CN109544566B - 冠脉图像分割方法、装置、计算机设备和存储介质 - Google Patents
冠脉图像分割方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109544566B CN109544566B CN201811445789.6A CN201811445789A CN109544566B CN 109544566 B CN109544566 B CN 109544566B CN 201811445789 A CN201811445789 A CN 201811445789A CN 109544566 B CN109544566 B CN 109544566B
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- skeleton
- coronary
- central line
- distance field
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种冠脉图像分割方法、装置、计算机设备和存储介质。所述方法包括:获取初始图像中的冠脉主干中心线;对所述初始图像进行分割,得到冠脉掩膜;根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像。结合初始图像的区域生长,能够使边缘分割更加的充分,使冠脉轮廓的提取更加精确。并且通过距离场的约束,能够防止区域生长过程中的泄露,进一步的提高冠脉轮廓提取的精度。
Description
技术领域
本申请涉及医学图像处理技术领域,特别是涉及一种冠脉图像分割方法、装置、计算机设备和存储介质。
背景技术
心血管疾病是发病率和死亡率较高的疾病,并且具有发病急、隐蔽性强等特性,因此实现心脏疾病的诊断具有十分重要的临床意义。目前,伴随着CT的成像速度和扫描精度的提高,CT医学影像已被广泛应用于心脏检查和疾病诊断。与此同时,为了更好地实现心血管疾病的检查,心脏冠脉分割和冠脉边缘提取作为一种辅助手段被广泛使用。它可以精确的提取出冠脉的边缘和轮廓,通过提取的冠脉轮廓可以让医生更加方便的观察狭窄、钙化和斑块等情况,从而为医生对心血管疾病的早期预防和诊断提供依据。
目前的传统技术,冠脉图像的提取通常使用区域生长或中心线追踪等技术。其中基于区域生长的分割技术:首先会利用图像增强算法将管状特征进行增强,然后基于增强的结果进行区域增长,从而完成冠脉分割和边缘提取。中心线追踪的分割技术:首先确定主动脉上的冠脉口作为起始点进行追踪,然后按照一定步长和方向向前进行追踪,按照深度或者广度算法依次追踪从而得到冠脉,在此基础上利用管状模板在周边区域提取边缘,完成冠脉分割和边缘提取。
基于区域生长的冠脉提取技术是基于种子点的区域生长,这种技术在冠脉主干造影不够好或者造影有间断的时候经常会导致主干提取不完整,而且区域生长技术一般是基于冠脉增强结果的基础上进行,往往有泄露或者分割不足,从而导致冠脉边缘提取不准确。基于中心线追踪的冠脉提取技术是基于一定步长和方向的,在步长和方向有一定的间隔,可能会跳过一些细小分支,导致冠脉分割不完整,而且追踪技术是在中心线的基础上实现的,并不能很好的提取相应轮廓。
发明内容
基于此,有必要针对上述技术问题,提供一种能够精确的提取冠脉轮廓的冠脉图像分割方法、装置、计算机设备和存储介质。
一种冠脉图像分割方法,所述方法包括:获取初始图像中的冠脉主干中心线;对所述初始图像进行分割,得到冠脉掩膜;根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像。
在其中一个实施例中,所述获取初始图像中的冠脉主干中心线包括:获取初始图像;在所述初始图像中对冠脉中心线进行初步定位;根据初步定位的所述冠脉中心线得到冠脉主干中心线。
在其中一个实施例中,所述根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场包括:根据冠脉掩膜,确定冠脉骨架;根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架;根据冠脉中心线骨架确定距离场。
在其中一个实施例中,所述根据冠脉掩膜,确定冠脉骨架包括:对所述冠脉掩膜进行细化,得到冠脉骨架点;对细化过程进行迭代,得到冠脉骨架。
在其中一个实施例中,所述根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架包括:根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点;根据左冠脉起始点、右冠脉起始点以及冠脉骨架,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径;根据所述路径得到冠脉中心线骨架。
在其中一个实施例中,所述根据冠脉中心线骨架确定距离场包括:根据冠脉中心线骨架以及预设半径,生成可增长区域;在所述可增长区域内设定距离场因子;利用所述距离场因子以及区域扩展算法,沿冠脉中心线骨架的六邻域向外扩展,通过迭代生成所述可增长区域内的距离场。
在其中一个实施例中,所述在所述距离场内进行区域生长,得到冠脉图像包括:在所述距离场内结合区域生长策略进行区域生长,得到冠脉图像。
一种冠脉图像分割装置,所述装置包括:获取模块,用于获取初始图像中的冠脉主干中心线;分割模块,用于对所述初始图像进行分割,得到冠脉掩膜;计算模块,用于根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;区域生长模块,用于以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。
上述冠脉图像分割方法、装置、计算机设备和存储介质,通过获取初始图像的冠脉主干中心线,再对初始图像进行分割,得到冠脉掩膜。利用冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场,再以冠脉中心线骨架的像素点作为种子点,在距离场内进行区域生长,得到冠脉图像。结合初始图像的区域生长,能够使边缘分割更加的充分,使冠脉轮廓的提取更加精确。并且通过距离场的约束,能够防止区域生长过程中的泄露,进一步的提高冠脉轮廓提取的精度。
附图说明
图1为一个实施例中冠脉图像分割方法的流程示意图;
图2为一个实施例中获取初始图像中冠脉主干中心线的方法流程示意图;
图3为一个实施例中计算冠脉中心线骨架以及距离场的方法的流程示意图;
图4为一个实施例中冠脉掩膜图像;
图5为一个实施例中冠脉骨架图像;
图6为一个实施例中传统方法提取的冠脉图像;
图7为一个实施例中分割方法提取的冠脉图像;
图8为一个实施例中冠脉图像分割装置的结构框图;
图9为一个实施例中获取模块的结构框图;
图10为一个实施例中计算模块的结构框图;
图11为一个实施例中冠脉骨架计算单元的结构框图;
图12为一个实施例中冠脉中心线骨架计算单元的结构框图;
图13为一个实施例中距离场计算单元的结构框图;
图14为一个实施例中计算机设备的内部结构图。
附图标记:获取模块100、获取单元110、初定位单元120、冠脉主干中心线计算单元130、分割模块200、计算模块300、冠脉骨架计算单元310、冠脉骨架点计算子单元311、冠脉骨架计算子单元312、冠脉中心线骨架计算单元320、起始点计算子单元321、路径计算子单元322、冠脉中心线骨架计算子单元323、距离场计算单元330、可增长区域生成子单元331、距离场因子设定子单元332、距离场计算子单元333、区域生长模块400。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
计算机断层扫描设备(CT)通常包括机架、扫描床以及供医生操作的控制台。机架的一侧设置有球管,与球管相对的一侧设置有探测器。控制台为控制球管以及探测器进行扫描的计算机设备,计算机设备还用于接收探测器采集到的数据,并对数据进行处理重建,最终形成CT图像。在利用CT进行扫描时,患者躺在扫描床上,由扫描床将患者送入机架的孔径内,机架上设置的球管发出X射线,X射线穿过患者被探测器接收形成数据,并将数据传输给计算机设备,计算机设备对数据进行初步处理以及图像重建得到CT图像。
在一个实施例中,如图1所示,提供了一种冠脉图像分割方法,包括以下步骤:
步骤S102,获取初始图像中的冠脉主干中心线。
具体地,初始图像为计算机断层扫描设备获取的包括心脏区域的图像,也就是心脏图像。冠脉即冠状动脉,是为心脏供给血液的动脉,起于主动脉根部的主动脉窦内,分为左右两支,位于心脏的表面。首先获取计算机断层扫描设备重建得到的初始图像。根据重建得到的初始图像,在初始图像中对冠脉的中心线进行初步定位。根据初步定位的冠脉中心线得到冠脉主干中心线。其中,在初始图像中对冠脉的中心线进行初步定位,可以通过冠脉中心线模型和初始图像之间的映射关系进行初步定位。根据初步定位的冠脉中心线得到冠脉主干中心线,可以通过图像增强从初步定位的冠脉中心线中提取冠脉主干中心线。
步骤S104,对所述初始图像进行分割,得到冠脉掩膜。
具体地,对初始图像进行分割得到冠脉掩膜,可以为以冠脉主干中心线上的像素点作为种子点进行区域生长,得到冠脉掩膜。还可以为利用中心线追踪或基于冠脉模型的分割技术进行分割,得到冠脉掩膜。本实施例不对分割方法做具体限定,只需能够达到分割出冠脉掩膜的效果即可。区域生长是指根据事先定义的准则将像素或者子区域聚合成更大的区域。像素或者子区域即为种子点或种子点的集合。在使用区域生长算法时,先对每个需要分割的区域找一个或多个种子像素作为生长的起点(种子点),然后将种子点周围邻域中与种子点具有相同或相似性质的像素(根据事先确定的生长或相似准则来判定)合并到种子点所在的区域中。将这些新像素当做新的种子点继续进行上面的过程,直到再没有满足条件的像素可被包括进来,区域生长算法完成。冠脉图像为初始图像中只包括冠脉的图像。掩膜的作用为提取掩膜区域的感兴趣图像,将掩膜与待处理图像相乘,就能够得到掩膜区域的感兴趣图像,感兴趣区域内图像的像素值保持不边,感兴趣区域外的图像像素值为0。也就是说掩膜是对感兴趣区域之外的图像起屏蔽作用,使感兴趣区域之外的图像不参与之后的图像处理或仅仅对屏蔽区域进行图像处理。冠脉掩膜为与初始图像相同大小尺寸的数据,初始图像的每一个像素对应一个相应的冠脉掩膜像素,将冠脉掩膜与初始图像进行相乘,即可得到冠脉图像。冠脉掩膜中的像素表示特定的含义。具体像素值所代表的含义可以在实际应用中进行限定。例如,在本实施例中冠脉掩膜的像素的掩码值7表示分割的冠脉,也就是掩码值7的像素所对应的初始图像中的相应像素为冠脉的分割结果。
步骤S106,根据冠脉主干中心线以及冠脉掩膜,计算冠脉中心线骨架以及距离场。
具体地,距离场是一种场图像,图像上的像素值代表距离中心线的距离。本实施例中距离场是用于限定区域生长算法范围的场图像。首先根据计算得到的冠脉掩膜,确定冠脉骨架。再根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架。最后根据冠脉中心线骨架确定距离场。其中,冠脉骨架是将冠脉掩膜进行迭代细化最终得到的骨架。冠脉中心线骨架是多种冠脉骨架中的一种。更具体的,确定冠脉中心线骨架为:首先根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点,再根据左冠脉起始点、右冠脉起始点以及冠脉骨架确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径,最终根据路径得到冠脉中心线骨架。
步骤S108,以冠脉中心线骨架的像素点作为种子点,在距离场内进行区域生长,得到冠脉图像。
具体地,在所述距离场内结合区域生长策略进行区域生长,得到冠脉图像。首先预先设定预设生长策略,将冠脉中心线骨架上的像素点作为种子点集合,在距离场所限定的范围内,对每一个种子点周围邻域的候选点进行判别是否符合预设生长策略,符合则划分为同一区域,得到冠脉图像。
上述冠脉图像分割方法,通过获取初始图像的冠脉主干中心线,再对初始图像进行分割得到冠脉掩膜。利用冠脉主干中心线以及冠脉掩膜,计算冠脉中心线骨架以及距离场,再以冠脉中心线骨架的像素点作为种子点,在距离场内进行区域生长,得到冠脉图像。在冠脉分割的基础上,提取冠脉骨架并生成骨架为中心距离场,最后根据增强结果和CT值沿着距离场方向区域增长,通过结合CT值的区域生长,可以更好的改善增强算法导致的边缘分割不充分,通过距离场的约束,能够防止区域生长过程中的泄露,进一步的提高冠脉轮廓提取的精度。本实施例的冠脉提取方法可以改善冠脉分割边缘较小、边缘分割不光滑以及边缘泄露等情形,优化冠脉边缘提取。并且可以应用到多种冠脉分割技术中,如区域增长、中心线追踪以及基于冠脉模型的冠脉分割技术。并且本实施例的冠脉提取方法还可以适用于多种类似管状的结构(如血管、气管)的提取,具有很强的普适性。
在一个实施例中,如图2所示,提供了一种获取初始图像中冠脉主干中心线的方法,包括以下步骤:
步骤S202,获取初始图像。
具体地,初始图像为计算机断层扫描设备获取的心脏区域的图像。首先根据计算机断层扫描设备采集到的数据进行重建得到初始图像。
步骤S204,在所述初始图像中对冠脉中心线进行初步定位。
具体地,获取冠脉中心线模型与初始图像之间的映射关系,根据映射关系,在初始图像中对冠脉中心线进行初步定位。其中,冠脉中心线模型是通过标定近20套心脏的主干中心线得到,本实施例不对标定方法做具体限定,也可以为医生手动标定,还可以为其他标定算法,只需能够达到标定结果即可。冠脉中心线模型与初始图像之间的映射关系是利用心脏腔室分割的结果和冠脉中心线模型所对应的腔室进行配准得到的。冠脉即冠状动脉,是为心脏供给血液的动脉,起于主动脉根部的主动脉窦内,分为左右两支,位于心脏的表面。根据对初始图像的腔室分割结果或者心脏刚体配准结果可以获得冠脉中心线模型与初始图像之间的映射关系。根据冠脉中心线模型与初始图像之间的映射关系,在初始图像中根据映射关系所表达的相似变换关系,将冠脉中心线模型映射在初始图像中,初步定位冠脉中心线。
步骤S206,根据初步定位的所述冠脉中心线得到冠脉主干中心线。
具体地,利用图像增强算法对初步定位的冠脉中心线进行增强,并获取初步定位的冠脉中心线周围的增强像素数据,根据动态规则算法以及增强像素数据,得到冠脉中心线最佳路径,根据冠脉中心线最佳路径,得到冠脉主干中心线。更具体地,图像增强算法可以为海森算法,利用海森算法对初始图像进行增强。海森算法常被用于图像像素的增强。其中海森算法对初始图像中初步定位的冠脉中心线进行增强,再获取初步定位的冠脉中心线周围被增强后的像素的数据。海森算法可以将管状特征的点进行增强,增强的效果用实数来表示,实数越大表示越具备管状特征。动态规则算法通过调整参数达到整体的最优,通常被用于最优路径的选取。利用初步定位的冠脉中心线周围的增强像素数据,根据动态规则算法找出沿中心线各像素点的最佳路径。其中,动态规则算法为是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推的方式去解决的算法。根据动态规则算法找出沿中心线各像素点的最佳路径,并经过多次迭代得到冠脉主干中心线。
上述获取初始图像中冠脉主干中心线的方法,根据冠脉中心线模型与初始图像之间的映射关系,在初始图像中对冠脉中心线进行初步定位。根据图像增强算法对初步定位的冠脉中心线进行增强,并利用动态规则算法得到冠脉中心线最佳路径,进一步的确定冠脉主干中心线。上述方法能够准确的确定冠脉主干中心线,以便得到更为准确的冠脉图像。
在一个实施例中,如图3所示,提供了一种计算冠脉中心线骨架以及距离场的方法,包括以下步骤:
步骤S302,根据冠脉掩膜,确定冠脉骨架。
具体的,首先对冠脉掩膜进行细化,得到冠脉骨架点,对细化过程进行迭代,得到冠脉骨架。如图4所示,为冠脉掩膜图像。更具体的,首先需要确定冠脉骨架点的计算条件,本实施例中计算条件为像素点附近六邻域内冠脉不连通且点附近十八邻域背景不连通,然后依次从上下左右前后六个方位进行细化,得到骨架点。其中,六邻域为对于三维图像的每个体素来说,六邻域即当前体素上下前后左右的六个相邻体素。例如,当前体素的坐标为(x,y,z)则六邻域体素的坐标为(x+1,y,z)、(x-1,y,z)、(x,y+1,z)、(x,y-1,z)、(x,y,z+1)、(x,y,z-1),也就是只变动一个坐标轴的坐标。十八邻域为当前体素变换一个坐标轴的坐标和变换两个坐标轴的坐标的体素总和。例如,当前体素的坐标为(x,y,z)则十八邻域体素的坐标为(x+1,y,z)、(x-1,y,z)、(x,y+1,z)、(x,y-1,z)、(x,y,z+1)、(x,y,z-1)、(x+1,y+1,z)、(x+1,y-1,z)、(x-1,y+1,z)、(x-1,y-1,z)、(x+1,y,z+1)、(x+1,y,z-1)、(x-1,y,z+1)、(x-1,y,z-1)、(x,y+1,z+1)、(x,y+1,z-1)、(x,y-1,z+1)、(x,y-1,z-1)。依次从上下左右前后六个方位进行细化就是在三维图像中当前体素的上下前后左右六个方向进行细化。更具体的,细化是将图像的线条从多像素宽度减少到单位像素宽度的过程。对冠脉掩膜进行细化能够得到冠脉骨架,冠脉骨架即表示冠脉中心线曲线,将冠脉掩膜中的冠脉进行细化得到冠脉骨架。根据上述计算条件迭代细化,得到多个冠脉骨架点,根据所有的冠脉骨架点,得到冠脉骨架,如图5所示,为冠脉骨架图像。
步骤S304,根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架。
具体地,根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点;根据左冠脉起始点、右冠脉起始点以及冠脉骨架,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径;根据所述路径得到冠脉中心线骨架。冠脉即冠状动脉,是为心脏供给血液的动脉,起于主动脉根部的主动脉窦内,分为左右两支,位于心脏的表面。也就是包括左冠脉以及右冠脉。在冠脉图像中,根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点。在冠脉骨架上查找各个端点,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径。根据所有冠脉骨架端点分别到左冠脉起始点和右冠脉起始点的路径,得到冠脉中心线骨架。
步骤S306,根据冠脉中心线骨架确定距离场。
具体地,根据冠脉中心线骨架以及预设半径,生成可增长区域;在所述可增长区域内设定距离场因子;利用所述距离场因子以及区域扩展算法,沿冠脉中心线骨架的六邻域向外扩展,通过迭代生成所述可增长区域内的距离场。距离场是一种场图像,图像上的像素值代表距离中心线的距离。本实施例中距离场是用于限定区域生长算法范围的场图像。根据冠脉中心线骨架确定距离场,用于确定区域生长的可生长区域和方向性,防止区域生长带来的冠脉边缘泄露。根据冠脉中心线骨架以及预设半径,构造对应的管状掩膜结构,并生成可生长区域。优选的,预设半径为6mm或4mm,以预设半径为6mm进行举例说明,也就是限制最大区域生长范围是脉中心线骨架周向6mm内。距离场因子为将距离场的值作为分割的因子,距离场因子小于等于预设半径。设定冠脉中心线骨架点的距离场因子为1,然后利用广度优先的算法,沿着冠脉中心线骨架的六领域向外扩展,并设定距离因子为2,通过对上述过程进行迭代可以生成上述掩膜区域(冠脉可生长区域)内的距离场。
上述区域增长以所有冠脉骨架点为种子点,在原有六领域的基础上增加了方向性,即需要增长体素的距离场因子必须等于当前体素的距离场因子加上1,这样可以使区域增长沿着骨架中心点向外扩展,并有效阻止泄露。区域增长时主要参考CT值并同时考虑增强值、梯度等多个维度,可以改善由于增强结果不完整导致的边缘提取不完整。
上述计算冠脉中心线骨架以及距离场的方法,能够准确的得到冠脉中心线骨架,并选定合适的距离场,用于区域生长。进一步优化冠脉图像。
如图6以及图7所示,图6为传统方法提取的冠脉图像;图7为本实施例的方法提取的冠脉图像。可明显看出传统的提取方法在有支架的血管内分割不完整,而本实施例改进后的提取方法则有较大的改善。
应该理解的是,虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种冠脉图像分割装置的结构框图,包括:获取模块100、分割模块200、计算模块300和区域生长模块400,其中:
获取模块100,用于获取初始图像中的冠脉主干中心线;
分割模块200,用于对所述初始图像进行分割,得到冠脉掩膜;
计算模块300,用于根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;
区域生长模块400,用于以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像。
在一个实施例中,如图9所示,提供了一种获取模块的结构框图,其中,获取模块100包括:获取单元110、初定位单元120以及冠脉主干中心线计算单元130。
获取单元110,用于获取初始图像。
初定位单元120,用于在初始图像中对冠脉中心线进行初步定位。
冠脉主干中心线计算单元130,用于根据初步定位的冠脉中心线得到冠脉主干中心线。
在一个实施例中,如图10所示,提供了一种计算模块的结构框图,其中,计算模块300包括:冠脉骨架计算单元310、冠脉中心线骨架计算单元320以及距离场计算单元330。
冠脉骨架计算单元310,用于根据冠脉掩膜,确定冠脉骨架。
冠脉中心线骨架计算单元320,用于根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架。
距离场计算单元330,用于根据冠脉中心线骨架确定距离场。
在一个实施例中,如图11所示,提供了一种冠脉骨架计算单元的结构框图,其中,冠脉骨架计算单元310包括:冠脉骨架点计算子单元311以及冠脉骨架计算子单元312。
冠脉骨架点计算子单元311,用于对冠脉掩膜进行细化,得到冠脉骨架点。
冠脉骨架计算子单元312,用于对细化过程进行迭代,得到冠脉骨架。
在一个实施例中,如图12所示,提供了一种冠脉中心线骨架计算单元的结构框图,其中,冠脉中心线骨架计算单元320包括:起始点计算子单元321、路径计算子单元322以及冠脉中心线骨架计算子单元323。
起始点计算子单元321,用于根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点。
路径计算子单元322,用于根据左冠脉起始点、右冠脉起始点以及冠脉骨架,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径。
冠脉中心线骨架计算子单元323,用于根据路径得到冠脉中心线骨架。
在一个实施例中,如图13所示,提供了一种距离场计算单元的结构框图,其中,距离场计算单元330包括:可增长区域生成子单元331、距离场因子设定子单元332以及距离场计算子单元333。
可增长区域生成子单元331,用于根据冠脉中心线骨架以及预设半径,生成可增长区域。
距离场因子设定子单元332,用于在所述可增长区域内设定距离场因子。
距离场计算子单元333,用于利用所述距离场因子以及区域扩展算法,沿冠脉中心线骨架的六邻域向外扩展,通过迭代生成所述可增长区域内的距离场。
关于冠脉图像分割装置的具体限定可以参见上文中对于冠脉图像分割方法的限定,在此不再赘述。上述冠脉图像分割装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种冠脉图像分割方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图14中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取初始图像中的冠脉主干中心线;对所述初始图像进行分割,得到冠脉掩膜;根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取初始图像;在所述初始图像中对冠脉中心线进行初步定位;根据初步定位的所述冠脉中心线得到冠脉主干中心线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据冠脉掩膜,确定冠脉骨架;根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架;根据冠脉中心线骨架确定距离场。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取初始图像中的冠脉主干中心线;对所述初始图像进行分割,得到冠脉掩膜;根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取初始图像;在所述初始图像中对冠脉中心线进行初步定位;根据初步定位的所述冠脉中心线得到冠脉主干中心线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据冠脉掩膜,确定冠脉骨架;根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架;根据冠脉中心线骨架确定距离场。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种冠脉图像分割方法,其特征在于,所述方法包括:
获取初始图像中的冠脉主干中心线;
对所述初始图像进行分割,得到冠脉掩膜;
根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;
以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像;
所述根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场包括:根据冠脉掩膜,确定冠脉骨架;根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架;根据冠脉中心线骨架确定距离场;
其中,根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架包括:根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点;根据左冠脉起始点、右冠脉起始点以及冠脉骨架,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径;根据所述路径得到冠脉中心线骨架;
根据冠脉中心线骨架确定距离场包括:根据冠脉中心线骨架以及预设半径,生成可增长区域;在所述可增长区域内设定距离场因子;利用所述距离场因子以及区域扩展算法,沿冠脉中心线骨架的六邻域向外扩展,通过迭代生成所述可增长区域内的距离场。
2.根据权利要求1所述的方法,其特征在于,所述获取初始图像中的冠脉主干中心线包括:
获取初始图像;
在所述初始图像中对冠脉中心线进行初步定位;
根据初步定位的所述冠脉中心线得到冠脉主干中心线。
3.根据权利要求1所述的方法,其特征在于,所述根据冠脉掩膜,确定冠脉骨架包括:
对所述冠脉掩膜进行细化,得到冠脉骨架点;
对细化过程进行迭代,得到冠脉骨架。
4.根据权利要求1所述的方法,其特征在于,所述在所述距离场内进行区域生长,得到冠脉图像包括:
在所述距离场内结合区域生长策略进行区域生长,得到冠脉图像。
5.一种冠脉图像分割装置,其特征在于,所述装置包括:
获取模块,用于获取初始图像中的冠脉主干中心线;
分割模块,用于对所述初始图像进行分割,得到冠脉掩膜;
计算模块,用于根据所述冠脉主干中心线以及冠脉掩膜,生成冠脉中心线骨架以及距离场;
区域生长模块,用于以所述冠脉中心线骨架的像素点作为种子点,在所述距离场内进行区域生长,得到冠脉图像;
所述计算模块,具体用于根据冠脉掩膜,确定冠脉骨架;根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架;根据冠脉中心线骨架确定距离场;其中,根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架包括:根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点;根据左冠脉起始点、右冠脉起始点以及冠脉骨架,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径;根据所述路径得到冠脉中心线骨架;根据冠脉中心线骨架确定距离场包括:根据冠脉中心线骨架以及预设半径,生成可增长区域;在所述可增长区域内设定距离场因子;利用所述距离场因子以及区域扩展算法,沿冠脉中心线骨架的六邻域向外扩展,通过迭代生成所述可增长区域内的距离场。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时的方法步骤包括:
获取初始图像中的冠脉主干中心线;
根据所述冠脉主干中心线,对所述初始图像进行分割,得到冠脉掩膜;
根据所述冠脉掩膜及冠脉主干中心线,获得冠脉中心线骨架;
根据所述冠脉中心线骨架,生成距离场;
根据所述冠脉中心线骨架,在所述距离场内进行区域生长,得到冠脉图像;
根据所述冠脉掩膜及冠脉主干中心线,获得冠脉中心线骨架包括:根据冠脉掩膜,确定冠脉骨架;根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架;其中,根据冠脉主干中心线以及冠脉骨架,确定冠脉中心线骨架包括:根据冠脉主干中心线确定左冠脉起始点以及右冠脉起始点;根据左冠脉起始点、右冠脉起始点以及冠脉骨架,确定冠脉骨架各端点分别到左冠脉起始点和右冠脉起始点的路径;根据所述路径得到冠脉中心线骨架;根据冠脉中心线骨架确定距离场包括:根据冠脉中心线骨架以及预设半径,生成可增长区域;在所述可增长区域内设定距离场因子;利用所述距离场因子以及区域扩展算法,沿冠脉中心线骨架的六邻域向外扩展,通过迭代生成所述可增长区域内的距离场。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811445789.6A CN109544566B (zh) | 2018-11-29 | 2018-11-29 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811445789.6A CN109544566B (zh) | 2018-11-29 | 2018-11-29 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544566A CN109544566A (zh) | 2019-03-29 |
CN109544566B true CN109544566B (zh) | 2022-02-01 |
Family
ID=65851285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811445789.6A Active CN109544566B (zh) | 2018-11-29 | 2018-11-29 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544566B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310256B (zh) * | 2019-05-30 | 2021-09-21 | 上海联影智能医疗科技有限公司 | 冠脉狭窄检测方法、装置、计算机设备和存储介质 |
CN113240684B (zh) * | 2019-07-05 | 2024-05-17 | 心医国际数字医疗系统(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN110717915B (zh) * | 2019-09-25 | 2022-05-27 | 武汉联影智融医疗科技有限公司 | 分割方法、装置、计算机设备和存储介质 |
CN111312374B (zh) * | 2020-01-21 | 2024-03-22 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、存储介质及计算机设备 |
CN111383259B (zh) * | 2020-03-02 | 2023-08-22 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、计算机设备和存储介质 |
CN111815585B (zh) * | 2020-06-29 | 2022-08-05 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统 |
CN111932497B (zh) * | 2020-06-30 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种冠状动脉识别方法及装置 |
CN111899252B (zh) * | 2020-08-06 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 基于人工智能的病理图像处理方法和装置 |
WO2022148415A1 (zh) * | 2021-01-08 | 2022-07-14 | 杭州深睿博联科技有限公司 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
CN113379782B (zh) * | 2021-05-28 | 2023-06-30 | 上海联影医疗科技股份有限公司 | 管状结构的提取方法、装置、设备和存储介质 |
CN113409323B (zh) * | 2021-06-18 | 2022-03-08 | 推想医疗科技股份有限公司 | 冠脉分段方法及装置、计算机可读存储介质及电子设备 |
CN113538471B (zh) * | 2021-06-30 | 2023-09-22 | 上海联影医疗科技股份有限公司 | 斑块的分割方法、装置、计算机设备和存储介质 |
CN113658172B (zh) * | 2021-08-30 | 2022-07-08 | 推想医疗科技股份有限公司 | 图像处理方法及装置、计算机可读存储介质及电子设备 |
CN114041761B (zh) * | 2021-10-27 | 2022-12-09 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
CN114757944B (zh) * | 2022-06-13 | 2022-08-16 | 深圳科亚医疗科技有限公司 | 一种血管图像的分析方法、装置及存储介质 |
CN116128957B (zh) * | 2023-04-20 | 2023-06-30 | 博志生物科技(深圳)有限公司 | 一种椎体骨空洞分析方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127819A (zh) * | 2016-06-30 | 2016-11-16 | 上海联影医疗科技有限公司 | 医学图像中提取血管中心线的方法及其装置 |
CN106157320A (zh) * | 2016-07-29 | 2016-11-23 | 上海联影医疗科技有限公司 | 一种图像血管分割方法及装置 |
CN106682636A (zh) * | 2016-12-31 | 2017-05-17 | 上海联影医疗科技有限公司 | 血管提取方法及其系统 |
CN108805871A (zh) * | 2018-06-14 | 2018-11-13 | 艾瑞迈迪医疗科技(北京)有限公司 | 血管图像处理方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050110791A1 (en) * | 2003-11-26 | 2005-05-26 | Prabhu Krishnamoorthy | Systems and methods for segmenting and displaying tubular vessels in volumetric imaging data |
US10102633B2 (en) * | 2015-11-30 | 2018-10-16 | Hyland Switzerland Sarl | System and methods of segmenting vessels from medical imaging data |
-
2018
- 2018-11-29 CN CN201811445789.6A patent/CN109544566B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127819A (zh) * | 2016-06-30 | 2016-11-16 | 上海联影医疗科技有限公司 | 医学图像中提取血管中心线的方法及其装置 |
CN106157320A (zh) * | 2016-07-29 | 2016-11-23 | 上海联影医疗科技有限公司 | 一种图像血管分割方法及装置 |
CN106682636A (zh) * | 2016-12-31 | 2017-05-17 | 上海联影医疗科技有限公司 | 血管提取方法及其系统 |
CN108805871A (zh) * | 2018-06-14 | 2018-11-13 | 艾瑞迈迪医疗科技(北京)有限公司 | 血管图像处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (5)
Title |
---|
Coronary artery segmentation via Hessian filter and curve-skeleton extraction;Hengfei Cui 等;《2014 IEEE Conference on Biomedical Engineering and Sciences (IECBES)》;20151231;全文 * |
Vessel segmentation in low contrast X-ray angiogram images;B. Felfelian 等;《2016 IEEE International Conference on Image Processing (ICIP)》;20161231;全文 * |
冠状动脉造影图像中血管中心线跟踪算法的研究;刘佳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120315;I138-2207 * |
冠脉造影图像的二维信息处理及三维重建研究;周奕;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090515;I138-831 * |
基于CT影像的管状组织分割与中心线提取研究;付玲;《中国博士学位论文全文数据库 信息科技辑》;20150715;I138-136 * |
Also Published As
Publication number | Publication date |
---|---|
CN109544566A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544566B (zh) | 冠脉图像分割方法、装置、计算机设备和存储介质 | |
US8675944B2 (en) | Method of registering image data | |
CN109727242B (zh) | 血管中心线提取方法、装置、计算机设备和存储介质 | |
CN111612743B (zh) | 一种基于ct图像的冠状动脉中心线提取方法 | |
CN110717961B (zh) | 多模态图像重建方法、装置、计算机设备和存储介质 | |
US9547894B2 (en) | Apparatus for, and method of, processing volumetric medical image data | |
CN107808156A (zh) | 感兴趣区域提取方法 | |
CN109478327B (zh) | 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法 | |
CN109712163B (zh) | 冠脉提取方法、装置、图像处理工作站和可读存储介质 | |
CN113674279B (zh) | 基于深度学习的冠脉cta影像的处理方法及装置 | |
JP2011514190A (ja) | 画像内の解剖学的構造のセグメンテーションおよびモデリングのための方法およびシステム | |
CN113538471B (zh) | 斑块的分割方法、装置、计算机设备和存储介质 | |
CN109377481B (zh) | 图像质量评价方法、装置、计算机设备和存储介质 | |
CN105913479B (zh) | 一种基于心脏ct图像的血管曲面重建方法 | |
Tan et al. | An approach for pulmonary vascular extraction from chest CT images | |
CN115100067A (zh) | 图像重建方法及装置 | |
CN111312374A (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
CN108898582B (zh) | 心脏图像重建方法、装置以及计算机设备 | |
Wang et al. | Coronary artery segmentation and skeletonization based on competing fuzzy connectedness tree | |
CN114677436A (zh) | 基于模型配准的脑部cta图像中的脑血管自动定位方法 | |
CN111627023B (zh) | 一种冠脉投影图像生成的方法、装置及计算机可读介质 | |
CN111862259B (zh) | 医学灌注图像处理方法和医学成像设备 | |
US7813549B2 (en) | Image segmentation in a volume data set | |
CN110473297B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110473241B (zh) | 图像配准方法、存储介质及计算机设备 |
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: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |