CN108765364B - 血管半径确定方法、装置、终端及存储介质 - Google Patents

血管半径确定方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN108765364B
CN108765364B CN201810283582.7A CN201810283582A CN108765364B CN 108765364 B CN108765364 B CN 108765364B CN 201810283582 A CN201810283582 A CN 201810283582A CN 108765364 B CN108765364 B CN 108765364B
Authority
CN
China
Prior art keywords
blood vessel
radius
target blood
pixel points
circle
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
CN201810283582.7A
Other languages
English (en)
Other versions
CN108765364A (zh
Inventor
吴乙荣
陈永健
程谟方
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.)
Qingdao Hisense Medical Equipment Co Ltd
Original Assignee
Qingdao Hisense Medical Equipment Co Ltd
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 Qingdao Hisense Medical Equipment Co Ltd filed Critical Qingdao Hisense Medical Equipment Co Ltd
Priority to CN201810283582.7A priority Critical patent/CN108765364B/zh
Publication of CN108765364A publication Critical patent/CN108765364A/zh
Application granted granted Critical
Publication of CN108765364B publication Critical patent/CN108765364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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 Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种血管半径确定方法、装置、终端及存储介质，属于图像处理领域。该血管半径确定方法包括：在目标血管的二维横截面图中获取目标血管的中心，以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在两个半径中数值大的半径对应的圆内，确定出位于目标血管边缘上的像素点，根据各个目标血管边缘上的像素点的坐标计算目标血管的半径。本申请达到了准确的从DR图像中确定出血管半径，提高医疗效率的效果。

Description

血管半径确定方法、装置、终端及存储介质
技术领域
本申请涉及图像处理领域，特别涉及一种血管半径确定方法、装置、终端及存储介质。
背景技术
目前，很多人忽视了饮食习惯问题，导致饮食中脂类、醇类过多，又没有合理的运动促进其代谢，极易引发心脑血管疾病，从而出现了大量的心脑血管疾病患者。
由于医疗资源分配的欠合理，导致某些医院人满为患，如不提高医疗效率，将使得这些患者得不到及时的检测和治疗，因此数字化医疗应运而生，其实施可以有效提升医院的诊疗效率。
在数字医疗设备中，直接数字化X射线摄影系统(Digital Radiography，DR)被认为在对心脑血管疾病的诊断价值较高，快速准确的从DR图像中确定出血管半径对提高医疗效率有着重要意义。
发明内容
为了解决相关技术中从DR图像中确定出血管半径的方法速度和准确度欠佳的问题，本申请实施例提供了一种血管半径确定方法、装置、终端及存储介质。所述技术方案如下：
第一方面，提供了一种血管半径确定方法，所述方法包括：
在目标血管的二维横截面图中获取所述目标血管的中心，以所述目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在所述两个半径中数值大的半径对应的圆内，确定出位于所述目标血管边缘上的像素点，根据各个所述目标血管边缘上的像素点的坐标计算所述目标血管的半径。
第二方面，提供了一种血管半径确定装置，所述装置包括：
获取模块，用于在目标血管的二维横截面图中获取所述目标血管的中心，以所述目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
第一计算模块，用于获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
第二计算模块，用于在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在所述两个半径中数值大的半径对应的圆内，确定出位于所述目标血管边缘上的像素点，根据各个所述目标血管边缘上的像素点的坐标计算所述目标血管的半径。
第三方面，提供了一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的血管半径确定方法。
第四方面，提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的血管半径确定方法。
本申请实施例提供的技术方案带来的有益效果是：
通过以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆，计算相邻两个圆之间的灰度差，根据绝对值最大的灰度差对应的半径来确定位于目标血管边缘上的像素点的坐标；由于血管内的像素点的灰度值与血管外的像素点的灰度值存在较大差异，也就是说，相邻两个圆之间的灰度差越大，说明目标血管边缘越有可能在该相邻两个圆之间，因此解决了相关技术中从DR图像中确定出血管半径的方法准确度欠佳的问题，达到了准确的从DR图像中确定出血管半径，提高医疗效率的效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A示出了本申请一个实施例提供的血管半径确定方法的方法流程图；
图1B示出了本申请一个实施例提供的目标血管的二维横截面图；
图2是本申请一个实施例中提供的血管半径确定装置的结构方框图；
图3示出了本申请一个示例性实施例提供的终端300的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在本申请实施例中，提供了一种血管半径确定方法，由于血管内的像素点的灰度值与血管外的像素点的灰度值存在较大差异，本申请在以目标血管的中心为圆心所生成的圆中，根据相邻两个圆之间的灰度差，确定目标血管的边缘的位置，因此解决了相关技术中从DR图像中确定出血管半径的方法准确度欠佳的问题，达到了准确的从DR图像中确定出血管半径，提高医疗效率的效果。下面将基于上面所述的本申请实施例涉及的共性方面，对本申请实施例进行进一步详细说明。
实施例1
请参考图1A，其示出了本申请一个实施例提供的血管半径确定方法的方法流程图。该血管半径确定方法可以包括如下步骤：
步骤101，在目标血管的二维横截面图中获取目标血管的中心，以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆。
需要说明的是，预设的半径集合中数值最小的半径可为1个像素的间距，2个像素的间距，3个像素的间距等等，数值最小的半径所对应的数值为人为设定或者系统预设，本实施例不限定数值最小的半径的具体数值和设置方式。
可选的，预设的半径集合中，任意相邻的两个圆之间的半径差为预设数值。
需要说明的是，预设数值为1um、0.1mm、0.2mm等等，预设数值为人为设定或者系统预设，本实施例不限定半径差的具体数值和设置方式。
图1B示出了本申请一个实施例提供的目标血管的二维横截面图，如图1B所示，p点为目标血管的二维横截面的中心，根据预设的半径集合[r_min,r_max]包括的所有半径(rmin,rmin+1,rmin+2,…,rmax)依次生成圆(C1,C2,C3,…,Cmax)，其中，任意相邻的两个圆之间的半径差为1mm。
步骤102，获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差。
继续以图1B为例，半径为rmin的圆包括的所有像素点即为x坐标和y坐标满足
Figure BDA0001615394580000041
的像素点，比如图1B中半径为rmin的圆包括像素点有像素点A和像素点B，半径为rmin+1的圆包括像素点有像素点A、像素点B、像素点C和像素点D，半径为rmin+2的圆包括像素点有像素点A、像素点B、像素点C、像素点D和像素点E。
具体的，对于半径集合包括的所有半径依次生成圆中的每个圆，获取圆包括的所有像素点的灰度值，根据圆包括的所有像素点的灰度值和预设的平均灰度计算公式，计算圆内所有像素点的平均灰度值。
其中，预设的平均灰度计算公式如公式(1)所示：
Figure BDA0001615394580000042
其中，
Figure BDA0001615394580000043
为半径为rmin的圆内所有像素点的平均灰度值，pixelVali为半径为rmin的圆内第i个像素点的灰度值，N为半径为rmin的圆内像素点的数量，N为正整数。
同理，根据公式(1)计算得到C2内的像素点的平均灰度值为
Figure BDA0001615394580000044
C3内的像素点的平均灰度值为
Figure BDA0001615394580000045
Cmax内的像素点的平均灰度值为
Figure BDA0001615394580000046
继而得到平均灰度值数组：
Figure BDA0001615394580000047
在得到每个圆内所有像素点的平均灰度值之后，通过差分计算得到任意相邻的两个圆之间的灰度差：
Figure BDA0001615394580000048
步骤103，在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在两个半径中数值大的半径对应的圆内，确定出位于目标血管边缘上的像素点，根据各个目标血管边缘上的像素点的坐标计算目标血管的半径。
其中，通过abs函数得到
Figure BDA0001615394580000051
中像素点的平均灰度值的绝对值。
具体的，在两个半径中数值大的半径对应的圆内的像素点中，将同时满足下述两个条件的像素点，确定出位于目标血管边缘上的像素点：
条件1)目标像素点的灰度值对应的灰度梯度幅值|g|大于预设梯度阈值gθ；
条件2)目标像素点与目标血管的中心之间的欧氏距离abs(dc-r0)小于预设距离阈值Threshold，则将目标像素点确定为位于目标血管边缘上的像素点，其中，dc为半径为r0的圆内满足条件1)的目标像素点。
其中，灰度梯度幅值的计算公式为
Figure BDA0001615394580000052
|g|为目标像素点的灰度值对应的灰度梯度幅值，gx为目标像素点在x方向上的梯度值，gy为目标像素点在y方向上的梯度值，gz为目标像素点在z方向上的梯度值。
在确定出位于目标血管边缘上的像素点之后，获取各个目标血管边缘上的像素点的坐标，根据各个目标血管边缘上的像素点的坐标和预设的血管半径确定公式，计算目标血管的半径。
其中，预设的血管半径确定公式如公式(2)所示：
Figure BDA0001615394580000053
其中，|gi|为各个目标血管边缘上的像素点中第i个像素点的灰度梯度幅值，dic为第i个像素点与目标血管的中心之间的欧氏距离。
综上所述，本申请实施例提供的方法，通过以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆，计算相邻两个圆之间的灰度差，根据绝对值最大的灰度差对应的半径来确定位于目标血管边缘上的像素点的坐标；由于血管内的像素点的灰度值与血管外的像素点的灰度值存在较大差异，也就是说，相邻两个圆之间的灰度差越大，说明目标血管边缘越有可能在该相邻两个圆之间，因此解决了相关技术中从DR图像中确定出血管半径的方法准确度欠佳的问题，达到了准确的从DR图像中确定出血管半径，提高医疗效率的效果。
仍参见图1B，在目标血管的二维横截面图中，通过现有技术中ray-casting方法计算血管半径，会预先以目标血管的中心为端点，生成8个方向的射线(上10、右上20、右30、右下40、下50、左下60、左70、左上80)，相邻射线之间的角度为45°。通过每条射线上像素点的灰度差来确定血管边界，即通过
Figure BDA0001615394580000061
来估算半径。但是当图像中存在比较大的噪声点时，比如当点A、点B和点C为在射线方向上的噪声点时，通过ray-casting方法则会误将点A、点B和点C确定为位于血管边缘上的点，而实际上方框01、方框02和方框03这三个点才为位于血管边缘上的点。由此可知，受到噪声点的影响，采用ray_casting方法计算得到血管半径计算会比血管的实际半径小。而在本申请中，考虑到相邻圆包括的所有像素点的灰度值的变化，降低了单个噪声点对血管半径计算精度的影响，并且在血管半径计算中考虑到像素点的灰度梯度幅值，使得血管半径的计算鲁棒性更好。
在一种可能实现的场景中，将本申请所提及的血管半径计算方法应用于三维血管图像中，即在目标血管的三维血管图中获取所述目标血管的中心，由于三维血管图中血管呈圆柱状，需要将步骤101替换为：在目标血管的三维血管图中获取目标血管的中心，以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成球。即可实现在三维血管图中确定目标血管的半径，而相比二维场景，ray-casting方法计算三维场景中的血管半径的准确度受噪声点影响更大。
下述为本申请装置实施例，对于装置实施例中未详尽描述的细节，可以参考上述一一对应的方法实施例。
请参考图2，图2是本申请一个实施例中提供的血管半径确定装置的结构方框图。该血管半径确定方法该装置包括：获取模块201、第一计算模块202和第二计算模块203。
获取模块201，用于在目标血管的二维横截面图中获取目标血管的中心，以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
第一计算模块202，用于获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
第二计算模块203，用于在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在两个半径中数值大的半径对应的圆内，确定出位于目标血管边缘上的像素点，根据各个目标血管边缘上的像素点的坐标计算目标血管的半径。
在一种可能实现的方式中，该第一计算模块202，还被配置为：
对于半径集合包括的所有半径依次生成圆中的每个圆，获取圆包括的所有像素点的灰度值，根据圆包括的所有像素点的灰度值和预设的平均灰度计算公式，计算圆内所有像素点的平均灰度值；
其中，预设的平均灰度计算公式为：
Figure BDA0001615394580000071
其中，
Figure BDA0001615394580000072
为半径为rmin的圆内所有像素点的平均灰度值，pixelVali为半径为rmin的圆内第i个像素点的灰度值，N为半径为rmin的圆内像素点的数量，N为正整数。
在一种可能的实现方式中，该第二计算模块203，包括：
确定单元，用于在两个半径中数值大的半径对应的圆内的像素点中，如果目标像素点的灰度值对应的灰度梯度幅值大于预设梯度阈值，且目标像素点与目标血管的中心之间的欧氏距离小于预设距离阈值，则将目标像素点确定为位于目标血管边缘上的像素点。
在一种可能的实现方式中，灰度梯度幅值的计算公式为
Figure BDA0001615394580000073
|g|为目标像素点的灰度值对应的灰度梯度幅值，gx为目标像素点在x方向上的梯度值，gy为目标像素点在y方向上的梯度值，gz为目标像素点在z方向上的梯度值。
在一种可能的实现方式中，该第二计算模块203，还包括：
计算单元，用于获取各个目标血管边缘上的像素点的坐标，根据各个目标血管边缘上的像素点的坐标和预设的血管半径确定公式，计算目标血管的半径；
其中，预设的血管半径确定公式为：
Figure BDA0001615394580000074
其中，|gi|为各个目标血管边缘上的像素点中第i个像素点的灰度梯度幅值，dic为第i个像素点与目标血管的中心之间的欧氏距离。
综上所述，本申请实施例提供的装置，通过以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆，计算相邻两个圆之间的灰度差，根据绝对值最大的灰度差对应的半径来确定位于目标血管边缘上的像素点的坐标；由于血管内的像素点的灰度值与血管外的像素点的灰度值存在较大差异，也就是说，相邻两个圆之间的灰度差越大，说明目标血管边缘越有可能在该相邻两个圆之间，因此解决了相关技术中从DR图像中确定出血管半径的方法准确度欠佳的问题，达到了准确的从DR图像中确定出血管半径，提高医疗效率的效果。
需要说明的是：上述实施例中提供的血管半径确定装置在确定血管半径时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的血管半径确定装置与血管半径确定方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请一示例性实施例提供了一种终端，能够实现本申请提供的血管半径确定方法，该终端包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
在目标血管的二维横截面图中获取目标血管的中心，以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在两个半径中数值大的半径对应的圆内，确定出位于目标血管边缘上的像素点，根据各个目标血管边缘上的像素点的坐标计算目标血管的半径。
本申请一示例性实施例提供了一种计算机可读存储介质，该计算机程序被处理器执行时实现以下步骤：
在目标血管的二维横截面图中获取目标血管的中心，以目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在两个半径中数值大的半径对应的圆内，确定出位于目标血管边缘上的像素点，根据各个目标血管边缘上的像素点的坐标计算目标血管的半径。
图3示出了本申请一个示例性实施例提供的终端300的结构框图。终端300可被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端300包括有：处理器301和存储器302。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的异常数据上报方法。
在一些实施例中，终端300还可选包括有：外围设备接口303和至少一个外围设备。处理器301、存储器302和外围设备接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口303相连。具体地，外围设备包括：射频电路304、触摸显示屏305、摄像头306、音频电路307、定位组件308和电源309中的至少一种。
外围设备接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和外围设备接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和外围设备接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，设置终端300的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在终端300的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在终端300的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件306用于采集图像或视频。可选地，摄像头组件306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。
音频电路307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器301进行处理，或者输入至射频电路304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器301或射频电路304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路307还可以包括耳机插孔。
电源308用于为终端300中的各个组件进行供电。电源308可以是交流电、直流电、一次性电池或可充电电池。当电源308包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端300还包括有一个或多个传感器309。该一个或多个传感器309包括但不限于：加速度传感器310、陀螺仪传感器311、压力传感器312、指纹传感器313、光学传感器314以及接近传感器315。
加速度传感器310可以检测以终端300建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器310可以用于检测重力加速度在三个坐标轴上的分量。处理器301可以根据加速度传感器310采集的重力加速度信号，控制触摸显示屏305以横向视图或纵向视图进行用户界面的显示。加速度传感器310还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器311可以检测终端300的机体方向及转动角度，陀螺仪传感器311可以与加速度传感器310协同采集用户对终端300的3D动作。处理器301根据陀螺仪传感器311采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器312可以设置在终端300的侧边框和/或触摸显示屏305的下层。当压力传感器312设置在终端300的侧边框时，可以检测用户对终端300的握持信号，由处理器301根据压力传感器312采集的握持信号进行左右手识别或快捷操作。当压力传感器312设置在触摸显示屏305的下层时，由处理器301根据用户对触摸显示屏305的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器313用于采集用户的指纹，由处理器301根据指纹传感器314采集到的指纹识别用户的身份，或者，由指纹传感器313根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器301授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器313可以被设置终端300的正面、背面或侧面。当终端300上设置有物理按键或厂商Logo时，指纹传感器313可以与物理按键或厂商Logo集成在一起。
光学传感器314用于采集环境光强度。在一个实施例中，处理器301可以根据光学传感器314采集的环境光强度，控制触摸显示屏305的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏305的显示亮度；当环境光强度较低时，调低触摸显示屏305的显示亮度。在另一个实施例中，处理器301还可以根据光学传感器314采集的环境光强度，动态调整摄像头组件306的拍摄参数。
接近传感器315，也称距离传感器，通常设置在终端300的前面板。接近传感器315用于采集用户与终端300的正面之间的距离。在一个实施例中，当接近传感器315检测到用户与终端300的正面之间的距离逐渐变小时，由处理器301控制触摸显示屏305从亮屏状态切换为息屏状态；当接近传感器315检测到用户与终端300的正面之间的距离逐渐变大时，由处理器301控制触摸显示屏305从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图3中示出的结构并不构成对终端300的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种血管半径确定方法，其特征在于，所述方法包括：
在目标血管的二维横截面图中获取所述目标血管的中心，以所述目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在所述两个半径中数值大的半径对应的圆内，确定出位于所述目标血管边缘上的像素点，根据各个所述目标血管边缘上的像素点的坐标计算所述目标血管的半径。
2.根据权利要求1所述的方法，其特征在于，所述获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，包括：
对于所述半径集合包括的所有半径依次生成圆中的每个圆，获取所述圆包括的所有像素点的灰度值，根据所述圆包括的所有像素点的灰度值和预设的平均灰度计算公式，计算所述圆内所有像素点的平均灰度值；
其中，所述预设的平均灰度计算公式为：
Figure FDA0002692972180000011
其中，所述
Figure FDA0002692972180000012
为半径为rmin的圆内所有像素点的平均灰度值，所述pixelVali为所述半径为rmin的圆内第i个像素点的灰度值，所述N为所述半径为rmin的圆内像素点的数量，所述N为正整数。
3.根据权利要求1所述的方法，其特征在于，所述在所述两个半径中数值大的半径对应的圆内，确定出位于所述目标血管边缘上的像素点，包括：
在所述两个半径中数值大的半径对应的圆内的像素点中，如果目标像素点的灰度值对应的灰度梯度幅值大于预设梯度阈值，且所述目标像素点与所述目标血管的中心之间的欧氏距离小于预设距离阈值，则将所述目标像素点确定为位于所述目标血管边缘上的像素点。
4.根据权利要求3所述的方法，其特征在于，所述灰度梯度幅值的计算公式为
Figure FDA0002692972180000021
所述|g|为所述目标像素点的灰度值对应的灰度梯度幅值，所述gx为所述目标像素点在x方向上的梯度值，所述gy为所述目标像素点在y方向上的梯度值，gz为所述目标像素点在z方向上的梯度值。
5.根据权利要求3所述的方法，其特征在于，所述根据各个所述目标血管边缘上的像素点的坐标计算所述目标血管的半径，包括：
获取各个所述目标血管边缘上的像素点的坐标，根据各个所述目标血管边缘上的像素点的坐标和预设的血管半径确定公式，计算所述目标血管的半径；
其中，所述预设的血管半径确定公式为：
Figure FDA0002692972180000022
其中，所述|gi|为各个所述目标血管边缘上的像素点中第i个像素点的灰度梯度幅值，所述dic为所述第i个像素点与所述目标血管的中心之间的欧氏距离，所述M为所述各个所述目标血管边缘上的像素点的数量和，所述M为正整数。
6.一种血管半径确定装置，其特征在于，所述装置包括：
获取模块，用于在目标血管的二维横截面图中获取所述目标血管的中心，以所述目标血管的中心为圆心，根据预设的半径集合包括的所有半径依次生成圆；
第一计算模块，用于获取每个圆包括的所有像素点的灰度值，计算每个圆内所有像素点的平均灰度值，根据每个圆内所有像素点的平均灰度值，计算任意相邻的两个圆之间的灰度差；
第二计算模块，用于在计算得到的灰度差中，确定绝对值最大的灰度差所对应的两个半径，在所述两个半径中数值大的半径对应的圆内，确定出位于所述目标血管边缘上的像素点，根据各个所述目标血管边缘上的像素点的坐标计算所述目标血管的半径。
7.根据权利要求6所述的装置，其特征在于，所述第二计算模块，包括：
确定单元，用于在所述两个半径中数值大的半径对应的圆内的像素点中，如果目标像素点的灰度值对应的灰度梯度幅值大于预设梯度阈值，且所述目标像素点与所述目标血管的中心之间的欧氏距离小于预设距离阈值，则将所述目标像素点确定为位于所述目标血管边缘上的像素点。
8.根据权利要求7所述的装置，其特征在于，所述第二计算模块，还包括：
计算单元，用于获取各个所述目标血管边缘上的像素点的坐标，根据各个所述目标血管边缘上的像素点的坐标和预设的血管半径确定公式，计算所述目标血管的半径；
其中，所述预设的血管半径确定公式为：
Figure FDA0002692972180000031
其中，所述|gi|为各个所述目标血管边缘上的像素点中第i个像素点的灰度梯度幅值，所述dic为所述第i个像素点与所述目标血管的中心之间的欧氏距离，所述M为所述各个所述目标血管边缘上的像素点的数量和，所述M为正整数。
9.一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-5任一所述的血管半径确定方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-5任一所述的血管半径确定方法。
CN201810283582.7A 2018-04-02 2018-04-02 血管半径确定方法、装置、终端及存储介质 Active CN108765364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810283582.7A CN108765364B (zh) 2018-04-02 2018-04-02 血管半径确定方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810283582.7A CN108765364B (zh) 2018-04-02 2018-04-02 血管半径确定方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN108765364A CN108765364A (zh) 2018-11-06
CN108765364B true CN108765364B (zh) 2021-01-12

Family

ID=63980700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810283582.7A Active CN108765364B (zh) 2018-04-02 2018-04-02 血管半径确定方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN108765364B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112529923B (zh) * 2020-12-15 2024-09-03 北京爱奇艺科技有限公司 一种控件识别方法及装置
CN114494469A (zh) * 2022-01-29 2022-05-13 京东方科技集团股份有限公司 图像处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718193B2 (en) * 2000-11-28 2004-04-06 Ge Medical Systems Global Technology Company, Llc Method and apparatus for analyzing vessels displayed as unfolded structures
CN103810363A (zh) * 2012-11-09 2014-05-21 上海联影医疗科技有限公司 血管造影术中的血管种子点选取方法及血管提取方法
CN107067398A (zh) * 2017-04-28 2017-08-18 青岛海信医疗设备股份有限公司 用于三维医学模型中缺失血管的补全方法及装置
CN107204041A (zh) * 2017-05-31 2017-09-26 重庆大学 基于眼底图像的视网膜血管三维模型构建方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6215555B2 (ja) * 2013-03-29 2017-10-18 株式会社ニデック 眼底画像処理装置および眼底画像処理プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718193B2 (en) * 2000-11-28 2004-04-06 Ge Medical Systems Global Technology Company, Llc Method and apparatus for analyzing vessels displayed as unfolded structures
CN103810363A (zh) * 2012-11-09 2014-05-21 上海联影医疗科技有限公司 血管造影术中的血管种子点选取方法及血管提取方法
CN107067398A (zh) * 2017-04-28 2017-08-18 青岛海信医疗设备股份有限公司 用于三维医学模型中缺失血管的补全方法及装置
CN107204041A (zh) * 2017-05-31 2017-09-26 重庆大学 基于眼底图像的视网膜血管三维模型构建方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An effective retinal blood vessel segmentation method using multi-scale line detection;Nguyen U T V et al.;《Pattern Recognition》;20130331;703-715 *
心脏造影图像中血管直径测量技术研究;辛栋;《中国优秀硕士学位论文全文数据库信息科技辑》;20120915;I138-573 *

Also Published As

Publication number Publication date
CN108765364A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
US11288807B2 (en) Method, electronic device and storage medium for segmenting image
CN110059744B (zh) 训练神经网络的方法、图像处理的方法、设备及存储介质
CN107945163B (zh) 图像增强方法及装置
CN110619614B (zh) 图像处理的方法、装置、计算机设备以及存储介质
CN110956580A (zh) 图像换脸的方法、装置、计算机设备以及存储介质
CN112002391A (zh) 检查顺序的确定方法、装置、电子设备及存储介质
CN111354378B (zh) 语音端点检测方法、装置、设备及计算机存储介质
CN112269559A (zh) 音量调整方法、装置、电子设备及存储介质
CN110675473B (zh) 生成gif动态图的方法、装置、电子设备及介质
CN109754439B (zh) 标定方法、装置、电子设备及介质
CN108765364B (zh) 血管半径确定方法、装置、终端及存储介质
CN111158575B (zh) 终端执行处理的方法、装置、设备以及存储介质
CN115798417A (zh) 背光亮度的确定方法、装置、设备及计算机可读存储介质
CN112184802A (zh) 标定框的调整方法、装置及存储介质
CN114241055A (zh) 一种改进型鱼眼镜头内参标定方法、系统、终端及存储介质
CN111723615B (zh) 对检测物图像进行检测物匹配判定的方法和装置
CN110672036B (zh) 确定投影区域的方法及装置
CN108648170B (zh) 一种血管路径确定方法、装置、终端及存储介质
CN107992230B (zh) 图像处理方法、装置及存储介质
CN112214115A (zh) 输入方式的识别方法、装置、电子设备及存储介质
CN111339735A (zh) 字符串长度计算方法及装置、计算机存储介质
CN110889391A (zh) 人脸图像处理的方法、装置、计算设备和存储介质
CN113418848B (zh) 岩心的渗透参数的确定方法、装置、设备及存储介质
CN113345478B (zh) 播放器时刻获取方法、设备、存储介质及播放器
CN110659609B (zh) 指纹匹配方法、装置、电子设备及介质

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