CN111626974A - 冠状动脉造影图像序列的质量评分方法和装置 - Google Patents

Abstract

本发明公开了一种冠状动脉造影图像序列的质量评分方法，包括：计算冠状动脉造影图像序列中每一帧图像的血管响应度；比较每一帧造影图像的血管响应度，得到造影图像序列的最优帧；利用图像梯度信息计算最优帧图像的质量评分；根据最优帧图像的质量评分和血管响应度，计算每一帧造影图像的质量评分。将图像质量量化，可以计算出序列中图像每一帧的质量评分并排序，通过图像质量评分不仅可以直观迅速的判断出冠状动脉造影图像质量的优劣，而且能够自动推荐出冠状动脉造影图像序列中的最优帧，便于后期冠状动脉造影图像分析，缩短人工处理时间，同时减少人工主观因素对分析结果带来的误差。

Description

冠状动脉造影图像序列的质量评分方法和装置

技术领域

本发明涉及医学图像处理技术领域，具体地涉及一种冠状动脉造影图像序列的质量评分方法和装置，可应用于X射冠状动脉造影图像的临床诊断。

背景技术

冠状动脉分布在心脏的表面，分出许多小分支进入心肌，并为心肌供应血液。冠状动脉粥样硬化是造成心脏受损和心肌梗塞的主要原因，准确的诊断并对其进行正确定位和量化非常关键。冠状动脉造影术可以提供快速、高质量的血管图像序列，是目前医学临床广泛采用的诊断和治疗冠心病的主要依据之一，被称为诊断冠心病的“金标准”。近些年来，冠状动脉造影图像分析已经引起广大心脏疾病研究者的注意，并成为国内外研究的热点。

在冠状动脉造影图像分析前，为了能更好的分析血管病变，首先需要挑选高质量的冠状动脉造影图像。如果对质量差的冠状动脉造影图像进行病变分析，会严重影响分析结果的准确度，所以判断冠状动脉造影图像质量优劣是冠状动脉造影图像分析的前提。评价冠状动脉造影图像质量好坏，需要结合造影图像的清晰度和血管的完整度这两个因素。目前，往往需要人工判断冠状动脉造影图像质量是否符合病变分析的要求，这过程不仅需要多年临床经验，耗费大量时间，而且由于人的主观判断标准存在差异，不可避免导致后续图像分析存在误差。本发明因此而来。

发明内容

为了解决上述存在的技术问题，本发明的目的是：提供了一种冠状动脉造影图像序列的质量评分方法和装置，将图像质量量化，可以计算出序列中图像每一帧的质量评分并排序，通过图像质量评分不仅可以直观迅速的判断出冠状动脉造影图像质量的优劣，而且能够自动推荐出冠状动脉造影图像序列中的最优帧，便于后期冠状动脉造影图像分析，缩短人工处理时间，同时减少人工主观因素对分析结果带来的误差。

本发明的技术方案是：

一种冠状动脉造影图像序列的质量评分方法，包括以下步骤：

S01：计算冠状动脉造影图像序列中每一帧图像的血管响应度；

S02：比较每一帧造影图像的血管响应度，得到造影图像序列的最优帧；

S03：利用图像梯度信息计算最优帧图像的质量评分；

S04：根据最优帧图像的质量评分和血管响应度，计算每一帧造影图像的质量评分。

优选的技术方案中，所述步骤S01包括以下步骤：

S11：利用Hessian矩阵计算血管响应度，血管响应度V为：

其中，

λ₁，λ₂为Hessian矩阵的两个特征值；β为线状和块状的区别参数，c为线状物体平滑程度参数，γ为线状物体清晰程度参数。

S12：重复上述步骤，计算造影图像序列每一帧的血管响应度，得到血管的响应度为{V_i|i＝0,1,2,...,f}，其中f为冠状动脉造影图像序列的总帧数。

优选的技术方案中，所述步骤S03具体包括：

S31：对最优帧图像I进行高斯平滑滤波得到参考图像I_r；

S32：分别提取参考图像I_r和最优帧图像I的梯度图像G_r和G；

S33：将梯度图像G和G_r分别划分为一定尺寸的小块，计算每块的方差，分别找出其中N个最大方差，记为{x_i|i＝1,2,...,N}和{y_i|i＝1,2,...,N}；

S34：计算最优帧图像的质量评分，最优帧图像的质量评分NRSS为：

其中，SSIM为结构相似度，

优选的技术方案中，所述步骤S04中每一帧造影图像的质量评分cl为：

cl＝NRSS*SSIM(H_opt,H_i)；

其中NRSS表示最优帧图像质量评分值，H_opt为最优帧的血管响应度，H_i表示第i帧图像的血管响应度。

本发明还公开了一种冠状动脉造影图像序列的质量评分装置，包括：

一血管响应度计算模块：计算冠状动脉造影图像序列中每一帧图像的血管响应度；

一最优帧图像判断模块：比较每一帧造影图像的血管响应度，得到造影图像序列的最优帧；

一最优帧图像质量评分计算模块：利用图像梯度信息计算最优帧图像的质量评分；

一造影图像质量评分计算模块：根据最优帧图像的质量评分和血管响应度，计算每一帧造影图像的质量评分。

优选的技术方案中，所述血管响应度计算模块的计算方法包括以下步骤：

S11：利用Hessian矩阵计算血管响应度，血管响应度V为：

其中，

λ₁，λ₂为Hessian矩阵的两个特征值；β为线状和块状的区别参数，c为线状物体平滑程度参数，γ为线状物体清晰程度参数。

S12：重复上述步骤，计算造影图像序列每一帧的血管响应度，得到血管的响应度为{V_i|i＝0,1,2,...,f}，其中f为冠状动脉造影图像序列的总帧数。

优选的技术方案中，所述最优帧图像质量评分计算模块的计算方法具体包括：

S31：对最优帧图像I进行高斯平滑滤波得到参考图像I_r；

S32：分别提取参考图像I_r和最优帧图像I的梯度图像G_r和G；

S33：将梯度图像G和G_r分别划分为一定尺寸的小块，计算每块的方差，分别找出其中N个最大方差，记为{x_i|i＝1,2,...,N}和{y_i|i＝1,2,...,N}；

S34：计算最优帧图像的质量评分，最优帧图像的质量评分NRSS为：

其中，SSIM为结构相似度，

优选的技术方案中，所述造影图像质量评分计算模块中每一帧造影图像的质量评分cl为：

cl＝NRSS*SSIM(H_opt,H_i)；

其中NRSS表示最优帧图像质量评分值，H_opt为最优帧的血管响应度，H_i表示第i帧图像的血管响应度。

与现有技术相比，本发明的优点是：

本发明方法可以将图像质量量化，可以计算出序列中图像每一帧的质量评分并排序。通过图像质量评分不仅可以直观迅速的判断出冠状动脉造影图像质量的优劣，而且能够自动推荐出冠状动脉造影图像序列中的最优帧，便于后期冠状动脉造影图像分析，缩短人工处理时间，同时减少人工主观因素对分析结果带来的误差，提高诊断效率及准确率。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明冠状动脉造影图像序列的质量评分方法的流程图；

图2为原始冠状动脉造影图像序列；

图3为图2中冠状动脉造影图像序列的质量评分示意图；

图4为根据图像质量评分从小到大重新排列的冠状动脉造影图像序列；

图5为图2中冠状动脉造影图像序列的最优帧。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1所示，冠状动脉造影图像序列的质量评分方法，首先，计算每一帧造影图像的血管响应度；其次，比较每一帧造影图像的血管响应度，判断出造影图像序列的最优帧；然后，由于梯度信息中包含边缘信息，所以利用图像梯度信息计算最优帧图像的质量评分；最后，根据最优帧图像的质量评分和血管响应度，计算每一帧造影图像的质量评分。

具体的每一步骤包括：

第一步，计算冠状动脉造影图像序列中每一帧图像的血管响应度。

1.1)从冠状动脉造影图像序列中提取一帧图像。

1.2)图像预处理。

使用3×3均值滤波器降低图像噪声，提高算法准确度。

1.3)利用Hessian矩阵计算血管响应度。

(a)二维Hessian矩阵为：

其中，

g(x,y)为高斯卷积模板，I(x，y)为冠状动脉造影图像。

(b)Hessian矩阵的两个特征值λ₁，λ₂可以由下面公式计算：

(c)Hessian矩阵对血管的响应度可表示为：

其中，

β用于调整线状和块状的区别，c为控制线状物体平滑程度的参数，γ为控制线状物体清晰程度的参数。响应度越大，表示当前位置是血管区域的可能越大。

重复上述步骤，计算造影图像序列每一帧的血管响应度，血管的响应度表示为{V_i|i＝0,1,2,...,f}，其中f为冠状动脉造影图像序列的总帧数。

第二步，计算管状动脉造影图像序列的最优帧。

比较造影图像序列每一帧的血管响应度，响应度最大的那一帧即为最优帧。

第三步，计算最优帧的图像质量评分。

3.1)构造参考图像。

定义最优帧的图像为I，对图像I进行高斯平滑滤波得到参考图像I_r。

3.2)提取梯度信息。

利用人眼对水平和垂直方向的边缘信息最为敏感的特性，使用Sobel算子分别提取参考图像I_r和最优帧I的梯度图像G_r和G。

3.3)梯度图像的方差分析。

将梯度图像G划分为一定尺寸的小块，例如8×8的小块，块间的步长为4，计算每块的方差，方差越大说明梯度信息越丰富。找出其中N个最大方差，记为{x_i|i＝1,2,...,N}，对应的G_r中的对应的N个最大方差为{y_i|i＝1,2,...,N}，其中N＝32。

3.4)计算最优帧的图像质量评分。

最优帧的图像质量评分计算方式可以表示为：

其中SSIM为结构相似度，其表达式如下：

第四步，计算每一帧图像的质量评分cl。

cl＝NRSS*SSIM(H_opt,H_i)，

其中NRSS表示最优帧图像质量评分值，H_opt为最优帧的血管响应度，H_i表示第i帧图像的血管响应度。

评分取值范围为[0,100]，当评分值为85～100,表明冠状动脉造影图像质量比较高，能满足病变分析的要求；当评分值为70～85表明冠状动脉造影图像质量较低，能满足部分病变分析的要求，但是病变分析结果可能误差比较大；当评分值为0～70表明冠状动脉造影图像质量很差，不能满足病变分析的要求。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (8)

1.一种冠状动脉造影图像序列的质量评分方法，其特征在于，包括以下步骤：

S01：计算冠状动脉造影图像序列中每一帧图像的血管响应度；

S02：比较每一帧造影图像的血管响应度，得到造影图像序列的最优帧；

S03：利用图像梯度信息计算最优帧图像的质量评分；

S04：根据最优帧图像的质量评分和血管响应度，计算每一帧造影图像的质量评分。

2.根据权利要求1所述的冠状动脉造影图像序列的质量评分方法，其特征在于，所述步骤S01包括以下步骤：

S11：利用Hessian矩阵计算血管响应度，血管响应度V为：

其中，

λ₁，λ₂为Hessian矩阵的两个特征值；β为线状和块状的区别参数，c为线状物体平滑程度参数，γ为线状物体清晰程度参数。

S12：重复上述步骤，计算造影图像序列每一帧的血管响应度，得到血管的响应度为{V_i|i＝0,1,2,...,f}，其中f为冠状动脉造影图像序列的总帧数。

3.根据权利要求1所述的冠状动脉造影图像序列的质量评分方法，其特征在于，所述步骤S03具体包括：

S31：对最优帧图像I进行高斯平滑滤波得到参考图像I_r；

S32：分别提取参考图像I_r和最优帧图像I的梯度图像G_r和G；

S33：将梯度图像G和G_r分别划分为一定尺寸的小块，计算每块的方差，分别找出其中N个最大方差，记为{x_i|i＝1,2,...,N}和{y_i|i＝1,2,...,N}；

S34：计算最优帧图像的质量评分，最优帧图像的质量评分NRSS为：

其中，SSIM为结构相似度，

4.根据权利要求1所述的冠状动脉造影图像序列的质量评分方法，其特征在于，所述步骤S04中每一帧造影图像的质量评分cl为：

cl＝NRSS*SSIM(H_opt,H_i)；

其中NRSS表示最优帧图像质量评分值，H_opt为最优帧的血管响应度，H_i表示第i帧图像的血管响应度。

5.一种冠状动脉造影图像序列的质量评分装置，其特征在于，包括：

一血管响应度计算模块：计算冠状动脉造影图像序列中每一帧图像的血管响应度；

一最优帧图像判断模块：比较每一帧造影图像的血管响应度，得到造影图像序列的最优帧；

一最优帧图像质量评分计算模块：利用图像梯度信息计算最优帧图像的质量评分；

一造影图像质量评分计算模块：根据最优帧图像的质量评分和血管响应度，计算每一帧造影图像的质量评分。

6.根据权利要求5所述的冠状动脉造影图像序列的质量评分装置，其特征在于，所述血管响应度计算模块的计算方法包括以下步骤：

S11：利用Hessian矩阵计算血管响应度，血管响应度V为：

其中，

λ₁，λ₂为Hessian矩阵的两个特征值；β为线状和块状的区别参数，c为线状物体平滑程度参数，γ为线状物体清晰程度参数。

S12：重复上述步骤，计算造影图像序列每一帧的血管响应度，得到血管的响应度为{V_i|i＝0,1,2,...,f}，其中f为冠状动脉造影图像序列的总帧数。

7.根据权利要求5所述的冠状动脉造影图像序列的质量评分装置，其特征在于，所述最优帧图像质量评分计算模块的计算方法具体包括：

S31：对最优帧图像I进行高斯平滑滤波得到参考图像I_r；

S32：分别提取参考图像I_r和最优帧图像I的梯度图像G_r和G；

S33：将梯度图像G和G_r分别划分为一定尺寸的小块，计算每块的方差，分别找出其中N个最大方差，记为{x_i|i＝1,2,...,N}和{y_i|i＝1,2,...,N}；

S34：计算最优帧图像的质量评分，最优帧图像的质量评分NRSS为：

其中，SSIM为结构相似度，

8.根据权利要求5所述的冠状动脉造影图像序列的质量评分装置，其特征在于，所述造影图像质量评分计算模块中每一帧造影图像的质量评分cl为：

cl＝NRSS*SSIM(H_opt,H_i)；

其中NRSS表示最优帧图像质量评分值，H_opt为最优帧的血管响应度，H_i表示第i帧图像的血管响应度。

Images