CN111429438A - 血管中心线、心脏冠脉树的提取方法、设备及存储介质 - Google Patents
血管中心线、心脏冠脉树的提取方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111429438A CN111429438A CN202010237588.8A CN202010237588A CN111429438A CN 111429438 A CN111429438 A CN 111429438A CN 202010237588 A CN202010237588 A CN 202010237588A CN 111429438 A CN111429438 A CN 111429438A
- Authority
- CN
- China
- Prior art keywords
- point
- path
- blood vessel
- minimum
- standard
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于双向最小路径传播的血管中心线的提取方法,提取方法包括:输入待处理图像,获取待提取血管中心线的第一标准点和第二标准点;通过双向最小路径传播获取第一标准点到第二标准点的初始路径;对初始路径进行优化获得优化路径;根据优化路径提取血管中心线。本发明还公开了一种基于双向最小路径传播的心脏冠脉树的提取方法。本发明也提供了一种图像处理设备。本发明还提供了一种计算机可读存储介质。本发明通过基于双向最小路径传播可避免由于图像噪声、伪影及血管斑块的存在导致的误差,且通过中心线曲率进一步检测偏离中心线的部分,解决了精确度不足且较大弯曲处误差大的技术问题,大大提高了血管中心线提取的精确度和有效性。
Description
技术领域
本发明属于医学图像处理技术领域,尤其涉及一种基于双向最小路径传播的血管中心线、心脏冠脉树的提取方法、图像检测设备及计算机可读存储介质。
背景技术
随着CT(Computed Tomography,电子计算机断层扫描)成像及CTA(ComputedTomography Angiography,血管造影技术)的发展,医学图像处理技术在介入治疗手术中的辅助作用越来越重要。现有技术中所采用的血管中心线提取技术精度不高且运行时间长,提取效率低,尤其是提取心脏冠脉时难度更大,局部精确度欠佳且较大弯曲处误差较大。如何从CTA等检测图像中高效、精确地提取血管中心线,是本领域技术人员亟待解决的技术难题。
发明内容
为解决上述现有技术存在的问题,本发明提供了一种高效、精确地基于双向最小路径传播的血管中心线、心脏冠脉树的提取方法、图像检测设备及计算机可读存储介质。
为了达到上述发明目的,本发明采用了如下的技术方案:
根据本发明的一方面,提供了一种基于双向最小路径传播的血管中心线的提取方法,所述提取方法包括步骤:
输入待处理图像,获取待提取血管中心线的第一标准点和第二标准点;
通过双向最小路径传播获取所述第一标准点到所述第二标准点的初始路径;
对所述初始路径进行优化获得优化路径;
根据所述优化路径提取血管中心线。
进一步地,所述通过双向最小路径传播获取所述第一标准点到所述第二标准点的初始路径的方法包括:
从所述第一标准点朝所述第二标准点的方向进行最小路径传播,途经的点组成第一点集;同时,从所述第二标准点朝所述第一标准点的方向进行最小路径传播,途经的点组成第二点集;
若在预设的迭代次数内,存在同时出现于所述第一点集和所述第二点集中的相同点,则所述第一标准点到所述第二标准点的初始路径由相同点到第一标准点的回溯路径、相同点到第二标准点的回溯路径连接而成;
否则,获取第一点集的第一最小点与第二点集中的第二最小点,第一最小点到第二最小点的距离在第一点集中任意一点到第二点集中任意一点的距离中最小;则第一标准点到第二标准点的初始路径由第一最小点到第一标准点的回溯路径、第一最小点到第二最小点的最短路径以及第二最小点到第二标准点的回溯路径连接而成。
进一步地,所述对所述初始路径进行优化获得优化路径的方法包括:
筛选所述初始路径上曲率大于预设曲率阈值的最大曲率点;
在每个最大曲率点的预设范围内获取至少两条候选路径;
在每个最大曲率点的预设范围内构建目标区域,并筛选目标区域中的候选点
初始路径上的点,所有候选路径上的点和所有候选点构成初始特征图像;
对所述初始特征图像进行拉普拉斯滤波以获得优化图像;
在所述优化图像中计算所述第一标准点到所述第二标准点的最短路径即为所述优化路径。
进一步地,所述在每个最大曲率点的预设范围内获取至少两条候选路径的方法包括:
获取位于最大曲率点前第N个的点和位于最大曲率点的后第N个的点,计算位于最大曲率点前第N个的点到位于最大曲率点的后第N个的点的最短路径即为最大曲率点的候选路径;
其中,N是整数,N>0,N取至少两个不同的数值以获得最大曲率点的预设范围内至少两条候选路径。
进一步地,通过Dijkstra算法计算两个点之间的最短路径。
进一步地,所述根据所述优化路径提取血管中心线的方法为:将所述优化路径通过迭代寻优算法获得所述待提取冠脉的中心线。
进一步地,所述待提取血管中心线为单条完整的血管中心线,所述第一标准点为血管的根点,所述第二标准点为血管的末梢点;
或者所述待提取血管中心线为血管的局部,所述第一标准点为局部血管的其中一端的中心点,所述第二标准点为局部血管的其中之另一端的中心点。
进一步地,所述待处理图像为CTA图像。
进一步地,所述根据优化路径提取血管中心线的方法包括:根据所述优化路径通过三次样条插值算法提取血管中心线。
根据本发明的又一方面,还提供了一种基于双向最小路径传播的心脏冠脉树的提取方法,所述提取方法包括:
采用上述的基于双向最小路径传播的血管中心线的提取方法提取心脏的每条冠脉中心线;
将所有提取的冠脉中心线进行组合形成冠脉树。
进一步地,采用多线程技术同时采用上述的基于双向最小路径传播的血管中心线的提取方法分别提取心脏的每条冠脉。
根据本发明的另一方面,还提供了一种图像处理设备,所述图像处理设备包括处理器以及与所述处理器连接的存储器,所述存储器用于存储程序数据,所述处理器用于执行程序数据以实现如上述的基于双向最小路径传播的血管中心线的提取方法或者上述的基于双向最小路径传播的心脏冠脉树的提取方法。
根据本发明的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有程序数据,所述程序数据被执行时以实现如上述的基于双向最小路径传播的血管中心线的提取方法或者上述的基于双向最小路径传播的心脏冠脉树的提取方法。
本发明的有益效果:本发明通过基于双向最小路径传播可以避免由于图像噪声、伪影及血管斑块的存在导致的误差,且通过中心线曲率进一步检测偏离中心线的部分,解决了精确度不足且较大弯曲处误差大的技术难题,大大提高血管提取的精确度和有效性。
附图说明
通过结合附图进行的以下描述,本发明的实施例的上述和其它方面、特点和优点将变得更加清楚,附图中:
图1是根据本发明的实施例的基于双向最小路径传播的血管中心线的提取方法的流程图;
图2是根据本发明的实施例的步骤A200的流程图;
图3是根据本发明的实施例的步骤A300的流程图;
图4是根据本发明的实施例的基于双向最小路径传播的心脏冠脉树的提取方法的流程图。
具体实施方式
以下,将参照附图来详细描述本发明的实施例。然而,可以以许多不同的形式来实施本发明,并且本发明不应该被解释为限制于这里阐述的具体实施例。相反,提供这些实施例是为了解释本发明的原理及其实际应用,从而使本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。在附图中,为了清楚起见,可以夸大元件的形状和尺寸,并且相同的标号将始终被用于表示相同或相似的元件。
将理解的是,尽管在这里可使用术语“第一”、“第二”等来描述各种元件,但是这些元件不应受这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开来。
本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
实施例一
图1是根据本发明的实施例的基于双向最小路径传播的血管中心线的提取方法的流程图。
参照图1所示,本发明的实施例的基于双向最小路径传播的血管中心线的提取方法包括步骤:
步骤A100、输入待处理图像,获取待提取血管中心线的第一标准点和第二标准点。
具体地,待处理图像为待提取血管的CTA图像,CTA技术是一种利用电脑断层扫描技术(CT)进行的血管造影检查,其可探及全身的所有动脉与静脉血管。本发明的实施例的待处理图像是CTA图像,本发明的实施例的提取方法从获取的CTA图像中进一步精确地提取血管中心线图像。
本发明的实施例的提取方法可以单次提取单条完整的血管中心线,也可以分段提取血管中心线,每次提取血管中心线的局部。当待提取血管中心线为单条完整的血管中心线时,第一标准点为单条完整血管的起点,例如血管的根点,而第二标准点为单条完整血管的终点,例如血管的末梢点。当待提取血管中心线为血管的局部时,第一标准点为局部血管的其中一端的中心点,第二标准点为局部血管的其中之另一端的中心点。
步骤A200、通过双向最小路径传播获取第一标准点到第二标准点的初始路径。
在现有技术中,通常采用单向最小路径传播方法求得两个点之间的最小路径,单向最小路径传播算法假设所有位于中心线上的特征点得到的代价值都比位于中心线外的特征点小得多来计算两个点之间的最小路径。然而,在实际的医学检测图像中,由于图像噪声、伪影以及血管斑块,有些中心线上的特征点可能比非中心线上的特征点代价值要更高,甚至高于正常组织点。在这种情况下,采用单向最小路径传播方法无法通过异常点,导致提取出的血管中心线具有严重的偏差。因此,本发明的实施例的提取方法采用双向最小路径传播获取第一标准点到第二标准点之间的最小路径作为第一标准点到第二标准点之间的初始路径。
图2是根据本发明的实施例的步骤A200的流程图。
具体地,参照图2所示,所述步骤A200通过双向最小路径传播获取第一标准点到第二标准点的初始路径的方法包括步骤:
步骤A210、从第一标准点朝第二标准点的方向进行最小路径传播,途经的点组成第一点集。同时,从第二标准点朝第一标准点的方向进行最小路径传播,途经的点组成第二点集。
与单向最小路径传播不同,本发明的实施例的技术方案是第一标准点与第二标准点同时朝对方进行传播。我们通过提取一个与轮廓有关的最小积分能量实现提取血管的中心线,首先,我们采用公式1定义路径C上的积分能量,
其中,Ω表示数据空间;E(C)表示沿路径C的积分能量;ω表示一个正则化项;C(s)∈Rn表示弧长s为1的参数化曲线,R表示自然数;P(C(s)表示路径C中各点的代价值。我们将P视为一个像素级的代价映射,并在目标图像中假设特征点的值小于非特征点的值的情况下计算它的值。因此需要根据目标图像的特征来构建代价映射P。简单或复杂的信息也可以作为目标图像的特征属性,比如图像强度,中值测度等。
进一步地,我们采用公式2定义起点到当前点之间的最小路径代价。
其中A(ps,p)包括所有潜在连接点p和起点ps的路径集合。为能量函数,通常采用基于快速行进算法或Dijkstra算法求解此方程。在本发明的实施例中,我们采用对称凸性能量函数。这个能量函数考虑了局部强度分布,并结合了对称性和凸性,对称性意味着强度分布关于中心线点应该是近似对称的,凸性意味着当它接近中心线点时强度应该更高。
在进行双向最小路径传播前,我们将第一标准点和第二标准点的代价值设置为最小,除第一标准点和第二标准点以外的点的代价设置为无穷大。然后从能量最小点开始向其邻域进行搜索,其中,对于三维点通常使用26邻域搜索。
具体地,例如从第一标准点向第二标准点进行最小路径传播,首先以第一标准点为起点,计算第一标准点的所有邻域点的能量值,第一标准点的能量值最小的邻域点作为传播路径的下一个点,此为一次迭代,之后计算该能量值最小的邻域点的所有邻域点的能量值,寻找能量值最小的点作为传播路径的下一个点,从而不断地往第二标准点的方向传播,途经的点组成第一点集。
并且同时,从第二标准点向第一标准点进行最小路径传播,类似的,首先以第二标准点为起点,根据公式1计算第二标准点的所有邻域点的能量值,第二标准点的能量值最小的邻域点作为传播路径的下一个点,从而不断地往第一标准点的方向传播,途经的点组成第二点集。
步骤A220、若在预设的迭代次数内,存在同时出现于第一点集和第二点集中的相同点,则第一标准点到第二标准点的初始路径由相同点到第一标准点的回溯路径、相同点到第二标准点的回溯路径连接而成。
计算邻域点的能量值寻找到传播路径的下一个点完成一次迭代,若预设的迭代次数内,存在同时出现于第一点集和第二点集中的相同点,则第一标准点到第二标准点的初始路径由相同点到第一标准点的回溯路径、相同点到第二标准点的回溯路径连接而成。其中,相同点到第一标准点的回溯路径由相同点依序回溯至第一标准点的所有点连接而成。相同点到第二标准点的回溯路径由相同点依序回溯至第二标准点的所有点连接而成。
步骤A230、否则,获取第一点集的第一最小点与第二点集中的第二最小点,第一最小点到所述第二最小点的距离在第一点集中任意一点到第二点集中任意一点的距离中最小;则第一标准点到第二标准点的初始路径由第一最小点到第一标准点的回溯路径、第一最小点到第二最小点的最短路径以及第二最小点到第二标准点的回溯路径连接而成。
为了处理异常点,我们设置了预设的迭代次数,传播会在到达预设的迭代次数后终止。但是,大多数血管的中心线点仍然在预设的迭代次数内被遍历,即它们都包括在第一点集和第二点集中。停止传播后,我们在第一点集和第二点集中寻找一对距离最小的点对,即第一点集中的第一最小点和第二点集中的第二最小点。第一点集中的第一最小点到第二最小点的距离是在第一点集中任意一点到第二点集中任意一点的距离中最小。
此时,第一标准点到第二标准点的初始路径由第一最小点到第一标准点的回溯路径、第一最小点到第二最小点的最短路径以及第二最小点到第二标准点的回溯路径连接而成。其中,第一最小点到第一标准点的回溯路径由第一点集中从第一最小点依序回溯至第一标准点的所有点连接而成。第一最小点到第二最小点的最短路径通过Dilkstra算法计算得到。第二最小点到第二标准点的回溯路径由第二最小点依序回溯至第二标准点的所有点连接而成。
假设初始路径上的有序点表示为有序集合l={l0,...,l|l|-1},其中|l|表示集合l的大小即集合l中元素的个数,第i个有序点表示为li,其中0≤i≤(|l|-1)。
步骤A300、对初始路径进行优化获得优化路径。
在步骤A200中,虽然我们通过基于双向最小路径传播获取第一标准点到第二标准点的初始路径,但是提取的初始路径有时会偏血管的参考中心线。因此,我们使用中心线曲率来进行检测,并使用简单的策略提供一些候选路径和候选点,以便在后续工作中进行细化。
图3是根据本发明的实施例的步骤A300的流程图。
进一步地,参照图3所示,步骤A300对初始路径进行优化获得优化路径的方法包括:
步骤A310、筛选初始路径上曲率大于预设曲率阈值的最大曲率点。
每个有序点li的曲率通过公式3计算得到,其中:
筛选曲率大于预设曲率阈值的点为最大曲率点。
步骤A320、在每个最大曲率点的预设范围内获取至少两条候选路径。
具体地,我们以其中一个最大曲率点lM为例,获取初始路径上位于最大曲率点lM的前第N个的点lM-N和位于最大曲率点lN的后第N个的点lM+N,计算位于最大曲率点前第N个的点lM-N到位于最大曲率点的后第N个的点lM+N的最短路径即为最大曲率点lM的候选路径。其中,N是整数,N>0,N取至少两个不同的数值以获得最大曲率点LM的至少两条候选路径。例如,假设获取最大曲率点的两条候选路径,即N取两个不同的值,假设N取值5和10。当N取值5时,采用Dijkstra算法计算位于最大曲率点的前第5个点lM-5到位于最大曲率点的后第5个点lM+5的最短路径。当N取值10时,采用Dilkstra算法计算位于最大曲率点的前第10个点lM-10到位于最大曲率点的后第10个点lM+10的最短路径。上述两条最短路径作为该最大曲率点的候选路径。
采用上述方法,在每个筛选出的最大曲率点的预设范围内获取至少两条候选路径。
步骤A330、在每个最大曲率点的预设范围内构建目标区域,并筛选目标区域中的候选点。
具体地,计算初始路径上位于最大曲率点前第N个的点和位于最大曲率点的后第N个的点的坐标之差构建3D目标区域。计算此目标区域内每一个体素点的对称凸性能量,并筛选所有大于预定义能量阈值Te(比如0.001)的体素点,且将其作为候选点。然而,在这些离散的候选点中,有些点更可能是噪声点而非中心线点,因此我们应用一个体积阈值Tv(比如15)来过滤这些点,并将大于体积阈值Tv的点作为候选点。
步骤A340、初始路径上的点,所有候选路径上的点和所有候选点构成初始特征图像。
步骤A350、对初始特征图像进行拉普拉斯滤波获得优化图像。
为了过滤非特征点,在步骤A350中,将拉普拉斯算子定义为一个过滤器掩码,该掩码与初始特征图像中所有非零点对应的点进行卷积操作,然后将卷积结果映射到初始特征图像中,从而形成优化图像。
步骤A360、在优化图像中计算所述第一标准点到所述第二标准点的最短路径即为所述优化路径。
在优化图像中,利用Dijkstra算法计算第一标准点到第二标准点之间的最短路径,该路径即为最优路径。
假设最优路径上的有序点表示为有序集合k={k0,...,k|k|-1},其中|k|表示集合k的大小,第i个有序点表示为ki,其中0≤i≤(|k|-1)。
步骤A400、根据优化路径提取血管中心线。
在步骤A400中,本发明的实施例通过迭代寻优算法提取血管的中心线,具体地:
步骤1、首先,将点k0(即第一标准点)的下标索引0放入集合B中;
步骤2、接着,通过公式2计算优化路径上有序点ka+5和ka+20之间的曲率值最大的点kb,将下标索引b放入集合B中,a是整数,0≤a≤|k|-21。
步骤3、判断b≤(|k|-1),若是,则令a=b,重复步骤2;
步骤4、若否,则将点k|k-1|(即第二标准点)的下标索引|k-1|放入集合B中;
步骤5、计算下标索引B[k]和B[k+1]之间的距离d,即所述两个下标索引之差,若d大于预设距离阈值,则在点kB[k]和点kB[k+1]之间计算最曲率最大点,并将该点的索引下标放入集合B中,然后利用冒泡排序算法按照索引值递增的顺序进行排序,重复步骤5直到集合B中任意两个相邻元素值之间的距离小于预设距离阈值。
步骤6、将集合B中的|B|个有序点通过三次样条插值算法得到血管的中心线。
在本发明的实施例中,通过基于双向最小路径传播可以避免由于图像噪声、伪影及血管斑块的存在导致的误差,且通过中心线曲率进一步检测偏离中心线的部分,解决了精确度不足且较大弯曲处误差大的技术问题,大大提高血管提取的精确度和有效性。
实施例二
图4是根据本发明的第二实施例的基于双向最小路径传播的心脏冠脉树的提取方法的流程示意图。
参照图4所示,本发明的实施例的基于双向最小路径传播的心脏冠脉树的提取方法包括步骤:
步骤B100、采用实施例一所述的基于双向最小路径传播的血管中心线的提取方法提取心脏的每条冠脉中心线。
心脏冠脉树是由心脏的血管中心线组成,心脏冠脉树包括冠状动脉和冠状静脉,冠脉如花冠状缠绕心脏,是心脏本身的血液供应系统。由于冠脉弯曲缠绕,采用现有技术中的血管提取技术用于提取冠脉难度较大,精度不高,且运行时间长,提取效率低。
采用本发明的实施例的基于双向最小路径传播的血管中心线的提取方法分别提取心脏冠脉树的每条冠脉中心线,通过基于双向最小路径传播可以避免由于图像噪声、伪影及血管斑块的存在导致的误差,并且通过中心线曲率检测偏离参考中心线的部分,可以有效提高提取冠脉的精度。
提取冠脉时,可以采用基于双向最小路径传播的血管中心线的提取方法单次获取单条完整的冠脉中心线,第一标准点为冠脉的根点,第二标准点为冠脉的末梢点。为了提高提取的精度,提取冠脉中心线时也可以对冠脉进行分段提取,每一段分别采用基于双向最小路径传播的血管中心线的提取方法获取分段的冠脉中心线,此时,第一标准点为待提取的分段冠脉的其中一个端的中心点,第二标准点为待提取的分段冠脉的其中之另一个端的中心点。
由于提取每条冠脉中心线或者每段冠脉中心线的步骤都是单独处理、相互独立的,因此可以采用多线程技术对多条冠脉中心线或多段冠脉中心线进行同时提取。从而可以极大地提高计算的效率,计算效率的提高可以实现心脏冠脉树的实时提取,具有重要的临床应用价值。
步骤B200、将所有提取的冠脉中心线进行组合形成冠脉树。
所有提取的冠脉中心线进行组合形成完整的冠脉树。
在本发明的实施例中,通过基于双向最小路径传播可以避免由于图像噪声、伪影及血管斑块的存在导致的误差,且通过中心线曲率进一步检测偏离中心线的部分,解决了精确度不足且较大弯曲处误差大的技术问题,大大提高心脏冠脉树提取的精确度和有效性,且采用多线程技术可以极大提高计算的效率,从而实现实时提取冠脉树,具有重要的临床应用价值。
实施例三
本发明的第三实施例是以提取心脏冠脉树的具体实施例对基于双向最小路径传播的心脏冠脉树的提取方法进行具体阐述。
步骤B100、采用实施例一所述的基于双向最小路径传播的血管中心线的提取方法提取心脏的每条冠脉中心线。
在本实施例中,待提取的心脏冠脉树是由4条冠脉组成的树形结构,由于每条冠脉提取的过程类似,我们以其中一条冠脉(右冠脉)为例对冠脉的具体提取方法进行详细阐述。
在本实施例中,我们将待提取的右冠脉分段用双向最小路径传播方法求解初始路径,具体地,我们将待提取的右冠脉分为3段,右冠脉的根点定义为S点,右冠脉的末梢点定义为E点,由S点到E点顺序包括B点和A点,S点、B点、A点和E点将右边冠脉分为三段。
步骤A100、输入待处理图像,获取待提取血管中心线的第一标准点和第二标准点。
在本实施例中,从数据源中读取image00.raw文件,按照文件的存储格式转化为512*512*272大小的心脏CTA图像。接着从数据源中读取image00.mhd文件,按照文件的存储信息读取CTA图像的空间信息spacings和offsets。然后读取右冠脉的4个坐标文件(pointS.txt,pointB.txt,pointA.txt,pointE.txt),并根据读取到的spacings和offsets信息对4个坐标点进行坐标变换,得到S点、B点、A点和E点。
可以理解的是,当提取S点到B点的初始路径时,S点为S点到B点的待提取冠脉中心线的第一标准点,B点为S点到B点的待提取冠脉中心线的第二标准点。同理,当求取B点到A点的初始路径时,B点为B点到A点的待提取冠脉中心线的第一标准点,A点为B点到A点的待提取冠脉中心线的第二标准点。当求取A点到E点的初始路径时,A点为A点到E点的待提取冠脉中心线的第一标准点,E点为A点到E点的待提取冠脉中心线的第二标准点。
在本实施例中,我们将单条待提取冠脉分为3段,分别用基于双向最小路径传播的方法求解右冠脉的初始路径。但是可以理解的是,我们也可以直接求取单条冠脉的初始路径或者我们也可以将单条待提取冠脉分为4段或者更多段,分别求取每个局部片段的初始路径。本领域的技术人员可以根据实际的需求选择合适的提取方式。
步骤A200、通过双向最小路径传播获取第一标准点到第二标准点的初始路径。
采用实施例一所述的基于双向最小路径传播获取初始路径的方法分别求得点S到点B的初始路径、点B到点A的初始路径、点A到点E的初始路径。
点S到点E的初始路径由点S到点B的初始路径、点B到点A的初始路径、点A到点E的初始路径连接而成。点S到点E的初始路径上的有序点用有序集合表示为L={L0,...,L|L|-1},其中|L|表示集合L的大小,第i个有序点表示为Li,其中0≤i≤(|L|-1)。
步骤A300、对初始路径进行优化获得优化路径。
步骤A310、筛选初始路径上曲率大于预设曲率阈值的最大曲率点。
通过步骤A200求得的点S到点E之间的初始路径被表示为有序集合L={L0,...,L|L|-1},通过公式3计算每个有序点的曲率。在本实施例中筛选曲率大于0.75的点作为最大曲率点。
步骤A320、在每个最大曲率点的预设范围内获取至少两条候选路径。
在本实施例中,在每个最大曲率点的预设范围内获取两条候选路径。具体地获取每个最大曲率点的前第5个的点到位于最大曲率点的后第5个点的最短路径作为其中一条候选路径。并且获取每个最大曲率点的前第10个的点到位于最大曲率点的后第10个点的最短路径作为其中之另一条候选路径。
步骤A330、在每个最大曲率点的预设范围内构建目标区域,并筛选目标区域中的候选点。
在本实施例中,计算初始路径上位于最大曲率点的前第10个点和位于最大曲率点的后第10个点的坐标之差构建3D目标区域。计算此目标区域内每个体素点的对称凸性能量,筛选出能量值大于0.001的点。
进一步地,在能量值大于0.001的点中筛选出体积大于15的点作为候选点。
步骤A340、初始路径上的点,所有候选路径上的点和所有候选点构成初始特征图像。
步骤A350、对初始特征图像进行拉普拉斯滤波获得优化图像。
具体地,在本实施例中,将拉普拉斯算子定义为一个过滤器掩码[-1,-1,-1:-1,8,-1:-1,-1,-1]。该掩码与初始特征图像中所有非零点对应的点进行卷积操作,然后将卷积结果映射到初始特征图像中,从而形成优化图像。
步骤A360、在优化图像中计算所述第一标准点到所述第二标准点的最短路径即为所述优化路径。
在优化图像中,利用Dijkstra算法计算第一标准点到第二标准点之间的最短路径,该路径即为最优路径。
假设最优路径上的有序点表示为有序集合K={K0,...,K|K|-1},其中|K|表示集合K的大小,第i个有序点表示为Ki,其中0≤i≤(|K|-1)。
步骤A400、根据优化路径提取血管中心线。
在步骤A400中,本发明的实施例通过迭代寻优算法提取血管的中心线,具体地:
步骤1、首先,将K0点(即S点)的下标索引0放入集合B中;
步骤2、接着,通过公式2计算优化路径上有序点Ka+5和Ka+20之间的曲率值最大的点Kb,将下标索引b放入集合B中;
步骤3、判断b≤(|K|-1),若是,则令a=b,重复步骤A420;
步骤4、若否,则将点K|K-1|(即E点)的下标索引|K-1|放入集合B中;
通过计算,求得集合B={0,10,17,32}。
步骤5、计算下标索引B[K]和B[K+1]之间的距离d,若d大于预设距离阈值,则在点KB[K]和点KB[K+1]之间计算最曲率最大点,并将该点的索引下标放入集合B中,然后利用冒泡排序算法按照索引值递增的顺序进行排序,重复步骤5直到集合B中任意两个相邻元素值之间的距离小于预设距离阈值。
在本实施例中,预设距离阈值为8。在点K0和K10之间求得曲率值最大的点K5,将5放入B中,排序后B={0,5,10,17,32}。在点K17和K32之间求得曲率值最大的点K22,将22放入B中,排序后B={0,5,10,17,22,32}。在点K22和K32之间求得曲率值最大的点K27,将27放入B中,排序后B={0,5,10,17,22,27,32}。
步骤6、将集合B中的|B|个有序点通过三次样条插值算法计算血管的中心线。具体地,根据上述步骤求得的7个有序点通过三次样条插值算法得到右冠脉的中心线。
同理,按照相同的方法计算心脏冠脉树其它三条冠脉的中心线,可以利用多线程技术同时进行计算。
步骤B200、将所有提取的冠脉中心线进行组合形成冠脉树。
实施例四
本申请的实施例的图像处理设备包括处理器以及与处理器连接的存储器。其中,存储器存储程序数据和处理器工作的执行结果。而处理器在运行存储的程序数据时,用于执行如上述实施例中所述的基于双向最小路径传播的血管中心线的提取方法或者如上述实施例中所述的基于双向最小路径传播的心脏冠脉树的提取方法。
作为本发明的一种实施方式,本发明的实施例的程序数据采用C++语言和Matlab语言进行混合编写以实现基于双向最小路径传播的血管中心线的提取方法或者基于双向最小路径传播的心脏冠脉树的提取方法。可以理解的是,本发明并不限制于此,还可以选择其它合适的编程语言编写程序数据以实现基于双向最小路径传播的血管中心线的提取方法或者基于双向最小路径传播的心脏冠脉树的提取方法。
实施例五
本申请还提供一种计算机可读存储介质,该计算机可读存储介质存储有程序数据,该程序数据被执行时实现如上述实施例中所述的基于双向最小路径传播的血管中心线的提取方法或者如上述实施例中所述的基于双向最小路径传播的心脏冠脉树的提取方法。具体地,具有存储功能的计算机可读存储介质可以是存储器、个人计算器、服务器、网络设备或者U盘中的一种或多种。
虽然已经参照特定实施例示出并描述了本发明,但是本领域的技术人员将理解:在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下,可在此进行形式和细节上的各种变化。
Claims (13)
1.一种基于双向最小路径传播的血管中心线的提取方法,其特征在于,所述提取方法包括步骤:
输入待处理图像,获取待提取血管中心线的第一标准点和第二标准点;
通过双向最小路径传播获取所述第一标准点到所述第二标准点的初始路径;
对所述初始路径进行优化获得优化路径;
根据所述优化路径提取血管中心线。
2.根据权利要求1所述的提取方法,其特征在于,所述通过双向最小路径传播获取所述第一标准点到所述第二标准点的初始路径的方法包括:
从所述第一标准点朝所述第二标准点的方向进行最小路径传播,途经的点组成第一点集;同时,从所述第二标准点朝所述第一标准点的方向进行最小路径传播,途经的点组成第二点集;
若在预设的迭代次数内,存在同时出现于所述第一点集和所述第二点集中的相同点,则第一标准点到第二标准点的初始路径由相同点到第一标准点的回溯路径、相同点到第二标准点的回溯路径连接而成;
否则,获取第一点集中的第一最小点与第二点集中的第二最小点,第一最小点到第二最小点的距离在第一点集中任意一点到第二点集中任意一点的距离中最小;则第一标准点到第二标准点的初始路径由第一最小点到第一标准点的回溯路径、第一最小点到第二最小点的最短路径以及第二最小点到第二标准点的回溯路径连接而成。
3.根据权利要求1所述的提取方法,其特征在于,所述对所述初始路径进行优化获得优化路径的方法包括:
筛选所述初始路径上曲率大于预设曲率阈值的最大曲率点;
在每个最大曲率点的预设范围内获取至少两条候选路径;
在每个最大曲率点的预设范围内构建目标区域,并筛选目标区域中的候选点;
初始路径上的点、所有候选路径上的点以及所有候选点构成初始特征图像;
对所述初始特征图像进行拉普拉斯滤波以获得优化图像;
在所述优化图像中计算所述第一标准点到所述第二标准点的最短路径即为所述优化路径。
4.根据权利要求3所述的提取方法,其特征在于,所述在每个最大曲率点的预设范围内获取至少两条候选路径的方法包括:
获取位于最大曲率点前第N个的点和位于最大曲率点的后第N个的点,计算位于最大曲率点前第N个的点到位于最大曲率点的后第N个的点的最短路径即为最大曲率点的候选路径;
其中,N是整数,N>0,N取至少两个不同的数值以获得最大曲率点的预设范围内至少两条候选路径。
5.根据权利要求2至4任一项所述的提取方法,其特征在于,通过Dijkstra算法计算两个点之间的最短路径。
6.根据权利要求1所述的提取方法,其特征在于,所述根据所述优化路径提取血管中心线的方法为:将所述优化路径通过迭代寻优算法获得所述待提取冠脉的中心线。
7.根据权利要求1所述的提取方法,其特征在于,所述待提取血管中心线为单条完整的血管中心线,所述第一标准点为血管的根点,所述第二标准点为血管的末梢点;
或者所述待提取血管中心线为血管的局部,所述第一标准点为局部血管的其中一端的中心点,所述第二标准点为局部血管的其中之另一端的中心点。
8.根据权利要求1所述的提取方法,其特征在于,所述待处理图像为CTA图像。
9.根据权利要求1所述的提取方法,其特征在于,所述根据所述优化路径提取血管中心线的方法包括:根据所述优化路径通过三次样条插值算法提取血管中心线。
10.一种基于双向最小路径传播的心脏冠脉树的提取方法,其特征在于,所述提取方法包括:
采用权利要求1至9任一项所述的基于双向最小路径传播的血管中心线的提取方法提取心脏的每条冠脉中心线;
将所有提取的冠脉中心线进行组合形成冠脉树。
11.根据权利要求10所述的提取方法,其特征在于,采用多线程技术同时采用权利要求1至9任一项所述的基于双向最小路径传播的血管中心线的提取方法分别提取心脏的每条冠脉中心线。
12.一种图像处理设备,其特征在于,所述图像处理设备包括处理器以及与所述处理器连接的存储器,所述存储器用于存储程序数据,所述处理器用于执行程序数据以实现如权利要求1至9任一项所述的基于双向最小路径传播的血管中心线的提取方法或者权利要求10或11所述的基于双向最小路径传播的心脏冠脉树的提取方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序数据,所述程序数据被执行时以实现如权利要求1至9任一项所述的基于双向最小路径传播的血管中心线的提取方法或者权利要求10或11所述的基于双向最小路径传播的心脏冠脉树的提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010237588.8A CN111429438B (zh) | 2020-03-30 | 2020-03-30 | 血管中心线、心脏冠脉树的提取方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010237588.8A CN111429438B (zh) | 2020-03-30 | 2020-03-30 | 血管中心线、心脏冠脉树的提取方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429438A true CN111429438A (zh) | 2020-07-17 |
CN111429438B CN111429438B (zh) | 2023-10-13 |
Family
ID=71549935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010237588.8A Active CN111429438B (zh) | 2020-03-30 | 2020-03-30 | 血管中心线、心脏冠脉树的提取方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429438B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017167A (zh) * | 2020-08-24 | 2020-12-01 | 杭州深睿博联科技有限公司 | 一种基于双向冠脉血管跟踪的冠脉中心线生成方法及装置 |
CN112132814A (zh) * | 2020-09-25 | 2020-12-25 | 东南大学 | 基于双向最小路径传播的心脏cta冠脉树自动提取方法 |
CN113222964A (zh) * | 2021-05-27 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种冠脉中心线提取模型的生成方法及装置 |
CN115147360A (zh) * | 2022-06-13 | 2022-10-04 | 北京医准智能科技有限公司 | 一种斑块分割方法、装置、电子设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013219436A (ja) * | 2012-04-04 | 2013-10-24 | Nippon Telegr & Teleph Corp <Ntt> | マルチキャスト経路計算方法及び装置 |
CN104282009A (zh) * | 2013-07-02 | 2015-01-14 | 上海联影医疗科技有限公司 | 一种冠脉的提取方法 |
CN109035194A (zh) * | 2018-02-22 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 一种血管提取方法及装置 |
-
2020
- 2020-03-30 CN CN202010237588.8A patent/CN111429438B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013219436A (ja) * | 2012-04-04 | 2013-10-24 | Nippon Telegr & Teleph Corp <Ntt> | マルチキャスト経路計算方法及び装置 |
CN104282009A (zh) * | 2013-07-02 | 2015-01-14 | 上海联影医疗科技有限公司 | 一种冠脉的提取方法 |
CN109035194A (zh) * | 2018-02-22 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 一种血管提取方法及装置 |
Non-Patent Citations (1)
Title |
---|
邱建鹏: "《实时血管内导位置仿真算法研究》" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017167A (zh) * | 2020-08-24 | 2020-12-01 | 杭州深睿博联科技有限公司 | 一种基于双向冠脉血管跟踪的冠脉中心线生成方法及装置 |
CN112132814A (zh) * | 2020-09-25 | 2020-12-25 | 东南大学 | 基于双向最小路径传播的心脏cta冠脉树自动提取方法 |
CN113222964A (zh) * | 2021-05-27 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种冠脉中心线提取模型的生成方法及装置 |
CN115147360A (zh) * | 2022-06-13 | 2022-10-04 | 北京医准智能科技有限公司 | 一种斑块分割方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111429438B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429438B (zh) | 血管中心线、心脏冠脉树的提取方法、设备及存储介质 | |
Chen et al. | Curve-like structure extraction using minimal path propagation with backtracking | |
CN101425186B (zh) | 一种基于ct图像的肝脏分段方法及其系统 | |
US6690816B2 (en) | Systems and methods for tubular object processing | |
JP6912168B2 (ja) | 3d+時間再構成を改良する方法および装置 | |
KR102050649B1 (ko) | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 | |
EP3352135B1 (en) | Method and apparatus for segmentation of blood vessels | |
JP2007144177A (ja) | 低コントラストの管形状対象のための半自動セグメント分割手法の方法及び装置 | |
WO2007015061A1 (en) | Method for determining a path along a biological object with a lumen | |
US9198603B2 (en) | Device, method and program for searching for the shortest path in a tubular structure | |
CN111932554A (zh) | 一种肺部血管分割方法、设备及存储介质 | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
CN115953495B (zh) | 基于二维造影图像的智能路径规划装置、系统和存储介质 | |
CN116090364A (zh) | 基于cta影像的获取冠脉血流储备分数的方法和可读存储介质 | |
CN107392891B (zh) | 血管树提取方法、装置、设备及存储介质 | |
CN109717932A (zh) | 脉管穿刺位置的确定 | |
CN116051738A (zh) | 基于cta影像的冠状动脉血管模型重构的方法和可读存储介质 | |
Petković et al. | Real-time 3D position reconstruction of guidewire for monoplane X-ray | |
Ma et al. | A coronary artery segmentation method based on region growing with variable sector search area | |
CN112132882A (zh) | 从冠状动脉二维造影图像中提取血管中心线的方法和装置 | |
Zhou et al. | Pulmonary vessel segmentation utilizing curved planar reformation and optimal path finding (CROP) in computed tomographic pulmonary angiography (CTPA) for CAD applications | |
CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
KR102350998B1 (ko) | 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
CN112132814A (zh) | 基于双向最小路径传播的心脏cta冠脉树自动提取方法 | |
Li et al. | DUP-Net: Double U-PoolFormer Networks for Renal Artery Segmentation in CT Urography |
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 |