CN109800711B - 基于形态识别的静脉去除方法 - Google Patents

基于形态识别的静脉去除方法 Download PDF

Info

Publication number
CN109800711B
CN109800711B CN201910051797.0A CN201910051797A CN109800711B CN 109800711 B CN109800711 B CN 109800711B CN 201910051797 A CN201910051797 A CN 201910051797A CN 109800711 B CN109800711 B CN 109800711B
Authority
CN
China
Prior art keywords
vein
candidate
identifying
artery
veins
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
CN201910051797.0A
Other languages
English (en)
Other versions
CN109800711A (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 CN201910051797.0A priority Critical patent/CN109800711B/zh
Publication of CN109800711A publication Critical patent/CN109800711A/zh
Application granted granted Critical
Publication of CN109800711B publication Critical patent/CN109800711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种基于形态识别的静脉去除方法,其包括:S1、获得初始3D冠脉分割体;S2、对初始3D冠脉分割体进行分叉点检测;S3、对分叉点处进行异常判断:S31、根据前序中心点,识别动脉与分叉脉络,将分叉脉络标记为候选静脉;S32、识别各分叉点的候选静脉数以采取不同策略进行识别:当候选静脉数为1时:计算动脉的近似走向与候选静脉的近似走向夹角,当夹角大于105°时,识别为静脉;当候选静脉数为2时:对各候选静脉进行类直线判断,若为类直线,则识别为静脉,否则,参照候选静脉数为1时的识别方法进行识别;S33、去除识别为静脉的分叉脉络,输出修改后的3D冠脉分割体。本发明可自动对3D冠脉分割体进行识别,去除其中的静脉噪音。

Description

基于形态识别的静脉去除方法
技术领域
本发明涉及冠脉影像处理领域,具体涉及一种基于形态识别的静脉去除方法。
背景技术
自动化冠脉重建对于医生有着重要的临床价值与实际意义。冠脉分割作为自动化冠脉重建的重要一环,其分割结果的准确性直接影响后续自动化冠脉重建的结果的准确性。
在冠脉分割过程中,静脉通常会成为主要的噪声,静脉与动脉呈交叉状是其常见的分布形态。由于静脉的特征形态等较难与动脉进行区分,为静脉的去除带来了难度。
发明内容
本发明的目的在于提供一种基于形态识别的静脉去除方法。
为实现上述目的,本发明采用以下技术方案:
基于形态识别的静脉去除方法,包括:
S1、对冠脉影像进行分割,获得初始3D冠脉分割体;
S2、对初始3D冠脉分割体进行分叉点检测;
S3、对分叉点处进行异常判断,识别并去除静脉:
S31、根据前序中心点,识别动脉与分叉脉络,将分叉脉络标记为候选静脉;
S32、识别各分叉点的候选静脉数以采取不同策略进行识别:
当候选静脉数为1时:计算动脉的近似走向与候选静脉的近似走向夹角,当夹角大于α时,识别为静脉;α=β+90°,β为容忍角度;
当候选静脉数为2时:对各候选静脉进行类直线判断,若为类直线,则识别为静脉,否则,参照候选静脉数为1时的识别方法进行识别;
S33、去除识别为静脉的分叉脉络,输出修改后的3D冠脉分割体。
进一步地,β=15°。
进一步地,所述动脉的近似走向通过以下方式计算:
首先,以分叉点为终点,选取与候选静脉相同长度的动脉;
其次,设定动脉可取中心线的最大长度与最小长度,形成可取中心线长度区间;
最后,在可取中心线长度区间寻找变化率小于设定阈值的曲线段,计算其平均向量方向作为动脉的近似走向。
进一步地,所述最大长度为60个像素点,最小长度为25个像素点。
进一步地,所述设定阈值为0.15。
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:本发明基于形态学,可自动对分叉点的分叉脉络进行检测,识别其中的静脉并去除,进而输出消除静脉干扰后的冠脉分割结果,作为下一步冠脉重建的基础。
附图说明
图1为本发明流程图。
图2为本发明冠脉分叉情况示意图,图2(a)为3叉情况示意图,图2(b)为4叉情况示意图。
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,本发明公开了一种基于形态识别的静脉去除方法,具体包括:
S1、对冠脉影像进行分割,获得初始3D冠脉分割体。
S11、获取患者心脏冠脉血管的原始CT图像;
S12、对所述原始CT图像进行图像分割,获得初始3D冠脉分割体。
S2、对初始3D冠脉分割体进行分叉点检测。
S3、对分叉点处进行异常判断,识别并去除静脉。
S31、根据3D冠脉分割体中的前序中心点,识别动脉与分叉脉络。
如图2(a)及图2(b)所示,计算机识别初始3D冠脉分割体中的前序中心点,则沿前序中心点a1、a2、a3走向,其脉络即为动脉,在中心点a1处延伸出的分叉脉络即为分叉脉络,将分叉脉络标记为候选静脉。
S32、在正常动脉有交叉的地方分为两类,一类是3叉,一类是4叉,因此,需要根据各分叉点的候选静脉数的不同以采取不同策略进行识别:
如图2(a)所示,当候选静脉数为1(即为3叉状态)时:计算动脉的近似走向与候选静脉的近似走向(即该段的中心线的拟合直线)夹角,当夹角大于α时,识别为静脉并标记。
人的冠脉基本都是树形向下分支,这种分支一般不会出现向上长的情况,即正常不会出现α大于90°的情况,当出现α大于90°的情况时,其为静脉的可能性高,因此,即可将之判定为静脉。
考虑个体的差异性,本实施例经过大量样本验证,在90°基础上设定一个容忍角度β,本实施例中β优选为15°,则α=90°+15°=105°。
如图2(b)所示,当候选静脉数为2(即为4叉状态)时:对各候选静脉进行类直线判断,若为类直线,则识别为静脉并标记,否则,参照候选静脉数为1时的识别方法进行识别。
类直线判断,是对这个段的中心线点集进行拟合,拟合后可得到较好的拟合性,则认为是类直线。其至少可以通过两个约束实现:1、拟合误差小,当拟合误差值小于设定值时,即可判定为类直线;2、任意中心线点离拟合线的距离小于一个设定的阈值,即判定为类直线。本实施例采用第二种约束,设定的阈值为0.15。
所述动脉的近似走向通过以下方式计算:
首先,计算候选静脉的长度,以分叉点为终点,选取与候选静脉相同长度的动脉;
其次,设定动脉可取中心线的最大长度与最小长度,形成可取中心线长度区间,本实施例中,所述可取中心线长度区间为[25,60];
最后,在可取中心线长度区间寻找变化率小于设定阈值的曲线段,计算其平均向量方向作为动脉的近似走向。
所述变化率通过以下方式计算:ε=D/L,其中D为目标线段上任意点到目标线段首尾连线上的距离,L为目标线段首尾连线的长度。本实施例中,所述设定阈值为0.15。
S33、去除识别为静脉的分叉脉络,输出修改后的3D冠脉分割体。
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 (5)

1.基于形态识别的静脉去除方法,其特征在于:包括
S1、对冠脉影像进行分割,获得初始3D冠脉分割体;
S2、对初始3D冠脉分割体进行分叉点检测;
S3、对分叉点处进行异常判断,识别并去除静脉:
S31、根据前序中心点,识别动脉与分叉脉络,将分叉脉络标记为候选静脉;
S32、识别各分叉点的候选静脉数以采取不同策略进行识别:
当候选静脉数为1时:计算动脉的近似走向与候选静脉的近似走向夹角,当夹角大于α时,识别为静脉;α=β+90°,β为容忍角度;
当候选静脉数为2时:对各候选静脉进行类直线判断,若为类直线,则识别为静脉,否则,参照候选静脉数为1时的识别方法进行识别;
S33、去除识别为静脉的分叉脉络,输出修改后的3D冠脉分割体。
2.如权利要求1所述的基于形态识别的静脉去除方法,其特征在于:β=15°。
3.如权利要求1所述的基于形态识别的静脉去除方法,其特征在于:所述动脉的近似走向通过以下方式计算:
首先,以分叉点为终点,选取与候选静脉相同长度的动脉;
其次,设定动脉可取中心线的最大长度与最小长度,形成可取中心线长度区间;
最后,在可取中心线长度区间寻找变化率小于设定阈值的曲线段,计算其平均向量方向作为动脉的近似走向。
4.如权利要求3所述的基于形态识别的静脉去除方法,其特征在于:所述最大长度为60个像素点,最小长度为25个像素点。
5.如权利要求3所述的基于形态识别的静脉去除方法,其特征在于:所述设定阈值为0.15。
CN201910051797.0A 2019-01-21 2019-01-21 基于形态识别的静脉去除方法 Active CN109800711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910051797.0A CN109800711B (zh) 2019-01-21 2019-01-21 基于形态识别的静脉去除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910051797.0A CN109800711B (zh) 2019-01-21 2019-01-21 基于形态识别的静脉去除方法

Publications (2)

Publication Number Publication Date
CN109800711A CN109800711A (zh) 2019-05-24
CN109800711B true CN109800711B (zh) 2020-12-22

Family

ID=66559739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910051797.0A Active CN109800711B (zh) 2019-01-21 2019-01-21 基于形态识别的静脉去除方法

Country Status (1)

Country Link
CN (1) CN109800711B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538521A (zh) * 2020-06-19 2021-10-22 上海杏脉信息科技有限公司 一种冠脉影像分割方法、介质及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789076A (zh) * 2010-01-27 2010-07-28 哈尔滨工程大学 一种提取相位及方向特征的手指静脉识别方法
CN102222220A (zh) * 2011-06-21 2011-10-19 哈尔滨工程大学 手背静脉模式纹理提取方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012136079A1 (en) * 2011-04-07 2012-10-11 The Chinese University Of Hong Kong Method and device for retinal image analysis
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
CN107862282B (zh) * 2017-11-07 2020-06-16 深圳市金城保密技术有限公司 一种手指静脉识别与安全认证方法及其终端及系统
CN108961273B (zh) * 2018-07-03 2021-10-29 东北大学 一种从ct影像中分割肺动脉和肺静脉的方法及系统
CN109145748B (zh) * 2018-07-23 2021-10-26 南京航空航天大学 可见光静脉显像图像的静脉线提取算法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789076A (zh) * 2010-01-27 2010-07-28 哈尔滨工程大学 一种提取相位及方向特征的手指静脉识别方法
CN102222220A (zh) * 2011-06-21 2011-10-19 哈尔滨工程大学 手背静脉模式纹理提取方法

Also Published As

Publication number Publication date
CN109800711A (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN110717888B (zh) 一种血管内光学相干层析成像血管壁内轮廓自动识别方法
CN111145173B (zh) 一种冠脉造影图像的斑块识别方法、装置、设备及介质
CN111681224A (zh) 获取血管参数的方法和装置
CN109377458B (zh) 一种冠脉分割断裂的修复方法及装置
CN110176013B (zh) 血管分割方法、装置、电子设备及存储介质
KR102272413B1 (ko) 관상동맥 혈관조영술 기반의 기계 학습을 통한 허혈 병변 정보 제공 장치, 정보 제공 방법 및 이의 기록매체
JP2022550669A (ja) 網膜血管の動静脈を判別する方法及び装置
CN115049807B (zh) 肺部血管模型的建立方法、装置及服务器
CN109800711B (zh) 基于形态识别的静脉去除方法
JP2023521773A (ja) 血管映像を自動処理する方法及び装置
CN111681276A (zh) 眼底图像中的动静脉直径比的确定方法、装置及电子设备
CN110517264B (zh) 一种基于血管分割的病灶提取方法及装置
CN113313715B (zh) 心脏动脉血管的分割方法、分割装置、设备和介质
CN113450329B (zh) 一种微循环图像血管分支红细胞流速计算方法及系统
CN109875595B (zh) 一种颅内血管状态检测方法及装置
CN113516644A (zh) 一种血管内光学相干层析成像分支血管识别方法
CN109754400B (zh) 静脉去除方法
CN112137721A (zh) 一种基于超声图像的穿刺针针尖与血管壁深度定位方法
CN116843622A (zh) 血管中心线确定系统、装置及存储介质
CN111739026B (zh) 一种基于血管中心线的黏连割除方法及装置
CN113421254B (zh) 微循环血管分支长度和直径计算方法及装置和终端设备
CN109145748B (zh) 可见光静脉显像图像的静脉线提取算法
Ashame et al. Abnormality Detection in Eye Fundus Retina
CN113344895A (zh) 高精度的眼底血管管径测量方法、装置、介质和设备
CN115131508B (zh) 基于数据处理的dsa建模点云数据融合处理方法

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
CP03 Change of name, title or address
CP03 Change of name, title or address

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

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

Address before: Unit 547, unit 1, building 1, yard 1, Longyu middle street, Huilongguan town, Changping District, Beijing

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

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.