CN109118508B - Ivoct图像血管壁内腔轮廓提取方法 - Google Patents
Ivoct图像血管壁内腔轮廓提取方法 Download PDFInfo
- Publication number
- CN109118508B CN109118508B CN201811010424.0A CN201811010424A CN109118508B CN 109118508 B CN109118508 B CN 109118508B CN 201811010424 A CN201811010424 A CN 201811010424A CN 109118508 B CN109118508 B CN 109118508B
- Authority
- CN
- China
- Prior art keywords
- image
- ivoct
- guide wire
- coordinate system
- blood vessel
- 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.)
- Expired - Fee Related
Links
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 67
- 238000000605 extraction Methods 0.000 title claims abstract description 21
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000001681 protective effect Effects 0.000 claims abstract description 24
- 230000002792 vascular Effects 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 210000004351 coronary vessel Anatomy 0.000 abstract description 6
- 201000010099 disease Diseases 0.000 abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 4
- 238000003708 edge detection Methods 0.000 abstract description 4
- 230000001575 pathological effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 208000029078 coronary artery disease Diseases 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000010845 search algorithm Methods 0.000 description 6
- 208000024172 Cardiovascular disease Diseases 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 238000012014 optical coherence tomography Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000002608 intravascular ultrasound Methods 0.000 description 2
- 125000003473 lipid group Chemical group 0.000 description 2
- 210000002540 macrophage Anatomy 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003562 morphometric effect Effects 0.000 description 1
- 238000013425 morphometry Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011321 prophylaxis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种IVOCT图像血管壁内腔轮廓提取方法，对于采集到的极坐标系下的IVOCT图像，首先在极坐标系下去除标定圈，然后转换至笛卡尔坐标系，去除成像导管和保护鞘，然后还原至极坐标系，在极坐标系下进行搜索得到导丝区域并去除导丝，然后进行血管壁边缘检测，将血管壁边缘曲线以上的像素点全部置为0，然后转换到笛卡尔坐标系下，得到血管壁内腔轮廓。采用本发明可以有效去除IVOCT图像中的干扰信息，提高所提取的血管壁内腔轮廓的准确度，从而突出显示冠状动脉形态和病理信息，对分析冠状动脉相关病症具有重要的意义。
Description
技术领域
本发明属于IVOCT图像处理技术领域，更为具体地讲，涉及一种IVOCT图像血管壁内腔轮廓提取方法。
背景技术
心血管疾病(Cardiovascular disease，CVD)和中风在美国和全球造成巨大的健康和经济负担。2013年，心血管疾病是世界上最常见的潜在死因，估计占全球死亡总数的1730万，占全球死亡总数的31.5％。据估计，美国有9210万成年人至少有1种类型的CVD。到2030年，预计有43.9％的美国成年人将患有某种形式的心血管疾病。其中冠心病(coronaryartery disease,CAD)是世界上致死率最高的疾病之一。斑块和管腔的周长、半径、直径和大小等，都被认为是检测冠心病症状等一系列冠状动脉检查的主要指标。大多数急性冠状动脉事件是由动脉粥样硬化斑块上的保护性纤维帽(fibrous cap,FC)破裂引起的。纤维帽厚度被认为是易损斑块(vulnerable plaque)的主要形态计量学决定因素之一，纤维帽厚度65μm被认为是不稳定阈值。在出现“易损斑块”症状时可采取预防性治疗措施，以避免随后的心肌梗死和猝死。
鉴别易损斑块，如薄帽纤维粥样斑块(Thin-cap fibroatheroma,TCFA)是冠心病诊断的关键。血管内医学成像方式如血管内超声成像(intravascular ultrasound,IVUS)技术和血管内光学相干断层成像(intravascular optical coherence tomography,IVOCT)是评价冠状动脉疾病最常用的血管内成像模式。其中，IVOCT是一种高分辨率(10-20μm)的成像方式，是IVUS的约10倍，它能将冠状动脉的深度分辨剖面成像为1-2mm，而且IVOCT对易损斑块的检测具有更好的敏感性(sensitivity)和特异性)。此外，这种技术本身可以进行重复处理，在多次成像之后依然可以保证结果的稳定性。易损斑块的重要组成部分，包括纤维帽破裂/裂缝、脂质核心和巨噬细胞浸润等，位置都比较浅，IVOCT可以很清晰地观察到这些结构的细微变化，故越来越多地被用于冠心病的研究、诊断和治疗评价。
研究血管壁的特性对冠心病的治疗具有重要的意义。血管壁内腔轮廓是衡量官腔狭窄程度的唯一标准；对血管壁的组成部分进行分析时，避免血管腔内冗余信息引入的干扰；血管壁内腔轮廓也有助于分析纤维帽厚度。近年来，通过分析IVOCT图像序列，提出了多种血管壁内腔轮廓的检测和提取方法。然而由于IVOCT图像中存在许多多管壁内腔轮廓的干扰信息，需要去除这些干扰信息。
图1是IVOCT图像的示例图。其中图1(a)是笛卡尔坐标系下的IVOCT图像，图1(b)是极坐标系下的IVOCT图像。图1中标号为1的箭头指向成像导管，标号为2的箭头指向保护鞘，标号为3的箭头指向导丝，标号为4的箭头指向标定圈，矩形和扇形区域表示导丝伪影。如图1所示，IVOCT图像中包括动脉的形态和病理信息，如斑块、管腔、血管壁等；管腔内也含有光学相干断层成像设备的信息，如成像导管(imaging catheter)、保护鞘(protectivesheath)、导丝(guide wire)、标定圈(calibration circle)、导丝伪影等。成像导管位于极坐标图像的上方和笛卡尔坐标图像的中心；保护鞘是一种透明的覆盖物，将成像导管与血管组织隔离开来，保护鞘的直径为0.9mm，通常用于图像校准，保护鞘在笛卡尔坐标中呈现圆环状；使用金属导丝是方便成像导管的放置，在扫描过程中，导丝反射了所有的光，所以它通常以一个非常明亮的月牙形出现，后面有一个长长的导丝伪影，而明亮的导丝会产生很强的梯度。这些信息对血管壁内腔轮廓的检测和提取产生负面影响，需要去除这些信息的影响。
发明内容
本发明的目的在于克服现有技术的不足，提供一种IVOCT图像血管壁内腔轮廓提取方法，有效去除IVOCT图像中的干扰信息，提高所提取的血管壁内腔轮廓的准确度。
为了实现上述发明目的，本发明IVOCT图像血管壁内腔轮廓提取方法包括以下步骤：
S1：在所采集的极坐标系下的IVOCT图像I1中，将标定圈的像素值全部赋值为0，从而去除标定圈，得到极坐标系下的IVOCT图像I2；
S2：将极坐标系下的IVOCT图像I2转换到笛卡尔坐标下，以笛卡尔坐标系下的IVOCT图像的中点为圆心作圆，将圆以内的像素值全部置0，其中圆的半径根据经验获取，从而去除成像导管和保护鞘，得到笛卡尔坐标系下的IVOCT图像I3；
S3：将笛卡尔坐标系下的IVOCT图像I3转换至极坐标系下，得到极坐标系下的IVOCT图像I4，然后采用以下方法进行图像恢复得到极坐标系下的IVOCT图像I5：
S3.1：根据IVOCT图像I1的高对IVOCT图像I4进行裁剪，去除下部的多余像素，得到IVOCT图像
S3.2：将IVOCT图像
进行水平翻转得到IVOCT图像
S3.3：将两张相同的IVOCT图像
进行首尾拼接得到拼接IVOCT图像
S3.4：采用与IVOCT图像I1相同大小的滑动窗口对拼接IVOCT图像
进行遍历，搜索出与IVOCT图像I1相似度最大的滑动窗口图像作为IVOCT图像I5；
S4：在极坐标系下的IVOCT图像I5中去除导丝，得到IVOCT图像I6，去除导丝的具体方法如下：
S4.1：采用平均像素值搜索算法搜索得到导丝区域A1，具体方法如下：
S4.1.1：令水平滑动窗口的高度等于IVOCT图像I5高度，宽度W＝Wmax，其中Wmax表示水平滑动窗口的最大宽度；
S4.1.2：采用水平滑动窗口对IVOCT图像I5进行水平遍历，计算每个水平滑动窗口的平均像素值，筛选出所有滑动窗口中的最小平均像素值；
S4.1.3：判断最小平均像素值是否小于预设阈值T1，如果不是，进入步骤S4.1.4，否则进入步骤S4.1.5；
S4.1.4：令W＝W-ΔW，ΔW表示宽度调整步长，返回步骤S4.1.2；
S4.1.5：判定最小平均像素值对应的滑动窗口区域为导丝伪影区域，进入步骤S4.1.6；
S4.1.6：令竖直滑动窗口的宽度为导丝伪影区域的宽度，高度H＝Hmax；
S4.1.7：采用竖直滑动窗口对导丝伪影区域进行竖直遍历，计算每个竖直滑动窗口的平均像素值，筛选出所有滑动窗口中的最大平均像素值；
S4.1.8：判断最大平均像素值是否大于预设阈值T2，如果不是，进入步骤S4.1.9，否则进入步骤S4.1.10；
S4.1.9：令H＝H-ΔH，ΔH表示高度调整步长，返回步骤S4.1.7；
S4.1.10：判定最大平均像素值对应的滑动窗口区域为导丝区域A1；
S4.2：记导丝区域A1的水平起始坐标为Start，水平结束坐标为End，对导丝区域A1进行左右延展得到区域[Start-e,End+e]，e表示延展宽度，对IVOCT图像I5中区域[Start-e,End+e]以外的图像区域采用平均像素值搜索算法进行搜索，如果存在导丝区域，则记该导丝区域为A2，如果未搜索到导丝区域，则记导丝区域A2为空；
S4.3：按照以下规则进行导丝去除：
如果导丝区域A1和A2的中心点高度均大于预设阈值h，则将导丝区域A1和A2中所有像素值全部置为0；
如果导丝区域A1和A2中有一个导丝区域的中心点高度大于预设阈值h，则将该导丝区域中所有像素值全部置为0，另一个导丝区域不作任何操作；
如果导丝区域A1和A2的中心点高度均不大于预设阈值h，两个导丝区域均不作任何操作；
S5：对极坐标系下的IVOCT图像I6进行血管壁边缘检测，得到血管壁边缘曲线，将IVOCT图像I6中血管壁边缘曲线以上的像素点全部置为0，得到IVOCT图像I7；
S6：将极坐标系下的IVOCT图像I7转换至笛卡尔坐标系下，转换得到的笛卡尔坐标系下IVOCT图像中血管壁边缘为连续的环状轮廓，完成血管壁内腔轮廓提取。
本发明IVOCT图像血管壁内腔轮廓提取方法，对于采集到的极坐标系下的IVOCT图像，首先在极坐标系下去除标定圈，然后转换至笛卡尔坐标系，去除成像导管和保护鞘，然后还原至极坐标系，在极坐标系下进行搜索得到导丝区域并去除导丝，然后进行血管壁边缘检测，将血管壁边缘曲线以上的像素点全部置为0，然后转换到笛卡尔坐标系下，得到血管壁内腔轮廓。采用本发明可以有效去除IVOCT图像中的干扰信息，提高所提取的血管壁内腔轮廓的准确度，从而突出显示冠状动脉形态和病理信息，对分析冠状动脉相关病症具有重要的意义。
附图说明
图1是IVOCT图像的示例图；
图2是本发明IVOCT图像血管壁内腔轮廓提取方法的具体实施方式流程图；
图3是成像导管和保护鞘的去除示例图；
图4是转换得到极坐标系下IVOCT图像的示例图；
图5是本实施例中极坐标系下的IVOCT图像恢复示例图；
图6是本发明中去除导丝的流程图；
图7是本发明中平均像素值搜索算法的流程图；
图8是本实施例中导丝区域搜索的示例图；
图9是单个导丝伪影以外情况的示例图；
图10是继续搜索导丝区域的示例图；
图11是血管壁边缘检测的示例图；
图12是只有单个导丝伪影的IVOCT图像采用本发明得到的血管壁内腔轮廓示例图；
图13是对存在单个导丝伪影以外情况的IVOCT图像采用本发明得到的血管壁内腔轮廓示例图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图2是本发明IVOCT图像血管壁内腔轮廓提取方法的具体实施方式流程图。如图2所示，本发明IVOCT图像血管壁内腔轮廓提取方法的具体步骤包括：
S201：去除标定圈：
对于采集得到的极坐标下的IVOCT图像而言，图像的标定圈位于图像的顶部和底部，且标定圈在每一幅图像中的位置是相同的，因此可以根据经验获取标定圈的位置。由于管腔内的信息与病症分析无关，故本发明在极坐标下的IVOCT图像I1中，直接将标定圈的像素值全部赋值为0，便可去除所有的标定圈，得到极坐标系下的IVOCT图像I2。本实施例中所有IVOCT图像的原始图像在极坐标下的分辨率为720×352(width×height)。
S202：去除成像导管和保护鞘：
然后将极坐标系下的IVOCT图像I2转换到笛卡尔坐标下。在笛卡尔坐标下的IVOCT图像中血管壁呈现圆环状，血管壁内腔中有成像导管、保护鞘、导丝和少量血液造成的模糊信息等，影响血管壁的检测，需去除这些信息。由于笛卡尔坐标系下的IVOCT图像中，成像导管并不都是位于血管腔的中心，但是位于图像的中心，且位置固定。保护鞘是成像导管外的一个圆环，有部分图像中保护鞘与血管壁的边缘相连，且在部分图像中有少量血液渗入到保护鞘和成像导管之间。本发明采用以笛卡尔坐标系下的IVOCT图像的中点为圆心作圆，将圆以内的像素值全部置0，其中圆的半径根据经验获取，从而去除成像导管和保护鞘，得到笛卡尔坐标系下的IVOCT图像I3。
图3是成像导管和保护鞘的去除示例图。如图3所示，图3中(a)组3个图均为去除了标定圈后转到笛卡尔坐标系后的IVOCT图像，其中箭头的起始端为IVOCT图像的中心，跟随箭头的指向依次是成像导管和保护鞘。图3中(b)组3个图是(a)组3个图对应的去除成像导管和保护鞘的结果图。
S203：极坐标系图像恢复：
在笛卡尔坐标下完成成像导管和保护鞘的去除之后，再将笛卡尔坐标系下的IVOCT图像I3转换至极坐标系下，得到极坐标系下的IVOCT图像I4。图4是转换得到极坐标系下IVOCT图像的示例图。如图4所示，此时直接转换得到的图像和原始图像的极坐标图像不同，存在多余像素，且和原始图像并不对应，因此需要进行图像恢复，具体方法如下：
1)根据笛卡尔坐标和极坐标转换规则，转换得到的极坐标图像与原始图像宽度相同，但是由于插值的存在造成高度增大，且插值位于有用图像的下方。因此直接根据IVOCT图像I1的高对IVOCT图像I4进行裁剪，去除下部的多余像素，得到IVOCT图像
2)将IVOCT图像
进行水平翻转得到IVOCT图像
即IVOCT图像
为IVOCT图像
的水平镜像。
3)基于拓扑关系的延展性，将两张相同的IVOCT图像
进行首尾拼接得到拼接IVOCT图像
4)采用与IVOCT图像I1相同大小的滑动窗口对拼接IVOCT图像
进行遍历，搜索出与IVOCT图像I1相似度最大的滑动窗口图像作为IVOCT图像I5。IVOCT图像I5即为恢复得到的极坐标系下的IVOCT图像。本实施例中求解相似度时可以直接计算每个相同坐标像素对的像素差，以所有像素对的像素差平均值度量相似度，像素差平均值越小，相似度越大。
图5是本实施例中极坐标系下的IVOCT图像恢复示例图。图5中IVOCT图像对应的原始图像为图1中(b)图。如图5所示，(a)图是裁剪得到的IVOCT图像
(b)图是(a)图的水平镜像IVOCT图像
显然(a)图和(b)图中图像的分辨率均为720×352。(c)图是两张(b)图的拼接IVOCT图像
(c)图的分辨率为1440×352。(c)图中的(d)图即为经搜索恢复得到的IVOCT图像I5，(d)图的分辨率为720×352。比较(d)图和图1中(b)图可知，(d)图基本恢复了图1中(b)图的关键信息，而去除了标定圈、成像导管和保护鞘等干扰信息。
S204：去除导丝：
接下来需要在步骤S203得到的极坐标系下的IVOCT图像I5中去除导丝。在极坐标图像中，导丝伪影相较于高亮的血管壁区域也是呈现黑色状。但是导丝是在导丝伪影的上方，是月牙形的高亮区域(如图1(b)所示)，对图像进行二值化及边缘检测时会严重影响血管壁内腔轮廓的提取，故要消除月牙形导丝对血管壁内腔轮廓的提取的影响。本发明中提出了平均像素值搜索算法和双向阈值搜索算法，两个算法结合使用对导丝进行去除。图6是本发明中去除导丝的流程图。如图6所示，本发明中去除导丝的具体步骤包括：
S601：采用平均像素值搜索算法搜索得到导丝区域：
为了去除导丝，在不同的图像中需要寻找导丝的位置，并将导丝区域的像素值置0，避免对血管壁内腔轮廓提取的干扰。导丝都是位于导丝伪影的上方，先确定导丝伪影的位置，再确定导丝的位置。由于导丝伪影呈现黑色，因此本发明采用平均像素值搜索算法寻找导丝伪影位置。由于导丝伪影的位置和宽度都是不确定的，因此本发明需要先水平搜索导丝伪影区域，然后再竖直搜索导丝区域A1。
图7是本发明中平均像素值搜索算法的流程图。如图7所示，本发明中平均像素值搜索算法的具体步骤包括：
S701：水平滑动窗口初始化：
令水平滑动窗口的高度等于IVOCT图像I5高度，宽度W＝Wmax，其中Wmax表示水平滑动窗口的最大宽度，根据实际需要设置。为了保证能够搜索到导丝伪影区域，Wmax可以适当设置得稍大一点。
S702：水平遍历：
采用水平滑动窗口对IVOCT图像I5进行水平遍历，计算每个水平滑动窗口的平均像素值，筛选出所有滑动窗口中的最小平均像素值P1。
S703：判断最小平均像素值P1是否小于预设阈值T1，如果不是，进入步骤S704，否则进入步骤S705。阈值T1根据实际情况进行设置即可，本实施例中阈值T1＝12。
S705：缩小窗口宽度，即令W＝W-ΔW，ΔW表示宽度调整步长，返回步骤S702。为了使搜索得到的导丝伪影区域更加准确，本实施例中令ΔW＝1。
S705：得到导丝伪影区域：
判定最小平均像素值对应的滑动窗口区域为导丝伪影区域，进入步骤S706，进行导丝区域搜索。
S706：竖直滑动窗口初始化：
令竖直滑动窗口的宽度为导丝伪影区域的宽度，高度H＝Hmax，其中Hmax表示竖直滑动窗口的最大高度。
S707：竖直遍历：
采用竖直滑动窗口对导丝伪影区域进行竖直遍历，计算每个竖直滑动窗口的平均像素值，筛选出所有滑动窗口中的最大平均像素值P2。
S708：判断最大平均像素值P2是否大于预设阈值T2，如果不是，进入步骤S709，否则进入步骤S710。阈值T2根据实际情况进行设置即可，本实施例中阈值T2＝40。
S709：缩小窗口高度，即令H＝H-ΔH，ΔH表示高度调整步长，返回步骤S707。为了使搜索得到的导丝区域更加准确，本实施例中令ΔH＝1。
S710：判定最大平均像素值对应的滑动窗口区域为导丝区域A1。
图8是本实施例中导丝区域搜索的示例图。如图8所示，(a)图是水平遍历的示例图，(b)图是竖直遍历的示例图。(b)图中水平滑动窗口所在区域即为导丝伪影区域，然后再在该区域竖直遍历得到导丝区域。
平均像素值搜索法对于图像中只有一个导丝伪影，无其他情况阻断血管壁信息的情况下(如图1)，能顺利消除导丝对血管壁内腔轮廓提取的影响。但是当存在如图9的情况时，平均像素值搜索法便不能很好地确定导丝伪影和导丝的位置。图9是单个导丝伪影以外情况的示例图。在成像过程中，由于成像导管的位置不一定在血管腔的中心，而OCT穿透深度限制在1～2mm，远离成像导管一侧的血管壁信息无法获取，丢失部分呈现黑色，将高亮的血管壁区域分断，如图9中(a1)、(b1)所示；或者在成像部位有分支血管，血管腔内无其他影像信息也是呈黑色空腔，如图9中(a2)、(b2)所示；上述两种情况，图像在笛卡尔坐标系下血管壁内腔不能形成完整的圆环结构，在极坐标系下血管壁也不连续，还干扰导丝伪影位置的检测。另外有部分图像中有两个导丝和导丝伪影，如图9中(a3)、(b3)所示。这些情况使得上述平均像素值搜索法寻找导丝伪影和导丝的位置时受到影响，同时也会引起血管壁内腔轮廓的不连续而影响对血管壁的内腔轮廓的提取。因此，本发明在导丝区域A1的基础上另外再进行导丝区域的搜索，再结合后续处理消除上述情况对极坐标下导丝伪影和导丝位置的检测以及血管壁内腔轮廓的提取的影响。
S602：继续搜索导丝区域：
记导丝区域A1的水平起始坐标为Start，水平结束坐标为End，对导丝区域A1进行左右延展得到区域[Start-e,End+e]，e表示延展宽度，对IVOCT图像I5中区域[Start-e,End+e]以外的图像区域采用平均像素值搜索算法进行搜索，如果存在导丝区域，则记该导丝区域为A2，如果未搜索到导丝区域，则记导丝区域A2为空。
图10是继续搜索导丝区域的示例图。如图10所示，(a)图和(b)图中标未出了导丝区域A1的水平起始坐标和水平结束坐标，然后向两侧进行延展(虚线)，然后对虚线区域以外的图像区域再进行导丝区域搜索。
S603：去除导丝：
通过对IVOCT成像特点进行分析，可以发现导丝的位置基本上都是位于整个图像的上半部分，因此可以通过对搜索到的导丝区域位置进行评判，评定以上所检测到的导丝区域是否是真实区域，从而进行进一步处理，具体规则如下：
如果导丝区域A1和A2的中心点高度均大于预设阈值h，则认为这两个导丝区域都是真实的导丝区域，因此将导丝区域A1和A2中所有像素值全部置为0；
如果导丝区域A1和A2中有一个导丝区域的中心点高度大于预设阈值h，则只将该导丝区域作为真实的导丝区域，将该导丝区域中所有像素值全部置为0，另一个导丝区域不作为真实的导丝区域，只是由于干扰信息而被搜索到，或贴近血管壁，因此不作任何操作；
如果导丝区域A1和A2的中心点高度均不大于预设阈值h，则两个导丝区域均不作任何操作。如果两个导丝区域的中心点高度均较低，说明这两个导丝区域贴近血管壁，不作任何操作也不会对后续处理产生大的影响。
从以上规则可知，当导丝区域A2为空时，实际上只是在对导丝区域A1的位置进行判断。
S205：血管壁边缘检测：
采用以上步骤，已经将IVOCT图像中对于血管内壁的干扰因素基本去除，接下来需要对血管壁边缘进行检测。对极坐标系下的IVOCT图像I6进行血管壁边缘检测，得到血管壁边缘曲线，将IVOCT图像I6中血管壁边缘曲线以上的像素点全部置为0，得到IVOCT图像I7。本实施例中血管壁边缘检测的具体方法如下：
由于管腔轮廓显示为亮血管组织区和暗腔区之间的边缘，因此先将极坐标系下的IVOCT图像I6转为二值图像。由于在IVOCT图像I6中部分血管壁轮廓与暗腔区域对比度不明显，如果阈值设定太高，会丢失亮度较低的血管壁信息；阈值设定太低，会导致图像中残留的无用信息被检测为血管壁边缘，而真正的血管壁边缘未被检测到，因此可以通过实验来确定二值化阈值。
然后对二值图像的空洞进行填充，对填充的二值图像进行轮廓提取，再进行数学形态学闭运算对轮廓进行平滑，得到血管壁的初始边缘。数学形态学闭运算采用先多次膨胀、再多次腐蚀，从而填充血管壁内部的细小孔洞、连接邻近的血管壁、在不明显改变血管壁面积和形状的情况下平滑检测到的边界，从而去除二值图像中的孤立点的影响。
对于血管壁的初始边缘，以每一列中位置最高的白色像素点为边缘点。由于缺失信息、分支血管和导丝伪影会引图像中检测的血管壁边缘存在不连续的部分，因此需要对不连续的边缘点进行检测和插值(本实施例中采用线性插值)，从而将不连续的边缘点连接起来，最后形成极坐标下的血管壁边缘。
图11是血管壁边缘检测的示例图。如图11所示，(a)图是二值图像，明亮的血管壁边缘已经突显出来；(b)图为二值图像经过填充、轮廓提取、数学形态学闭运算、孤立点去除等操作之后检测到的边缘，再用插值将不连续部分连接起来；(c)图即为得到的边缘轮廓曲线；(d)图为将血管壁边缘曲线以上的像素点全部置0后得到的IVOCT图像I7。
S206：血管壁内腔轮廓提取：
将极坐标系下的IVOCT图像I7转换至笛卡尔坐标系下，转换得到的笛卡尔坐标系下IVOCT图像中血管壁边缘为连续的环状轮廓，完成血管壁内腔轮廓提取。
图12是只有单个导丝伪影的IVOCT图像采用本发明得到的血管壁内腔轮廓示例图。图12中三个图像为图3中三个IVOCT图像的血管壁内腔轮廓。如图12所示，图12中血管壁内腔轮廓内不含有任何信息，只留下血管壁信息，方便对易损斑块的纤维帽破裂/裂缝、脂质核心和巨噬细胞浸润等组成成分进行检测。
图13是对存在单个导丝伪影以外情况的IVOCT图像采用本发明得到的血管壁内腔轮廓示例图。如图13所示，本发明方法对于存在双导丝的IVOCT图像，能够准确对双导丝进行检测，从而去除导丝的干扰，得到较为准确的血管壁内腔轮廓。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种IVOCT图像血管壁内腔轮廓提取方法，其特征在于，包括以下步骤：
S1：在所采集的极坐标系下的IVOCT图像I1中，将标定圈的像素值全部赋值为0，从而去除标定圈，得到极坐标系下的IVOCT图像I2；
S2：将极坐标系下的IVOCT图像I2转换到笛卡尔坐标下，以笛卡尔坐标系下的IVOCT图像的中点为圆心作圆，将圆以内的像素值全部置0，其中圆的半径根据经验获取，从而去除成像导管和保护鞘，得到笛卡尔坐标系下的IVOCT图像I3；
S3：将笛卡尔坐标系下的IVOCT图像I3转换至极坐标系下，得到极坐标系下的IVOCT图像I4，然后采用以下方法进行图像恢复得到极坐标系下的IVOCT图像I5：
S3.1：根据IVOCT图像I1的高对IVOCT图像I4进行裁剪，去除下部的多余像素，得到IVOCT图像
S3.2：将IVOCT图像
进行水平翻转得到IVOCT图像
S3.3：将两张相同的IVOCT图像
进行首尾拼接得到拼接IVOCT图像
S3.4：采用与IVOCT图像I1相同大小的滑动窗口对拼接IVOCT图像
进行遍历，搜索出与IVOCT图像I1相似度最大的滑动窗口图像作为IVOCT图像I5；
S4：在极坐标系下的IVOCT图像I5中去除导丝，得到IVOCT图像I6，去除导丝的具体方法如下：
S4.1：采用平均像素值搜索算法搜索得到导丝区域A1，具体方法如下：
S4.1.1：令水平滑动窗口的高度等于IVOCT图像I5高度，宽度W＝Wmax，其中Wmax表示水平滑动窗口的最大宽度；
S4.1.2：采用水平滑动窗口对IVOCT图像I5进行水平遍历，计算每个水平滑动窗口的平均像素值，筛选出所有滑动窗口中的最小平均像素值；
S4.1.3：判断最小平均像素值是否小于预设阈值T1，如果不是，进入步骤S4.1.4，否则进入步骤S4.1.5；
S4.1.4：令W＝W-ΔW，ΔW表示宽度调整步长，返回步骤S4.1.2；
S4.1.5：判定最小平均像素值对应的滑动窗口区域为导丝伪影区域，进入步骤S4.1.6；
S4.1.6：令竖直滑动窗口的宽度为导丝伪影区域的宽度，高度H＝Hmax，其中Hmax表示竖直滑动窗口的最大高度；
S4.1.7：采用竖直滑动窗口对导丝伪影区域进行竖直遍历，计算每个竖直滑动窗口的平均像素值，筛选出所有滑动窗口中的最大平均像素值；
S4.1.8：判断最大平均像素值是否大于预设阈值T2，如果不是，进入步骤S4.1.9，否则进入步骤S4.1.10；
S4.1.9：令H＝H-ΔH，ΔH表示高度调整步长，返回步骤S4.1.7；
S4.1.10：判定最大平均像素值对应的滑动窗口区域为导丝区域A1；
S4.2：记导丝区域A1的水平起始坐标为Start，水平结束坐标为End，对导丝区域A1进行左右延展得到区域[Start-e,End+e]，e表示延展宽度，对IVOCT图像I5中区域[Start-e,End+e]以外的图像区域采用平均像素值搜索算法进行搜索，如果存在导丝区域，则记该导丝区域为A2，如果未搜索到导丝区域，则记导丝区域A2为空；
S4.3：按照以下规则进行导丝去除：
如果导丝区域A1和A2的中心点高度均大于预设阈值h，则将导丝区域A1和A2中所有像素值全部置为0；
如果导丝区域A1和A2中有一个导丝区域的中心点高度大于预设阈值h，则将该导丝区域中所有像素值全部置为0，另一个导丝区域不作任何操作；
如果导丝区域A1和A2的中心点高度均不大于预设阈值h，两个导丝区域均不作任何操作；
S5：对极坐标系下的IVOCT图像I6进行血管壁边缘检测，得到血管壁边缘曲线，将IVOCT图像I6中血管壁边缘曲线以上的像素点全部置为0，得到IVOCT图像I7；
S6：将极坐标系下的IVOCT图像I7转换至笛卡尔坐标系下，转换得到的笛卡尔坐标系下IVOCT图像中血管壁边缘为连续的环状轮廓，完成血管壁内腔轮廓提取。
2.根据权利要求1所述的IVOCT图像血管壁内腔轮廓提取方法，其特征在于，所述步骤S3.4中相似度的计算方法为：计算每个相同坐标像素对的像素差，以所有像素对的像素差平均值度量相似度，像素差平均值越小，相似度越大。
3.根据权利要求1所述的IVOCT图像血管壁内腔轮廓提取方法，其特征在于，所述步骤S5中血管壁边缘检测的具体方法为：先将极坐标系下的IVOCT图像I6转为二值图像，然后对二值图像的空洞进行填充，对填充的二值图像进行轮廓提取，再进行数学形态学闭运算对轮廓进行平滑，得到血管壁的初始边缘；对于血管壁的初始边缘，以每一列中位置最高的白色像素点为边缘点，对不连续的边缘点进行检测和插值，将不连续的边缘点连接起来，最后形成极坐标下的血管壁边缘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811010424.0A CN109118508B (zh) | 2018-08-31 | 2018-08-31 | Ivoct图像血管壁内腔轮廓提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811010424.0A CN109118508B (zh) | 2018-08-31 | 2018-08-31 | Ivoct图像血管壁内腔轮廓提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109118508A CN109118508A (zh) | 2019-01-01 |
| CN109118508B true CN109118508B (zh) | 2022-03-25 |
Family
ID=64860349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811010424.0A Expired - Fee Related CN109118508B (zh) | 2018-08-31 | 2018-08-31 | Ivoct图像血管壁内腔轮廓提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109118508B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111821032B (zh) * | 2019-04-16 | 2022-06-07 | 上银科技股份有限公司 | 医疗影像对位方法 |
| CN110232365B (zh) * | 2019-06-19 | 2021-08-24 | 清华大学 | 细胞图像中细胞轮廓弯曲程度的衡量方法、系统及介质 |
| KR102260491B1 (ko) * | 2019-07-30 | 2021-06-04 | 세종대학교산학협력단 | 심혈관 광 간섭 단층촬영 영상의 내강 자동 검출 장치 및 그 방법 |
| CN112001908B (zh) * | 2020-08-25 | 2021-03-09 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车枕梁孔搭载异物检测方法 |
| CN112308874B (zh) * | 2020-11-19 | 2022-04-15 | 天津大学 | 基于管壁连通域唯一性的iv-oct血管轮廓识别方法 |
| CN113436099B (zh) * | 2021-06-25 | 2022-03-22 | 天津大学 | 血管内光学相干层析成像两级导管伪影去除方法 |
| CN113470137B (zh) * | 2021-06-30 | 2022-04-29 | 天津大学 | 基于灰度加权的ivoct图像导丝伪影去除方法 |
| CN113516644B (zh) * | 2021-07-13 | 2022-04-01 | 天津大学 | 一种血管内光学相干层析成像分支血管识别方法 |
| CN114511615A (zh) * | 2021-12-31 | 2022-05-17 | 深圳市中科微光医疗器械技术有限公司 | 一种校准图像的方法及装置 |
| JP7365093B1 (ja) | 2023-05-08 | 2023-10-19 | 康博 中島 | 医用画像処理装置、医用画像処理プログラムおよび医用画像処理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966288A (zh) * | 2015-06-11 | 2015-10-07 | 南京沃福曼医疗科技有限公司 | 一种基于图像处理的血管内壁自动寻找方法 |
| CN106846347A (zh) * | 2017-02-15 | 2017-06-13 | 深圳市中科微光医疗器械技术有限公司 | 基于oct的支架植入术前的分析系统及分析方法 |
| CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ITMI20121156A1 (it) * | 2012-06-29 | 2013-12-30 | Consiglio Nazionale Ricerche | Metodo di elaborazione di immagini di tomografia a coerenza ottica |
| US9858668B2 (en) * | 2012-10-05 | 2018-01-02 | Volcano Corporation | Guidewire artifact removal in images |
-
2018
- 2018-08-31 CN CN201811010424.0A patent/CN109118508B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966288A (zh) * | 2015-06-11 | 2015-10-07 | 南京沃福曼医疗科技有限公司 | 一种基于图像处理的血管内壁自动寻找方法 |
| CN106846347A (zh) * | 2017-02-15 | 2017-06-13 | 深圳市中科微光医疗器械技术有限公司 | 基于oct的支架植入术前的分析系统及分析方法 |
| CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109118508A (zh) | 2019-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109118508B (zh) | Ivoct图像血管壁内腔轮廓提取方法 | |
| US11461902B2 (en) | Systems and methods to detect and display endovascular features | |
| US9355474B2 (en) | Method of processing optical coherence tomography images | |
| US11475560B2 (en) | Method, apparatus, and system to identify branches of a blood vessel | |
| EP3324829B1 (en) | Guidewire detection systems, methods, and apparatuses | |
| Zhou et al. | The detection and quantification of retinopathy using digital angiograms | |
| Xu et al. | Vessel boundary delineation on fundus images using graph-based approach | |
| CN113470137B (zh) | 基于灰度加权的ivoct图像导丝伪影去除方法 | |
| CN108198174B (zh) | 一种心血管ivoct与ivus自动配准方法与装置 | |
| JP2018519018A (ja) | 血管内画像化システムインターフェイス及びステント検出方法 | |
| KR101697880B1 (ko) | 적응적 임계값 영상분할을 이용한 ct 영상 동맥경화반 용적 측정방법 및 장치 | |
| JP5856999B2 (ja) | 医用画像処理装置 | |
| CN112308874B (zh) | 基于管壁连通域唯一性的iv-oct血管轮廓识别方法 | |
| CN110120031B (zh) | 一种得到血管血流储备分数的方法和装置 | |
| KR101135205B1 (ko) | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 | |
| KR102361354B1 (ko) | 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법 | |
| US20200000416A1 (en) | Heart ct image processing method and apparatus, and non-transitory computer readable storage medium | |
| Loizou et al. | Segmentation of atherosclerotic carotid plaque in ultrasound video | |
| KR101366341B1 (ko) | 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법 | |
| Zahnd et al. | Semi-automated quantification of fibrous cap thickness in intracoronary optical coherence tomography | |
| JP2011024826A (ja) | 医用画像処理装置および医用画像処理プログラム | |
| KR102260491B1 (ko) | 심혈관 광 간섭 단층촬영 영상의 내강 자동 검출 장치 및 그 방법 | |
| CN112037242B (zh) | 皮肤光学相干层析成像图像中表皮层的自动识别方法 | |
| CN113436099B (zh) | 血管内光学相干层析成像两级导管伪影去除方法 | |
| Kermani et al. | Full-automated 3D analysis of coronary plaque using hybrid intravascular ultrasound (IVUS) and optical coherence (OCT) |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220325 |