CN109345498B - 融合双源ct数据的冠脉分割方法 - Google Patents

融合双源ct数据的冠脉分割方法 Download PDF

Info

Publication number
CN109345498B
CN109345498B CN201811164485.2A CN201811164485A CN109345498B CN 109345498 B CN109345498 B CN 109345498B CN 201811164485 A CN201811164485 A CN 201811164485A CN 109345498 B CN109345498 B CN 109345498B
Authority
CN
China
Prior art keywords
image
segmentation result
image sequence
evaluated
matching
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
CN201811164485.2A
Other languages
English (en)
Other versions
CN109345498A (zh
Inventor
肖月庭
阳光
郑超
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.)
Shukun Shanghai Medical Technology Co ltd
Original Assignee
Shukun Beijing Network Technology 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 Shukun Beijing Network Technology Co Ltd filed Critical Shukun Beijing Network Technology Co Ltd
Priority to CN201811164485.2A priority Critical patent/CN109345498B/zh
Publication of CN109345498A publication Critical patent/CN109345498A/zh
Application granted granted Critical
Publication of CN109345498B publication Critical patent/CN109345498B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T2207/30168—Image quality inspection

Abstract

本发明公开了一种融合双源CT数据的冠脉分割方法，包括：S1、进行双源CT扫描，分别获得收缩期与舒张期的CT图像序列；S2、分别对两个期相的CT图像序列进行分割；S3、对两个期相CT图像序列的分割结果中的每支血管进行命名并进行中心线提取；S4、寻找各中心线中的分叉点，以分叉点为参考点对两个期相的CT图像进行粗匹配；S5、通过神经网络在两个期相的CT图像序列中提取局部匹配特征，在粗匹配的基础上通过所述局部匹配特征进行精匹配，获得两个期相的CT图像序列的映射关系；S6、以舒张期的CT图像序列及分割结果为基准，对其图像缺陷部分，从收缩期的CT图像及分割结果中选取对应部分进行拼接或替代，输出融合后的CT图像序列及分割结果。

Description

融合双源CT数据的冠脉分割方法
技术领域
本发明涉及CT影像后处理技术领域，具体涉及一种融合双源CT数据的冠脉分割方法。
背景技术
CT自诞生后很快就被应用于临床检查，尤其是螺旋CT出现后被广泛应用于人体各个部位的检查和诊断。传统螺旋CT由于仅有一套X射线发生装置和一套探测器系统，所以在扫描高速运动物体时(比如冠状动脉，其一次检查必须要求在有限的时间内完成，且要尽可能保证扫描期间患者无呼吸运动，否则，轻者会出现影像模糊、锯齿状伪影，重者根本得不到具有诊断意义的图像，检查无法完成)将会显得力不从心。
对此，西门子发明了DSCT(双源CT系统)，在利用双源模式时进行冠状动脉扫描时，可同时给出收缩期和舒张期的CT图像，方便医生参考。医生对两个时段的图像进行观察，哪段图像较好，即从对应的期相图像数据中截取对应的部分进行分析。
对于图像后处理技术而言也是如此，从不同期相图像数据中分别截取各自的好质量图像进行拼接，理论上可以呈现更好质量的冠脉图像。
然而，其在实现上存在挑战：两个期相的数据是不同的，在收缩期与舒张期，心肌、血管的位置均会发生变化，不能简单地从某一期相中选择优质图像替代另一期相中的不良图像。
发明内容
本发明的目的在于提供一种融合双源CT数据的冠脉分割方法。
为实现上述目的，本发明采用以下技术方案：
融合双源CT数据的冠脉分割方法，包括：
S1、进行双源CT扫描，分别获得收缩期与舒张期的CT图像序列；
S2、分别对收缩期与舒张期的CT图像序列进行分割；
S3、对收缩期与舒张期CT图像序列的分割结果中的每支血管进行命名并进行中心线提取；
S4、寻找各中心线中的分叉点，以分叉点为参考点对收缩期与舒张期的CT图像进行粗匹配；
S5、通过神经网络在收缩期与舒张期的图像中提取局部匹配特征，在粗匹配的基础上通过所述局部匹配特征进行精匹配，获得收缩期与舒张期的CT图像序列的映射关系；
S6、以舒张期的CT图像序列分割结果为基准，对其图像缺陷部分，从收缩期的CT图像序列分割结果中选取对应部分进行拼接或替代，输出融合后的CT图像序列分割结果。
进一步地，步骤S5具体包括：
S51、通过事先训练好的神经网络对空间点P提取局部特征A；
S52、对各疑似对应点Pi提取局部特征B；
S53、计算各局部特征B与局部特征A的相识度，将相似度最高的局部特征B所对应的疑似对应点Pi标记为空间点P的对应点，完成精匹配。
进一步地，步骤S6具体包括：
S61、对舒张期的CT图像分割结果进行噪声识别与断裂探测，将识别出噪声或断裂的部分标记为待评价区域C；
S62、根据映射关系，从收缩期的CT图像分割结果中选取对应于待评价区域A的部分标记为待评价区域D；
S63、比较待评价区域C及待评价区域D的图像质量，将待评价区域C中图像质量低于待评价区域D中图像质量的部分标记为缺陷部分；
S64、使用待评价区域D中的对应部分对所述缺陷部分进行拼接或替代，输出融合后的CT图像序列分割结果；
进一步地，还包括以下步骤：
S7、根据CT图像序列分割结果与CT图像序列的对应关系，输出融合后的CT图像序列。
采用上述技术方案后，本发明与背景技术相比，具有如下优点：本发明基于分叉点实现初步匹配，并在此基础上利用局部特征实现精匹配，从而能实现双源CT中不同期相的图像数据的融合，输出质量更好的冠脉图像。
附图说明
图1为本发明流程图；
图2为通过中心线对两期相数据做分叉点映射的示意图；
图3为冠脉示意图，图3(a)为舒张期，图3(b)为收缩期。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
请参考图1所示，本发明公开了一种融合双源CT数据的冠脉分割方法，包括：
S1、进行双源CT扫描，获得收缩期与舒张期的CT图像序列；
S2、分别对收缩期与舒张期的CT图像序列进行分割；
S3、对收缩期与舒张期CT图像序列的分割结果中的每支血管进行命名并进行中心线提取。
其中，每支血管的命名是为了便于后续建立映射关系，所述中心线用作建立映射关系的依据。
S4、寻找各中心线中的分叉点，以分叉点为参考点对各源图像进行粗匹配。
对3D的数据匹配，理论上提供越多的控制点(参考点)，则匹配越准确，但对于两个不同期相的数据源，其并无法直接提供足够的参考点，因此，本实施例基于冠脉的中心线寻找分叉点，如图2所示，S1为收缩期图像中的中心分叉点，D1为舒张期图像中的中心分叉点，先用这些点作为控制点，以控制点做插值，插值出每个点的匹配对应，从而对两图生成初步匹配的映射关系。
由于是以分叉点为控制点进行的粗匹配，对于双源图像，其在离分叉稍远的地方会出现匹配精度低的状况，因此还需要进行精匹配。
S5、通过神经网络在各源图像中提取局部匹配特征，在粗匹配的基础上通过所述局部匹配特征进行精匹配，获得各源图像的映射关系。
在粗匹配的基础上，对于某一源的每个空间点P，在另一源图像中可以寻找到该点在一定偏离范围内(比如相差2-3像素)的疑似对应点Pi，这样可以将两个图通过匹配关系，将其中一个通过匹配关系的映射转换坐标，将两者统一到一个坐标系，并且可以很容易进行数据的取舍。
因此，步骤S5具体包括：
S51、通过事先训练好的神经网络对空间点P提取局部特征A(以空间点P为中心，提取区域为16*16*16，或32*32*32的局部特征)；
S52、对各疑似对应点Pi提取局部特征B；
S53、计算各局部特征B与局部特征A的相识度，将相似度最高的局部特征B所对应的疑似对应点Pi标记为空间点P的对应点，完成精匹配。
对于舒张期的CT图像序列，其大部分区域情况是好的，个别区域情况会差，而对应该个别区域，收缩期反而可能更好。因此，在获得精匹配的映射关系后，执行步骤S6。
S6、以舒张期的CT图像序列及分割结果为基准，对其图像缺陷部分，从收缩期的CT图像及分割结果中选取对应部分进行拼接或替代，输出融合后的CT图像序列及分割结果。
具体地，其包括：
S61、对舒张期的CT图像分割结果进行噪声识别与断裂探测，将识别出噪声或断裂的部分标记为待评价区域C，如图3(a)所示；
S62、根据映射关系，从收缩期的CT图像分割结果中选取对应于待评价区域A的部分标记为待评价区域D，如图3(b)所示；
S63、比较待评价区域C及待评价区域D的图像质量，将待评价区域C中图像质量低于待评价区域D中图像质量的部分标记为缺陷部分；
S64、使用待评价区域D中的对应部分对所述缺陷部分进行拼接或替代，输出融合后的CT图像序列分割结果。
同理，根据CT图像序列分割结果与CT图像序列的对应关系，可以输出融合舒张期与收缩期两个期相图像序列的CT图像序列。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.融合双源CT数据的冠脉分割方法，其特征在于，包括：
S1、进行双源CT扫描，分别获得收缩期与舒张期的CT图像序列；
S2、分别对收缩期与舒张期的CT图像序列进行分割；
S3、对收缩期与舒张期CT图像序列的分割结果中的每支血管进行命名并进行中心线提取；
S4、寻找各中心线中的分叉点，以分叉点为参考点对收缩期与舒张期的CT图像进行粗匹配；
S5、通过神经网络在收缩期与舒张期的图像中提取局部匹配特征，在粗匹配的基础上通过所述局部匹配特征进行精匹配，获得收缩期与舒张期的CT图像序列的映射关系；
S6、以舒张期的CT图像序列分割结果为基准，对其图像质量低于收缩期的CT图像序列对应部分的缺陷部分，从收缩期的CT图像序列分割结果中选取所述对应部分进行拼接或替代，输出融合后的CT图像序列分割结果，
其中，步骤S5具体包括：
S51、通过事先训练好的神经网络对空间点P提取局部特征A；
S52、对各疑似对应点Pi提取局部特征B；
S53、计算各局部特征B与局部特征A的相识度，将相似度最高的局部特征B所对应的疑似对应点Pi标记为空间点P的对应点，完成精匹配。
2.如权利要求1所述的融合双源CT数据的冠脉分割方法，其特征在于，步骤S6具体包括：
S61、对舒张期的CT图像分割结果进行噪声识别与断裂探测，将识别出噪声或断裂的部分标记为待评价区域C；
S62、根据映射关系，从收缩期的CT图像分割结果中选取对应于待评价区域C的部分标记为待评价区域D；
S63、比较待评价区域C及待评价区域D的图像质量，将待评价区域C中图像质量低于待评价区域D中图像质量的部分标记为缺陷部分；
S64、使用待评价区域D中的对应部分对所述缺陷部分进行拼接或替代，输出融合后的CT图像序列分割结果。
3.如权利要求1所述的融合双源CT数据的冠脉分割方法，其特征在于，还包括以下步骤：
S7、根据CT图像序列分割结果与CT图像序列的对应关系，输出融合后的CT图像序列。
CN201811164485.2A 2018-10-05 2018-10-05 融合双源ct数据的冠脉分割方法 Active CN109345498B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811164485.2A CN109345498B (zh) 2018-10-05 2018-10-05 融合双源ct数据的冠脉分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811164485.2A CN109345498B (zh) 2018-10-05 2018-10-05 融合双源ct数据的冠脉分割方法

Publications (2)

Publication Number Publication Date
CN109345498A CN109345498A (zh) 2019-02-15
CN109345498B true CN109345498B (zh) 2021-07-13

Family

ID=65308283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811164485.2A Active CN109345498B (zh) 2018-10-05 2018-10-05 融合双源ct数据的冠脉分割方法

Country Status (1)

Country Link
CN (1) CN109345498B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287956B (zh) * 2019-06-13 2021-05-25 北京理工大学 血管中心线自动匹配方法及装置
CN110517279B (zh) * 2019-09-20 2022-04-05 北京深睿博联科技有限责任公司 头颈血管中心线提取方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101301207A (zh) * 2008-05-28 2008-11-12 华中科技大学 动态模型指导下的血管造影三维重建方法
CN102961161A (zh) * 2012-11-27 2013-03-13 华南理工大学 一种四维心脏心功能参数自动获取方法
CN108294735A (zh) * 2012-03-13 2018-07-20 西门子公司 用于冠状动脉狭窄的非侵入性功能评估的方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5491836B2 (ja) * 2009-01-30 2014-05-14 株式会社東芝 超音波診断装置、超音波画像処理装置、医用画像診断装置及び医用画像処理装置
US20110142316A1 (en) * 2009-10-29 2011-06-16 Ge Wang Tomography-Based and MRI-Based Imaging Systems
CN102940486B (zh) * 2012-10-29 2015-01-21 大连理工大学 一种颈动脉系统血流动力学与信号分析系统及方法
WO2018136805A1 (en) * 2017-01-19 2018-07-26 New York University System, method and computer-accessible medium for ultrasound analysis

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101301207A (zh) * 2008-05-28 2008-11-12 华中科技大学 动态模型指导下的血管造影三维重建方法
CN108294735A (zh) * 2012-03-13 2018-07-20 西门子公司 用于冠状动脉狭窄的非侵入性功能评估的方法和系统
CN102961161A (zh) * 2012-11-27 2013-03-13 华南理工大学 一种四维心脏心功能参数自动获取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Nonrigid registration with corresponding points constraint for automatic segmentation of cardiac DSCT images;Lu X等;《Biomedical Engineering Online》;20170328;第16卷(第1期);1-15 *
最佳收缩和舒张期的双源CT冠状动脉影像:自动化选择与全期相固定间隔重建的比较;张龙江等;《国际医学放射学杂志》;20080315;第31卷(第2期);75-79 *

Also Published As

Publication number Publication date
CN109345498A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
EP3659114B1 (en) Evaluating cardiac motion using an angiography image
CN107133959B (zh) 一种快速的血管边界三维分割方法及系统
US8126241B2 (en) Method and apparatus for positioning a device in a tubular organ
JP5242144B2 (ja) ３次元画像処理装置
US10825190B2 (en) Dynamic image processing apparatus for aligning frame images obtained by photographing dynamic state of chest based on movement of lung-field region
US10542955B2 (en) Method and apparatus for medical image registration
US20150245882A1 (en) Systems for linear mapping of lumens
CN108882917A (zh) 一种心脏容积识别分析系统和方法
JP2016507304A (ja) 物体を検出及び追跡するとともに重ね合わせるシステム
WO2005031635A1 (en) System and method for three-dimensional reconstruction of a tubular organ
US10235796B2 (en) Method and apparatus for selection of perspective orientation of a two dimensional angiographic image
CN110766691A (zh) 一种心脏磁共振影像分析及心肌病预测的方法、装置
JP5990834B2 (ja) 診断画像生成装置および診断画像生成方法
JP2007241579A (ja) 特徴点検出装置及びその方法
JP2009106530A (ja) 医用画像処理装置、医用画像処理方法、及び医用画像診断装置
CN109345498B (zh) 融合双源ct数据的冠脉分割方法
JP6490820B2 (ja) 超音波撮像装置、画像処理装置、及び方法
CN114596311B (zh) 基于血管图像的血管功能评估方法和血管功能评估装置
JP2007260398A (ja) 心臓のコンピュータ断層撮影表示における階段状アーチファクトの低減方法およびメモリ媒体
JP2017202125A (ja) 超音波撮像装置、画像処理装置、及びその方法
US20230252636A1 (en) Method and system for the automated determination of examination results in an image sequence
US11257219B2 (en) Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data
JP6204544B2 (ja) 診断画像生成装置
WO2008050316A2 (en) Method and apparatus for positioning a therapeutic device in a tubular organ dilated by an auxiliary device balloon
Abdi et al. A study into echocardiography view conversion

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing

Applicant after: Shukun (Beijing) Network Technology Co.,Ltd.

Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing

Applicant before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Applicant after: Shukun (Beijing) Network Technology Co.,Ltd.

Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing

Applicant before: Shukun (Beijing) Network Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230116

Address after: 200,030 Room 307, Area A, Floor 2, No.420 Fenglin Road, Xuhui District, Shanghai

Patentee after: Shukun (Shanghai) Medical Technology Co.,Ltd.

Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee before: Shukun (Beijing) Network Technology Co.,Ltd.