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 PDFInfo
- 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
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
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。
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)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724413B (zh) * | 2020-06-19 | 2021-09-28 | 上海杏脉信息科技有限公司 | 一种血管跟踪方法、冠脉影像分割方法、介质及电子设备 |
Citations (2)
| 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)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI578977B (zh) * | 2011-04-07 | 2017-04-21 | 香港中文大學 | 視網膜圖像分析裝置 |
| 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 |
-
2019
- 2019-01-21 CN CN201910051797.0A patent/CN109800711B/zh active Active
Patent Citations (2)
| 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 |
|---|---|---|
| JP6243763B2 (ja) | 画像処理装置、画像処理装置の作動方法、及びプログラム | |
| CN111681224A (zh) | 获取血管参数的方法和装置 | |
| 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 | |
| CN116236150A (zh) | 基于眼底图像的动静脉血管图像分割方法 | |
| WO2015136853A1 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| CN109800711B (zh) | 基于形态识别的静脉去除方法 | |
| 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 | |
| JP2023521773A (ja) | 血管映像を自動処理する方法及び装置 | |
| CN115049807A (zh) | 肺部血管模型的建立方法、装置及服务器 | |
| CN115375719A (zh) | 一种血管图像分割方法及装置 | |
| 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 | |
| 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 | |
| CN109559317B (zh) | 一种基于ct影像的肺结节分割方法 | |
| CN111739026B (zh) | 一种基于血管中心线的黏连割除方法及装置 | |
| Medhi et al. | Automatic detection of fovea using property of vessel free region | |
| 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 | |
| CN110021016B (zh) | 一种钙化检测方法 | |
| CN109145748B (zh) | 可见光静脉显像图像的静脉线提取算法 | |
| CN108090900B (zh) | 一种基于ivoct图像的分叉血管自动识别方法 |
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. |