CN111815589B - 基于ct序列图像获取无干扰冠脉树图像的方法和系统 - Google Patents

基于ct序列图像获取无干扰冠脉树图像的方法和系统 Download PDF

Info

Publication number
CN111815589B
CN111815589B CN202010607316.2A CN202010607316A CN111815589B CN 111815589 B CN111815589 B CN 111815589B CN 202010607316 A CN202010607316 A CN 202010607316A CN 111815589 B CN111815589 B CN 111815589B
Authority
CN
China
Prior art keywords
image
point
center
circle
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
Application number
CN202010607316.2A
Other languages
English (en)
Other versions
CN111815589A (zh
Inventor
王之元
冯亮
刘广志
陈韵岱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Rainmed Medical Technology Co Ltd
Original Assignee
Suzhou Rainmed Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Rainmed Medical Technology Co Ltd filed Critical Suzhou Rainmed Medical Technology Co Ltd
Priority to CN202010607316.2A priority Critical patent/CN111815589B/zh
Priority to PCT/CN2020/110017 priority patent/WO2022000729A1/zh
Publication of CN111815589A publication Critical patent/CN111815589A/zh
Application granted granted Critical
Publication of CN111815589B publication Critical patent/CN111815589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30048—Heart; Cardiac

Abstract

本申请提供了一种基于CT序列图像获取无干扰冠脉树图像的方法和系统，方法包括：获取CT序列图像的三维数据；根据三维数据获取心脏重心和脊椎重心；从CT三维图像上过滤杂质数据，提取主动脉中心线；根据主动脉中心线的走向，获得左心房和左心室的连通域图像；从过滤掉杂质数据的CT三维图像上去除左心房和左心室的连通域图像，获得无干扰冠脉树图像。本申请通过先筛选出心脏重心和脊椎重心，对心脏和脊椎的位置进行定位，然后根据心脏和脊椎的位置从CT图像上去除肺部组织、降主动脉、脊椎、肋骨、左心房和左心室，得到无干扰冠脉树图像，减少了运算量，算法简单，容易操作，运算速度快，设计科学，图像处理精准。

Description

基于CT序列图像获取无干扰冠脉树图像的方法和系统
技术领域
本发明涉及冠状动脉医学技术领域，特别是涉及基于CT序列图像获取无干扰冠脉树图像的方法和系统。
背景技术
心血管疾病是工业化世界中的死亡的首要原因。主要形式的心血管疾病由脂肪物质在供应心脏、大脑、肾脏和下肢的动脉的内组织层中的慢性积聚引起。进行性冠状动脉疾病限制到心脏的血流。由于缺少通过当前的非侵入式测试提供的准确信息，许多患者需要侵入式导管流程来评价冠脉血流。因此，存在对于量化人类冠状动脉中的血流以评价可能的冠状动脉疾病的功能意义的非侵入式方法的需求。对动脉容量的可靠评价因此对于解决患者需求的处置规划将是重要的。最近的研究已经证明，血流动力学特性，诸如血流储备分数(FFR)，是确定针对具有动脉疾病的患者的最佳处置的重要指示器。对血流储备分数的常规评价使用侵入式导管插入术来直接测量血流特性，诸如压力和流速。然而，这些侵入式测量技术对患者存在风险，并且对健康护理系统可以导致显著的成本。
计算机断层摄影动脉血管造影是一种用于对动脉血管进行可视化的计算机断层摄影技术。出于该目的，X射线的射束从辐射源穿过患者的身体中的感兴趣区域以获得投影图像。
由于现有技术中的CT数据不做筛选，导致运算量很大，且存在运算速度慢，运算不准确的问题。
发明内容
本发明提供了一种基于CT序列图像获取无干扰冠脉树图像的方法和系统，以解决如何精确提取血管中心线的问题。
为实现上述目的，第一方面，本申请提供了一种基于CT序列图像获取无干扰冠脉树图像的方法，包括：
获取CT序列图像的三维数据；
根据所述三维数据获取心脏重心和脊椎重心；
从所述CT三维图像上过滤杂质数据，提取主动脉中心线；
根据所述主动脉中心线的走向，获得左心房和左心室的连通域图像；
从过滤掉杂质数据的所述CT三维图像上去除所述左心房和左心室的连通域图像，获得无干扰冠脉树图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述三维数据获取心脏重心的方法包括：
绘制所述CT图像的灰度直方图；
沿着所述灰度直方图的终点M至原点O方向，依次获取M点至M-1点，M点至M-2点，直至获取到M点至O点的各灰度值区域的体积；
获取各灰度值区域的体积与M点至O点的总区域的体积占比V；
如果V＝b，则拾取所述灰度值区域对应的起始点，将所述起始点投射到所述CT三维图像上，获取心脏区域三维图像，拾取所述心脏区域三维图像的物理重心，即为心脏重心P2；
其中，b表示常数，0.2＜b＜1。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，根据所述三维数据获取脊椎重心的方法包括：
如果V＝a，则拾取所述灰度值区域对应的起始点，将所述起始点投射到所述CT三维图像上，获取骨头区域三维图像，拾取所述骨头区域三维图像的物理重心，即为脊椎重心P1；
其中，a表示常数，0＜a＜0.2。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，从所述CT三维图像上过滤杂质数据，提取主动脉中心线的方法包括：从所述CT三维图像上去除肺部组织、降主动脉、脊椎、肋骨，得到含有左心房、左心室、无干扰冠脉树的第五图像；
从所述第五图像中提取主动脉中心线。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述CT三维图像去除肺部组织的方法包括：
根据医学知识以及CT图像成像原理，设置肺部灰度阈值Q肺；
如果所述灰度直方图中的灰度值小于Q肺，则去除所述灰度值对应的图像，得到去除肺部组织的所述第一图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述CT三维图像去除降主动脉的方法包括：
将所述心脏重心P2投影到所述第一图像上，获得心脏的圆心O1；
设置所述降主动脉灰度阈值Q降，对所述第一图像进行二值化处理；
根据所述降主动脉与心脏圆心O1的距离，以及所述脊椎与所述心脏圆心O1的距离，获取降主动脉对应的圆；
从所述第一图像上去除降主动脉，得到所述第二图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述设置所述降主动脉灰度阈值Q降，对所述第一图像进行二值化处理的方法包括：
获取所述第一图像内的灰度值大于所述降主动脉灰度阈值Q降的像素点PO，计算所述像素点PO的平均灰度值Q1；
从所述第一图像的底层开始分层切片，得到第一二维切片图像组；
根据
Figure GDA0003688330740000031
对所述第一图像进行二值化处理，去除所述第一图像中的杂质点，得到二值化图像，其中，k为正整数，Qk表示第k个像素点PO对应的灰度值，P(k)表示第k个像素点PO对应的像素值。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述降主动脉与心脏圆心O1的距离，以及所述脊椎与所述心脏圆心O1的距离，获取所述降主动脉对应的圆的方法包括：
设置所述降主动脉至所述心脏边缘构成的圆的半径阈值为r阈；
根据所述降主动脉与所述心脏的距离小于所述脊椎与所述心脏的距离，获取所述脊椎的大致区域与所述降主动脉的大致区域；
根据所述降主动脉的大致区域，去除误差像素点，获得所述降主动脉图像，即为所述降主动脉对应的圆。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述降主动脉与所述心脏的距离小于所述脊椎与所述心脏的距离，获取所述脊椎的大致区域与所述降主动脉的大致区域的方法包括：
如果霍夫检测算法获得圆的半径r＞r阈，则此圆是脊椎对应的圆，不对此圆的圆心和半径进行记录，即为所述脊椎的大致区域；
如果霍夫检测算法获得圆的半径r≤r阈，则此圆可能是降主动脉对应的圆，记录此圆的圆心和半径，即为降主动脉的大致区域。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述降主动脉的大致区域，去除误差像素点，获得所述降主动脉图像，即为所述降主动脉对应的圆的方法包括：
对所述降主动脉的大致区域内的所述圆的圆心和半径进行筛选，去除相邻切片之间圆心偏离较大的圆，即去除误差像素点，形成降主动脉的种子点列表，获得所述降主动脉图像，即为所述降主动脉对应的圆。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述从所述第一图像上去除降主动脉，得到所述第二图像的方法包括：
如果所述种子点列表中的圆心个数大于等于3，则计算所述全部所述种子点的平均半径
Figure GDA0003688330740000053
和平均圆心点P3；
计算以P3为圆心，以
Figure GDA0003688330740000054
为半径的圆内所有像素点PO的灰度值的平均值
Figure GDA0003688330740000052
设置参数a，得到连通域灰度阈值
Figure GDA0003688330740000051
其中a为正数；优选地，a＝30。
重新计算连通域的中心点P4；
从底层开始，依次计算每层二维切片上P3与P4的欧氏距离；
如果第b层的所述二维切片上P3与P4的欧氏距离大于m，则将所述第b层及以上的所有二维切片的像素点PO对应的像素值设置为0，得到第一层至第b-1层对应的图像，为所述第二图像，其中b为大于等于2的正数，m≥5；
如果第b层的所述二维切片上P3与P4的欧氏距离小于等于m，则提取所述第b层的二维切片内灰度值大于0的像素点，将所述第b层的所述二维切片上的P3点设置为P4点；将所述第b+1层及以上的所有二维切片的像素点PO对应的像素值设置为0，得到第一层至第b层对应的图像，为所述第二图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述CT三维图像去除脊椎的方法包括：
根据所述脊椎重心P1、心脏重心P2设置脊椎灰度阈值Q脊；
提取所述第二图像中像素点PO对应的灰度值大于Q脊的像素点；
根据提取的像素点提取脊椎连通域，去除所述脊椎连通域，得到第三图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述CT三维图像去除肋骨的方法包括：
提取所述第三图像中像素点PO对应的灰度值大于0的像素点，并将与所述第二图像相对应的所述像素点的灰度值设置为0，得到第四图像；
设置肋骨灰度阈值Q肋，从所述第四图像上提取灰度值Q＞Q肋的像素点，根据提取的所述像素点提取肋骨连通域，去除所述肋骨连通域，得到去除降主动脉、脊椎、肋骨的第五图像，所述第五图像为含有左心室、左心房、冠脉树的图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述CT三维图像去除左心房和左心室的方法包括：
从所述第五图像中提取主动脉中心线；
根据所述主动脉中心线的走向，沿着所述主动脉的中心线的垂直平面得到第六图像；
获得左心房和左心室的连通域图像；
从所述第五图像中去除所述左心房和左心室的连通域图像，获得获得含有右心房、右心室和冠脉树的图像，即为第十图像。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述从所述第五图像中提取主动脉中心线的方法包括：
对所述第五图像进行分层切片，得到二值化图像组；
从所述二值化图像组中的每层所述切片上获得圆心P5k，以及对应的圆的半径为Rk，k表示第k层切片；
过滤圆心P5k，生成新的点列表；
过滤半径Rk，生成新的半径列表；
将每层所述切片内的位于所述点列表和所述半径列表中的像素点对应到所述第五图像中，在所述第五图像中得到主动脉中心线。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述对所述第五图像进行分层切片，得到二值化图像组的方法包括：
A)从所述第五图像的顶层开始分层切片，得到第二二维图像组；
B)设置冠脉树灰度阈值Q冠1；根据
Figure GDA0003688330740000061
对所述第五图像的每一层的切片均进行二值化处理，去除所述第五图像中的杂质点，得到所述二值化图像组；
其中，i为正整数，Qi表示第i个像素点PO对应的灰度值，P(i)表示第i个像素点PO对应的像素值。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述从所述二值化图像组中的每层所述切片上获得圆心P5k，以及对应的圆的半径为Rk，k表示第k层切片的方法包括：
C)为所述二值化图像组中的每层所述切片建立一张搜索引擎列表，包括：点列表和半径列表，将所述第五图像中提取的像素值为1的点对应的填入每层所述切片的所述点列表中；
D)设定每层所述切片的所述点列表中的像素点的个数阈值均为N阈1、N阈2，以及半径阈值均为R阈1、R阈2，依次从顶层开始对每层所述切片进行步骤E至步骤M的过程；
E)如果Nk≤N阈1，Rk＝R阈1±j，其中，Nk表示第k层所述切片的所述点列表中的像素点的个数，则检测所述第k层切片内的1个圆，以该圆的圆心为圆心Ok，进行步骤I，如果未检测到圆则进行步骤H；
F)如果Nk≤N阈1，Rk≠R阈1±j，则检测所述第k层切片内的3个圆，如果检测到3个圆则进行步骤I，如果未检测到3个圆则进行所述步骤H；
G)如果Nk＞N阈1，则重新确定圆心，取所述第k-1层切片内的圆心与所述点列表中的末尾点D距离最近的点为圆心Ok，进行步骤I，如果未检测到圆则进行步骤H；
H)检测Nk与N阈1-1的关系，重复所述步骤E至所述步骤G，如果仍然没有检测到圆，则检测N与N阈1-2的关系，重复所述步骤E至所述步骤G；依次类推，直至找到圆心Ok；
I)以所述圆心Ok为起点，分别沿X轴的正方向、负方向以及Y轴正方向找到3个灰度值为0的点；根据3点确定一个圆找到圆心P5k和半径Rk。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述过滤圆心P5k，生成新的点列表的方法包括：
J)如果所述第k层切片的半径Rk＜R阈2，则重复所述步骤E至所述步骤I的过程，直至找到半径Rk≥R阈2的圆心P5k；
K)如果所述圆心P5k在所述第五图像上的灰度值小于0，则重复所述步骤E至所述步骤I的过程，直至找到半径R1≥R阈2，且灰度值大于等于0的圆心P5k；
L)将R1≥R阈2，且灰度值大于等于0的圆心P5k添加进入点列表中，生成新的半径列表，半径Rk添加进入半径列表中。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，过滤半径Rk，生成新的半径列表的方法包括：
M)如果Nk＜N阈2，则比较圆心P5k与所述点列表中的末尾点的距离L，如果L＞L阈，则重复所述步骤E至所述步骤N，直至所述点列表中的点的个数Nk≥N阈2，或L≤L阈；
N)如果Nk≥N阈2，或Nk＜N阈2、L≤L阈则将偏离所述圆心P5k远的点的半径值替换为剩余点的平均半径值，作为Rk，将所述半径Rk填入所述半径列表中，生成新的半径列表。
可选地，上述的基于CT序列图像获取无干扰冠脉树图像的方法，所述根据所述主动脉中心线的走向，沿着所述主动脉的中心线的垂直平面得到第六图像的方法包括：
设定左心室灰度阈值Q左，截取所述点列表中的末尾点D在所述第五图像中的XZ平面，获取灰度值Q＞Q左的像素点，获得由全部所述像素点构成的圆的圆心O2，将所述圆心O2投影到所述第五图像上，获取所述左心室的重心点P6；
获取所述XZ平面内，圆心P5k和重心点P6所在直线的中垂线，所述中垂线与所述Y轴构成的平面；
将位于所述中垂线与Y轴构成的平面内的所述第五图像上的像素点的像素值设置为0，得到第六图像；
拾取所述点列表中的起始点、中点、重心点P6和末尾点D绘制贝塞尔曲线；
假设所述连通域的中心点P4、所述末尾点D位于所述贝塞尔曲线上，拾取所述末尾点D和所述重心点P6之间的所述贝塞尔曲线的曲线段，沿着所述末尾点D至所述P6方向延伸，延伸长度为R阈1，获取延伸段曲线；
如果延伸段曲线内的像素点位于所述第五图像内，且所述延伸段曲线内的像素点的灰度值Q＞Q降，则提取所述像素点，获得所述主动脉图像，即为第七图像；
所述第五图像减去所述第七图像，得到第八图像；
在所述第八图像内，拾取所述左心室的重心点P6周边的灰度值Q＞Q降的像素点，得到左心房和左心室的连通域图像，即为第九图像。
第二方面，本申请提供了一种计算机存储介质，计算机程序被处理器执行时实现上述的基于CT序列图像获取无干扰冠脉树图像的方法。
第三方面，本申请提供了一种基于CT序列图像获取冠脉树的系统，包括：CT数据获取装置、心脏重心提取装置、脊椎重心提取装置和无干扰冠脉树图像获取装置；
所述CT数据获取装置，用于获取CT序列图像的三维数据；
所述心脏重心提取装置，与所述CT数据获取装置连接，用于根据所述三维数据获取心脏重心；
所述脊椎重心提取装置，与所述CT数据获取装置连接，用于根据所述三维数据获取脊椎重心；
所述无干扰冠脉树图像获取装置，与所述CT数据获取装置、所述心脏重心提取装置、所述脊椎重心提取装置连接，用于从所述CT三维图像上去除肺部组织、降主动脉、脊椎、肋骨、左心房和左心室，得到无干扰冠脉树图像；
本申请实施例提供的方案带来的有益效果至少包括：
本申请提供了基于CT序列图像获取无干扰冠脉树图像的方法，通过先筛选出心脏重心和脊椎重心，对心脏和脊椎的位置进行定位，然后根据心脏和脊椎的位置从CT图像上去除肺部组织、降主动脉、脊椎、肋骨、左心房和左心室，减少了运算量，算法简单，容易操作，运算速度快，设计科学，图像处理精准。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本申请的基于CT序列图像获取无干扰冠脉树图像的方法的流程图；
图2为本申请的获取心脏重心P2的方法的流程图；
图3为本申请的去除肺部组织的方法的流程图；
图4为本申请的去除降主动脉的方法的流程图；
图5为本申请的S3040的流程图；
图6为本申请的S3050的流程图；
图7为本申请的S3060的流程图；
图8为本申请的去除脊椎的方法的流程图；
图9为去除肋骨的方法的流程图；
图10为去除左心房和左心室的方法的流程图；
图11为本申请的S3130的流程图；
图12为本申请的S3140的流程图；
图13为本申请的基于CT序列图像获取无干扰冠脉树图像的系统结构框图；
图14为本申请的第一图像的结构示意图；
图15为本申请的第二图像的结构示意图；
图16为本申请的第三图像的结构示意图；
图17为本申请的第五图像的结构示意图；
图18为本申请的第六图像的结构示意图；
图19为本申请的第七图像的结构示意图；
图20为本申请的第八图像的结构示意图；
图21为本申请的第九图像的结构示意图；
图22为本申请的第十图像的结构示意图；
下面对附图标记进行说明：
CT数据获取装置100，心脏重心提取装置200，脊椎重心提取装置300，无干扰冠脉树图像获取装置400。
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，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
以下将以图式揭露本发明的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
现有技术中的CT数据不做筛选，导致运算量很大，且存在运算速度慢，运算不准确的问题。
实施例1：
为了解决上述问题，本申请提供了一种基于CT序列图像获取无干扰冠脉树图像的方法，如图1所示，包括：
S1000，获取CT序列图像的三维数据，包括：
S2000，根据三维数据获取心脏重心和脊椎重心；
(1)如图2所示，获取心脏重心P2的方法包括：
S2100，绘制CT图像的灰度直方图；
S2200，沿着灰度直方图的终点M至原点O方向，依次获取M点至M-1点，M点至M-2点，直至获取到M点至O点的各灰度值区域的体积；
S2300，获取各灰度值区域的体积与M点至O点的总区域的体积占比V；
S2400，如果V＝b，则拾取灰度值区域对应的起始点，将起始点投射到CT三维图像上，获取心脏区域三维图像，拾取心脏区域三维图像的物理重心，即为心脏重心P2；其中，b表示常数，0.2＜b＜1。优选地，0.4＜b＜1，b＝0.6效果最佳。
(2)获取脊椎重心P1的方法包括：
如果V＝a，则拾取灰度值区域对应的起始点，将起始点投射到CT三维图像上，获取骨头区域三维图像，拾取骨头区域三维图像的物理重心，即为脊椎重心P1；其中，a表示常数，0＜a＜0.2。优选地，0＜a＜0.1，a＝0.005效果最佳。
S3000，从所述CT三维图像上过滤杂质数据，提取主动脉中心线；根据所述主动脉中心线的走向，获得左心房和左心室的连通域图像；从过滤掉杂质数据的所述CT三维图像上去除所述左心房和左心室的连通域图像，获得无干扰冠脉树图像，包括：
从所述CT三维图像上过滤杂质数据包括：从所述CT三维图像上去除肺部组织、降主动脉、脊椎、肋骨，得到含有左心房、左心室、无干扰冠脉树的第五图像，具体为：
Ⅰ)如图3所示，去除肺部组织的方法，包括：
S3010，根据医学知识以及CT图像成像原理，设置肺部灰度阈值Q肺；
S3020，如果灰度直方图中的灰度值小于Q肺，则去除灰度值对应的图像，得到去除肺部组织的如图14所示的第一图像。优选地，Q肺＝-150～-50，Q肺＝-100效果最佳。
Ⅱ)如图4所示，去除降主动脉的方法，包括：
S3030，将心脏重心P2投影到第一图像上，获得心脏的圆心O1；
S3040，设置降主动脉灰度阈值Q降，对第一图像进行二值化处理；优选地，Q降＝200，如图5所示，包括：
S3041，获取第一图像内的灰度值大于降主动脉灰度阈值Q降的像素点PO，计算像素点PO的平均灰度值；
S3042，从第一图像的底层开始分层切片，得到第一二维切片图像组；
S3043，根据
Figure GDA0003688330740000131
对第一图像进行二值化处理，去除第一图像中的杂质点，得到二值化图像，其中，k为正整数，Qk表示第k个像素点PO对应的灰度值，P(k)表示第k个像素点PO对应的像素值。
S3050，根据降主动脉与心脏圆心O1的距离，以及脊椎与心脏圆心O1的距离，获取降主动脉对应的圆，如图6所示，包括：
S3051，设置降主动脉至心脏边缘构成的圆的半径阈值为r阈；优选地，r阈＝5～15；
S3052，根据降主动脉与心脏的距离小于脊椎与心脏的距离，获取脊椎的大致区域与降主动脉的大致区域，包括：
(1)如果霍夫检测算法获得圆的半径r＞r阈，则此圆是脊椎对应的圆，不对此圆的圆心和半径进行记录，即为脊椎的大致区域；
(2)如果霍夫检测算法获得圆的半径r≤r阈，则此圆可能是降主动脉对应的圆，记录此圆的圆心和半径，即为降主动脉的大致区域。
S3053，根据降主动脉的大致区域，去除误差像素点，获得降主动脉图像，即为降主动脉对应的圆，包括：
对降主动脉的大致区域内的圆的圆心和半径进行筛选，去除相邻切片之间圆心偏离较大的圆，即去除误差像素点，形成降主动脉的种子点列表，获得降主动脉图像，即为降主动脉对应的圆。
S3060，从第一图像上去除降主动脉，得到如图15所示的第二图像，如图7所示，包括：
S3061，如果种子点列表中的圆心个数大于等于3，则计算全部种子点的平均半径
Figure GDA0003688330740000143
和平均圆心点P3；
S3062，计算以P3为圆心，以
Figure GDA0003688330740000144
为半径的圆内所有像素点PO的灰度值的平均值
Figure GDA0003688330740000141
设置参数a，得到连通域灰度阈值
Figure GDA0003688330740000142
其中a为正数；优选地，a＝20～40，a＝30效果最佳。
S3063，重新计算连通域的中心点P4；
S3064，从底层开始，依次计算每层二维切片上P3与P4的欧氏距离；
S3065，如果第b层的二维切片上P3与P4的欧氏距离大于m，则将第b层及以上的所有二维切片的像素点PO对应的像素值设置为0，得到第一层至第b-1层对应的图像，为第二图像，其中b为大于等于2的正数，m≥5；
S3066，如果第b层的二维切片上P3与P4的欧氏距离小于等于m，则提取第b层的二维切片内灰度值大于0的像素点，将第b层的二维切片上的P3点设置为P4点；将第b+1层及以上的所有二维切片的像素点PO对应的像素值设置为0，得到第一层至第b层对应的图像，为第二图像。
Ⅲ)如图8所示，去除脊椎的方法，包括：
S3070，根据脊椎重心P1、心脏重心P2设置脊椎灰度阈值Q脊；
S3080，提取第二图像中像素点PO对应的灰度值大于Q脊的像素点；
S3090，根据提取的像素点提取脊椎连通域，去除脊椎连通域，得到如图16所示的第三图像。
IV)如图9所示，去除肋骨的方法，包括：
S3100，提取第三图像中像素点PO对应的灰度值大于0的像素点，并将与第二图像相对应的像素点的灰度值设置为0，得到第四图像(本领域内技术人员能够理解，故省略)；
S3110，设置肋骨灰度阈值Q肋，从第四图像上提取灰度值Q＞Q肋的像素点，根据提取的像素点提取肋骨连通域，去除肋骨连通域，得到去除降主动脉、脊椎、肋骨的如图17所示的第五图像，第五图像为含有左心室、左心房、无干扰冠脉树的图像。优选地，Q肋＝10～40，Q肋＝30效果最佳。
(V)如图10所示，去除左心房和左心室的方法包括：
S3120，从第五图像中提取主动脉中心线，包括：
S3121，对第五图像进行分层切片，得到二值化图像组，包括：
A)从第五图像的顶层开始分层切片，得到第二二维图像组；
B)设置冠脉树灰度阈值Q冠1；根据
Figure GDA0003688330740000151
对第五图像的每一层的切片均进行二值化处理，去除第五图像中的杂质点，得到二值化图像组；
其中，m为正整数，Qm表示第m个像素点PO对应的灰度值，P(m)表示第m个像素点PO对应的像素值。
S3122，从二值化图像组中的每层切片上获得圆心P5k，以及对应的圆的半径为Rk，k表示第k层切片，包括：
C)为二值化图像组中的每层切片建立一张搜索引擎列表，包括：点列表和半径列表，将第五图像中提取的像素值为1的点对应的填入每层切片的点列表中；
D)设定每层切片的点列表中的像素点的个数阈值均为N阈1、N阈2，以及半径阈值均为R阈1、R阈2，依次从顶层开始对每层切片进行步骤E至步骤M的过程；优选地，R阈1＝15mm，R阈2＝3mm。
E)如果Nk≤N阈1，Rk＝R阈1±j，其中，Nk表示第k层切片的点列表中的像素点的个数，则检测第k层切片内的1个圆，以该圆的圆心为圆心Ok，进行步骤I，如果未检测到圆则进行步骤H；
F)如果Nk≤N阈1，Rk≠R阈1±j，则检测第k层切片内的3个圆，如果检测到3个圆则进行步骤I，如果未检测到3个圆则进行步骤H；优选地，m＝0～0.5。
G)如果Nk＞N阈1，则重新确定圆心，取第k-1层切片内的圆心与点列表中的末尾点D距离最近的点为圆心Ok，进行步骤I，如果未检测到圆则进行步骤H；优选地，N阈1＝4。
H)检测Nk与N阈1-1的关系，重复步骤E至步骤G，如果仍然没有检测到圆，则检测N与N阈1-2的关系，重复步骤E至步骤G；依次类推，直至找到圆心Ok；
I)以圆心Ok为起点，分别沿X轴的正方向、负方向以及Y轴正方向找到3个灰度值为0的点；根据3点确定一个圆找到圆心P5k和半径Rk。
S3123，过滤圆心P5k，生成新的点列表，包括：
J)如果第k层切片的半径Rk＜R阈2，则重复步骤E至步骤I的过程，直至找到半径Rk≥R阈2的圆心P5k；
K)如果圆心P5k在第五图像上的灰度值小于0，则重复步骤E至步骤I的过程，直至找到半径R1≥R阈2，且灰度值大于等于0的圆心P5k；
L)将R1≥R阈2，且灰度值大于等于0的圆心P5k添加进入点列表中，生成新的半径列表，半径Rk添加进入半径列表中。
S3124，过滤半径Rk，生成新的半径列表，包括：
M)如果Nk＜N阈2，则比较圆心P5k与点列表中的末尾点的距离L，如果L＞L阈，则重复步骤E至步骤N，直至点列表中的点的个数Nk≥N阈2，或L≤L阈；优选地，L阈＝8mm。
N)如果Nk≥N阈2，或Nk＜N阈2、L≤L阈则将偏离圆心P5k远的点的半径值替换为剩余点的平均半径值，作为Rk，将半径Rk填入半径列表中，生成新的半径列表。优选地，N阈2＝3。
S3125，将每层切片内的位于点列表和半径列表中的像素点对应到第五图像中，在第五图像中得到主动脉中心线。
S3130，根据主动脉中心线的走向，沿着主动脉的中心线的垂直平面得到如图18所示的第六图像，如图11所示，包括：
S3131，设定左心室灰度阈值Q左，截取点列表中的末尾点D在第五图像中的XZ平面，获取灰度值Q＞Q左的像素点，获得由全部像素点构成的圆的圆心O2，将圆心O2投影到第五图像上，获取左心室的重心点P6；
S3132，获取XZ平面内，圆心P5k和重心点P6所在直线的中垂线，中垂线与Y轴构成的平面；
S3133，将位于所述中垂线与Y轴构成的平面内的所述第五图像上的像素点的像素值设置为0，得到第六图像。
S3140，获得左心房和左心室的连通域图像，如图12所示，包括：
S3141，拾取点列表中的起始点、中点、重心点P6和末尾点D绘制贝塞尔曲线；
S3142，假设连通域的中心点P4、末尾点D位于贝塞尔曲线上，拾取末尾点D和重心点P6之间的贝塞尔曲线的曲线段，沿着末尾点D至P6方向延伸，延伸长度为R阈1，获取延伸段曲线；
S3143，如果延伸段曲线内的像素点位于第五图像内，且延伸段曲线内的像素点的灰度值Q＞Q降，则提取像素点，获得主动脉图像，即为如图19所示的第七图像，包括：获得其在第五图像内对应层，将此层以上数据根据点列表和半径数据，将对应层内距离圆心小于半径且灰度Q>Q降的像素提取，得到图像像素值，膨胀图像并与第六图像相乘，采用Sigmoid非线性函数将各像素值替换到0-255，计算各像素的梯度并提取梯度值大于10的像素点，将第六图像内对应的像素点的像素值置0，然后以中心线点列表为种子点提取像素值大于200的连通域，得到第七图像；优选地，Q降＝180～220，Q降＝200效果最佳。
S3144，第五图像减去第七图像，得到如图20所示的第八图像；
S3145，在第八图像内，拾取左心室的重心点P6周边的灰度值Q＞Q降的像素点，得到左心房和左心室的连通域图像，即为如图21所示的第九图像。
S3150，从第五图像中去除第九图像，获得无干扰冠脉树图像，即为如图22所示的第十图像。
本申请提供了基于CT序列图像获取无干扰冠脉树图像的方法，通过先筛选出心脏重心和脊椎重心，对心脏和脊椎的位置进行定位，然后根据心脏和脊椎的位置从CT图像上去除肺部组织、降主动脉、脊椎、肋骨、左心房和左心室，减少了运算量，算法简单，容易操作，运算速度快，设计科学，图像处理精准。
实施例2：
如图13所示，本申请提供了一种基于CT序列图像获取冠脉树的系统，包括：CT数据获取装置100、心脏重心提取装置200、脊椎重心提取装置300和无干扰冠脉树图像获取装置400；CT数据获取装置100用于获取CT序列图像的三维数据；心脏重心提取装置200与CT数据获取装置100连接，用于根据三维数据获取心脏重心；脊椎重心提取装置300，与CT数据获取装置100连接，用于根据三维数据获取脊椎重心；无干扰冠脉树图像获取装置400，与CT数据获取装置100、心脏重心提取装置200、脊椎重心提取装置300连接，用于从CT三维图像上去除肺部组织、降主动脉、脊椎、肋骨、左心房和左心室，得到无干扰冠脉树图像。
本申请提供了一种计算机存储介质，计算机程序被处理器执行时实现上述的基于CT序列图像获取无干扰冠脉树图像的方法。
所属技术领域的技术人员知道，本发明的各个方面可以实现为系统、方法或计算机程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、驻留软件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明的各个方面还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。本发明的实施例的方法和/或系统的实施方式可以涉及到手动地、自动地或以其组合的方式执行或完成所选任务。
例如，可以将用于执行根据本发明的实施例的所选任务的硬件实现为芯片或电路。作为软件，可以将根据本发明的实施例的所选任务实现为由计算机使用任何适当操作系统执行的多个软件指令。在本发明的示例性实施例中，由数据处理器来执行如本文的根据方法和/或系统的示例性实施例的一个或多个任务，诸如用于执行多个指令的计算平台。可选地，该数据处理器包括用于存储指令和/或数据的易失性储存器和/或用于存储指令和/或数据的非易失性储存器，例如，磁硬盘和/或可移动介质。可选地，也提供了一种网络连接。可选地也提供显示器和/或用户输入设备，诸如键盘或鼠标。
可利用一个或多个计算机可读的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举列表)将包括以下各项：
具有一个或多个导线的电连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括(但不限于)无线、有线、光缆、RF等等，或者上述的任意合适的组合。
例如，可用一个或多个编程语言的任何组合来编写用于执行用于本发明的各方面的操作的计算机程序代码，包括诸如Java、Smalltalk、C++等面向对象编程语言和常规过程编程语言，诸如"C"编程语言或类似编程语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络--包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些计算机程序指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。
也可以把这些计算机程序指令存储在计算机可读介质中，这些指令使得计算机、其它可编程数据处理装置、或其它设备以特定方式工作，从而，存储在计算机可读介质中的指令就产生出包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的指令的制造品(article of manufacture)。
还可将计算机程序指令加载到计算机(例如，冠状动脉分析系统)或其它可编程数据处理设备上以促使在计算机、其它可编程数据处理设备或其它设备上执行一系列操作步骤以产生计算机实现过程，使得在计算机、其它可编程装置或其它设备上执行的指令提供用于实现在流程图和/或一个或多个框图方框中指定的功能/动作的过程。
本发明的以上的具体实例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，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。

Claims (21)

1.一种基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，包括：
获取CT序列图像的三维数据；
根据所述三维数据获取心脏重心和脊椎重心，包括：根据灰度直方图各区域与总区域的体积比获得心脏重心，包括：沿着所述灰度直方图的终点M至原点O方向，依次获取M点至M-1点，M点至M-2点，直至获取到M点至O点的各灰度值区域的体积；获取各灰度值区域的体积与M点至O点的总区域的体积占比V；如果V＝e，则拾取所述灰度值区域对应的起始点，将所述起始点投射到所述CT序列图像的三维数据上，获取心脏区域三维图像，拾取所述心脏区域三维图像的物理重心，即为心脏重心P2；其中，e表示常数；
从CT三维图像上过滤杂质数据，提取主动脉中心线；
根据所述主动脉中心线的走向，获得左心房和左心室的连通域图像；
从过滤掉杂质数据的所述CT三维图像上去除所述左心房和左心室的连通域图像，获得无干扰冠脉树图像。
2.根据权利要求1所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，0.2＜e＜1。
3.根据权利要求2所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，根据所述三维数据获取脊椎重心的方法包括：
如果V＝a，则拾取所述灰度值区域对应的起始点，将所述起始点投射到所述CT三维图像上，获取骨头区域三维图像，拾取所述骨头区域三维图像的物理重心，即为脊椎重心P1；
其中，a表示常数，0＜a＜0.2。
4.根据权利要求1所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，从所述CT三维图像上过滤杂质数据，提取主动脉中心线的方法包括：
从所述CT三维图像上去除肺部组织、降主动脉、脊椎、肋骨，得到含有左心房、左心室、无干扰冠脉树的第五图像；
从所述第五图像中提取主动脉中心线。
5.根据权利要求4所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述CT三维图像去除肺部组织的方法包括：
根据医学知识以及CT图像成像原理，设置肺部灰度阈值Q肺；
如果灰度直方图中的灰度值小于Q肺，则去除所述灰度值对应的图像，得到去除肺部组织的第一图像。
6.根据权利要求5所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述CT三维图像去除降主动脉的方法包括：
将所述心脏重心P2投影到所述第一图像上，获得心脏的圆心O1；
设置所述降主动脉灰度阈值Q降，对所述第一图像进行二值化处理；
根据所述降主动脉与心脏圆心O1的距离，以及所述脊椎与所述心脏圆心O1的距离，获取降主动脉对应的圆；
从所述第一图像上去除降主动脉，得到第二图像。
7.根据权利要求6所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述设置所述降主动脉灰度阈值Q降，对所述第一图像进行二值化处理的方法包括：
获取所述第一图像内的灰度值大于所述降主动脉灰度阈值Q降的像素点PO，计算所述像素点PO的平均灰度值Q1；
从所述第一图像的底层开始分层切片，得到第一二维切片图像组；
根据
Figure FDA0003692909470000031
对所述第一图像进行二值化处理，去除所述第一图像中的杂质点，得到二值化图像，其中，k为正整数，Qk表示第k个像素点PO对应的灰度值，P(k)表示第k个像素点PO对应的像素值。
8.根据权利要求7所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述降主动脉与心脏圆心O1的距离，以及所述脊椎与所述心脏圆心O1的距离，获取所述降主动脉对应的圆的方法包括：
设置所述降主动脉至所述心脏边缘构成的圆的半径阈值为r阈；
根据所述降主动脉与所述心脏的距离小于所述脊椎与所述心脏的距离，获取所述脊椎的大致区域与所述降主动脉的大致区域；
根据所述降主动脉的大致区域，去除误差像素点，获得所述降主动脉图像，即为所述降主动脉对应的圆。
9.根据权利要求8所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述降主动脉与所述心脏的距离小于所述脊椎与所述心脏的距离，获取所述脊椎的大致区域与所述降主动脉的大致区域的方法包括：
如果霍夫检测算法获得圆的半径r＞r阈，则此圆是脊椎对应的圆，不对此圆的圆心和半径进行记录，即为所述脊椎的大致区域；
如果霍夫检测算法获得圆的半径r≤r阈，则此圆可能是降主动脉对应的圆，记录此圆的圆心和半径，即为降主动脉的大致区域。
10.根据权利要求9所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述降主动脉的大致区域，去除误差像素点，获得所述降主动脉图像，即为所述降主动脉对应的圆的方法包括：
对所述降主动脉的大致区域内的所述圆的圆心和半径进行筛选，去除相邻切片之间圆心偏离较大的圆，即去除误差像素点，形成降主动脉的种子点列表，获得所述降主动脉图像，即为所述降主动脉对应的圆。
11.根据权利要求10所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述从所述第一图像上去除降主动脉，得到所述第二图像的方法包括：
如果所述种子点列表中的圆心个数大于等于3，则计算全部所述种子点的平均半径
Figure FDA0003692909470000041
和平均圆心点P3；
计算以P3为圆心，以
Figure FDA0003692909470000042
为半径的圆内所有像素点PO的灰度值的平均值
Figure FDA0003692909470000043
设置参数f，得到连通域灰度阈值
Figure FDA0003692909470000044
其中f为正数；
重新计算连通域的中心点P4；
从底层开始，依次计算每层二维切片上P3与P4的欧氏距离；
如果第b层的所述二维切片上P3与P4的欧氏距离大于m，则将所述第b层及以上的所有二维切片的像素点PO对应的像素值设置为0，得到第一层至第b-1层对应的图像，为所述第二图像，其中b为大于等于2的正数，m≥5；
如果第b层的所述二维切片上P3与P4的欧氏距离小于等于m，则提取所述第b层的二维切片内灰度值大于0的像素点，将所述第b层的所述二维切片上的P3点设置为P4点；将第b+1层及以上的所有二维切片的像素点PO对应的像素值设置为0，得到第一层至第b层对应的图像，为所述第二图像。
12.根据权利要求11所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述CT三维图像去除脊椎的方法包括：
根据所述脊椎重心P1、心脏重心P2设置脊椎灰度阈值Q脊；
提取所述第二图像中像素点PO对应的灰度值大于Q脊的像素点；
根据提取的像素点提取脊椎连通域，去除所述脊椎连通域，得到第三图像。
13.根据权利要求12所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述CT三维图像去除肋骨的方法包括：
提取所述第三图像中像素点PO对应的灰度值大于0的像素点，并将与所述第二图像相对应的所述像素点的灰度值设置为0，得到第四图像；
设置肋骨灰度阈值Q肋，从所述第四图像上提取灰度值Q＞Q肋的像素点，根据提取的所述像素点提取肋骨连通域，去除所述肋骨连通域，得到去除降主动脉、脊椎、肋骨的第五图像，所述第五图像为含有左心室、左心房、无干扰冠脉树的图像。
14.根据权利要求13所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，从第五图像中提取主动脉中心线的方法包括：
对所述第五图像进行分层切片，得到二值化图像组；
从所述二值化图像组中的每层所述切片上获得圆心P5k，以及对应的圆的半径为Rk，k表示第k层切片；
过滤圆心P5k，生成新的点列表；
过滤半径Rk，生成新的半径列表；
将每层所述切片内的位于所述点列表和所述半径列表中的像素点对应到所述第五图像中，在所述第五图像中得到主动脉中心线。
15.根据权利要求14所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述对所述第五图像进行分层切片，得到二值化图像组的方法包括：
A)从所述第五图像的顶层开始分层切片，得到第二二维图像组；
B)设置冠脉树灰度阈值Q冠1；根据
Figure FDA0003692909470000051
对所述第五图像的每一层的切片均进行二值化处理，去除所述第五图像中的杂质点，得到所述二值化图像组；
其中，i为正整数，Qi表示第i个像素点PO对应的灰度值，P(i)表示第i个像素点PO对应的像素值。
16.根据权利要求15所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述从所述二值化图像组中的每层所述切片上获得圆心P5k，以及对应的圆的半径为Rk，k表示第k层切片的方法包括：
C)为所述二值化图像组中的每层所述切片建立一张搜索引擎列表，包括：点列表和半径列表，将所述第五图像中提取的像素值为1的点对应的填入每层所述切片的所述点列表中；
D)设定每层所述切片的所述点列表中的像素点的个数阈值均为N阈1、N 阈2，以及半径阈值均为R阈1、R阈2，依次从顶层开始对每层所述切片进行步骤E至步骤M的过程；
E)如果Nk≤N阈1，Rk＝R阈1±j，其中，Nk表示第k层所述切片的所述点列表中的像素点的个数，则检测所述第k层切片内的1个圆，以该圆的圆心为圆心Ok，进行步骤I，如果未检测到圆则进行步骤H；
F)如果Nk≤N阈1，Rk≠R阈1±j，则检测所述第k层切片内的3个圆，如果检测到3个圆则进行步骤I，如果未检测到3个圆则进行所述步骤H；
G)如果Nk＞N阈1，则重新确定圆心，取第k-1层切片内的圆心与所述点列表中的末尾点D距离最近的点为圆心Ok，进行步骤I，如果未检测到圆则进行步骤H；
H)检测Nk与N阈1-1的关系，重复所述步骤E至所述步骤G，如果仍然没有检测到圆，则检测N与N阈1-2的关系，重复所述步骤E至所述步骤G；依次类推，直至找到圆心Ok；
I)以所述圆心Ok为起点，分别沿X轴的正方向、负方向以及Y轴正方向找到3个灰度值为0的点；根据3点确定一个圆找到圆心P5k和半径Rk。
17.根据权利要求16所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述过滤圆心P5k，生成新的点列表的方法包括：
J)如果所述第k层切片的半径Rk＜R阈2，则重复所述步骤E至所述步骤I的过程，直至找到半径Rk≥R阈2的圆心P5k；
K)如果所述圆心P5k在所述第五图像上的灰度值小于0，则重复所述步骤E至所述步骤I的过程，直至找到半径R1≥R阈2，且灰度值大于等于0的圆心P5k；
L)将R1≥R阈2，且灰度值大于等于0的圆心P5k添加进入点列表中，生成新的半径列表，半径Rk添加进入半径列表中。
18.根据权利要求17所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，过滤半径Rk，生成新的半径列表的方法包括：
M)如果Nk＜N阈2，则比较圆心P5k与所述点列表中的末尾点的距离L，如果L＞L阈，则重复所述步骤E至所述步骤N，直至所述点列表中的点的个数Nk≥N阈2，或L≤L阈；
N)如果Nk≥N阈2，或Nk＜N阈2、L≤L阈则将偏离所述圆心P5k远的点的半径值替换为剩余点的平均半径值，作为Rk，将所述半径Rk填入所述半径列表中，生成新的半径列表。
19.根据权利要求18所述的基于CT序列图像获取无干扰冠脉树图像的方法，其特征在于，所述根据所述主动脉中心线的走向，获得左心房和左心室的连通域图像的方法包括：
设定左心室灰度阈值Q左，截取所述点列表中的末尾点D在所述第五图像中的XZ平面，获取灰度值Q＞Q左的像素点，获得由全部所述像素点构成的圆的圆心O2，将所述圆心O2投影到所述第五图像上，获取所述左心室的重心点P6；
获取所述XZ平面内，圆心P5k和重心点P6所在直线的中垂线，所述中垂线与Y轴构成的平面；
将位于所述中垂线与Y轴构成的平面内的所述第五图像上的像素点的像素值设置为0，得到第六图像；
拾取所述点列表中的起始点、中点、重心点P6和末尾点D绘制贝塞尔曲线；
假设所述连通域的中心点P4、所述末尾点D位于所述贝塞尔曲线上，拾取所述末尾点D和所述重心点P6之间的所述贝塞尔曲线的曲线段，沿着所述末尾点D至所述P6方向延伸，延伸长度为R阈1，获取延伸段曲线；
如果延伸段曲线内的像素点位于所述第五图像内，且所述延伸段曲线内的像素点的灰度值Q＞Q降，则提取所述像素点，获得所述主动脉图像，即为第七图像；
所述第五图像减去所述第七图像，得到第八图像；
在所述第八图像内，拾取所述左心室的重心点P6周边的灰度值Q＞Q降的像素点，得到左心房和左心室的连通域图像，即为第九图像。
20.一种计算机存储介质，其特征在于，计算机程序被处理器执行时实现权利要求1～19任一项所述的基于CT序列图像获取无干扰冠脉树图像的方法。
21.一种用于权利要求1～19任一项所述的基于CT序列图像获取无干扰冠脉树图像的方法的系统，其特征在于，包括：CT数据获取装置、心脏重心提取装置、脊椎重心提取装和无干扰冠脉树图像获取装置；
所述CT数据获取装置，用于获取CT序列图像的三维数据；
所述心脏重心提取装置，与所述CT数据获取装置连接，用于根据所述三维数据获取心脏重心；
所述脊椎重心提取装置，与所述CT数据获取装置连接，用于根据所述三维数据获取脊椎重心；
所述无干扰冠脉树图像获取装置，与所述CT数据获取装置、所述心脏重心提取装置、所述脊椎重心提取装置连接，用于从所述CT三维图像上去除肺部组织、降主动脉、脊椎、肋骨、左心房和左心室，得到无干扰冠脉树图像。
CN202010607316.2A 2020-06-29 2020-06-29 基于ct序列图像获取无干扰冠脉树图像的方法和系统 Active CN111815589B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010607316.2A CN111815589B (zh) 2020-06-29 2020-06-29 基于ct序列图像获取无干扰冠脉树图像的方法和系统
PCT/CN2020/110017 WO2022000729A1 (zh) 2020-06-29 2020-08-19 基于ct序列图像获取无干扰冠脉树图像的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010607316.2A CN111815589B (zh) 2020-06-29 2020-06-29 基于ct序列图像获取无干扰冠脉树图像的方法和系统

Publications (2)

Publication Number Publication Date
CN111815589A CN111815589A (zh) 2020-10-23
CN111815589B true CN111815589B (zh) 2022-08-05

Family

ID=72856641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010607316.2A Active CN111815589B (zh) 2020-06-29 2020-06-29 基于ct序列图像获取无干扰冠脉树图像的方法和系统

Country Status (2)

Country Link
CN (1) CN111815589B (zh)
WO (1) WO2022000729A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815590A (zh) * 2020-06-29 2020-10-23 苏州润心医疗器械有限公司 基于ct序列图像获取心脏重心和脊椎重心的方法和系统
CN111815586B (zh) * 2020-06-29 2022-08-05 苏州润迈德医疗科技有限公司 基于ct图像获取左心房、左心室的连通域的方法和系统
CN111815588B (zh) * 2020-06-29 2022-07-26 苏州润迈德医疗科技有限公司 基于ct序列图像获取降主动脉的方法和系统
CN111815587A (zh) * 2020-06-29 2020-10-23 苏州润心医疗器械有限公司 基于ct序列图像拾取主动脉中心线上的点的方法和系统
CN115769251A (zh) * 2020-06-29 2023-03-07 苏州润迈德医疗科技有限公司 基于深度学习获取主动脉图像的系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118056A (zh) * 2015-08-13 2015-12-02 重庆大学 基于三维形态学的冠脉血管自动提取方法
CN111227822A (zh) * 2018-11-28 2020-06-05 苏州润心医疗器械有限公司 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8582854B2 (en) * 2008-09-15 2013-11-12 Siemens Aktiengesellschaft Method and system for automatic coronary artery detection
CN104282009B (zh) * 2013-07-02 2017-10-27 上海联影医疗科技有限公司 一种冠脉的提取方法
CN103985122B (zh) * 2014-05-17 2016-11-02 清华大学深圳研究生院 基于心脏 ct 图像的全心脏提取方法
CN106023202B (zh) * 2016-05-20 2017-06-09 苏州润心医疗科技有限公司 基于心脏ct图像的冠状动脉血流储备分数计算方法
CN111815585B (zh) * 2020-06-29 2022-08-05 苏州润迈德医疗科技有限公司 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118056A (zh) * 2015-08-13 2015-12-02 重庆大学 基于三维形态学的冠脉血管自动提取方法
CN111227822A (zh) * 2018-11-28 2020-06-05 苏州润心医疗器械有限公司 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法

Also Published As

Publication number Publication date
CN111815589A (zh) 2020-10-23
WO2022000729A1 (zh) 2022-01-06

Similar Documents

Publication Publication Date Title
CN111815583B (zh) 基于ct序列图像获取主动脉中心线的方法和系统
CN111815585B (zh) 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统
CN111815589B (zh) 基于ct序列图像获取无干扰冠脉树图像的方法和系统
US11896416B2 (en) Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images
CN107045721B (zh) 一种从胸部ct图像中提取肺血管的方法及装置
CN111815586B (zh) 基于ct图像获取左心房、左心室的连通域的方法和系统
CN106793992A (zh) 对象识别
CN111815588B (zh) 基于ct序列图像获取降主动脉的方法和系统
JP2017176400A (ja) 動態解析装置、動態解析システム、動態解析方法及びプログラム
JP6458166B2 (ja) 医用画像処理方法及び装置及びシステム及びプログラム
CN112419276A (zh) 调节血管轮廓及中心线的方法及存储介质
WO2022000734A1 (zh) 基于ct序列图像拾取主动脉中心线上的点的方法和系统
US20230153998A1 (en) Systems for acquiring image of aorta based on deep learning
CN102521476A (zh) 基于成人x线正位胸片的异常心脏大血管计算机筛选系统及筛选方法
CN112419277A (zh) 三维血管中心线合成方法、系统及存储介质
CN111815584B (zh) 基于ct序列图像获取心脏重心的方法和系统
CN104921741A (zh) 图像解析装置、图像拍摄系统以及图像解析方法
JP6501569B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN117015799A (zh) 检测x射线图像中的异常
CN111815590A (zh) 基于ct序列图像获取心脏重心和脊椎重心的方法和系统
Cole Adaptive Segmentation of Cardiovascular Vessels
JP2018114276A (ja) 耳鼻咽喉科の処置における粘液の透視

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210508

Address after: Room nw-05-502, Northwest District, Suzhou nano City, 99 Jinjihu Avenue, Suzhou Industrial Park, 215000, Jiangsu Province

Applicant after: SUZHOU RAINMED MEDICAL TECHNOLOGY Co.,Ltd.

Address before: Room 502, building 5, northwest Suzhou nano City, 99 Jinjihu Avenue, Suzhou Industrial Park, 215000, Jiangsu Province

Applicant before: SUZHOU RUNXIN MEDICAL INSTRUMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant