CN109846465B - 一种基于亮度分析的血管钙化误报检测方法 - Google Patents
一种基于亮度分析的血管钙化误报检测方法 Download PDFInfo
- Publication number
- CN109846465B CN109846465B CN201910256887.3A CN201910256887A CN109846465B CN 109846465 B CN109846465 B CN 109846465B CN 201910256887 A CN201910256887 A CN 201910256887A CN 109846465 B CN109846465 B CN 109846465B
- Authority
- CN
- China
- Prior art keywords
- calcification
- area
- blood vessel
- region
- detection threshold
- 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亮度分析的血管钙化误报检测方法,包括以下步骤:针对血管图像利用钙化检测算法获得钙化候选区域;对钙化候选区域进行形态分析,探测是否存在大面积钙化充盈血管情况以及是否存在小区域钙化发生在血管分叉处情况;对大面积钙化充盈血管情况,基于亮度分析调整大面积钙化检测阈值,利用大面积钙化检测阈值判断是否为真钙化;对小区域钙化发生在血管分叉处情况,通过提升小区域钙化检测阈值来判断是否为真钙化。本发明先通过对钙化候选区域进行形态分析,找出易出现误报情况的候选区域,然后基于亮度分析调整检测阈值,将假钙化甄别、剔除,有效避免了误报情况的发生。
Description
技术领域
本发明涉及医学图像处理技术领域,特别涉及一种基于亮度分析的血管钙化误报检测方法。
背景技术
自动化冠脉医学图像检测对医生而言具有重要的临床价值和实际意义,其能够能为医生反馈直观的检测结果,从而作为医生进行病情诊断的参考,将医生从解读医学图像的繁琐工作中解脱出来,从而降低了医生的诊断时间,提高诊断效率,缓解当前就医难的问题。钙化区域识别是自动化冠脉医学图像检测中的重要一环,钙化一般在医学图像上的表现形式通常是其亮度值高于周围血管的亮度值,据此,现有的算法大多通过设定一个固定阈值或动态阈值进行区分,进而识别出钙化区域。
对于现有的钙化检出算法来说,由于造影剂或其他原因的存在,导致很多钙化误报产生。例如,由于造影剂过重,在钙化检测时容易将正常血管判断为大片钙化;在血管分叉处由于灰度值的变化,也容易将正常血管判断为小区域钙化。
发明内容
为解决上述问题,本发明提供了一种基于亮度分析的血管钙化误报检测方法。
本发明采用以下技术方案:
一种基于亮度分析的血管钙化误报检测方法,包括以下步骤:
S1、针对血管图像利用钙化检测算法获得钙化候选区域;
S2、对钙化候选区域进行形态分析,探测是否存在大面积钙化充盈血管情况以及是否存在小区域钙化发生在血管分叉处情况;
S3、对大面积钙化充盈血管情况,基于亮度分析调整大面积钙化检测阈值,利用大面积钙化检测阈值判断是否为真钙化。
优选地,其还包括步骤S4,所述步骤S4具体为:
对小区域钙化发生在血管分叉处情况,提升小区域钙化检测阈值,若仍被检测出钙化,则判定为真钙化。
优选地,所述步骤S3包括以下分步骤:
S31、对整体血管区域进行亮度统计,对长的连续段做二分类处理,亮度值低的区域为暗区血管,亮度值高的区域为亮区血管;
S32、分别计算主动脉、亮区血管、暗区血管的灰度值平均值,并分别记为k、m、n;
S33、利用回归模型计算出调整阈值:
T=f(m,n)
其中,T为调整阈值,m亮区血管的灰度值平均值,n为暗区血管的灰度值平均值,f为回归模型;
S34、将所述调整阈值T与主动脉灰度值平均值求和,得出所述大面积钙化检测阈值钙化检测阈值,并利用大面积钙化检测阈值钙化检测阈值判断是否为真钙化。
优选地,所述步骤S3还包括以下分步骤:
S35、通过判断钙化候选区域的四周是否均存在梯度衰减较大的亮区来判断是否为假钙化。
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:
本发明先通过对钙化候选区域进行形态分析,找出易出现误报情况(大面积钙化充盈血管、小区域钙化出现在血管分叉处)的候选区域,然后基于亮度分析调整检测阈值,进而将假钙化甄别、剔除,有效避免了误报情况的发生。
附图说明
图1为本发明的流程示意图。
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
参考图1所示,本发明公开了一种基于亮度分析的血管钙化误报检测方法,包括以下步骤:
S1、针对血管图像利用钙化检测算法获得钙化候选区域。钙化检测算法可采用常规的固定阈值、动态阈值、对比度或极值等算法,本发明不做具体限定。
S2、对钙化候选区域进行形态分析,探测是否存在大面积钙化充盈血管情况以及是否存在小区域钙化发生在血管分叉处情况;
S3、对大面积钙化充盈血管情况,基于亮度分析调整大面积钙化检测阈值,利用大面积钙化检测阈值判断是否为真钙化。该步骤包括以下分步骤:
S31、对整体血管区域进行亮度统计,对长的连续段做二分类处理,亮度值低的区域为暗区血管,亮度值高的区域为亮区血管;
S32、分别计算主动脉、亮区血管、暗区血管的灰度值平均值,并分别记为k、m、n;
S33、利用回归模型计算出调整阈值:
T=f(m,n)
其中,T为调整阈值,m亮区血管的灰度值平均值,n为暗区血管的灰度值平均值,f为回归模型;
S34、将调整阈值T与主动脉灰度值平均值求和,得出大面积钙化检测阈值钙化检测阈值,并利用大面积钙化检测阈值钙化检测阈值判断是否为真钙化。
S35、通过判断钙化候选区域的四周是否均存在梯度衰减较大的亮区来判断是否为假钙化。
S4、对小区域钙化发生在血管分叉处情况,提升小区域钙化检测阈值,若仍被检测出钙化,则判定为真钙化。
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 (2)
1.一种基于亮度分析的血管钙化误报检测方法,其特征在于,包括以下步骤:
S1、针对血管图像利用钙化检测算法获得钙化候选区域;
S2、对钙化候选区域进行形态分析,探测是否存在大面积钙化充盈血管情况以及是否存在小区域钙化发生在血管分叉处情况;
S3、对大面积钙化充盈血管情况,基于亮度分析调整大面积钙化检测阈值,利用大面积钙化检测阈值判断是否为真钙化;
S4、对小区域钙化发生在血管分叉处情况,提升小区域钙化检测阈值,若仍被检测出钙化,则判定为真钙化,
其中,所述步骤S3包括以下分步骤:
S31、对整体血管区域进行亮度统计,对长的连续段做二分类处理,亮度值低的区域为暗区血管,亮度值高的区域为亮区血管;
S32、分别计算主动脉、亮区血管、暗区血管的灰度值平均值,并分别记为k、m、n;
S33、利用回归模型计算出调整阈值:
T=f(m,n)
其中,T为调整阈值,m亮区血管的灰度值平均值,n为暗区血管的灰度值平均值,f为回归模型;
S34、将所述调整阈值T与主动脉灰度值平均值求和,得出所述大面积钙化检测阈值钙化检测阈值,并利用大面积钙化检测阈值钙化检测阈值判断是否为真钙化。
2.如权利要求1所述的一种基于亮度分析的血管钙化误报检测方法,其特征在于,所述步骤S3还包括以下分步骤:
S35、通过判断钙化候选区域的四周是否均存在梯度衰减较大的亮区来判断是否为假钙化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256887.3A CN109846465B (zh) | 2019-04-01 | 2019-04-01 | 一种基于亮度分析的血管钙化误报检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256887.3A CN109846465B (zh) | 2019-04-01 | 2019-04-01 | 一种基于亮度分析的血管钙化误报检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109846465A CN109846465A (zh) | 2019-06-07 |
CN109846465B true CN109846465B (zh) | 2021-09-28 |
Family
ID=66902831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910256887.3A Active CN109846465B (zh) | 2019-04-01 | 2019-04-01 | 一种基于亮度分析的血管钙化误报检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109846465B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681767B (zh) * | 2020-06-12 | 2022-07-05 | 电子科技大学 | 一种电子病历数据处理方法及系统 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1451753A2 (en) * | 2001-11-24 | 2004-09-01 | Image Analysis, Inc. | Automatic detection and quantification of coronary and aortic calcium |
US6996262B2 (en) * | 2002-05-20 | 2006-02-07 | General Electric Company | Method and apparatus of scoring an arterial obstruction |
US7727153B2 (en) * | 2003-04-07 | 2010-06-01 | Sonosite, Inc. | Ultrasonic blood vessel measurement apparatus and method |
US7593561B2 (en) * | 2005-01-04 | 2009-09-22 | Carestream Health, Inc. | Computer-aided detection of microcalcification clusters |
US20120283530A1 (en) * | 2009-11-17 | 2012-11-08 | Maynard John D | Method and apparatus to detect coronary artery calcification or disease |
CN102293644B (zh) * | 2011-06-08 | 2012-12-19 | 何宗彦 | 血液流动状况检测装置及检测方法 |
US8958618B2 (en) * | 2012-06-28 | 2015-02-17 | Kabushiki Kaisha Toshiba | Method and system for identification of calcification in imaged blood vessels |
CN103871043B (zh) * | 2012-12-12 | 2015-03-18 | 上海联影医疗科技有限公司 | 一种血管提取方法 |
CN103479399A (zh) * | 2013-10-11 | 2014-01-01 | 华北电力大学(保定) | 一种血管内超声图像序列中钙化斑块帧的自动检索方法 |
CN104637044B (zh) * | 2013-11-07 | 2017-12-01 | 中国科学院深圳先进技术研究院 | 钙化斑块及其声影的超声图像提取系统 |
CN104091346B (zh) * | 2014-07-24 | 2017-02-15 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
CN104992437A (zh) * | 2015-06-29 | 2015-10-21 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维图像分割的方法 |
CN105096270B (zh) * | 2015-08-07 | 2018-04-06 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维重建中的钙化斑块去除方法 |
CN105389810B (zh) * | 2015-10-28 | 2019-06-14 | 清华大学 | 血管内斑块的识别系统及方法 |
CN106447645B (zh) * | 2016-04-05 | 2019-10-15 | 天津大学 | 增强ct图像中冠脉钙化检测及量化装置和方法 |
WO2018001099A1 (zh) * | 2016-06-30 | 2018-01-04 | 上海联影医疗科技有限公司 | 一种血管提取方法与系统 |
CN108389193B (zh) * | 2018-02-12 | 2021-03-16 | 中国人民解放军第三军医大学 | 一种颈动脉支架后三维体素模型分析方法及系统 |
CN108171698B (zh) * | 2018-02-12 | 2020-06-09 | 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 |
CN109091167A (zh) * | 2018-06-29 | 2018-12-28 | 东南大学 | 冠状动脉粥样硬化斑块增长的预测方法 |
CN109389592B (zh) * | 2018-09-30 | 2021-01-26 | 数坤(北京)网络科技有限公司 | 计算冠脉钙化积分的方法、装置及系统 |
-
2019
- 2019-04-01 CN CN201910256887.3A patent/CN109846465B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109846465A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544540B (zh) | 一种基于图像分析技术的糖尿病视网膜图像质量检测方法 | |
CN102209488B (zh) | 图像处理设备和方法以及断层图像拍摄设备和方法 | |
Sopharak et al. | Automatic microaneurysm detection from non-dilated diabetic retinopathy retinal images using mathematical morphology methods | |
Kavitha et al. | Automatic detection of optic disc and exudates in retinal images | |
Verma et al. | Detection of hard exudates in retinopathy images | |
US7995828B2 (en) | Speckle reporting in digital radiographic imaging | |
Jaafar et al. | Automated detection of red lesions from digital colour fundus photographs | |
CN111507932A (zh) | 高特异性的糖尿病性视网膜病变特征检测方法及存储设备 | |
Mane et al. | Detection of red lesions in diabetic retinopathy affected fundus images | |
CN109846465B (zh) | 一种基于亮度分析的血管钙化误报检测方法 | |
Tang et al. | Blood vessel segmentation in fundus images using hessian matrix for diabetic retinopathy detection | |
US20230196568A1 (en) | Angiography image determination method and angiography image determination device | |
Mitra et al. | Peak trekking of hierarchy mountain for the detection of cerebral aneurysm using modified Hough circle transform | |
Tan et al. | Classification of left and right eye retinal images | |
Ion et al. | Breast cancer images segmentation using fuzzy cellular automaton | |
Medhi et al. | Automatic detection of fovea using property of vessel free region | |
Kasurde et al. | An automatic detection of proliferative diabetic retinopathy | |
Dharani et al. | Improved microaneurysm detection in fundus images for diagnosis of diabetic retinopathy | |
Qi et al. | Location of microaneurysms on diabetic retinopathy images based on extraction of connection components | |
Sahoo et al. | A novel optic disc and blood vessel detection algorithm | |
CN110033442B (zh) | 一种基于分析线提取的血管钙化区域检测方法及系统 | |
CN110009616B (zh) | 一种点状钙化检测方法 | |
Liang et al. | Automatic fovea detection in retinal fundus images | |
CN110021016A (zh) | 一种钙化检测方法 | |
George et al. | A review paper on detection and extraction of blood vessels, microaneurysms and exudates from fundus images |
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: 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: Unit 547, unit 1, building 1, yard 1, Longyu middle street, Huilongguan town, Changping District, Beijing Applicant before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |