CN109875595A

CN109875595A - 一种颅内血管状态检测方法及装置

Info

Publication number: CN109875595A
Application number: CN201910186260.5A
Authority: CN
Inventors: 肖月庭; 阳光; 郑超
Original assignee: Digital Kun (beijing) Network Technology Co Ltd
Current assignee: Shukun Technology Co ltd
Priority date: 2019-03-12
Filing date: 2019-03-12
Publication date: 2019-06-14
Anticipated expiration: 2039-03-12
Also published as: CN109875595B

Abstract

本发明公开了一种颅内血管状态检测方法及装置，其中方法包括：获取颅内分割数据；由所述颅内分割数据进行提取中心线处理，得到中心线数据；由所述中心线数据选取候选中心线；对所述候选中心线进行对称性分析，得到血管状态信息；输出所述血管状态信息。从而准确的检测出颅内血管的状态。

Description

一种颅内血管状态检测方法及装置

技术领域

本发明涉及医学成像领域，尤其涉及一种颅内血管状态检测方法及装置。

背景技术

随着科学技术的发展，人体内的绝大部分血管中出现的堵塞、钙化等病灶能够通过电子计算机断层扫描(CT,Computed Tomography)诊断出。

但是，由于颅内的血管与身体中其他部位的血管相比直径更细，检查难度更高，因此，现有的医学成像技术还无法检测出发生在颅内血管中的如堵塞、斑块等异常。

发明内容

为了解决上述问题，本发明提供一种颅内血管状态检测方法及装置。

本发明一方面提供一种颅内血管状态检测方法，包括：获取颅内分割数据；由所述颅内分割数据进行提取中心线处理，得到中心线数据；由所述中心线数据选取候选中心线；对所述候选中心线进行对称性分析，得到血管状态信息。

在一可实施方式中，所述由中心线数据选取候选中心线具体为：对所述中心线数据进行最大密度投影(MIP,maximal intensity projection)，得到中心线投影图像；由所述中心线投影图像选取候选中心线，所述候选中心线包括第一候选中心线及第二候选中心线。

在一可实施方式中，所述对候选中心线进行对称性分析，具体为：判断所述第一候选中心线及所述第二候选中心线的相似性；当所述第一候选中心线及所述第二候选中心线的差异性小于差异性阈值时，认定所述候选中心线所对应的血管为正常血管；当所述第一候选中心线及所述第二候选中心线的差异性大于所述差异性阈值时，认定所述候选中心线为异常候选。

在一可实施方式中，所述由中心线投影图像选取候选中心线包括：由所述中心线投影图像中选取候选体；判断所述候选体的端点是否为所述中心线数据的端点；当所述候选体的端点是所述中心线数据的端点时，将所述候选体认定为所述候选中心线；当所述候选体的端点不是所述中心线数据的端点时，寻找所述候选体的外延端点体。

在一可实施方式中，对所述中心线数据进行MIP，具体为：根据设定厚度，将所述中心线数据分为具有相同厚度的多个中心线子数据；分别对各个所述中心线子数据进行MIP，得到多个中心线投影子图像；对应的，所述由中心线投影图像选取候选中心线包括为：由多个所述中心线投影子图像选取投影候选子图像；由所述投影候选子图像中选取所述候选体。

在一可实施方式中，所述寻找候选体的外延端点体具体为：选取与所述投影候选子图像相邻的所述中心线投影子图像；由所述与投影候选子图像相邻的中心线投影子图像选取外延体；判断所述外延体与所述候选体组成的连通体的端点是否为所述中心线数据的端点；当所述连通体的端点是所述中心线数据的端点时，将所述外延体认定为所述外延端点体，并认定所述连通体为所述候选中心线；当所述连通体的端点不是所述中心线数据的端点时，继续寻找所述连通体外延体直至找寻找到所述连通体的外延端点体。

在一可实施方式中，判断所述第一候选中心线及所述第二候选中心线的相似性之后，还包括：获取CT血管分割MIP图像；对所述异常候选进行异常区域筛选处理，得到异常区域；判断所述CT血管分割MIP图像中是否存在所述异常区域所对应的候选中心线的外延血管；当所述异常区域存在所述外延血管时，认定所述候选中心线所对应的血管为正常血管；当所述异常区域不存在所述外延血管时，认定所述候选中心线所对应的血管为异常血管。

本发明另一方面还提供一种颅内血管状态检测装置，包括：获取单元，用于获取颅内分割数据；中心线提取模块，用于对所述颅内分割数据进行提取中心线处理，得到中心线数据；选取模块，用于由所述中心线数据选取候选中心线；对称性分析模块，用于对所述候选中心线进行对称性分析，得到血管状态信息。

在一可实施方式中，所述选取模块包括：中心线投影单元，用于对所述中心线数据进行MIP，得到中心线投影图像；选取单元，用于由所述中心线投影图像选取候选中心线，所述候选中心线包括第一候选中心线及第二候选中心线。

在一可实施方式中，所述对称性分析模块包括：判断单元，用于判断所述第一候选中心线及所述第二候选中心线的相似性；结果认定单元，当所述第一候选中心线及所述第二候选中心线的相似性大于相似性阈值时，认定所述候选中心线所对应的血管为正常血管；当所述第一候选中心线及所述第二候选中心线的相似性小于所述相似性阈值时，认定所述候选中心线为异常候选。

在一可实施方式中，选取单元包括：候选体选取单元，用于由所述中心线投影图像中选取候选体；端点判断单元，用于判断所述候选体的端点是否为所述中心线数据的端点；当所述候选体的端点是所述中心线数据的端点时，将所述候选体认定为所述候选中心线；当所述候选体的端点不是所述中心线数据的端点时，寻找所述候选体的外延端点体。

在一可实施方式中，中心线投影单元包括：中心线数据拆分单元，用于根据设定厚度，将所述中心线数据分为具有相同厚度的多个中心线子数据；子图像投影单元，用于分别对各个所述中心线子数据进行MIP，得到多个中心线投影子图像；对应的，候选体选取单元包括：子图像投影选取单元，用于由多个所述中心线投影子图像选取投影候选子图像；子图像候选体选取单元，用于由所述投影候选子图像中选取所述候选体。

在一可实施方式中，端点判断单元，还用于选取与所述投影候选子图像相邻的所述中心线投影子图像；并由所述与投影候选子图像相邻的中心线投影子图像选取外延体；同时判断所述外延体与所述候选体组成的连通体的端点是否为所述中心线数据的端点；当所述连通体的端点是所述中心线数据的端点时，将所述外延体认定为所述外延端点体，并认定所述连通体为所述候选中心线；当所述连通体的端点不是所述中心线数据的端点时，继续寻找所述连通体外延体直至找寻找到所述连通体的外延端点体。

在一可实施方式中，还包括：误差排除单元，用于获取所述CT血管分割MIP图像；并对所述异常候选进行异常区域筛选处理，得到异常区域；同时判断所述CT血管分割MIP图像中是否存在所述异常区域所对应的候选中心线的外延血管；当所述异常区域存在所述外延血管时，认定所述候选中心线所对应的血管为正常血管；当所述异常区域不存在所述外延血管时，认定所述候选中心线所对应的血管为异常血管。

本发明中，由颅内分割数据提取中心线数据，并由中心线数据中选取出候选中心线，其中候选中心线有两条，且两条候选中心线对应的两根血管对称生长，因此，通过对两条候选中心线进行对称性分析，进而可以判断两条候选中心线对应的血管中是否存在异常并能准确识别异常所在的位置，从而准确的检测出颅内血管的状态。

附图说明

图1为本发明一实施例中一种颅内血管异常检测方法示意图；

图2为本发明一实施例中选取候选中心线的示意图一；

图3为本发明一实施例中对候选中心线进行对称性分析的示意图一；

图4为本发明一实施例中选取候选中心线的示意图二；

图5为本发明一实施例中对中心线数据进行MIP的示意图一；

图6为本发明一实施例中对中心线数据进行MIP的示意图二；

图7为本发明一实施例中对候选中心线进行对称性分析的示意图二；

图8为本发明一实施例提供的一种颅内血管状态检测装置示意图。

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。

本发明在进行颅内血管状态检测时，充分考虑了位于颅内左右两侧的血管具有对称生长的特性，也就是说在颅内一侧选取一根血管时，另一侧可以找到与这个血管对应的另一根血管。对颅内血管进行成像时，由于颅内血管与人体中的其他血管相比更细，因此，若颅内血管中有堵塞或斑块等异常，位于异常区域前方的造影剂往往无法通过该异常区域到达异常区域后端血管中，原本对称生长的血管出现血管异常时就会出现造影不对称的现象。因此，可以将颅内血管图像进行对称性分析，从而判断血管中是否存在堵塞、斑块等病灶。

图1为本发明一实施例中一种颅内血管异常检测方法示意图；图2为本发明一实施例中选取候选中心线的示意图一；图3为本发明一实施例中对候选中心线进行对称性分析的示意图一；图4为本发明一实施例中选取候选中心线的示意图二；图5为本发明一实施例中对中心线数据进行MIP的示意图一；图6为本发明一实施例中对中心线数据进行MIP的示意图二；图7为本发明一实施例中对候选中心线进行对称性分析的示意图二。

如图1所示，本发明实施例提供一种颅内血管状态检测方法，包括以下步骤：

步骤101，获取颅内分割数据；

步骤102，由颅内分割数据进行提取中心线处理，得到中心线数据；

步骤103，由中心线数据选取候选中心线；

步骤104，对候选中心线进行对称性分析，得到血管状态信息。

本实施例中，由颅内分割数据提取中心线数据，并由中心线数据中选取出候选中心线，其中候选中心线有两条，且两条候选中心线对应的两根血管对称生长，因此，通过对两条候选中心线进行对称性分析，进而可以判断两条候选中心线对应的血管中是否存在异常并能准确识别异常所在的位置，从而准确的检测出颅内血管的状态。其中，颅内分割数据是对颅内CT图像进行处理得到的颅内血管数据。提取中心线数据能够减小运算量，提高检测效率。在寻找对称生长的血管时，可以先通过寻找特征基准点，特征基准点为对称生长的血管对称轴上的点，找到特征基准带你后再沿特征基准点同时向两侧寻找血管延申，将依次寻找到的两侧血管延伸一一对应并标记，从而能够获取到任一段对称生长的血管。特征基准点可以通过血管形状分析得到，例如，特征基准点可以是基底动脉与椎动脉的交点，也就是两椎动脉的交点，在形状上是颅内血管中血管直径最大的主动脉向上第一组血管分支的交点。在确定特征基准点时，提取中心线数据相比直接用血管进行特征基准点寻找时结果更精确。在进行对称性分析时，由于血管异常阻止了造影剂流入导致无法造影是无法成像，因此两个候选中心线中存在异常的候选中心线相比另一候选中心线有缺失，因此认定存在缺失的候选中心线所对应的血管中存在异常，且异常就位于缺失的起始位置。

步骤103的具体实施过程可参见图2所示。

在本发明一实施方式中，如图2所示，由中心线数据选取候选中心线包括以下步骤：

步骤201，对中心线数据进行MIP，得到中心线投影图像；

步骤202，由中心线投影图像选取候选中心线，候选中心线包括第一候选中心线及第二候选中心线。

本实施例中，由于对颅内血管进行异常检测时，通常检测颅内的动脉血管的异常情况，对中心线数据进行最大密度投影，可以得到动脉中心线数据图像，进而消除静脉对检测结果的影响。在本实施例中，可以对中心线数据进行命名，从而一方面能够通过识别命名找到对称生长的血管对应的中心线数据；另一方面，由于MIP时投影角度不同，得到的中心线投影图像也有所区别，在对中心线数据进行MIP后得到的中心线投影图像中能够保留中心线数据中的中心线命名，进而可以通过在中心线投影图像中识别命名，以将中心线投影图像与中心线数据进行对应。

步骤104的具体实施过程可参见图3所示。

在本发明一实施方式中，如图3所示，对候选中心线进行对称性分析，包括：

步骤301，判断第一候选中心线及第二候选中心线的相似性；

步骤3021，当第一候选中心线及第二候选中心线的差异性小于差异性阈值时，认定候选中心线所对应的血管为正常血管；

步骤3022，当第一候选中心线及第二候选中心线的差异性大于差异性阈值时，认定候选中心线为异常候选。

本实施例中，尽管颅内的血管是对称生长的，但这种对称只是近似的对称并不是血管的镜像重合。因此，在判断血管对称性时，允许存在一定的差异性。判断差异性的方法，可以是分别检测第一候选中心线与第二候选中心线的特征参数，判断第一候选中心线与第二候选中心线的特征参数差值，特征参数差值即为差异性的数值，其中特征参数可以是候选中心线的长度或拐角等可以判断候选中心线形态的参数。设定一定的差异性阈值，当差异性小于相似性阈值时，认为相似性偏差在允许范围内，即认定两条候选中心线对应的血管为正常血管；当差异性大于差异性阈值时将候选中心线认定为异常候选，根据不同的检测精度要求，可以对异常候选进行不同处理，可以直接由异常候选中提取特征参数较小的候选中心线对应的血管为异常血管，异常候选中特征参数较大的候选中心线为正常血管；也可以继续对异常候选进行二次处理以进一步提高检测准确性。

步骤202的具体实施过程可参见图4所示。

在本发明一实施方式中，如图4所示，由中心线投影图像选取候选中心线包括：

步骤401，由中心线投影图像中选取候选体；

步骤402，判断候选体的端点是否为中心线数据的端点；

步骤4031，当候选体的端点是中心线数据的端点时，将候选体认定为候选中心线；

步骤4032，当候选体的端点不是中心线数据的端点时，寻找候选体的外延端点体。

在获取中心线数据时存在存在断裂，将每段中心线数据进行分别命名，以对血管进行分段检测，可以通过便于识别血管异常的位置，提高检测准确性。对中心线数据进行MIP时，在中心线投影图像中能够保留各点的命名。若对中心线数据进行整体投影，可能会使一些密度较低的中心线数据无法被检测到，以至于无法检测出这些中心线数据对应的血管中的异常。因此，可以对中心线数据进行分层MIP，使每一条中心线数据都能被检测到，提高检测的准确性。然而，在对进行分层MIP时，由于血管的生长方向不同，会存在一些候选体的并不是完整的中心线数据的投影图像，无法判断准确检测到异常血管并无法检测出异常血管的异常程度。因此，在分层MIP图像中选取候选体时，先判断候选体中的对应血管对称生长的第一候选体及第二候选体的端点，是否同时是对应的中心线数据的端点，以提高检测的准确性。

步骤201的具体实施过程可参见图5。

在本发明一实施方式中，如图5所示，对中心线数据进行MIP包括：

步骤501，根据设定厚度，将中心线数据分为具有相同厚度的多个中心线子数据；

步骤502，分别对各个中心线子数据进行MIP，得到多个中心线投影子图像；

对应的，由中心线投影图像选取候选中心线包括为：

步骤503，由多个中心线投影子图像选取投影候选子图像；

步骤504，由投影候选子图像中选取候选体。

本实施例中，可以根据设定厚度对中心线数据进行MIP，从而得到多个有相同厚度投影得到的多个中心线子图像。在设定厚度时，要满足每一个中心线投影子图像中的每一个点只对应一个端点，若令不同的中心线数据端点投影到中心线投影子图像中的同一个点时，应当减小设定厚度，以保证每个中心线投影子图像的端点值对应一个中心线数据端点。选取完候选中心线，判断候选中心线的端点是否为对应中心线数据的端点。判断候选子图像中的候选体的端点是否为中心线数据的端点时，可以根据命名识别出中心线数据的端点与非端点，进而可以根据命名识别候选体的端点是否为中心线数据的端点。

步骤4032的具体操作过程可参见图6。

本发明一实施方式中，如图6所示，寻找候选体的外延端点体具体为：

步骤601，选取与投影候选子图像相邻的中心线投影子图像；

步骤602，由与投影候选子图像相邻的中心线投影子图像选取外延体；

步骤603，判断外延体与候选体组成的连通体的端点是否为中心线数据的端点；

步骤6041，当连通体的端点是中心线数据的端点时，将外延体认定为外延端点体，并认定连通体为候选中心线；

步骤6042，当连通体的端点不是中心线数据的端点时，继续寻找连通体外延体直至找寻找到连通体的外延端点体。

本实施例中，因为相邻在对中心线数据进行MIP时，可确定与投影候选体图象相邻的中心线投影子图像对应的中心线数据相邻，因此，沿相邻的中心线投影子图像依次寻找外延体，能够提高寻找外延端点体的准确性，进而提高血管检测的准确性。通过在与投影候选子图像相邻的中心线投影子图像中，寻找与端点不是中心线数据端点的候选体相连的外延体。在寻找外延体时，可以通过命名寻找到在相邻中心线投影子图像中与候选体命名相同的外延体，并判断外延体与候选体组成的连通体的端点是否为对应中心线数据的端点。外延端点体中包括中心线数据的端点。

本发明一实施方式中，如图7所示，判断第一候选中心线及第二候选中心线的相似性之后，还包括：

步骤701，获取CT血管分割MIP图像；

步骤702，对异常候选进行异常区域筛选处理，得到异常区域；

步骤703，判断CT血管分割MIP图像中是否存在异常区域所对应的候选中心线的外延血管；

步骤704，当异常区域存在外延血管时，认定候选中心线所对应的血管为正常血管；

步骤705，当异常区域不存在外延血管时，认定候选中心线所对应的血管为异常血管。

由于对颅内分割数据进行获取的过程中，可能存在缺失部分血管数据的情况，因此，存在并不是血管中没有造影而是在获取中心线数据时存在数据缺失的情况。因此对可以对异常候选进行误差排除处理。CT血管分割MIP图像为，对CT图像进行MIP处理后，再由MIP后的CT图像中分割出的血管图像。在MIP时，根据设定厚度将CT图像分为多个CT子图像，分别对厚度相同的CT子图像进行MIP，再进行血管图像提取。设定厚度与对中心线数据进行MIP处理时的设定厚度相同，以使由CT子图像分割的血管图像与中心线投影子图像对应，从而通过坐标判断候选中心线中存在缺失的位置是否由血管图像，进而判断候选中心线的对应血管中是否有造影剂，若存在缺失的候选中心线所对应的血管中有造影剂，则认为存在缺失的候选中心线所对应的血管不存在异常，提高了检测结果的可靠性。对是否存在外延血管进行判断时，寻找缺失的候选中心线所在的中心线投影子图像对应的CT子图像分割的血管图像作为候选血管投影图像，并根据坐标将候选中心线与候选血管投影图像中的血管图像进行对应，得到候选血管投影图像，判断与候选血管投影图像相邻的CT子图像分割的血管图像中是否存在与候选血管投影图像相连的血管图像。

如图8所示，本发明实施例还提供一种颅内血管状态检测装置，包括：

获取模块801，用于获取颅内分割数据；

中心线提取模块802，用于对颅内分割数据进行提取中心线处理，得到中心线数据；

选取模块803，用于由中心线数据选取候选中心线；

对称性分析模块804，用于对候选中心线进行对称性分析，得到血管状态信息。

本实施例中，由中心线提取模块802将由获取模块801获取的颅内分割数据进行中心线数据的提取，并由选取模块803在中心线数据中选取出候选中心线，其中候选中心线有两条，且两条候选中心线对应的两根血管对称生长，因此，通过对称性分析模块804对两条候选中心线进行对称性分析，进而可以判断两条候选中心线对应的血管中是否存在异常并能准确识别异常所在的位置，从而通过输出单元805对血管状态信息进行数据。进而准确的检测出颅内血管的状态。

在本发明一实施方式中，选取模块包括：

中心线投影单元，用于对中心线数据进行MIP，得到中心线投影图像；

选取单元，用于由中心线投影图像选取候选中心线，候选中心线包括第一候选中心线及第二候选中心线。

在本发明一实施方式中，对称性分析模块包括：

判断单元，用于判断第一候选中心线及第二候选中心线的相似性；

结果认定单元，用于当第一候选中心线及第二候选中心线的相似性大于相似性阈值时，认定候选中心线所对应的血管为正常血管；当第一候选中心线及第二候选中心线的相似性小于相似性阈值时，认定候选中心线为异常候选。

在本发明一实施方式中，选取单元包括：

候选体选取单元，用于由中心线投影图像中选取候选体；

端点判断单元，用于判断候选体的端点是否为中心线数据的端点；当候选体的端点是中心线数据的端点时，将候选体认定为候选中心线；当候选体的端点不是中心线数据的端点时，寻找候选体的外延端点体。

在本发明一实施方式中，中心线投影单元包括：

中心线数据拆分单元，用于根据设定厚度，将中心线数据分为具有相同厚度的多个中心线子数据；

子图像投影单元，用于分别对各个中心线子数据进行MIP，得到多个中心线投影子图像；

对应的，候选体选取单元包括：

子图像投影选取单元，用于由多个中心线投影子图像选取投影候选子图像；

子图像候选体选取单元，用于由投影候选子图像中选取候选体。

在本发明一实施方式中，端点判断单元，还用于选取与投影候选子图像相邻的中心线投影子图像；并由与投影候选子图像相邻的中心线投影子图像选取外延体；同时判断外延体与候选体组成的连通体的端点是否为中心线数据的端点；当连通体的端点是中心线数据的端点时，将外延体认定为外延端点体，并认定连通体为候选中心线；当连通体的端点不是中心线数据的端点时，继续寻找连通体外延体直至找寻找到连通体的外延端点体。

在本发明一实施方式中，还包括：

误差排除单元，用于获取CT血管分割MIP图像；并对异常候选进行异常区域筛选处理，得到异常区域；同时判断CT血管分割MIP图像中是否存在异常区域所对应的候选中心线的外延血管；当异常区域存在外延血管时，认定候选中心线所对应的血管为正常血管；当异常区域不存在外延血管时，认定候选中心线所对应的血管为异常血管。

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

1.一种颅内血管状态检测方法，其特征在于，包括：

获取颅内分割数据；

由所述颅内分割数据进行提取中心线处理，得到中心线数据；

由所述中心线数据选取候选中心线；

对所述候选中心线进行对称性分析，得到血管状态信息。

2.根据权利要求1所述的方法，其特征在于，所述由中心线数据选取候选中心线具体为：

对所述中心线数据进行最大密度投影MIP，得到中心线投影图像；

由所述中心线投影图像选取候选中心线，所述候选中心线包括第一候选中心线及第二候选中心线。

3.根据权利要求2所述的方法，其特征在于，所述对候选中心线进行对称性分析，具体为：

判断所述第一候选中心线及所述第二候选中心线的相似性；

当所述第一候选中心线及所述第二候选中心线的差异性小于差异性阈值时，认定所述候选中心线所对应的血管为正常血管；

当所述第一候选中心线及所述第二候选中心线的差异性大于所述差异性阈值时，认定所述候选中心线为异常候选。

4.根据权利要求2所述的方法，其特征在于，所述由中心线投影图像选取候选中心线包括：

由所述中心线投影图像中选取候选体；

判断所述候选体的端点是否为所述中心线数据的端点；

当所述候选体的端点是所述中心线数据的端点时，将所述候选体认定为所述候选中心线；

当所述候选体的端点不是所述中心线数据的端点时，寻找所述候选体的外延端点体。

5.根据权利要求4所述的方法，其特征在于，对所述中心线数据进行MIP，具体为：

根据设定厚度，将所述中心线数据分为具有相同厚度的多个中心线子数据；

分别对各个所述中心线子数据进行MIP，得到多个中心线投影子图像；

对应的，所述由中心线投影图像选取候选中心线包括为：

由多个所述中心线投影子图像选取投影候选子图像；

由所述投影候选子图像中选取所述候选体。

6.根据权利要5所述的方法，其特征在于，所述寻找候选体的外延端点体具体为：

选取与所述投影候选子图像相邻的所述中心线投影子图像；

由所述与投影候选子图像相邻的中心线投影子图像选取外延体；

判断所述外延体与所述候选体组成的连通体的端点是否为所述中心线数据的端点；

当所述连通体的端点是所述中心线数据的端点时，将所述外延体认定为所述外延端点体，并认定所述连通体为所述候选中心线；

当所述连通体的端点不是所述中心线数据的端点时，继续寻找所述连通体外延体直至找寻找到所述连通体的外延端点体。

7.根据权利要求4所述的方法，其特征在于，判断所述第一候选中心线及所述第二候选中心线的相似性之后，还包括：

获取CT血管分割MIP图像；

对所述异常候选进行异常区域筛选处理，得到异常区域；

判断所述CT血管分割MIP图像中是否存在所述异常区域所对应的候选中心线的外延血管；

当所述异常区域存在所述外延血管时，认定所述候选中心线所对应的血管为正常血管；

当所述异常区域不存在所述外延血管时，认定所述候选中心线所对应的血管为异常血管。

8.一种颅内血管状态检测装置，其特征在于，包括：

获取模块，用于获取颅内分割数据；

中心线提取模块，用于对所述颅内分割数据进行提取中心线处理，得到中心线数据；

选取模块，用于由所述中心线数据选取候选中心线；

对称性分析模块，用于对所述候选中心线进行对称性分析，得到血管状态信息。

9.根据权利要求8所述的装置，其特征在于，所述选取模块包括：

中心线投影单元，用于对所述中心线数据进行MIP，得到中心线投影图像；

选取单元，用于由所述中心线投影图像选取候选中心线，所述候选中心线包括第一候选中心线及第二候选中心线。

10.根据权利要求9所述的装置，其特征在于，所述对称性分析模块包括：

判断单元，用于判断所述第一候选中心线及所述第二候选中心线的相似性；

结果认定单元，当所述第一候选中心线及所述第二候选中心线的相似性大于相似性阈值时，认定所述候选中心线所对应的血管为正常血管；当所述第一候选中心线及所述第二候选中心线的相似性小于所述相似性阈值时，认定所述候选中心线为异常候选。