CN112102352A - 一种dsa图像序列的冠脉运动跟踪方法及装置 - Google Patents

Abstract

本发明公开了一种DSA图像序列的冠脉运动跟踪方法及装置，所述方法包括：获取一组DSA图像序列中任意相邻的两帧图像；对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。该方法发明基于局部特征预先找到对应的匹配冠脉，并以弗雷歇距离为中心线点匹配的判别基础，避免了人工干预，保证了配准过程中冠脉结构的拓扑一致性，具有较低的时间复杂度和较高的配准精确度。

Description

一种DSA图像序列的冠脉运动跟踪方法及装置

技术领域

本发明涉及医学成像技术领域，特别涉及一种DSA图像序列的冠脉运动跟踪方法及装置。

背景技术

DSA技术是诊断和治疗心血管疾病的金标准，有着重要的医学地位。然而，由于冠脉结构的复杂性以及造影成像过程自身的缺陷，临床诊疗存在一定的局限性。为了辅助医生可视化和精确定位冠脉位置，实现准确高效的诊疗，需要对DSA图像序列的冠脉结构进行准确识别和匹配，得到冠脉运动情况。这些是后续图像信息融合的重要基础，也是一直以来备受关注的技术难点问题。

因为冠脉受心跳和呼吸的影响，随心脏做有节律的运动，形态会发生很大变化，是非刚性形变情况。所以，在DSA图像序列中，不同帧图像，同一条冠脉的识别和判断尤为重要。在准确识别冠脉的基础上，找到不同帧中，对应冠脉上的投影点之间的对应关系，得到冠脉的运动情况，是冠脉对比分析、图像信息融合、血管三维重建的重要基础。现有冠脉追踪常用的非刚性医学图像配准方法，如基于空间变换的使用多项式与基函数或样条函数的配准方法；基于物理模型的弹性模型、粘性流体模型或光流场模型的方法等，依然不成熟。在临床上难以满足在复杂的变形情况下，拓扑结构一致性，计算速度快，配准精度高等冠脉运动追踪要求。

因此，DSA图像序列中，冠脉运动的准确追踪仍然是一个迫切需要解决的关键问题。

发明内容

有鉴于此，本发明提供了一种DSA图像序列的冠脉运动跟踪方法及装置，可解决冠脉运动追踪目前配准准确度较低的问题。

第一方面，本发明实施例提供一种DSA图像序列的冠脉运动跟踪方法，包括：

获取一组DSA图像序列中任意相邻的两帧图像；

对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；

根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；

基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。

在一个实施例中，根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系，包括：

所述两帧图像分别为f₁和f₂，将所述f₁和f₂分别分为n×n块区域；

选择f₁中的一条冠脉中心线l₁，计算l₁在f₁中的所在分区R₁，根据冠脉在相邻帧图像中的运动特点，获得f₂中对应区域R₂；

遍历R₁、R₂上点，确定得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂；

对Φ₁和Φ₂中的点计算豪斯道夫距离，并配对，获得l₁上的分叉点在f₂中的对应分叉点Φ₁₂；

计算R₂中Φ₁₂所在线的曲率尺度空间图像；

对曲率尺度空间图像中的轮廓形状求极值，并以极值点计算l₁曲率尺度空间图像与R₂中心线之间的曲率尺度空间图像的相似度，得到冠脉对应关系l′₂；

并根据l₁点个数，在分叉结构上，结合欧式距离，在f₂中找到l′₂的延展点，得到l₁在f₂上的对应冠脉中心线l₂。

在一个实施例中，遍历R₁、R₂上点，确定得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂，包括：计算冠脉中心线的分叉结构位置，遍历R₁、R₂上点，点φ_i,j若满足：

φ_i-1,j-1+φ_i-1,j+φ_i-1,j+1+φ_i,j-1+φ_i,j+1+φ_i+1,j-1+φ_i+1,j+φ_i+1,j+1＞2

则点φ_i,j为分叉点；其中，i,j表示坐标索引，得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂。

在一个实施例中，还包括：

若Φ₁₂不存在，则计算R₂中所有线的曲率尺度空间图像。

在一个实施例中，曲率计算如下：

其中，μ是弧长参数，(x,y)表示中心线坐标；

g_μ(μ,σ)和g_μμ(μ,σ)分别为高斯函数g(μ,σ)关于μ的一阶导数和二阶导数。

在一个实施例中，基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果，包括：

对l₁在f₂上的对应冠脉中心线l₂，进行点运动追踪；

将点集l₂视为高斯混合模型的质心，进行统计建模，拟合点集l₁；以离散弗雷歇距离变化为误差改变量；

使用最大期望算法计算并更新参数，得到的模型最大后验概率为l₁、l₂的对应关系，以得到冠脉中心线运动跟踪结果。

第二方面，本发明实施例还提供一种DSA图像序列的冠脉运动跟踪装置，包括：

获取模块，用于获取一组DSA图像序列中任意相邻的两帧图像；

处理提取模块，用于对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；

分析得到模块，用于根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；

跟踪模块，用于基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。

本发明的优点在于，与现有技术相比，本发明实施例提供的一种DSA图像序列的冠脉运动跟踪方法，包括：获取一组DSA图像序列中任意相邻的两帧图像；对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。该方法发明基于局部特征预先找到对应的匹配冠脉，并以弗雷歇距离为中心线点匹配的判别基础，避免了人工干预，保证了配准过程中冠脉结构的拓扑一致性，具有较低的时间复杂度和较高的配准精确度。并且，该方法能够实时获得对应冠脉的准确运动情况，满足临床实时需求。有助于分析心脏运动情况进而诊断冠脉疾病，以及为后续的图像信息融合、支架增强和三维结构重建奠定基础。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的DSA图像序列的冠脉运动跟踪方法流程图；

图2a为第一组序列图像中第一时刻造影图像f₁示意图；

图2b为第一组序列图像中第二时刻造影图像f₂示意图；

图3a为第一组序列图像中f₁、f₂中冠脉弹性配准结果示意图；

图3b为第一组序列图像中冠脉由f₁至f₂的运动情况结果示意图；

图4a为第二组序列图像中第一时刻造影图像示意图；

图4b为第二组序列图像中第二时刻造影图像示意图；

图5a为第二组序列图像中两幅图像中冠脉的弹性配准结果示意图；

图5b为第二组序列图像中冠脉由第一时刻造影图像至第二时刻造影图像的运动情况结果示意图；

图6为本发明实施例提供的DSA图像序列的冠脉运动跟踪方法简易图；

图7为本发明实施例提供的DSA图像序列的冠脉运动跟踪装置结构图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1所示，本发明实施例提供了一种DSA图像序列的冠脉运动跟踪方法，包括：

S10、获取一组DSA图像序列中任意相邻的两帧图像；

S20、对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；

S30、根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；

S40、基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。

本实施例中，参照图2a、2b所示，为一组序列图像中两帧造影图像血管骨架提前的图像；冠脉骨架即中心线用曲线显示。图2a表示的为图像序列中第一时刻造影图像f₁，图2b表示第二时刻造影图像f₂。可以看出二者由于冠脉受心跳和呼吸的影响，形态会发生变化，存在非刚性变化的差异。在步骤S10-S20中，通过获取一组相邻的两帧图像，然后可基于海森矩阵的冠脉结构增强与分割，基于细化、受约束最短路径计算等算法的冠脉中心线提取；在步骤S30-S40中，利用局部分叉结构特征，可快速筛除非匹配冠脉中心线，可减少计算时间，降低匹配误差；另外，采用曲率尺度空间图像描述冠脉骨架形状，在点匹配前对冠脉进行匹配，可避免人工干预引发的误匹配。进而实现分析得到两帧图像中冠脉的对应关系；基于该对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果，保证了匹配度的准确性，同时也提高了计算效率。

在一个实施例中，上述步骤S30中，对步骤S10-S20中获得的相邻帧冠脉中心线提取图像f₁和f₂，以f₁中的某条冠脉中心线l₁为例：

(1)根据实际情况，分别将f₁、f₂分为n×n块区域；

(2)计算l₁在f₁中的所在分区R₁，根据相邻帧图像的强相关性，获得f₂中对应区域R₂；

(3)计算二值图像中心线的分叉结构位置，遍历R₁、R₂上点，点φ_i,j若满足：

φ_i-1,j-1+φ_i-1,j+φ_i-1,j+1+φ_i,j-1+φ_i,j+1+φ_i+1,j-1+φ_i+1,j+φ_i+1,j+1＞2

即：点φ_i,j的相邻区域点像素值之和大于2，则可判断点φ_i,j为分叉点；其中，i,j表示全局图像坐标索引，得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂；

(4)对Φ₁和Φ₂中的点计算豪斯道夫距离，并配对，获得l₁上的分叉点在f₂中的对应分叉点Φ₁₂；

(5)计算R₂中Φ₁₂所在线的曲率尺度空间图像，曲率计算如下：

其中，

g_μ(μ,σ)和g_μμ(μ,σ)分别为高斯函数g(μ,σ)关于μ的一阶导数和二阶导数；若Φ₁₂不存在，则计算R₂中，所有线的曲率尺度空间图像；

(6)对曲率尺度空间图像中的轮廓形状求极值，并以极值点计算l₁曲率尺度空间图像与R₂中心线之间的曲率尺度空间图像的相似度，得到冠脉对应关系l′₂；

(7)通过l′₂与l₁点个数差来判断l′₂的相对完整性，并根据l₁点个数，在分叉结构上，结合欧式距离，在f₂中找到l′₂的延展点，得到最终l₁在f₂上的对应冠脉中心线l₂。如图3a为弹性配准结构图像，明显白色曲线为f₁冠脉中心线，黑色曲线为f₂中冠脉中心线经过配准后的位置；图3b为冠脉由f₁至f₂的运动情况，相互匹配的冠脉骨架点用直线段相连接。

在一个实施例中，上述步骤S40基于离散弗雷歇距离的一致性点匹配冠脉运动追踪，如下步骤进行：

上述实施例中获得的l₁在f₂中的匹配中心线l₂，进行点运动追踪，其中l₁点个数为M，有m＝1,…,M，l₂点个数为N，有n＝1,…,N；

将点集l₂视为高斯混合模型的质心，进行统计建模，拟合点集l₁，以离散弗雷歇距离变化为误差改变量，使用最大期望算法计算并更新参数，得到的模型最大后验概率即为l₁、l₂的对应关系：

(1)考虑到l₂中的干扰点因素，加入离群点权重w的高斯混合模型的概率密度函数为

其中，

w∈[0,1]；

(2)目标函数Q：

其中，p^old(m|l_1n)为最大后验概率，v为l₂的位移场，

φ(v)为平滑函数，以最大期望算法进行迭代，求解Q最小值，得到参数；

(3)最大期望算法迭代过程中，误差函数为离散弗雷歇距离δ_F：

其中，α,β是单位区间两个重新参数化函数，当误差改变量

小于阈值T_δ时，停止计算，当前最大后验概率即为所求对应关系，即获得冠脉中心线的运动情况。

同样地，采用上述实施例的方法，对第二组序列图像也进行相同的配准操作，参照图4a、4b、5a、5b所示。保证实时获取到冠脉中心线的运动情况。

参照图6所示，本发明首先对相邻帧DSA图像进行分割、细化等处理，提取冠脉中心线，获得准确的冠脉骨架结构；其次，将图像分区，利用局部分叉结构特征，筛选待匹配中心线，利用曲率尺度空间图像分析冠脉中心线的形状，得到中心线的对应关系，并在整幅图像中做进一步匹配线提取；最后，利用基于弗雷歇距离的一致性点匹配方法计算匹配概率，找到冠脉在不同帧中，中心线点之间的对应关系，获得冠脉运动情况。本发明基于局部特征预先找到对应的匹配冠脉，并以弗雷歇距离为中心线点匹配的判别基础，避免了人工干预，保证了配准过程中冠脉结构的拓扑一致性，具有较低的时间复杂度和较高的配准精确度。

本发明实施例提供的一种DSA图像序列的冠脉运动跟踪方法，采用曲率尺度空间图像描述冠脉骨架形状，在点匹配前对冠脉进行匹配，避免了人工干预引发的误匹配；将图像分区，结合相邻帧冠脉运动性质，利用局部分叉结构特征，快速筛除非匹配冠脉中心线，减少了计算时间并降低了匹配误差。本发明提出的一种基于弗雷歇距离为误差改变量的一致性点匹配算法，以冠脉中心线的相似度作为迭代计算的相似性测度，保证匹配度的同时提高了计算效率。

基于同一发明构思，本发明实施例还提供了一种DSA图像序列的冠脉运动跟踪装置，由于该装置所解决问题的原理与一种DSA图像序列的冠脉运动跟踪方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。

本发明还提供一种DSA图像序列的冠脉运动跟踪装置，参照图7所示，包括：

获取模块71，用于获取一组DSA图像序列中任意相邻的两帧图像；

处理提取模块72，用于对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；

分析得到模块73，用于根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；

跟踪模块74，用于基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。

其中，分析得到模块73，具体包括：

划分单元，所述两帧图像分别为f₁和f₂，将所述f₁和f₂分别分为n×n块区域；

第一计算单元，选择f₁中的一条冠脉中心线l₁，计算l₁在f₁中的所在分区R₁，根据冠脉在相邻帧图像中的运动特点，获得f₂中对应区域R₂；

确定单元，遍历R₁、R₂上点，确定得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂；具体地，计算冠脉中心线的分叉结构位置，遍历R₁、R₂上点，点φ_i,j若满足：

φ_i-1,j-1+φ_i-1,j+φ_i-1,j+1+φ_i,j-1+φ_i,j+1+φ_i+1,j-1+φ_i+1,j+φ_i+1,j+1＞2

则点φ_i,j为分叉点；其中，i,j表示坐标索引，得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂。

匹配单元，对Φ₁和Φ₂中的点计算豪斯道夫距离，并配对，获得l₁上的分叉点在f₂中的对应分叉点Φ₁₂；

第二计算单元，计算R₂中Φ₁₂所在线的曲率尺度空间图像；对曲率尺度空间图像中的轮廓形状求极值，并以极值点计算l₁曲率尺度空间图像与R₂中心线之间的曲率尺度空间图像的相似度，得到冠脉对应关系l′₂；并根据l₁点个数，在分叉结构上，结合欧式距离，在f₂中找到l′₂的延展点，得到l₁在f₂上的对应冠脉中心线l₂。

其中，曲率计算如下：

其中，

g_μ(μ,σ)和g_μμ(μ,σ)分别为高斯函数g(μ,σ)关于μ的一阶导数和二阶导数。

上述跟踪模块64，具体用于对l₁在f₂上的对应冠脉中心线l₂，进行点运动追踪；将点集l₂视为高斯混合模型的质心，进行统计建模，拟合点集l₁；以离散弗雷歇距离变化为误差改变量；使用最大期望算法计算并更新参数，得到的模型最大后验概率为l₁、l₂的对应关系，以得到冠脉中心线运动跟踪结果。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种DSA图像序列的冠脉运动跟踪方法，其特征在于，包括：

获取一组DSA图像序列中任意相邻的两帧图像；

对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；

根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；

基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。

2.根据权利要求1所述的一种DSA图像序列的冠脉运动跟踪方法，其特征在于，根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系，包括：

所述两帧图像分别为f₁和f₂，将所述f₁和f₂分别分为n×n块区域；

选择f₁中的一条冠脉中心线l₁，计算l₁在f₁中的所在分区R₁，根据冠脉在相邻帧图像中的运动特点，获得f₂中对应区域R₂；

遍历R₁、R₂上点，确定得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂；

对Φ₁和Φ₂中的点计算豪斯道夫距离，并配对，获得l₁上的分叉点在f₂中的对应分叉点Φ₁₂；

计算R₂中Φ₁₂所在线的曲率尺度空间图像；

对曲率尺度空间图像中的轮廓形状求极值，并以极值点计算l₁曲率尺度空间图像与R₂中心线之间的曲率尺度空间图像的相似度，得到冠脉对应关系l′₂；

并根据l₁点个数，在分叉结构上，结合欧式距离，在f₂中找到l′₂的延展点，得到l₁在f₂上的对应冠脉中心线l₂。

3.根据权利要求2所述的一种DSA图像序列的冠脉运动跟踪方法，其特征在于，遍历R₁、R₂上点，确定得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂，包括：计算冠脉中心线的分叉结构位置，遍历R₁、R₂上点，点φ_i,j若满足：

φ_i-1,j-1+φ_i-1,j+φ_i-1,j+1+φ_i,j-1+φ_i,j+1+φ_i+1,j-1+φ_i+1,j+φ_i+1,j+1＞2

则点φ_i,j为分叉点；其中，i,j表示坐标索引，得到R₁上分叉点集合Φ₁，R₂上分叉点集合Φ₂。

4.根据权利要求3所述的一种DSA图像序列的冠脉运动跟踪方法，其特征在于，还包括：

若Φ₁₂不存在，则计算R₂中所有线的曲率尺度空间图像。

5.根据权利要求4所述的一种DSA图像序列的冠脉运动跟踪方法，其特征在于，曲率计算如下：

其中，μ是弧长参数，(x,y)表示中心线坐标；

g_μ(μ,σ)和g_μμ(μ,σ)分别为高斯函数g(μ,σ)关于μ的一阶导数和二阶导数。

6.根据权利要求2所述的一种DSA图像序列的冠脉运动跟踪方法，其特征在于，基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果，包括：

对l₁在f₂上的对应冠脉中心线l₂，进行点运动追踪；

将点集l₂视为高斯混合模型的质心，进行统计建模，拟合点集l₁；以离散弗雷歇距离变化为误差改变量；

使用最大期望算法计算并更新参数，得到的模型最大后验概率为l₁、l₂的对应关系，以得到冠脉中心线运动跟踪结果。

7.一种DSA图像序列的冠脉运动跟踪装置，其特征在于，包括：

获取模块，用于获取一组DSA图像序列中任意相邻的两帧图像；

处理提取模块，用于对所述两帧图像，进行冠脉结构增强、分割、细化处理，分别提取冠脉中心线；

分析得到模块，用于根据局部分叉结构特征和曲率尺度空间图像分析得到两帧图像中冠脉的对应关系；

跟踪模块，用于基于所述对应关系，利用基于弗雷歇距离的一致性点匹配，以得到冠脉运动跟踪结果。

Images