CN109360209A - 一种冠状血管分割方法及系统 - Google Patents

一种冠状血管分割方法及系统 Download PDF

Info

Publication number
CN109360209A
CN109360209A CN201811163436.7A CN201811163436A CN109360209A CN 109360209 A CN109360209 A CN 109360209A CN 201811163436 A CN201811163436 A CN 201811163436A CN 109360209 A CN109360209 A CN 109360209A
Authority
CN
China
Prior art keywords
vein
coronary
segmentation result
coronary artery
point
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.)
Granted
Application number
CN201811163436.7A
Other languages
English (en)
Other versions
CN109360209B (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.)
Yu Kun (beijing) Network Technology Co Ltd
Original Assignee
Yu Kun (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 Yu Kun (beijing) Network Technology Co Ltd filed Critical Yu Kun (beijing) Network Technology Co Ltd
Priority to CN201811163436.7A priority Critical patent/CN109360209B/zh
Publication of CN109360209A publication Critical patent/CN109360209A/zh
Application granted granted Critical
Publication of CN109360209B publication Critical patent/CN109360209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种冠状血管分割方法及系统。该方法包括:获取冠状血管数据;分别通过冠状动脉分割模型和静脉分割模型对冠状血管数据进行分割提取,得到冠状动脉分割结果和静脉分割结果;确定冠状动脉分割结果中的分叉分支以及静脉分割结果中的静脉支;检测冠状动脉分割结果中是否存在与静脉分割结果中的静脉支相匹配的分叉分支;若冠状动脉分割结果中存在与静脉分割结果中的静脉支相匹配的分叉分支,则删除所述分叉分支。如此,能够在冠状动脉分割时,通过将静脉影像干扰处的冠状动脉分割结果与静脉分割结果进行匹配共享,删除冠状动脉分割结果中相对应的静脉支,得到准确的冠状动脉图,实现更好的冠脉分割。

Description

一种冠状血管分割方法及系统
技术领域
本发明涉及医学成像技术领域,尤其涉及一种冠状血管分割方法及系统。
背景技术
近年来,全球冠心病的发病率持续上升,冠心病介入治疗、外科手术和药物治疗手段得到飞速发展。医生和患者对冠心病的手术治疗都存在一种依赖和期望,这从全球冠状动脉血管重建的患者人数不断增加就可以看出,这种技术已经获得了广泛的接收和认可。因此,冠状动脉重建已成为目前治疗冠状动脉疾病的最常用和最重要的手段,具有重要的临床价值和实际意义。
然而,在冠状动脉分割时所存在的静脉影像干扰(即静脉纠缠)问题一直困扰着医生和患者。尤其是当动静脉可分离性较差时,不管是采用传统方法还是采用神经网络方法均很难直接将影像干扰处的动静脉分开,都会给冠状动脉的分割重建带来了极大的困难。
发明内容
本发明提供一种冠状血管分割方法及系统,能够在冠状动脉分割时,直接准确的将影像干扰处的动静脉分开,为完成自动化冠状动脉重建提供条件。
本发明一方面提供一种冠状血管分割方法,包括:获取冠状血管数据;分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,得到冠状动脉分割结果和静脉分割结果;确定所述冠状动脉分割结果中的分叉分支;确定所述静脉分割结果中的静脉支;检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支;若所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,则删除所述分叉分支。
在一种可实施方式中,所述确定所述冠状动脉分割结果中的分叉分支,包括:提取所述冠状动脉分割结果中动脉血管的中心线,生成冠状动脉连接图;根据所述冠状动脉连接图中的边权值生成冠状动脉树;检测所述冠状动脉树的端点和分叉点;根据所述检测结果确定所述冠状动脉分割结果中的分叉分支。
在一种可实施方式中,所述检测所述冠状动脉树的端点和分叉点,包括:若所述中心线的第一中心点与所述冠状动脉树中的其它至多一个中心点相连,则所述第一中心点为所述冠状动脉树的端点;若所述中心线的第二中心点与所述冠状动脉树中的其它至少三个中心点相连,则所述第二中心点为所述冠状动脉树的分叉点。
在一种可实施方式中,所述确定所述静脉分割结果中的静脉支,包括:获取所述静脉分割结果中的像素点;计算所述像素点为可信静脉点的概率,得到概率计算结果;若所述概率计算结果大于置信度阈值,则所述像素点为可信静脉点,所述可信静脉点所在的分支为静脉支。
在一种可实施方式中,所述检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支,包括:计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度;若所述重合度大于重合度阈值,则所述分叉分支与所述静脉支相匹配。
在一种可实施方式中,所述计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度,包括:从所述分叉分支的分叉点起始按特定步长顺次选取测试点,对所述测试点重合度检测,以确定重合点;计算所述重合点数量与所选取测试点数量之间的比率,得到所述分叉分支与所述静脉支的重合度。
在一种可实施方式中,所述对所述测试点重合检测,以确定重合点,包括:计算所选取测试点与任一所述静脉支上的点的距离,得到距离计算结果;若所述距离计算结果不大于距离阈值,则所选取测试点与所述静脉支上的点重合。
本发明另一方面提供一种冠状血管分割系统,包括:数据获取单元,用于获取冠状血管数据;分割单元,用于分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,获得冠状动脉分割结果和静脉分割结果;分支获取单元,用于确定所述冠状动脉分割结果中的分叉分支;还用于确定所述静脉分割结果中的静脉支;分支匹配单元,用于检测所述冠状血管动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支;分支删除单元,用于根据所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,删除所述分叉分支。
在一种可实施方式中,所述分支获取单元包括:提取子单元,用于提取所述冠状动脉分割结果中动脉血管的中心线,生成冠状动脉连接图;树生成子单元,用于根据所述冠状动脉连接图中的边权值生成冠状动脉树;检测子单元,用于检测所述冠状动脉树的端点和分叉点;分支确定子单元,用于根据所述检测模块中的检测结果确定所述冠状动脉分割结果中的分叉分支。
在一种可实施方式中,所述分支获取单元还包括:像素点获取子单元,用于获取所述静脉分割结果中的像素点;概率计算子单元,用于计算所述像素点为可信静脉点的概率,得到概率计算结果;静脉支确定子单元,用于将所述概率计算结果与置信度阈值进行比较,若所述概率计算结果大于所述置信度阈值,确定所述像素点为可信静脉点,所述可信静脉点所在的分支为静脉支。
在一种可实施方式中,所述分支匹配单元包括:重合度计算子单元,用于计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度;确定匹配子单元,用于根据所述重合度大于重合度阈值,确定所述分叉分支与所述静脉支相匹配。
在一种可实施方式中,所述重合度计算子单元包括:点重合判断模块,用于从所述分叉分支的分叉点起始按特定步长顺次选取测试点,对所述测试点重合检测,以确定重合点;点比率计算模块,用于计算所述重合点数量与所选取测试点数量之间的比率,得到所述分叉分支与所述静脉支的重合度。
在一种可实施方式中,所述点重合判断模块包括:点计算子模块,用于计算所选取测试点与任一所述静脉支上的点的距离,得到距离计算结果;点重合子模块,用于根据所述距离计算结果不大于距离阈值,确定所选取测试点与所述静脉支上的点重合。
本发明实施例所述冠状血管分割方法及系统,获取冠状血管数据;分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,得到冠状动脉分割结果和静脉分割结果;确定所述冠状动脉分割结果中的分叉分支,以及确定所述静脉分割结果中的静脉支;检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支;若所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,则删除所述分叉分支。如此,能够在冠状动脉分割时,通过将静脉影像干扰处的冠状动脉分割结果与静脉分割结果进行匹配共享,删除冠状动脉分割结果中相对应的静脉支,得到准确的冠状动脉图,实现更好的冠脉分割,为完成自动化冠状动脉重建提供条件。
需要理解的是,本发明的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本说明书示例性实施方式的上述以及其他目的、特征和有点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例冠状血管分割方法流程示意图;
图2示出了本发明实施例中确定所述冠状动脉分割结果中的分叉分支的流程示意图;
图3示出了本发明实施例中确定所述静脉分割结果中的静脉支的流程示意图;
图4示出了本发明实施例的冠状血管分割系统结构示意图;
图5示出了本发明实施例中分支获取单元的结构示意图;
图6示出了本发明实施例中分支匹配单元的结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例的一种冠状血管分割方法流程示意图。
在此,需要明确指出的是,在本发明实施例中所述的冠状血管是心脏本身的血液供应系统,包括冠状动脉和冠状静脉。
如图1所示,本发明实施例所述冠状血管分割方法,包括:
步骤S101,获取冠状血管数据。
在此步骤中,通常为CT(电脑断层扫描)影像,特别是在冠状动脉的重建应用中。实际应用过程中,当然不局限与CT影像,也可以采用其它的医学影像技术完成,如:血管摄影/动脉摄影/血管造影等采用X光照射方法获取的影像,还有心血管造影、乳房摄影术、正子发射断层扫描、核磁工程成像、医学超音波检测等技术所得到的影像均可在此作为样本图像数据。
步骤S102,分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,得到冠状动脉分割结果和静脉分割结果。
在此步骤包括:通过冠状动脉分割模型对所述冠状血管数据进行分割提取,得到冠状动脉分割结果;通过静脉分割模型对所述冠状血管数据进行分割提取,得到静脉分割结果。此处,获取冠状动脉分割结果与获取静脉分割结果,不分先后顺序,可同时进行,即分别通过冠状动脉分割模型和静脉分割模型对冠状血管数据进行分割提取,得到冠状动脉分割结果和静脉分割结果。
冠状动脉分割模型以及静脉分割模型均可以通过神经网路对样本图像数据进行训练得到。对冠状动脉分割模型而言,利用神经网络,通过对标注有冠状动脉结果的样本图像数据进行训练得到;而对静脉分割模型,则利用神经网络,通过对标注有静脉结果的样本图像数据进行训练得到。当然,不管是冠状动脉分割模型还是静脉分割模型还可以通过对样本图像树手动标注。
这里,冠状动脉分割模型和静脉分割模型是预先已经训练好的,在进行冠脉分割过程中,直接可以利用的。在获取冠状血管数据之后,直接利用预先训练好的冠状动脉分割模型对冠状血管数据进行分割提取,得到冠状动脉分割结果;直接利用预先训练好的静脉分割模型对冠状血管数据进行分割提取,得到静脉分割结果。
步骤S103,确定所述冠状动脉分割结果中的分叉分支;以及确定所述静脉分割结果中的静脉支。
在此步骤中,包括:确定所述冠状动脉分割结果中的分叉分支与确定所述静脉分割结果中的静脉支,不分先后顺序,可同时进行。在得到冠状动脉分割结果后,确定冠状动脉分割结果中的分叉分支;在得到静脉分割结果后,确定静脉分割结果中的静脉支。二者相互独立,并不相互影响。
步骤S104,检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支。
步骤S105,若所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,则删除所述分叉分支。
在步骤S102中得到冠状动脉分割结果及静脉分割结果后,就需要对结果进行处理,确定所述冠状动脉分割结果中的分叉分支,以及确定所述静脉分割结果中的静脉支,以便完成后续操作。
图2示出了本发明实施例中确定所述冠状动脉分割结果中的分叉分支的流程示意图。
在一具体实施方式中,如图2所示,确定所述冠状动脉分割结果中的分叉分支包括:步骤S1031a,提取所述冠状动脉分割结果中动脉血管的中心线,生成冠状动脉连接图;步骤S1032a,根据所述冠状动脉连接图中的边权值生成冠状动脉树;步骤S1033a,检测所述冠状动脉树的端点和分叉点;步骤S1034a,根据所述检测结果确定所述冠状动脉分割结果中的分叉分支。
在步骤S1031a,提取所述冠状动脉分割结果中动脉血管的中心线。实际上,提取的是冠状动脉分割结果中动脉血管的中心点,得到动脉血管中心点的集合,然后由这些中心点顺次构成动脉血管中心线,然后根据特定规则生成冠状动脉连接图。此处由中心线生成冠状动脉连接图,可以是冠状动脉全连接图,也可以是冠状动脉的局部连接图,具体的视规则而定。如果采用中心点的全连接规则,也即全部中心点全连接,生成的为冠状动脉全连接图;若采用中心点的局部连接规则,即某一部分的中心点连接,那么生成的为冠状动脉的局部连接图。
在生成冠状动脉连接图之后,就可以进行步骤S1032a,即根据冠状动脉连接图中的边权值生成冠状动脉树。此步骤中,根据所取冠状动脉连接图中的边权值的和的不同,生成不同的冠状动脉树。如果所取冠状动脉连接图中边权值的和最小,则生成冠状动脉的最小生成树;相反的,如果所取冠状动脉连接图中边权值的和最大,相应的生成冠状动脉的最大生成树。不管是使用普利姆算法或克鲁斯卡尔算法生成最小生成树,还是生成最大生成树,二者的本质是一样的。
在得到冠状动脉树后,就可以检测所述冠状动脉树的端点和分叉点,即步骤S1033a,包括:若所述中心线的第一中心点与所述冠状动脉树中的其它至多一个中心点相连,则所述第一中心点为所述冠状动脉树的端点;若所述中心线中的第二中心点与所述冠状动脉树中的其它至少三个中心点相连,则所述第二中心点为所述冠状动脉树的分叉点。
在步骤S1033a中,根据任意一个中心点与其它中心点之间的关系,就可以得到中心点的序列。也就是说任意一个中心点,连接它的另外的中心点是谁,就可以得到点的序列。一个中心点与其它至少三个中心点连接,那么这个中心点就是分叉点;如果仅仅与一个中心点连接,那么这个中心点就是端点;与两个中心点连接,那么这个中心点认识是一普通中心点。
在检测到分叉点之后,就可以知道分叉点处的血管分支。进而,分叉点与端点或普通点之间的点序就是分叉点处的血管分支,也就得到了冠状动脉分割结果中的分叉分支,即完成了步骤S1034a,根据所述检测结果确定所述冠状动脉分割结果中的分叉分支。
在检测分叉点时,也可以通过神经网络方法,通过模型直接输出分叉点。中心线的方法获取分叉点与神经网络方法通过模型直接输出分叉点相比,更加的简单直接,且不易出错。
实际上,在获取冠状动脉的端点和分叉点的过程中,还可以通过传统的切片方式获取。例如,对冠状动脉体沿Z轴进行切片,获取动脉血管的中心预测点。当这个中心预测点在下几张切片上分成了两个点或几个点,则认为这个中心预测点是个分叉点;若在下面的切片过程中,切片上没有这个点了,则认为这个中心预测点是个端点。为了能够保证分叉点和端点不会有所遗漏,利用同样的方法,对冠状动脉体分别沿X轴、Y轴切片获取分叉点或端点。
对冠状动脉血管进行z轴/y轴/x轴的切片,以z轴切片为例,当前切片(如z=i)在某区域有中心预测点,而i-1切片上相应位置处没有,i+1切片相应位置处有,则认为i切片相应位置处有一个端点;如果当前切片(如z=i)在某区域有中心预测点,而i+1切片上相应位置处没有,i-1切片上相应位置处没有,则认为i切片上相应位置处有一个端点。同理对y轴和x轴切片进行判断即可找出所有侯选端点。
如果当前切片(如z=i)在某区域有中心预测点,i+1切片相应处有两个或多个点,则认为i切片位置处有一个分叉点;或者i-1切片相应处有两个或多个点,则认为i切片相应位置处有一个分叉点。
由于血管在该轴切片上是斜着走的,因此点区域可以稍微偏差一点,如当前i切片的某区域重心为(x0,y0),则对i-1和i+1区域的判断为左上角(x0-dx,y0-dy)、右下角(x0+dx,y0+dy)区域。以z轴切片为例,当前切片(如z=i)在某区域有中心预测点,而i-1切片上相应位置的左上角(x0-dx,y0-dy)、右下角(x0+dx,y0+dy)区域没有,i+1切片相应位置的左上角(x0-dx,y0-dy)、右下角(x0+dx,y0+dy)区域有,则认为i切片位置处有一个端点。
图3示出了本发明实施例中确定所述静脉分割结果中的静脉支的流程示意图。在步骤S102中得到静脉分割结果后,通过步骤S103,确定所述静脉分割结果中的静脉支。
在一具体的实施方式中,如图3所示,确定所述静脉分割结果中的静脉支包括:步骤S1031b,获取所述静脉分割结果中的像素点;步骤S1032b,计算所述像素点为可信静脉点的概率,得到概率计算结果;步骤S1033b,若所述概率计算结果大于置信度阈值,则所述像素点为可信静脉点,所述可信静脉点所在的分支为静脉支。
在该实施方式中,与上述确定冠状动脉分割结果中的分叉分支方法相同,通过将CT影像输入静脉分割模型中,获取静脉分割结果;提取静脉分割结果中静脉的中心线,生成静脉连接图;通过普利姆算法或克鲁斯卡尔算法生成静脉生成树(静脉最小生成树或静脉最大生成树)。然后检测静脉生成树中的静脉点,也就是静脉分割结果中相应的像素点,计算像素点为可信静脉点的概率,得到概率计算结果。如果上述概率计算结果大于置信度阈值,则相应的像素点为可信静脉点。此处,置信度阈值为预先在模型中设定,为了使得到的静脉支为高置信度的静脉支,必须取高置信度的静脉点。在获取可信静脉点后,生成可信静脉点的序列,也即可信静脉点与可信静脉点之间的联系,就可以得到可信静脉点处的血管分支即静脉支。
当然,此方法也同样可以用于获取动脉支。例如,可以通过获取冠状动脉分割结果中的动脉像素点;计算动脉像素点为动脉点的概率,得到一个动脉概率计算结果,如果此处计算得到的动脉概率计算结果大于动脉置信度阈值,那么上述动脉像素点就为可信动脉点,可信动脉点所在的分支就为动脉支。
在一具体的实施方式中,在确定了冠状动脉分割结果中的分叉分支与静脉分割结果中的静脉支后,通过检测冠状动脉分割结果中是否存在与静脉分割结果中的静脉支相匹配的分叉分支,来确定冠状动脉的分割是否准确。
在该实施方式中,检测冠状动脉分割结果中是否存在与静脉分割结果中的静脉支相匹配的分叉分支包括:计算所述冠状动脉分割结果中的分叉分支与静脉分割结果中的静脉支的重合度;若所述重合度大于重合度阈值,则所述分叉分支与所述静脉支相匹配。
如果计算得到的重合度大于重合度阈值,那么确定冠状动脉分割结果中的分叉分支与静脉支相匹配,通过删除冠状动脉分割结果中与静脉支相匹配的分叉分支,就可以得到准确的冠状动脉图。
在一具体实施方式中,计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度包括:从所述分叉分支的分叉点起始按特定步长顺次选取测试点,对所述测试点重合检测,以确定重合点;计算所述重合点数量与所选取测试点数量之间的比率,得到所述分叉分支与所述静脉支的重合度。
在该实施方式中,对所述测试点重合检测,以确定重合点包括:计算所选取测试点与任一所述静脉支上的点的距离,得到距离计算结果;若所述距离计算结果不大于距离阈值,则所选取测试点与所述静脉支上的点重合。
在测试点选取过程中,通过按照分叉分支的长度,从分叉分支的分叉点起始按特定步长得到所选取测试点的数量;也可以是设定的可变参量,如10、15等,可变参量根据实际应用设定。在按照特定步长得到的测试点的数量大于设定的可变参量时,所选取测试点的数量取可变参量;若按照特定步长得到的测试点的数量小于等于设定的可变参量时,所选取测试点的数量取按照特定步长得到的测试点的数量。
在从分叉分支的分叉点起始按特定步长得到所选取测试点的数量时,特定步长的设定视具体的情况而定,并非是一个确定的值。
测试点选取后,计算所选取的测试点与任一静脉支上的点的距离,得到一个距离计算结果,如果距离计算结果不大于距离阈值,那么认为所选取的测试点与静脉支上的点重合。如果距离计算结果大于距离阈值,那么就认为测试点所在的分叉分支与静脉支没有重合点。
在确定所选取的测试点与静脉支上的点重合后,在相应的分叉分支上按照特定步长顺次取测试点,进行重合度检测,以确定重合点。最终得到分叉分支上与静脉支上重合点的数量,计算重合点数量与所选取测试点数量之间的比率,即得到相应的分叉分支与相对应的静脉支的重合度。
通过计算分叉分支与静脉支的重合度确定分叉分支与静脉支是否匹配,若计算得到的重合度满足特定重合度阈值,那么确定分叉分支与静脉支相匹配。或者,在计算所选取测试点与任一所述静脉支上的点的距离,得到距离计算结果后,通过计算所选取测试点的距离计算结果之和整体大于预设值,也认为所测试点所在的分叉分支与静脉支相匹配。
在对分叉分支及静脉支是否相匹配进行确定时,还可以通过判断静脉支的中心线的点,是否在分叉分支中出现确定。例如,从静脉分割结果中获取静脉点信息(如坐标),然后找到该坐标对应的动脉预测值,即可判断该静脉点是否在相应的分叉分支中出现。也就是说,对从静脉支上选取的测试点与分叉分支上的点进行重合检测,以确定重合点;计算所述重合点数量与所选取测试点数量之间的比率,在比率大于预设值时,就可以判断分叉分支与静脉支是否相匹配,不需要再进行重合度的计算。
分叉分支与静脉支相匹配,那么在冠状动脉分割结果对应的分叉分支实际上是静脉支,通过删除实际上是静脉支的分叉分支,就可以得到准确的冠脉分割示意图。其中,所述特定重合度阈值可以根据冠脉分割的准确率要求来综合考量后加以确定。
图4示出了本发明实施例的一种冠状血管分割系统结构示意图。
如图4所示,该实施例中的冠状血管分割系统,包括:数据获取单元401、分割单元402、分支获取单元403、分支匹配单元404和分支删除单元405。
其中,数据获取单元401用于获取冠状血管数据。
分割单元402用于分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,获得冠状动脉分割结果和静脉分割结果。
分支获取单元403用于确定所述冠状动脉分割结果中的分叉分支;还用于确定所述静脉分割结果中的静脉支。
分支匹配单元404用于检测所述冠状动脉分割结果中是否存在与静脉分割结果中的静脉支相匹配的分叉分支。
分支删除单元405用于根据所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,删除所述分叉分支。
图5示出了本发明实施例中分支获取单元的结构示意图。
在一具体的可实施方式中,所述分支获取单元403包括:提取子单元4031a、树生成子单元4032a、检测子单元4033a和分支确定子单元4034a。
其中,提取子单元4031a用于提取所述冠状动脉分割结果中动脉血管的中心线,生成冠状动脉连接图。树生成子单元4032a用于根据所述冠状动脉连接图中的边权值生成冠状动脉树。检测子单元4033a用于检测所述冠状动脉树的端点和分叉点。分支确定子单元4034a用于根据所述检测子单元4033a的检测结果确定所述冠状动脉分割结果中的分叉分支。
在该可实施方式中,所述分支获取单元403还包括:像素点获取子单元4031b、概率计算子单元4032b和静脉支确定子单元4033b。
其中,像素点获取子单元4031b,用于获取所述静脉分割结果中的像素点。概率计算子单元4032b,用于计算所述像素点为可信静脉点的概率,得到概率计算结果。静脉支确定子单元4033b,用于将所述概率计算结果与置信度阈值进行比较,若所述概率计算结果大于所述置信度阈值,则确定所述像素点为可信静脉点,所述可信静脉点所在的分支为静脉支。
图6示出了本发明实施例中分支匹配单元的结构示意图。
在一具体的可实施方式中,所述分支匹配单元404包括:重合度计算子单元4041和确定匹配子单元4042。
其中,重合度计算子单元4041,用于计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度。确定匹配子单元4042,用于根据所述重合度大于重合度阈值,确定所述分叉分支与所述静脉支相匹配。
在该可实施方式中,重合度计算子单元4041包括:点重合判断模块4041a和点比率计算模块4041b。其中,点重合判断模块4041a,用于从所述分叉分支的分叉点起始按特定步长顺次选取测试点,对所述测试点重合检测,以确定重合点。点比率计算模块4041b,用于计算所述重合点数量与所选取测试点数量之间的比率,得到所述分叉分支与所述静脉支的重合度。
在该可实施方式中,点重合判断模块4041a包括:点计算子模块和点重合子模块。其中,点计算子模块用于计算所选取测试点与任一所述静脉支上的点的距离,得到距离计算结果。点重合子模块,用于根据所述计算结果不大于距离阈值,确定所选取测试点与所述静脉支上的点重合。
本发明实施例的一种冠状血管分割系统采用上述冠状血管分割方法的原理运行,在此不再一一赘述。通过本发明实施例的冠状血管分割方法及系统能够在冠状动脉分割时,通过将静脉影像干扰处的冠状动脉分割结果与静脉分割结果进行匹配,删除冠状动脉分割结果中相对应的静脉支,得到准确的冠状动脉图,实现更好的冠脉分割,为完成自动化冠状动脉重建提供条件
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本发明的具体实施方式,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以所述权利要求的保护范围为准。

Claims (10)

1.一种冠状血管分割方法,其特征在于,包括:
获取冠状血管数据;
分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,得到冠状动脉分割结果和静脉分割结果;
确定所述冠状动脉分割结果中的分叉分支;以及
确定所述静脉分割结果中的静脉支;
检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支;
若所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,则删除所述分叉分支。
2.根据权利要求1所述的冠状血管分割方法,其特征在于,所述确定所述冠状动脉分割结果中的分叉分支,包括:
提取所述冠状动脉分割结果中动脉血管的中心线,生成冠状动脉连接图;
根据所述冠状动脉连接图中的边权值生成冠状动脉树;
检测所述冠状动脉树的端点和分叉点;
根据所述检测结果确定所述冠状动脉分割结果中的分叉分支。
3.根据权利要求2所述的冠状血管分割方法,其特征在于,所述检测所述冠状动脉树的端点和分叉点,包括:
若所述中心线的第一中心点与所述冠状动脉树中的其它至多一个中心点相连,则所述第一中心点为所述冠状动脉树的端点;
若所述中心线中的第二中心点与所述冠状动脉树中的其它至少三个中心点相连,则所述第二中心点为所述冠状动脉树的分叉点。
4.根据权利要求1所述的冠状血管分割方法,其特征在于,所述确定所述静脉分割结果中的静脉支,包括:
获取所述静脉分割结果中的像素点;
计算所述像素点为可信静脉点的概率,得到概率计算结果;
若所述概率计算结果大于置信度阈值,则所述像素点为可信静脉点,所述可信静脉点所在的分支为静脉支。
5.根据权利要求1所述的冠状血管分割方法,其特征在于,所述检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支,包括:
计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度;
若所述重合度大于重合度阈值,则所述分叉分支与所述静脉支相匹配。
6.根据权利要求5所述的冠状血管分割方法,其特征在于,所述计算所述冠状动脉分割结果中的分叉分支与所述静脉分割结果中的静脉支的重合度,包括:
从所述分叉分支的分叉点起始按特定步长顺次选取测试点,对所述测试点重合检测,以确定重合点;
计算所述重合点数量与所选取测试点数量之间的比率,得到所述分叉分支与所述静脉支的重合度。
7.根据权利要求6所述的冠状血管分割方法,其特征在于,所述对所述测试点重合检测,以确定重合点,包括:
计算所选取测试点与任一所述静脉支上的点的距离,得到距离计算结果;
若所述距离计算结果不大于距离阈值,则所选取测试点与所述静脉支上的点重合。
8.一种冠状血管分割系统,其特征在于,包括:
数据获取单元,用于获取冠状血管数据;
分割单元,用于分别通过冠状动脉分割模型和静脉分割模型对所述冠状血管数据进行分割提取,获得冠状动脉分割结果和静脉分割结果;
分支获取单元,用于确定所述冠状动脉分割结果中的分叉分支;还用于确定所述静脉分割结果中的静脉支;
分支匹配单元,用于检测所述冠状动脉分割结果中是否存在与所述静脉分割结果中的静脉支相匹配的分叉分支;
分支删除单元,用于根据所述冠状动脉分割结果中存在与所述静脉分割结果中的静脉支相匹配的分叉分支,删除所述分叉分支。
9.根据权利要求8所述的冠状血管分割系统,其特征在于,所述分支获取单元包括:
提取子单元,用于提取所述冠状动脉分割结果中动脉血管的中心线,生成冠状动脉连接图;
树生成子单元,用于根据所述冠状动脉连接图中的边权值生成冠状动脉树;
检测子单元,用于检测所述冠状动脉树的端点和分叉点;
分支确定子单元,用于根据所述检测模块的检测结果确定所述冠状动脉分割结果中的分叉分支。
10.根据权利要求8所述的冠状血管分割系统,其特征在于,所述分支获取单元还包括:
像素点获取子单元,用于获取所述静脉分割结果中的像素点;
概率计算子单元,计算所述像素点为可信静脉点的概率,得到概率计算结果;
静脉支确定子单元,用于将所述概率计算结果与置信度阈值进行比较,若所述概率计算结果大于所述置信度阈值,确定所述像素点为可信静脉点,所述可信静脉点所在的分支为静脉支。
CN201811163436.7A 2018-09-30 2018-09-30 一种冠状血管分割方法及系统 Active CN109360209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811163436.7A CN109360209B (zh) 2018-09-30 2018-09-30 一种冠状血管分割方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811163436.7A CN109360209B (zh) 2018-09-30 2018-09-30 一种冠状血管分割方法及系统

Publications (2)

Publication Number Publication Date
CN109360209A true CN109360209A (zh) 2019-02-19
CN109360209B CN109360209B (zh) 2020-04-14

Family

ID=65348360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811163436.7A Active CN109360209B (zh) 2018-09-30 2018-09-30 一种冠状血管分割方法及系统

Country Status (1)

Country Link
CN (1) CN109360209B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109872314A (zh) * 2019-02-20 2019-06-11 数坤(北京)网络科技有限公司 一种基于中心线的优化分割方法及设备
CN111862304A (zh) * 2020-06-30 2020-10-30 西安增材制造国家研究院有限公司 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置
CN112950734A (zh) * 2021-03-01 2021-06-11 推想医疗科技股份有限公司 冠脉重建方法、装置、电子设备和存储介质
CN113096141A (zh) * 2021-04-19 2021-07-09 推想医疗科技股份有限公司 冠状动脉分割方法以及冠状动脉分割装置
CN113837985A (zh) * 2020-06-24 2021-12-24 博动医学影像科技(上海)有限公司 用于血管造影图像处理的训练方法和装置、自动处理方法和装置
TWI772932B (zh) * 2019-10-31 2022-08-01 大陸商北京市商湯科技開發有限公司 圖像處理及神經網路訓練方法、電子設備和電腦儲存介質

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1700254A (zh) * 2004-05-06 2005-11-23 西门子共同研究公司 动脉-静脉分离及脉管建模
US20070249912A1 (en) * 2006-04-21 2007-10-25 Siemens Corporate Research, Inc. Method for artery-vein image separation in blood pool contrast agents
CN101425186A (zh) * 2008-11-17 2009-05-06 华中科技大学 一种基于ct图像的肝脏分段方法及其系统
CN102117378A (zh) * 2009-12-31 2011-07-06 苏州瑞派宁科技有限公司 一种基于三维多模影像的肝肿瘤综合手术规划模拟方法及其系统
CN104978725A (zh) * 2014-04-03 2015-10-14 上海联影医疗科技有限公司 一种冠状动脉分割方法和装置
US20160196660A1 (en) * 2013-08-21 2016-07-07 Koninklijke Philips N.V. Segmentation apparatus for interactively segmenting blood vessels in angiographic image data
CN106296660A (zh) * 2016-07-28 2017-01-04 北京师范大学 一种全自动冠状动脉分割方法
CN107610117A (zh) * 2017-09-18 2018-01-19 广州慧扬健康科技有限公司 冠状动脉管腔图像自动分割系统
CN107657612A (zh) * 2017-10-16 2018-02-02 西安交通大学 适用于智能便携设备的全自动视网膜血管分析方法及系统
CN108010041A (zh) * 2017-12-22 2018-05-08 数坤(北京)网络科技有限公司 基于深度学习神经网络级联模型的人体心脏冠脉提取方法
CN108171698A (zh) * 2018-02-12 2018-06-15 数坤(北京)网络科技有限公司 一种自动检测人体心脏冠脉钙化斑块的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1700254A (zh) * 2004-05-06 2005-11-23 西门子共同研究公司 动脉-静脉分离及脉管建模
US20070249912A1 (en) * 2006-04-21 2007-10-25 Siemens Corporate Research, Inc. Method for artery-vein image separation in blood pool contrast agents
CN101425186A (zh) * 2008-11-17 2009-05-06 华中科技大学 一种基于ct图像的肝脏分段方法及其系统
CN102117378A (zh) * 2009-12-31 2011-07-06 苏州瑞派宁科技有限公司 一种基于三维多模影像的肝肿瘤综合手术规划模拟方法及其系统
US20160196660A1 (en) * 2013-08-21 2016-07-07 Koninklijke Philips N.V. Segmentation apparatus for interactively segmenting blood vessels in angiographic image data
CN104978725A (zh) * 2014-04-03 2015-10-14 上海联影医疗科技有限公司 一种冠状动脉分割方法和装置
CN106296660A (zh) * 2016-07-28 2017-01-04 北京师范大学 一种全自动冠状动脉分割方法
CN107610117A (zh) * 2017-09-18 2018-01-19 广州慧扬健康科技有限公司 冠状动脉管腔图像自动分割系统
CN107657612A (zh) * 2017-10-16 2018-02-02 西安交通大学 适用于智能便携设备的全自动视网膜血管分析方法及系统
CN108010041A (zh) * 2017-12-22 2018-05-08 数坤(北京)网络科技有限公司 基于深度学习神经网络级联模型的人体心脏冠脉提取方法
CN108171698A (zh) * 2018-02-12 2018-06-15 数坤(北京)网络科技有限公司 一种自动检测人体心脏冠脉钙化斑块的方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109872314A (zh) * 2019-02-20 2019-06-11 数坤(北京)网络科技有限公司 一种基于中心线的优化分割方法及设备
CN109872314B (zh) * 2019-02-20 2021-04-16 数坤(北京)网络科技有限公司 一种基于中心线的优化分割方法及设备
TWI772932B (zh) * 2019-10-31 2022-08-01 大陸商北京市商湯科技開發有限公司 圖像處理及神經網路訓練方法、電子設備和電腦儲存介質
CN113837985A (zh) * 2020-06-24 2021-12-24 博动医学影像科技(上海)有限公司 用于血管造影图像处理的训练方法和装置、自动处理方法和装置
WO2021258835A1 (zh) * 2020-06-24 2021-12-30 博动医学影像科技(上海)有限公司 用于血管造影图像处理的训练方法和装置、自动处理方法和装置
CN113837985B (zh) * 2020-06-24 2023-11-07 上海博动医疗科技股份有限公司 用于血管造影图像处理的训练方法和装置、自动处理方法和装置
CN111862304A (zh) * 2020-06-30 2020-10-30 西安增材制造国家研究院有限公司 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置
CN111862304B (zh) * 2020-06-30 2023-09-05 西安增材制造国家研究院有限公司 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置
CN112950734A (zh) * 2021-03-01 2021-06-11 推想医疗科技股份有限公司 冠脉重建方法、装置、电子设备和存储介质
CN112950734B (zh) * 2021-03-01 2023-09-22 推想医疗科技股份有限公司 冠脉重建方法、装置、电子设备和存储介质
CN113096141A (zh) * 2021-04-19 2021-07-09 推想医疗科技股份有限公司 冠状动脉分割方法以及冠状动脉分割装置

Also Published As

Publication number Publication date
CN109360209B (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN109360209A (zh) 一种冠状血管分割方法及系统
CN112652052B (zh) 一种基于血管分支配准的冠状动脉三维重建方法及系统
JP2019193808A (ja) リアルタイムの診断上有用な結果
KR102050649B1 (ko) 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치
CN110448319B (zh) 基于造影影像及冠状动脉的血流速度计算方法
CN111932554B (zh) 一种肺部血管分割方法、设备及存储介质
CN112541893B (zh) 一种三维断层扫描图像中树状结构分叉关键点的检测方法
CN109377458B (zh) 一种冠脉分割断裂的修复方法及装置
US9198603B2 (en) Device, method and program for searching for the shortest path in a tubular structure
CN111797901A (zh) 一种基于拓扑结构估计的视网膜动静脉分类方法及装置
CN108364290A (zh) 对周期性生理活动的图像序列进行分析的方法、介质和系统
CN112862833A (zh) 血管分段方法、电子装置和存储介质
CN112419484A (zh) 三维血管合成方法、系统及冠状动脉分析系统和存储介质
CN107392891B (zh) 血管树提取方法、装置、设备及存储介质
Lin et al. Retinal vascular tree reconstruction with anatomical realism
CN111275722A (zh) 肺段、肝段分割方法及系统
CN112132882A (zh) 从冠状动脉二维造影图像中提取血管中心线的方法和装置
Blondel et al. Automatic trinocular 3D reconstruction of coronary artery centerlines from rotational X-ray angiography
CN110689080B (zh) 一种血管结构影像的平面图谱构建方法
US20230260133A1 (en) Methods for acquiring aorta based on deep learning and storage media
CN109875595B (zh) 一种颅内血管状态检测方法及装置
KR102350998B1 (ko) 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치
CN116363311A (zh) 冠脉Leiden分数计算及风险分级的方法和系统
CN114998582A (zh) 一种冠脉血管的分割方法、装置及存储介质
CN115222665B (zh) 一种斑块检测方法、装置、电子设备及可读存储介质

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