CN109993743B - 血管图像处理方法、装置、设备及存储介质 - Google Patents
血管图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109993743B CN109993743B CN201910280712.6A CN201910280712A CN109993743B CN 109993743 B CN109993743 B CN 109993743B CN 201910280712 A CN201910280712 A CN 201910280712A CN 109993743 B CN109993743 B CN 109993743B
- Authority
- CN
- China
- Prior art keywords
- image
- initial
- target
- point
- edge curve
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 230000002792 vascular Effects 0.000 title claims description 19
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 192
- 238000009499 grossing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000013519 translation Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 24
- 238000003384 imaging method Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 4
- 210000001715 carotid artery Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000000241 respiratory effect Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002902 bimodal effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明实施例公开了一种血管图像处理方法、装置、设备及存储介质，该方法包括：获取血管纵切图，血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；确定第一初始图像中的血管上壁的边沿曲线中的各转折点，根据转折点之间的位置关系对边沿曲线进行平滑处理，得到第一参考图像；旋转第一参考图像，使第一参考图像的边沿曲线的目标起始点和目标终止点，分别与第一初始图像中的边沿曲线的初始起始点和起始终止点对应重合；根据旋转后的第一参考图像和第二初始图像得到目标图像。本发明实施例的技术方案在保持原始血管的整体姿态的情况下，去除了呼吸心跳所引起的抖动噪声，提高了基于血管图像得到的诊断结果的可信度。
Description
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种血管图像处理方法、装置、设备及存储介质。
背景技术
颈动脉超声是一种用于检测动脉血管是否有异常的一项辅助检查，是诊断、评估颈动脉壁病变的有效手段之一。然而，在在扫描待检测对象的颈动脉时，由于血液的流动会跟随心跳频率的变化而变化，使得检测的血管图像会相应的变粗或变细，进而导致颈动脉血管的纵切图的血管上壁出现抖动，不利于医护人员对病症的观察和有效诊断。
现有技术中，通常采用去相关算法或者卷积神经网络等对采集的血管超声图像进行平滑处理，进而降低呼吸心跳所引起的抖动噪声。然而，采用上述各方式对采集的血管超声图像进行处理，改变了原始图像的血管走向，而采用血管走向发生变化的图像进行疾病的诊断和治疗，必然会影响诊断结果的可信度。
发明内容
本发明提供一种血管图像处理方法、装置、设备及存储介质，以去除呼吸心跳所引起的抖动噪声，同时保持原始血管的整体姿态。
第一方面，本发明实施例提供了一种血管图像处理方法，包括：
获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；
确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反；
旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；
根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
第二方面，本发明实施例还提供了一种血管图像处理装置，包括：
图像获取模块，用于获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；
平滑处理模块，用于确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反；
图像旋转模块，用于旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；
目标图像得到模块，用于根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例所提供的一种血管图像处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的一种血管图像处理方法。
本发明实施例通过获取包括血管上壁的第一初始图像和包括血管下壁的第二初始图像的血管纵切图；确定第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据至少两个转折点之间的位置关系对边沿曲线进行平滑处理，得到与第一初始图像对应的第一参考图像；其中转折点两侧的曲线段走向相反；旋转第一参考图像以使第一参考图像的边沿曲线的目标起始点与第一初始图像中的边沿曲线的初始起始点对应重合，且使第一参考图像的边沿曲线的目标终止点与第一初始图像的边沿曲线的初始终止点对应重合；根据旋转后的第一参考图像和第二参考图像得到目标图像。上述技术方案通过对由于呼吸心跳等产生的运动伪影所导致的血管上壁的边沿曲线的锯齿状转折部分进行平滑处理，并通过对平滑处理后得到的图像进行旋转校正，在保持原始血管的整体姿态的情况下，去除了呼吸心跳所引起的抖动噪声，进而提高了基于血管图像得到的诊断结果的可信度。
附图说明
图1A是本发明实施例一中的一种血管图像处理方法的流程图；
图1B是本发明实施例一中的一种颈动脉超声图像对应的血管纵切图；
图1C是本发明实施例一中的第一初始图像；
图2A是本发明实施例二中的一种血管图像处理方法的流程图；
图2B是本发明实施例二中的第一初始图像；
图3是本发明实施例三中的一种血管图像处理方法的流程图；
图4A是本发明实施例四中的一种血管图像处理方法的流程图；
图4B是本发明实施例四中的第二参考图像；
图5A是本发明实施例五中的一种血管图像处理方法的流程图；
图5B是本发明实施例五中的颈动脉纵切图；
图5C是本发明实施例五中的血管上部图像；
图5D是本发明实施例五中的边沿曲线示意图；
图5E是本发明实施例五中的感兴趣区域图像确定过程图；
图6是本发明实施例六中的一种血管图像处理装置的结构图；
图7是本发明实施例七中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A是本发明实施例一中的一种血管图像处理方法的流程图。本发明实施例适用于对采集的血管超声图像中由于呼吸心跳所引起的抖动噪声进行去除的情况。该方法由血管图像处理装置来执行，该装置由软件和/或硬件实现，并具体配置于具备图像处理能力的电子设备中，该电子设备可以是独立的计算设备，例如个人电脑或PC机等，还可以是医疗影像系统中所包含的数据处理设备，其中医疗影像设备可以是超声诊断设备。
如图1A所示的一种血管图像处理方法，包括：
S110、获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像。
其中，血管纵切图像为获取的三维血管图像沿着与血管抖动方向所在平面进行投影得到的纵向切面图。其中，三维血管图像基于一系列血管二维扫描图生成。其中，血管可以是受呼吸心跳影响会引起血管抖动的动脉血管，典型是颈动脉；相应的，血管纵切图典型是颈动脉超声图像沿血管抖动方向所在平面进行投影所得到的图像。其中，血管上壁可以理解为血管纵切图中血管抖动相对明显的一血管壁；血管下壁可以理解为血管纵切图中血管抖动相对不明显的一血管壁。示例性地，图1B示出了颈动脉超声图像对应的血管纵切图。
可选的，获取血管纵切图，可以是从电子设备本地、电子设备所关联的其他存储设备或云端中直接获取的包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像的血管纵切图。
或者可选的，获取血管纵切图，可以是获取原始血管纵切图；根据血管检测算法，检测原始血管纵切图中的血管区域；根据检测的血管区域将原始血管纵切图进行分割，得到第一初始图像和第二初始图像，其中第一初始图像中血管壁的抖动情况较第二初始图像中血管壁的血管抖动情况明显。其中，血管检测算法可以是阈值检测法、最大类间方差法以及模式识别等。示例性地，根据血管检测算法，检测原始血管纵切图中的血管区域，可以是统计原始血管纵切图中的图像灰度值，根据双峰法计算图像二值化阈值，并根据二值化阈值对图像进行边缘检测和连通域检测，排除无关连通域后得到血管区域。
可选的，对第一初始图像和第二初始图像的划分，可以是通过人工识别的方式，确定血管壁抖动相对明显的图像为第一初始图像，确定血管壁抖动相对不明显的图像为第二初始图像。示例性地，图1B示出了血管纵切图中血管壁抖动相对明显的血管上壁a和血管壁抖动相对不明显的血管下壁b。
或者可选的，对第一初始图像和第二初始图像的划分，可以是识别各初始图像的血管边沿曲线中所包含的各像素点的第一波动参数和第二波动参数；若第一波动参数大于第二波动参数，则确定第一波动参数对应的初始图像为第一初始图像，确定第二波动参数对应的初始图像为第二初始图像；若第一波动参数小于第二波动参数，则确定第一波动参数对应的初始图像为第二初始图像，确定第二波动参数对应的初始图像为第一初始图像。
S120、确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像。
其中，所述转折点两侧的曲线段走向相反。参见图1C所示的第一初始图像中血管上壁的示意图。其中，转折点为T1，T2，…，T7，T8。其中T2T3曲线段与T3T4曲线段的曲线走向相反。
可以理解的是，在检测第一初始图像中的血管壁的边沿曲线时，受限于检测算法精度，可能导致所检测的边沿曲线与实际的边沿曲线之间存在一定的偏差，为了进一步减少所检测的边沿曲线与实际的边沿曲线之间的偏差，在检测第一初始图像中的血管壁的边沿曲线之后，在确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点之前，还包括针对所述边沿曲线中的每个像素点，获取其中一个像素点作为当前像素点；在径向包含所述当前像素点的预设邻域内的各像素点，确定与相邻像素点的像素差值变化最大的像素点为参考像素点；将所述边沿曲线中的各像素点替换为与各像素点对应的参考像素点，以更新所述边沿曲线。其中，径向可以理解为第一初始图像中的y轴方向。其中，预设邻域可以是以当前像素点为中心，沿y轴方向上下分别取设定数量的像素点对应的像素点区域。设定数量可以由技术人员根据经验值进行设定，例如可以是10个。
可以理解的是，由于抖动的存在，使得边沿曲线中存在至少两个转折点，通过根据至少两个转折点之间的位置关系，对边沿曲线中的各曲线段进行评议，使得边沿曲线平滑，进而得到与包含边沿曲线的第一初始图像相对应的第一参考图像。
S130、旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合。
由于对第一初始图像中的边沿曲线进行平滑处理之后，导致处理后的边沿曲线与边缘曲线的整体走向发生了变化，因此改变了血管的整体姿态。为了保证平滑处理后的边沿曲线与平滑处理前的边沿曲线，尽可能保持血管的整体姿态不变，还需要对姿态改变后的第一参考图像进行旋转调整，使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合。
S140、根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
由于旋转后的第一参考图像中的边沿曲线与原始血管的血管上壁的整体姿态相同，同时消除了呼吸心跳所引起的抖动噪声，所以根据旋转后的第一参考图像和第二参考图像所得到的目标图像中血管上壁和血管下壁所组合的血管的整体姿态与获取的血管纵切图中的血管姿态保持一致，且消除了抖动噪声。
本发明实施例通过获取包括血管上壁的第一初始图像和包括血管下壁的第二初始图像的血管纵切图；确定第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据至少两个转折点之间的位置关系对边沿曲线进行平滑处理，得到与第一初始图像对应的第一参考图像；其中转折点两侧的曲线段走向相反；旋转第一参考图像以使第一参考图像的边沿曲线的目标起始点与第一初始图像中的边沿曲线的初始起始点对应重合，且使第一参考图像的边沿曲线的目标终止点与第一初始图像的边沿曲线的初始终止点对应重合；根据旋转后的第一参考图像和第二参考图像得到目标图像。上述技术方案通过对由于呼吸心跳等产生的运动伪影所导致的血管上壁的边沿曲线的锯齿状转折部分进行平滑处理，并通过对平滑处理后得到的图像进行旋转校正，在保持原始血管的整体姿态的情况下，去除了呼吸心跳所引起的抖动噪声，进而提高了基于血管图像得到的诊断结果的可信度。
实施例二
图2A是本发明实施例二中的一种血管图像处理方法的流程图。本发明实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步地，将操作“根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理”细化为“以所述至少两个转折点为端点将所述边沿曲线划分为至少三个初始曲线分割段；根据血管的整体走向从各所述初始曲线分割段中筛选出至少两个目标曲线分割段；将所述相邻两个目标曲线分割段的两个相邻的端点为一组转折点对，根据每组所述转折点对平移所述目标曲线分割段，以使所述至少两个目标曲线分割段共线”，以完善对边沿曲线进行平滑处理的处理方式。
如图2A所示的一种血管图像处理方法，包括：
S210、获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像。
S221、确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点。
可选的，确定第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，可以是直接从电子设备本地、电子设备所关联的其他存储设备或云端中获取第一初始图像中所包括的边沿曲线中各转折点的位置信息，其中位置信息可以是转折点在第一初始图像中的位置坐标。
或者可选地，确定第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，可以是根据血管检测算法，检测第一初始图像中的血管壁的边沿曲线；计算边沿曲线中各相邻像素点(也可是相隔N个像素值的点，N的具体大小根据具体的血管纵切图的图像大小作相应的调整，当N的值大于1时可以消除一些无效的转折点)的斜率值；获取其中一个像素点作为当前像素点，若当前像素点对应的斜率值正负相反，则确定当前像素点为转折点。例如，当前像素点为Pi(xi,yi)，相邻像素点分别为Pi-1(xi-1,yi-1)和Pi+1(xi+1,yi+1)，若Pi-1Pi的斜率(yi-yi-1)/(xi-xi-1)，与PiPi+1的斜率(yi+1-yi)/(xi+1-xi)正负相反，则确定当前像素点Pi为转折点。
S222、以所述至少两个转折点为端点将所述边沿曲线划分为至少三个初始曲线分割段。
如图2B所示的第一初始图像的示意图，其中包含转折点T1，T2，…，T7，T8的曲线为血管上壁的边沿曲线。通过各转折点将边沿曲线划分为至少三个初始曲线分割段。
S223、根据血管的整体走向从各所述初始曲线分割段中筛选出至少两个目标曲线分割段。
根据血管的整体走向，从各初始曲线分割段中筛选出与血管的整体走向相一致的初始曲线分割段作为目标曲线分割段。参见图2B，根据血管上壁的整体走向，能够获知血管的整体姿态为沿x轴正方向和y轴正方向进行延伸。最终筛选出线段AT1、T2T3、T4T5、T6T7以及T8B即为目标曲线分割段。
S224、将所述相邻两个目标曲线分割段的两个相邻的端点为一组转折点对，根据每组所述转折点对平移所述目标曲线分割段，得到与所述第一初始图像对应的第一参考图像，以使所述至少两个目标曲线分割段共线。
其中，所述转折点两侧的曲线段走向相反。
通过沿y轴方向平移目标曲线分割段，以使各目标曲线分割段共线。为了便于平移距离和平移方向的确定，可以预先确定一平移参照点，并根据参照点对各目标曲线分割段进行平移。
示例性地，平移目标曲线分割段，可以是：确定沿血管延伸方向距离较近的相邻转折点作为转折点对，并确定转折点对所形成分割段以外的其他像素点中的其中一个作为平移参照点；针对各转折点对，获取其中一个转折点对作为当前转折点对，确定当前转折点对中远离平移参照点的远转折点在投影直线中的投影距离；其中，所述投影直线为所述当前转折点中靠近所述平移参照点的近转折点，以及所述近转折点靠近所述平移参照点一侧相邻的转折点所形成的直线；累加当前转折点对以及当前转折时间点对与所述平移参照点之间的其他转折点对对应的投影距离，得到所述当前转折点对对应的平移距离；将当前转折点对中的远转折点，以及所述远转折点远离平移参照点一侧相邻的转折点所形成的待平移线段，沿靠近所述平移参照点的径向方向移动所述平移距离，直至将所述边沿曲线中各段待平移线段平移完成后，得到所述第一参考图像。其中，径向方向对应图2B中的y轴方向。
具体的，参见图2B，确定的转折点对为{T1,T2}、{T3,T4}、{T5,T6}以及{T7,T8}；选取T4和T5之间的像素点O为平移参照点；那么，转折点对中{T1,T2}以及{T3,T4}中的远转折点为T1和T3，近转折点为T2和T4；转折点对中{T5,T6}以及{T7,T8}中的远转折点为T6和T8，近转折点为T5和T7。其中，远转折点T1对应的投影直线为T2T3、待平移线段为AT1、平移距离为(h1+h2)、平移方向为y轴负方向；远转折点T3对应的投影直线为T4T5、待平移线段为T2T3、平移距离为h2、平移方向为y轴负方向；远转折点T6对应的投影直线为T4T5、待平移线段为T6T7、平移距离为h3、平移方向为y轴正方向；远转折点T8对应的投影直线为T6T7、待平移线段为T8B、平移距离为(h3+h4)、平移方向为y轴正方向。
为了便于平移距离和平移方向的确定，可以确定边沿曲线的初始起始点或初始终止点作为平移参照点。优选地，确定边沿曲线的初始起始点作为平移参照点。
S230、旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合。
其中，初始起始点为A点，初始终止点为B，目标起始点为A'，目标终止点为B'。
S240、根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
本发明实施例通过将根据至少两个转折点之间的位置关系对边沿曲线进行平滑处理的操作，细化为以至少两个转折点为端点将边沿曲线划分为至少三个初始曲线分割段；根据血管的整体走向从各初始曲线分割段中筛选出至少两个目标曲线分割段；将相邻两个目标曲线分割段的两个相邻的端点为一组转折点对，根据每组转折点对平移目标曲线分割段，以使至少两个目标曲线分割段共线。采用上述技术方案具体通过对边沿曲线中所包含的目标曲线分割段进行平移的方式，保留了血管上壁的延伸趋势，在不改变血管上壁整体姿态的前提下，对血管上壁边沿曲线进行了平滑处理，进一步完善了对边沿曲线进行平滑处理的处理方式。
实施例三
图3是本发明实施例三中的一种血管图像处理方法的流程图。本发明实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步地，将操作“旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合”细化为“将所述第一参考图像围绕所述目标起始点或所述目标终止点进行旋转，以使所述目标起始点与所述初始起始点对应重合，且使所述目标终止点与所述初始终止点对应重合”，以完善对第一参考图像进行旋转时的旋转方式。
进一步地，在操作“旋转所述第一参考图像”之前，追加“根据所述初始起始点、所述目标起始点、所述初始终止点以及目标终止点的位置关系，确定旋转所述第一参考图像时的旋转角度”，以完善旋转角度的确定机制。
如图3所示的一种血管图像处理方法，包括：
S310、获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像。
S320、确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反。
S330、根据所述初始起始点、所述目标起始点、所述初始终止点以及目标终止点的位置关系，确定旋转所述第一参考图像时的旋转角度。
具体的，根据初始起始点和初始终止点的位置坐标，确定初始起始点和初始终止点所在直线的初始向量的坐标值；根据目标起始点和目标终止点的位置坐标，确定目标起始点和目标终止点所在直线的目标向量的坐标值；根据初始向量的坐标值和目标向量的坐标值确定初始向量和目标向量之间的锐角夹角作为旋转角度。
S340、将所述第一参考图像围绕所述目标起始点或所述目标终止点进行旋转，以使所述目标起始点与所述初始起始点对应重合，且使所述目标终止点与所述初始终止点对应重合。
可选的，沿y轴方向(参见图2B)平移第一参考图像，使第一参考图像的目标起始点与第一初始图像的初始起始点重合；以第一参考图像的目标起始点为旋转参照点，根据确定的旋转角度旋转第一参考图像，以使目标终止点与初始终止点重合；
或者可选的，沿y轴方向(参见图2B)平移第一参考图像，使第一参考图像的目标终止点与第一初始图像的初始终止点重合；以第一参考图的目标终止点为旋转参照点，根据确定的旋转角度旋转第一参考图像，以使目标起始点与初始起始点重合。
或者可选的，选择第一参考图像中的边沿曲线中的任一点为旋转参照点；围绕旋转参照点旋转确定的旋转角度，使旋转后的第一参考图像中的边沿曲线与第一初始图像中的边沿曲线对应的初始向量平行；平移旋转后的第一参考图像，使平移后的第一参考图像的目标起始点与第一初始图像的初始起始点对应重合，且使平移后的第一参考图像的目标终止点与第一初始图像的初始终止点对应重合。
为了便于旋转操作的执行，同时减少使目标终止点与初始终止点重合，且使目标起始点与初始起始点重合时所执行的操作，优选是在平移时选择第一初始图像的初始起始点为平移参照点；相应的，在旋转时选择第一参考图像的目标起始点为旋转参照点。
S350、根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
本发明实施例通过在旋转第一参考图像的操作，细化为将第一参照图像围绕目标起始点或目标终止点进行旋转，以使目标起始点与初始起始点对应重合，且使目标终止点与初始终止点对应重合，完善了对第一参考图像进行旋转时的旋转方式；通过在旋转第一参考图像之前，追加根据初始起始点、目标起始点、初始终止点以及目标终止点的位置关系，确定旋转第一参考图像时的旋转角度，完善了旋转角度的确定机制，进而为保留血管上壁的延伸趋势提供保障。
实施例四
图4A是本发明实施例四中的一种血管图像处理方法的流程图。本发明实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步地，将操作“根据旋转后的第一参考图像和所述第二初始图像得到目标图像”，细化为“根据旋转后的第一参考图像和所述第一初始图像确定第二参考图像；将所述第二参考图像和所述第二初始图像拼接，得到目标图像”，以完善目标图像的确定机制。
如图4A所示的一种血管图像处理方法，包括：
S410、获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像。
S420、确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反。
S430、旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合。
S441、根据旋转后的第一参考图像和所述第一初始图像确定第二参考图像。
可选的，根据旋转后的第一参考图像和所述第一初始图像确定第二参考图像，可以是以所述第一初始图像构建第二参考图像的目标成像区域，并将所述旋转后的第一参考图像中与所述第一初始图像的重叠区域的数据填充至所述目标成像区域；将血管上壁外侧的未填充目标成像区域的各待填充像素点，根据所述待填充像素点设定径向像素区域的像素值进行填充；将血管上壁内侧的未填充目标成像区域的各待填充像素点，根据所述第一初始图像中对应的像素值进行填充。
参见图4B所示的第二参考图像的示意图。具体的，在目标成像区域40中填充旋转后的第一参考图像中与所述第一初始图像的重叠区域的数据。在血管上壁外侧的目标成像区域41中填充根据待填充像素点设定径向像素区域的像素值。其中，设定径向像素区域可以根据第一初始图像中相应区域的像素值按照设定算法计算得到的新的像素值；其中，设定算法可以由技术人员根据需要自行设定。优选是直接采用第一初始图像中相应区域的像素值进行填充。在血管上壁内侧的目标成像区域42和目标成像区域43中填充第一初始图像中相应区域的像素值。
或者可选的，为了简化计算，可以直接将清楚血管上壁边沿曲线的第一初始图像作为第二参考图像；将旋转后的第一参考图像中的边沿曲线的各像素点坐标，按照旋转后的位置坐标依次填充至第二参考图像中。可以理解的是，为了保证经平滑和旋转处理后的边沿曲线的各像素点的像素值的完整填充，优选是在将经平滑和旋转处理后的边沿曲线的像素点与第二参考图像中的像素点重叠时，采用经平滑和旋转处理后的边沿曲线的像素点替换第二参考图像中相应的像素点。
S442、将所述第二参考图像和所述第二初始图像拼接，得到目标图像。
本发明实施例通过将根据旋转后的第一参考图像和第二初始图像得到目标图像的操作，细化为根据旋转后的第一参考图像和第一初始图像确定第二参考图像；将第二参考图像和第二初始图像拼接，得到目标图像，完善了目标图像的确定机制，进而为完整的血管图像的展示提供保障。
实施例五
图5A是本发明实施例五中的一种血管图像处理方法的流程图。本发明实施例在上述各实施例的技术方案的基础上提供了一种优选实施方式。
如图5A所示的一种血管图像处理方法，包括：
S501、获取颈动脉超声三维图，根据血管抖动方向，确定颈动脉纵切图。
其中，颈动脉纵切图参见图5B。
S502、检测颈动脉纵切图中的血管位置，并根据血管位置将颈动脉纵切图图像分为血管上部图像和血管下部图像。
具体的，统计颈动脉纵切图中的图像灰度值，根据双峰法计算颈动脉纵切图的二值化阈值；根据二值化阈值对图像进行边缘检测，并通过连通域检测，排除无关连通域，并根据连通域位置确定血管位置；根据血管位置将颈动脉纵切图分为各包含一个血管壁的两个部分图像；识别两个部分图像中血管壁的抖动情况，并确定血管壁抖动明显的部分图像为血管上部图像；血管壁抖动不明显的图像为血管下部图像。其中，血管上部图像参见图5C。
S503、检测血管上部图像中的边沿曲线。
具体的，统计血管上部图像的灰度值，根据双峰法计算血管上部图像的二值化阈值，根据二值化阈值对血管上部图像进行边缘检测，识别所检测图像中由血管壁内侧到血管壁外侧方向上第一个非零像素点作为初始像素点；将各初始像素点组合得到边沿曲线。
S504、根据初始边沿曲线中各像素点设定邻域内的相邻像素点的灰度变化情况，确定变化率最大的点替换当前像素点，以更新边沿曲线。
具体的，获取初始像素点上下10个像素点得到与初始像素点对应的参考像素点；根据各相邻参考像素点之间的灰度值变化，确定灰度值变化率最大的参考像素点替换边沿曲线中对应的初始像素点，以更新边沿曲线。
S505、根据更新后的边沿曲线中各像素点的位置变化，确定边沿曲线中的转折点。其中转折点两侧曲线段的变化趋势不同。
参见图5D所示的边沿曲线示意图。
S506、以边沿曲线起始点为参照点，沿血管延伸方向将转折点两两分组得到转折点对，其中转折点对包括起始转折点和终止转折点。
S507、针对各转折点对，计算转折点对的起始转折点与终止转折点在血管径向方向的平移距离；将终止转折点及其之后的各像素点沿血管径向靠近起始转折点的方向平移该平移距离，得到与血管上部图像对应的血管参考图像。
S508、根据平移前后的边沿曲线的起始点和终止点的位置，确定血管上部图像进行旋转的旋转角度。
具体的，根据平移线的边沿曲线的起始点和终止点对应的初始向量和平移后的边沿曲线的起始点和终止点对应的目标向量，确定初始向量和目标向量的锐角夹角，作为旋转角度。
参见图5D，其中，初始向量为AB，目标向量为AB'，旋转角度为α。
具体的，根据如下公式确定旋转角度：
其中，(x1,y1)为向量AB'的向量坐标，(x2,y2)为向量AB的向量坐标。
S509、根据确定的旋转角度旋转血管参考图，使血管参考图中边沿曲线的起始点和终止点，与血管上部图像中的起始点和终止点分别重合。
S510、根据旋转后的血管参考图和血管上部图像确定感兴趣区域图像，并将感兴趣区域图像与血管下部图像拼接，得到血管平滑后的图像。
参见图5E所示的感兴趣区域图像确定过程图。
其中，围绕起始点A旋转血管参考图，得到临时图像NHTF；确定临时图像的最小外接矩形LMQG；根据临时图像NHTF中位于血管壁外侧的两点NF的坐标确定参考图像KPGF；将血管上部图像与参考图像重叠放置以使参考图像中的边沿曲线与血管上部图像中的初始向量重合，并确定感兴趣区域图像A1A2C2C1；将感兴趣区域图像与血管下部图像拼接，得到血管平滑后的图像，并将血管下部图像中超出感兴趣区域图像部分进行裁剪。
实施例六
图6是本发明实施例六中的一种血管图像处理装置的结构图。本发明实施例适用于对采集的血管超声图像中由于呼吸心跳所引起的抖动噪声进行去除的情况。该装置由软件和/或硬件实现，并具体配置于具备图像处理能力的电子设备中，该电子设备可以是独立的计算设备，例如个人电脑或PC机等，还可以是医疗影像系统中所包含的数据处理设备，其中医疗影像设备可以是超声诊断设备。
如图6所示的一种血管图像处理装置，包括：图像获取模块610，平滑处理模块620，图像旋转模块630以及目标图像得到模块640。
其中，图像获取模块610，用于获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；
平滑处理模块620，用于确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反；
图像旋转模块630，用于旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；
目标图像得到模块640，用于根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
本发明实施例通过图像获取模块获取包括血管上壁的第一初始图像和包括血管下壁的第二初始图像的血管纵切图；通过平滑处理模块确定第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据至少两个转折点之间的位置关系对边沿曲线进行平滑处理，得到与第一初始图像对应的第一参考图像；其中转折点两侧的曲线段走向相反；通过图像旋转模块旋转第一参考图像以使第一参考图像的边沿曲线的目标起始点与第一初始图像中的边沿曲线的初始起始点对应重合，且使第一参考图像的边沿曲线的目标终止点与第一初始图像的边沿曲线的初始终止点对应重合；通过目标图像得到模块根据旋转后的第一参考图像和第二初始图像得到目标图像。上述技术方案通过对由于呼吸心跳等产生的运动伪影所导致的血管上壁的边沿曲线的锯齿状转折部分进行平滑处理，并通过对平滑处理后得到的图像进行旋转校正，在保持原始血管的整体姿态的情况下，去除了呼吸心跳所引起的抖动噪声，进而提高了基于血管图像得到的诊断结果的可信度。
进一步地，平滑处理模块620，在执行根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理操作时，具体包括：
划分单元，用于以所述至少两个转折点为端点将所述边沿曲线划分为至少三个初始曲线分割段；
筛选单元，用于根据血管的整体走向从各所述初始曲线分割段中筛选出至少两个目标曲线分割段；
平移单元，用于将所述相邻两个目标曲线分割段的两个相邻的端点为一组转折点对，根据每组所述转折点对平移所述目标曲线分割段，以使所述至少两个目标曲线分割段共线。
进一步地，图像旋转模块630，包括：
图像旋转单元，用于将所述第一参考图像围绕所述目标起始点或所述目标终止点进行旋转，以使所述目标起始点与所述初始起始点对应重合，且使所述目标终止点与所述初始终止点对应重合。
进一步地，图像旋转模块630，还包括：
旋转角度确定单元，用于在旋转所述第一参考图像之前，根据所述初始起始点、所述目标起始点、所述初始终止点以及目标终止点的位置关系，确定旋转所述第一参考图像时的旋转角度。
进一步地，该装置还包括，边沿曲线确定模块，具体用于：
在确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点之前，检测所述第一初始图像中的血管上壁的边沿曲线；
针对所述边沿曲线中的每个像素点，获取其中一个像素点作为当前像素点；
在径向包含所述当前像素点的预设邻域内的各像素点，确定与相邻像素点的像素差值变化最大的像素点为参考像素点；
将所述边沿曲线中的各像素点替换为与各像素点对应的参考像素点，以更新所述边沿曲线。
进一步地，目标图像得到模块640，包括：
图像确定单元，用于根据旋转后的第一参考图像和所述第一初始图像确定第二参考图像；
图像拼接单元，用于将所述第二参考图像和所述第二初始图像拼接，得到目标图像。
进一步地，图像确定单元，具体用于：
以所述第一初始图像构建第二参考图像的目标成像区域，并将所述旋转后的第一参考图像与所述第一初始图像的重叠区域的数据填充至所述目标成像区域；
将血管上壁外侧的未填充目标成像区域的各待填充像素点，根据所述待填充像素点设定径向像素区域的像素值进行填充；
将血管上壁内侧的未填充目标成像区域的各待填充像素点，根据所述第一初始图像中对应的像素值进行填充。
上述血管图像确定装置可执行本发明任意实施例所提供的血管图像确定方法，具备执行血管图像确定方法相应的功能模块和有益效果。
实施例七
图7是本发明实施例七中的一种电子设备的结构示意图，该电子设备包括：处理器710以及存储装置720。
一个或多个处理器710；
存储装置720，用于存储一个或多个程序。
该电子设备还包括：
输入装置730，用于接收血管纵切图；
输出装置740，用于展示图像。
其中，该电子设备可以是独立的计算设备，例如个人电脑或PC机等，还可以是医疗影像系统中所包含的数据处理设备，其中医疗影像设备可以是超声诊断设备。
图7中以一个处理器710为例，该电子设备中的输入装置730可以通过总线或其他方式与输出装置740、处理器710以及存储装置720相连，且处理器710和存储装置720也通过总线或其他方式连接，图7中以通过总线连接为例。
在本实施例中，电子设备中的处理器710可以从存储装置720中直接获取包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像血管纵切图，或者通过输入装置730获取血管纵切图；还可以确定第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像；还可以旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；还可以根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
该电子设备中的存储装置720作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中基于区块链的数据存证基于区块链的数据存证方法对应的程序指令/模块(例如，附图6所示的图像获取模块610，平滑处理模块620，图像旋转模块630以及目标图像得到模块640)。处理器710通过运行存储在存储装置720中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中的血管图像处理方法。
存储装置720可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储数据等(如上述实施例中的血管纵切图、第一初始图像、边沿曲线、第一参考图像、转折点、第二初始图像以及目标图像等)。此外，存储装置720可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置720可进一步包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例八
本发明实施例八还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被基于区块链的数据存证装置执行时实现本发明实施提供的一种血管图像处理方法，包括：获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反；旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；根据旋转后的第一参考图像和所述第二初始图像得到目标图像。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种血管图像处理方法，其特征在于，包括：
获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；
确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反；
旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；
根据旋转后的第一参考图像和所述第二初始图像得到目标图像；
根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，包括：
以所述至少两个转折点为端点将所述边沿曲线划分为至少三个初始曲线分割段；
根据血管的整体走向从各所述初始曲线分割段中筛选出至少两个目标曲线分割段；
将相邻两个目标曲线分割段的两个相邻的端点为一组转折点对，根据每组所述转折点对平移所述目标曲线分割段，以使所述至少两个目标曲线分割段共线；
旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合，包括：
将所述第一参考图像围绕所述目标起始点或所述目标终止点进行旋转，以使所述目标起始点与所述初始起始点对应重合，且使所述目标终止点与所述初始终止点对应重合。
2.根据权利要求1所述的方法，其特征在于，在旋转所述第一参考图像之前，还包括：
根据所述初始起始点、所述目标起始点、所述初始终止点以及目标终止点的位置关系，确定旋转所述第一参考图像时的旋转角度。
3.根据权利要求1所述的方法，其特征在于，在确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点之前，还包括：
检测所述第一初始图像中的血管上壁的边沿曲线；
针对所述边沿曲线中的每个像素点，获取其中一个像素点作为当前像素点；
在径向包含所述当前像素点的预设邻域内的各像素点，确定与相邻像素点的像素差值变化最大的像素点为参考像素点；
将所述边沿曲线中的各像素点替换为与各像素点对应的参考像素点，以更新所述边沿曲线。
4.根据权利要求1-3任一项所述的方法，其特征在于，根据旋转后的第一参考图像和所述第二初始图像得到目标图像，包括：
根据旋转后的第一参考图像和所述第一初始图像确定第二参考图像；
将所述第二参考图像和所述第二初始图像拼接，得到目标图像。
5.根据权利要求4所述的方法，其特征在于，所述根据旋转后的第一参考图像和所述第一初始图像确定第二参考图像，包括：
以所述第一初始图像构建第二参考图像的目标成像区域，并将所述旋转后的第一参考图像中与所述第一初始图像的重叠区域的数据填充至所述目标成像区域；
将血管上壁外侧的未填充目标成像区域的各待填充像素点，根据所述待填充像素点设定径向像素区域的像素值进行填充；
将血管上壁内侧的未填充目标成像区域的各待填充像素点，根据所述第一初始图像中对应的像素值进行填充。
6.一种血管图像处理装置，其特征在于，包括：
图像获取模块，用于获取血管纵切图，所述血管纵切图包括包含血管上壁的第一初始图像和包含血管下壁的第二初始图像；
平滑处理模块，用于确定所述第一初始图像中的血管上壁的边沿曲线中的至少两个转折点，根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理，得到与所述第一初始图像对应的第一参考图像，其中，所述转折点两侧的曲线段走向相反；
图像旋转模块，用于旋转所述第一参考图像，以使所述第一参考图像的边沿曲线的目标起始点与所述第一初始图像中的边沿曲线的初始起始点对应重合，且使所述第一参考图像的边沿曲线的目标终止点与所述第一初始图像中的边沿曲线的初始终止点对应重合；
目标图像得到模块，用于根据旋转后的第一参考图像和所述第二初始图像得到目标图像；
平滑处理模块，在执行根据所述至少两个转折点之间的位置关系对所述边沿曲线进行平滑处理操作时，具体包括：
划分单元，用于以所述至少两个转折点为端点将所述边沿曲线划分为至少三个初始曲线分割段；
筛选单元，用于根据血管的整体走向从各所述初始曲线分割段中筛选出至少两个目标曲线分割段；
平移单元，用于将相邻两个目标曲线分割段的两个相邻的端点为一组转折点对，根据每组所述转折点对平移所述目标曲线分割段，以使所述至少两个目标曲线分割段共线；
图像旋转模块，包括：
图像旋转单元，用于将所述第一参考图像围绕所述目标起始点或所述目标终止点进行旋转，以使所述目标起始点与所述初始起始点对应重合，且使所述目标终止点与所述初始终止点对应重合。
7.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的一种血管图像处理方法。
8.一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，该程序被处理器执行时实现如权利要求1-5中任一所述的一种血管图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910280712.6A CN109993743B (zh) | 2019-04-09 | 2019-04-09 | 血管图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910280712.6A CN109993743B (zh) | 2019-04-09 | 2019-04-09 | 血管图像处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109993743A CN109993743A (zh) | 2019-07-09 |
| CN109993743B true CN109993743B (zh) | 2023-06-06 |
Family
ID=67132649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910280712.6A Active CN109993743B (zh) | 2019-04-09 | 2019-04-09 | 血管图像处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109993743B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112098055B (zh) * | 2020-07-07 | 2021-03-23 | 青岛大学附属医院 | 输血管路抖动检测系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833757A (zh) * | 2009-03-11 | 2010-09-15 | 深圳迈瑞生物医疗电子股份有限公司 | 血管图像组织结构的边缘检测及血管内膜检测方法和系统 |
| CN103824295A (zh) * | 2014-03-03 | 2014-05-28 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
| CN105976335A (zh) * | 2016-05-09 | 2016-09-28 | 苏州佳世达电通有限公司 | 影像处理方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6845260B2 (en) * | 2001-07-18 | 2005-01-18 | Koninklijke Philips Electronics N.V. | Automatic vessel indentification for angiographic screening |
| CN101203180A (zh) * | 2005-06-21 | 2008-06-18 | 皇家飞利浦电子股份有限公司 | 对血管进行成像的方法和设备 |
| JP6381895B2 (ja) * | 2012-11-20 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、画像処理方法およびｘ線診断装置 |
| CN108888284A (zh) * | 2018-05-18 | 2018-11-27 | 沈阳东软医疗系统有限公司 | 图像调整方法、装置及设备、存储介质 |
-
2019
- 2019-04-09 CN CN201910280712.6A patent/CN109993743B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833757A (zh) * | 2009-03-11 | 2010-09-15 | 深圳迈瑞生物医疗电子股份有限公司 | 血管图像组织结构的边缘检测及血管内膜检测方法和系统 |
| CN103824295A (zh) * | 2014-03-03 | 2014-05-28 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
| CN105976335A (zh) * | 2016-05-09 | 2016-09-28 | 苏州佳世达电通有限公司 | 影像处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109993743A (zh) | 2019-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2010088795A (ja) | 医用画像処理装置及び医用画像診断装置 | |
| KR102560911B1 (ko) | 화상 처리 장치, 화상 처리 방법 및 저장 매체 | |
| US20170337672A1 (en) | Image splicing | |
| US10542955B2 (en) | Method and apparatus for medical image registration | |
| JP6564018B2 (ja) | 放射線画像の肺野セグメンテーション技術及び骨減弱技術 | |
| JP5197140B2 (ja) | Ｘ線透視装置、動画処理方法、プログラム及び記憶媒体 | |
| JP5464799B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| JP4717585B2 (ja) | 医用画像判定装置、医用画像判定方法およびそのプログラム | |
| US10002424B2 (en) | Image processing system and method to reconstruct a three-dimensional (3D) anatomical surface | |
| CN110706791B (zh) | 一种医学影像处理方法及装置 | |
| US9547906B2 (en) | System and method for data driven editing of rib unfolding | |
| CN109993743B (zh) | 血管图像处理方法、装置、设备及存储介质 | |
| US6748257B2 (en) | Detection of ribcage boundary from digital chest image | |
| JP2002222410A (ja) | 画像診断装置 | |
| JP4915836B2 (ja) | 画像処理装置の作動方法、プログラム、及び装置 | |
| CN113344926B (zh) | 胆胰超声图像识别方法、装置、服务器及存储介质 | |
| CN109671131B (zh) | 影像校正方法、装置、医疗影像设备及存储介质 | |
| CN112651984A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
| CN116363038A (zh) | 超声图像融合方法、装置、计算机设备及存储介质 | |
| JP2011110357A (ja) | 画像処理方法、画像処理装置及びプログラム | |
| US10413364B1 (en) | Internal organ localization of a subject for providing assistance during surgery | |
| CN114947941A (zh) | 病灶跟踪方法、装置和存储介质 | |
| US20220338819A1 (en) | Optimal scan pattern for medical imaging device | |
| WO2020031069A1 (en) | Boundary localization of an internal organ of a subject for providing assistance during surgery | |
| US20200022666A1 (en) | System and method for processing data from computed tomography scans |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 215000 5th floor, building a, 4th floor, building C, 27 Xinfa Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee after: Feiyinuo Technology (Suzhou) Co.,Ltd. Address before: 215000 5th floor, building a, 4th floor, building C, 27 Xinfa Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: VINNO TECHNOLOGY (SUZHOU) Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 215000 5th floor, building a, 4th floor, building C, 27 Xinfa Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee after: Feiyinuo Technology Co.,Ltd. Address before: 215000 5th floor, building a, 4th floor, building C, 27 Xinfa Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: Feiyinuo Technology (Suzhou) Co.,Ltd. |