点一一对应,所述步骤S3中由长度单位转换为体素单位的过程包括:将当前中心线点的坐标值(x、y、z)除以对应的转换系数ElementSpacing。
5.如权利要求1所述的血管管腔结构重建方法,其特征在于,预设数量的体素单位为1个体素单位。
6.如权利要求2所述的血管管腔结构重建方法,其特征在于,所述mhd格式文件中包括有三维空间的尺寸数据,所述步骤S4中,按照该三维空间的尺寸数据构建采样空间。
7.如权利要求1所述的血管管腔结构重建方法,其特征在于,所述步骤S4中,在所述采样空间中建立子采样空间,所述子采样空间以当前中心线点坐标为中心,并利用步骤S5中的计算方法,得出子采样空间中各采样点的灰度值。
8.如权利要求7所述的血管管腔结构重建方法,其特征在于,所述步骤S4中,当所述子采样空间到达或者超过采样空间的边界时,终止步骤S5,结束对采样点灰度值的计算。
9.如权利要求7所述的血管管腔结构重建方法,其特征在于,所述子采样空间中,中心线点坐标至子采样空间边缘的距离大于所述血管半径的最大值。
10.如权利要求1所述的血管管腔结构重建方法,其特征在于,所述步骤S6中,进行可视化体绘制之前包括灰度值过滤步骤:以灰度值45作为一个临界值进行过滤,将灰度值小于45的采样点设置为透明。
11.如权利要求10所述的血管管腔结构重建方法,其特征在于,所述灰度值大于45的采样点,其透明度为:0<透明度≤0.8。
12.如权利要求1所述的血管管腔结构重建方法,其特征在于,所述步骤S6中还包括有上色过程:利用VTK系统中的vtkColorTransferFunction函数对体数据进行上色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610688927.8A CN107767435B (zh) | 2016-08-19 | 2016-08-19 | 一种血管管腔结构重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610688927.8A CN107767435B (zh) | 2016-08-19 | 2016-08-19 | 一种血管管腔结构重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107767435A CN107767435A (zh) | 2018-03-06 |
CN107767435B true CN107767435B (zh) | 2021-05-25 |
Family
ID=61262954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610688927.8A Active CN107767435B (zh) | 2016-08-19 | 2016-08-19 | 一种血管管腔结构重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767435B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537789B (zh) * | 2018-04-13 | 2021-02-09 | 深圳大学 | 管腔识别方法、装置及计算机存储介质 |
CN108898666B (zh) * | 2018-06-20 | 2021-04-06 | 厦门大学 | 一种基于椭球拟合径向基函数的血管建模方法 |
CN109859848B (zh) * | 2019-01-24 | 2021-03-02 | 中国医学科学院北京协和医院 | 一种心脏血管病变仿真模拟的方法 |
CN112419462A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 三维血管的渲染合成方法、系统及存储介质 |
Citations (7)
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 |
CN102903115A (zh) * | 2012-10-12 | 2013-01-30 | 中国科学院深圳先进技术研究院 | 一种管状物体中心线的提取方法 |
CN103020958A (zh) * | 2012-11-22 | 2013-04-03 | 北京理工大学 | 一种基于曲率尺度空间的血管自动匹配方法 |
CN103268630A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 一种基于血管内超声影像的血管三维可视化方法 |
CN103971403A (zh) * | 2013-01-29 | 2014-08-06 | 西门子公司 | 3d管状结构的曲线重建的快速呈现 |
CN104933759A (zh) * | 2015-06-03 | 2015-09-23 | 浙江工业大学 | 一种人脑组织高维可视化方法 |
CN105551041A (zh) * | 2015-12-15 | 2016-05-04 | 中国科学院深圳先进技术研究院 | 普适的血管分割方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7993274B2 (en) * | 2006-11-22 | 2011-08-09 | General Electric Company | Method, system, and computer product for automatically extracting and tracking cardiac calcifications and determining a tracking centerline |
US8817014B2 (en) * | 2009-11-23 | 2014-08-26 | Siemens Medical Solutions Usa, Inc. | Image display of a tubular structure |
-
2016
- 2016-08-19 CN CN201610688927.8A patent/CN107767435B/zh active Active
Patent Citations (7)
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 |
CN102903115A (zh) * | 2012-10-12 | 2013-01-30 | 中国科学院深圳先进技术研究院 | 一种管状物体中心线的提取方法 |
CN103020958A (zh) * | 2012-11-22 | 2013-04-03 | 北京理工大学 | 一种基于曲率尺度空间的血管自动匹配方法 |
CN103971403A (zh) * | 2013-01-29 | 2014-08-06 | 西门子公司 | 3d管状结构的曲线重建的快速呈现 |
CN103268630A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 一种基于血管内超声影像的血管三维可视化方法 |
CN104933759A (zh) * | 2015-06-03 | 2015-09-23 | 浙江工业大学 | 一种人脑组织高维可视化方法 |
CN105551041A (zh) * | 2015-12-15 | 2016-05-04 | 中国科学院深圳先进技术研究院 | 普适的血管分割方法及系统 |
Non-Patent Citations (3)
Title |
---|
"A VESSEL SEGMENTATION METHOD FOR MRA DATA BASED ON PROBABILISTIC MIXTURE MODEL";Pei Lu等;《2015 IET International Conference on Biomedical Image and Signal Processing》;20151119;第1-4页 * |
"One-click detection of coronary artery ostia from three-dimensional CTA data";Zhenhuan Gong等;《2015 IEEE International Conference on Information and Automation》;20150810;第877-880页 * |
"基于光线投射法的冠脉血管腔壁分割算法";李俊威等;《中国激光》;20150831;第42卷(第8期);第0804002-1-0804002-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107767435A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gasteiger et al. | The FLOWLENS: A focus-and-context visualization approach for exploration of blood flow in cerebral aneurysms | |
CN107767435B (zh) | 一种血管管腔结构重建方法 | |
US9600890B2 (en) | Image segmentation apparatus, medical image device and image segmentation method | |
Preim et al. | 3D visualization of vasculature: an overview | |
US7684602B2 (en) | Method and system for local visualization for tubular structures | |
CN109949318B (zh) | 基于多模态影像的全卷积神经网络癫痫病灶分割方法 | |
CN110910405A (zh) | 基于多尺度空洞卷积神经网络的脑肿瘤分割方法及系统 | |
EP2996058A1 (en) | Method for automatically generating representations of imaging data and interactive visual imaging reports | |
CN107146262B (zh) | 一种oct图像的三维可视化方法和系统 | |
Kang et al. | Three-dimensional blood vessel quantification via centerline deformation | |
CN113160189A (zh) | 血管中心线提取方法、装置、设备及存储介质 | |
CN110163872A (zh) | 一种hrmr图像分割与三维重建的方法及电子设备 | |
CN116503607B (zh) | 一种基于深度学习的ct图像分割方法和系统 | |
JP2024515635A (ja) | 超音波及びカメラ画像から3d画像を再構成するためのシステム及び方法 | |
Jaffar et al. | Anisotropic diffusion based brain MRI segmentation and 3D reconstruction | |
CN111932665A (zh) | 一种基于血管管状模型的肝血管三维重建及可视化方法 | |
Nowinski et al. | A 3D model of human cerebrovasculature derived from 3T magnetic resonance angiography | |
Govyadinov et al. | Robust tracing and visualization of heterogeneous microvascular networks | |
Ghaffari et al. | Validation of parametric mesh generation for subject-specific cerebroarterial trees using modified Hausdorff distance metrics | |
Feng et al. | Linked exploratory visualizations for uncertain mr spectroscopy data | |
US20060103678A1 (en) | Method and system for interactive visualization of locally oriented structures | |
JP2005525863A (ja) | 医療用データの統合された視覚化用の医療用視検システム及び画像処理 | |
Aydin et al. | A hybrid image processing system for X-ray images of an external fixator | |
CN114881974A (zh) | 一种医学图像分析方法和系统 | |
Song et al. | Segmentation of 3D vasculatures for interventional radiology simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |