CN112598671A - 一种血管中心线提取方法、设备及可读存储介质 - Google Patents
一种血管中心线提取方法、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112598671A CN112598671A CN202110248589.7A CN202110248589A CN112598671A CN 112598671 A CN112598671 A CN 112598671A CN 202110248589 A CN202110248589 A CN 202110248589A CN 112598671 A CN112598671 A CN 112598671A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- candidate
- image
- centerline
- vessel region
- 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.)
- Pending
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
- G06T2207/30—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)
- 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
本发明实施例公开了一种血管中心线提取方法、设备及可读存储介质,所述方法包括:获取待处理图像,所述待处理图像包含血管区域和对应的候选中心线;判断所述待处理图像中所述血管区域是否对应多条候选中心线;当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线;当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线。本发明实施例公开的一种血管中心线提取方法、设备及可读存储介质,具有准确获取血管中心线的特点。
Description
技术领域
本发明涉及医学影像领域,尤其涉及一种血管中心线提取方法、设备及可读存储介质。
背景技术
基于血管中心线的提取,可以生成一系列血管后处理图像,因此,血管中心线的准确提取是非常重要的。目前,基于骨架提取算法,计算机会根据血管图提供初步确定有关血管中心线的候选中心线,但是,该候选中心线不一定是没有错误的候选中心线,需要人工在线编辑修改候选中心线,以获得比之前准确的候选中心线,然而,人工修改后所获得的候选中心线还是不够准确。
发明内容
为解决现有技术中存在的至少以上技术问题,本发明实施例提供了一种血管中心线提取方法、设备及可读存储介质,具有准确获取血管中心线的特点。
本发明实施例一方面提供一种血管中心线提取方法,所述方法包括:获取待处理图像,所述待处理图像包含血管区域和对应的候选中心线;判断所述待处理图像中所述血管区域是否对应多条候选中心线;当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线;当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线。
在一可实施方式中,所述获取待处理图像,包括:获得原始图像,所述原始图像包含血管区域;基于所述原始图像对所述血管区域进行中心线提取,获得候选中心线图像;将所述原始图像和所述候选中心线图像进行整合,获得中间图像;获取所述中间图像中被选中区域的图像作为所述待处理图像。
在一可实施方式中,所述候选中心线由多个顶点组成,所述顶点之间具有连接关系,所述判断所述待处理图像中所述血管区域是否对应多条候选中心线,包括:判断所述待处理图像是否包含分叉点,所述分叉点为与至少三个其它顶点连接的任一顶点;当判断结果为所述待处理图像包含所述分叉点时,确定所述待处理图像包含多条候选中心线;当判断结果为所述待处理图像不包含所述分叉点时,确定所述待处理图像包含一条候选中心线。
在一可实施方式中,所述当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线,包括:基于任意一条候选中心线,获取所述候选中心线上的每一个顶点对应的血管尺寸;获取所述血管尺寸中被选定的血管尺寸确定为基准血管尺寸;将所述候选中心线上的每一个顶点对应的血管尺寸与所述基准血管尺寸做比,获得所述候选中心线的血管尺寸变化率;当候选中心线的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为所述血管区域的中心线。
在一可实施方式中,所述当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线,包括:当所述血管区域包含急转弯的情况下,获取与所述血管区域对应的新平滑系数;根据所述新平滑系数对与所述急转弯对应的血管区域进行血管平滑调整,获得新血管区域;对所述新血管区域进行中心线提取,获得所述血管区域的中心线。
本发明实施例另一方面提供一种血管中心线提取设备,所述设备包括:获取模块,用于获取待处理图像,所述待处理图像包含血管区域和对应的候选中心线;判断模块,用于判断所述待处理图像中所述血管区域是否对应多条候选中心线;选择模块,用于当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线;中心线提取模块,用于当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线。
在一可实施方式中,所述获取模块,包括:获得子模块,用于获得原始图像,所述原始图像包含血管区域;第一中心线提取子模块,用于基于所述原始图像对所述血管区域进行中心线提取,获得候选中心线图像;所述获得子模块,还用于将所述原始图像和所述候选中心线图像进行整合,获得中间图像;所述获得子模块,还用于获取所述中间图像中被选中区域的图像作为所述待处理图像。
在一可实施方式中,所述候选中心线由多个顶点组成,所述顶点之间具有连接关系,所述判断模块,包括:判断子模块,用于判断所述待处理图像是否包含分叉点,所述分叉点为与至少三个其它顶点连接的任一顶点;所述判断子模块,还用于当判断结果为所述待处理图像包含所述分叉点时,确定所述待处理图像包含多条候选中心线;所述判断子模块,还用于当判断结果为所述待处理图像不包含所述分叉点时,确定所述待处理图像包含一条候选中心线。
在一可实施方式中,所述选择模块,包括:确定子模块,用于基于任意一条候选中心线,获取所述候选中心线上的每一个顶点对应的血管尺寸;所述确定子模块,还用于获取所述血管尺寸中被选定的血管尺寸确定为基准血管尺寸;所述确定子模块,还用于将所述候选中心线上的每一个顶点对应的血管尺寸与所述基准血管尺寸做比,获得所述候选中心线的血管尺寸变化率;所述确定子模块,还用于当候选中心线的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为所述血管区域的中心线。
在一可实施方式中,所述中心线提取模块,包括:平滑系数子模块,用于当所述血管区域包含急转弯的情况下,获取与所述血管区域对应的新平滑系数;血管平滑调整子模块,用于根据所述新平滑系数对与所述急转弯对应的血管区域进行血管平滑调整,获得新血管区域;第二中心线提取子模块,用于对所述新血管区域进行中心线提取,获得所述血管区域的中心线。
本发明实施例还提供一种计算机可读存储介质,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行上述任一项所述的血管中心线提取方法。
本发明实施例提供的一种血管中心线提取方法、设备及可读存储介质,用于准确获取血管中心线,先获取包含血管区域和对应的候选中心线的待处理图像,初步限定了出现错误的血管中心线的范围,然后,对待处理图像中的候选中心线是否为多条进行判断,当候选中心线为多条时,从多条候选中心线中选择至少一条准确的候选中心线作为血管区域的中心线,当候选中心线为一条时,对血管区域重新进行中心线提取,获得血管区域的中心线,从而实现了准确获取血管中心线的目的。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例一种血管中心线提取方法的实现流程示意图;
图2为本发明实施例一种血管中心线提取方法中获取待处理图像的流程示意图;
图3为本发明实施例一种血管中心线提取方法中判断待处理图像中血管区域是否对应多条候选中心线的流程示意图;
图4为本发明实施例一种血管中心线提取方法中从多条候选中心线中选择至少一条候选中心线作为血管区域的中心线的流程示意图;
图5为本发明实施例一种血管中心线提取方法中获得血管区域的中心线的流程示意图;
图6为本发明实施例一种血管中心线提取设备的模块示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域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。
图1为本发明实施例一种血管中心线提取方法的实现流程示意图。
参考图1,本发明实施例一方面提供一种血管中心线提取方法,方法包括:步骤101,获取待处理图像,待处理图像包含血管区域和对应的候选中心线;步骤102,判断待处理图像中血管区域是否对应多条候选中心线;步骤103,当判断结果为血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为血管区域的中心线;步骤104,当判断结果为血管区域对应一条候选中心线时,对血管区域进行中心线提取,获得血管区域的中心线。
本公开上述实施例提供的一种血管中心线提取方法,可以应用于基于血管中心线,需要对血管图像进行处理的场景中,比如,以下需要对一张图像中的一段弯曲的血管进行拉直的场景中:先获得这段血管的中心线,基于这段血管的中心线将这段血管进行拉直。在本公开实施例中,先获取包含血管区域和对应的候选中心线的待处理图像,初步限定了出现错误的血管中心线的范围,然后,对待处理图像中的候选中心线是否为多条进行判断,当候选中心线为多条时,判断每一条候选中心线是否是与血管区域对应的正确的候选中心线,将该正确的候选中心线确定为血管的中心线;当候选中心线为一条时,对血管区域重新进行中心线提取,获得血管区域的中心线;通过本方法,实现了准确获取血管中心线的目的。
在本示例步骤101中,获取包含血管区域和与血管区域对应的候选中心线的待处理图像,待处理图像中的候选中心线至少包含错误的候选中心线,其中,待处理图像为经过判断且判断出包含错误的候选中心线的图像,待处理图像可以为三维图像,血管区域包括用于表示血管轮廓的轮廓线和轮廓线之间的区域,候选中心线可以为对血管区域进行中心线提取所获得的路径,候选中心线可以为由顶点表示的路径,候选中心线还可以为由顶点与直线组合表示的路径。通过步骤101,初步限定了出现错误的候选中心线所在的范围。
在本示例步骤102中,可以根据区分候选中心线条数的特征,判断待处理图像中血管区域是否对应多条候选中心线,比如,当候选中心线为由顶点表示的路径,且顶点之间具有连接关系的情况下,可以根据顶点的特征,判断候选中心线是否为多条,具体地,当判断结果为一个顶点有至少三个与该顶点连接的其他顶点时,该顶点为分叉点,那么该待处理图像中的候选中心线为多条,当判断结果为没有一个顶点有至少三个与该顶点连接的其他顶点时、即不存在分叉点时,该待处理图像中的候选中心线为一条。通过步骤102,能够判断出血管区域对应多条候选中心线,或,判断出血管区域对应一条候选中心线。
在本示例步骤103中,当判断结果为血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为血管区域的中心线,具体地,当与候选中心线对应的血管尺寸变化率满足血管尺寸变化率的阈值的情况下,将满足该阈值的候选中心线确定为血管区域的中心线,将不满足该阈值的候选中心线确定为错误的候选中心线。通过步骤103,解决了当多条候选中心线的情况下如何从多条候选中心线中选择其中准确的中心线的问题。
在本示例步骤104中,当判断结果为血管区域对应一条候选中心线时,可以对血管区域重新进行中心线提取,获得血管区域的中心线,具体地,可以将血管区域进行修整,对修整后的血管区域进行中心线提取,获得所需要的中心线,避免了血管区域本身存在问题而造成的中心线提取不准确的情况。可以理解的是,待处理图像包含错误的候选中心线,当待处理图像只包含一条候选中心线的时候,该候选中心线即为错误的候选中心线,通过步骤104,解决了当一条候选中心线且该候选中心线为错误的候选中心线的情况下如何重新获取中心线的问题。
为方便理解,以下提供一种较为具体的可实施场景,在该场景中,待处理图像可以为经判断后包含错误的候选中心线的三维图像,候选中心线可以为由顶点表示的路径;先获取包含血管区域和与血管区域对应的候选中心线的三维图像,然后,根据区分候选中心线条数的特征判断血管区域是否对应多条候选中心线;当判断结果为血管区域对应多条候选中心线的情况下,当与候选中心线对应的血管尺寸变化率满足有关血管尺寸变化率的阈值的情况下,将满足该阈值的对应的候选中心线确定为血管区域的中心线,将不满足该阈值的候选中心线确定为错误的候选中心线;当判断结果为血管区域对应一条候选中心线的情况下,可以将血管区域进行修整,对修整后的血管区域重新进行中心线提取,获得所需要的中心线。
图2为本发明实施例一种血管中心线提取方法中获取待处理图像的流程示意图。
参考图2,在本发明实施例中,获取待处理图像,包括:步骤201,获得原始图像,原始图像包含血管区域;步骤202,基于原始图像对血管区域进行中心线提取,获得候选中心线图像;步骤203,将原始图像和候选中心线图像进行整合,获得中间图像;步骤204,获取中间图像中被选中区域的图像作为待处理图像。
在本示例步骤201中,获得包含血管区域的原始图像,原始图像可以为三维图像。
在本示例步骤202中,对原始图像中的血管区域进行中心线提取,获得候选中心线图像,在一个可实施例中,中心线提取的方式可以为骨架提取,对血管区域进行骨架提取,获得包含候选中心线的候选中心线图像。
在本示例步骤203中,将原始图像和候选中心线图像进行整合,获得中间图像,中间图像包含血管区域和候选中心线。在一种可实施方式中,当原始图像为三维图像时,候选中心线图像和中间图像均可以为三维图像。
在本示例步骤204中,获取中间图像中被选中区域的图像作为待处理图像。在一种可实施方式中,当中间图像为三维图像时,待处理图像可以为三维图像。
图3为本发明实施例一种血管中心线提取方法中判断待处理图像中血管区域是否对应多条候选中心线的流程示意图。
参考图3,在本发明实施例中,候选中心线由多个顶点组成,顶点之间具有连接关系,判断待处理图像中血管区域是否对应多条候选中心线,包括:步骤301,判断待处理图像是否包含分叉点,分叉点为与至少三个其它顶点连接的任一顶点;步骤302,当判断结果为待处理图像包含分叉点时,确定待处理图像包含多条候选中心线;步骤303,当判断结果为待处理图像不包含分叉点时,确定待处理图像包含一条候选中心线。
在该实施例中,候选中心线由多个顶点组成,顶点可以在图像中进行显示,顶点也可以在图像中不进行显示,顶点之间具有连接关系,连接关系可以在图像中不进行显示。在一种可实施方式中,每条候选中心线中的顶点均在图像中进行显示,顶点之间的连接关系不在图像中进行显示;在另一种可实施方式中,在图像中只显示一条候选中心线的顶点,该候选中心线的顶点之间连接关系不在图像中进行显示,此外,其他候选中心线不在图像中进行显示。候选中心线的显示方式并不限于上述的示例。
在本示例步骤301中,判断待处理图像是否包含分叉点,分叉点为与至少三个其它顶点连接的任一顶点,具体地,预先设置好邻接点个数的参数,其中,邻接点为在任选一顶点的情况下,与该顶点具有连接关系的顶点,比如,候选中心线包括第一顶点、第二顶点和第三顶点,第一顶点与第二顶点之间具有连接关系,第二顶点与第三顶点之间具有连接关系,第一顶点的邻接点为第二顶点,第一顶点的邻接点个数为1,第二顶点的邻接点为第一顶点和第三顶点,第二顶点的邻接点个数为2,第三顶点的邻接点为第二顶点,第三顶点的邻接点个数为1,在设置好邻接点个数的参数之后,判断候选中心线中的顶点的邻接点个数,当该顶点邻接点个数为3个或3个以上的情况下,该顶点为分叉点。
在本示例步骤302中,当判断结果为待处理图像包含分叉点时,待处理图像包含多条候选中心线,可以理解的是,当一个顶点具有一个或两个邻接点时,该顶点和其所有的邻接点处于同一条候选中心线上;当一个顶点具有至少三个邻接点时,即该顶点的邻接点至少分布在两条候选中心线上,该顶点即为分叉点;因此,当待处理图像包含分叉点时,可以确定待处理图像包含多条候选中心线。
在本示例步骤303中,当判断结果为待处理图像不包含分叉点时,待处理图像包含一条候选中心线,可以理解的是,当待处理图像不包含分叉点时,即当一个顶点具有一个或两个邻接点时,该顶点和其所有的邻接点处于同一条候选中心线上,因此,当待处理图像不包含分叉点时,可以确定待处理图像包含一条候选中心线。
图4为本发明实施例一种血管中心线提取方法中从多条候选中心线中选择至少一条候选中心线作为血管区域的中心线的流程示意图。
参考图4,在本发明实施例中,当判断结果为血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为血管区域的中心线,包括:步骤401,基于任意一条候选中心线,获取所述候选中心线上的每一个顶点对应的血管尺寸;步骤402,获取所述血管尺寸中被选定的血管尺寸确定为基准血管尺寸;步骤403,将所述候选中心线上的每一个顶点对应的血管尺寸与所述基准血管尺寸做比,获得所述候选中心线的血管尺寸变化率;步骤404,当候选中心线中的所有的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为血管区域的中心线。
在该实施例中,每一条候选中心线具有对应的血管尺寸变化率,血管尺寸变化率可为多个,当该条候选中心线的所有的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为血管区域的中心线。血管尺寸变化率是基于候选中心线而确定的,具体地,针对任意一条候选中心线,先获取该候选中心线上的每一个顶点对应的血管尺寸,再将该条候选中心线中的被选定的顶点对应的血管尺寸确定为基准血管尺寸,然后,将该条候选中心线上的每一个顶点对应的血管尺寸与基准血管尺寸做比,获得与每一个顶点对应的血管尺寸比值,即,血管尺寸变化率,当该候选中心线中所有的血管尺寸变化率均满足预设阈值的情况下,将该候选中心线确定为血管区域的中心线;其中,被选定的顶点对应的血管尺寸可以为基于任意一条候选中心线,该候选中心线上获取的第一个血管尺寸,即该候选中心线在获取血管尺寸时的起始顶点对应的血管尺寸。血管尺寸变化率可以为血管直径变化率,血管尺寸变化率也可以为血管半径变化率,相应地,当血管尺寸变化率为血管直径变化率的情况下,预设阈值可以为预设直径变化率阈值,当血管尺寸变化率为血管半径变化率的情况下,预设阈值可以为预设半径变化率阈值。在一种可实施方式中,当由于血管弯曲黏连而导致待处理图像包含多条候选中心线,且该待处理图像包含两个分叉点的情况下,血管尺寸变化率可以为血管半径变化率,预设阈值可以为预设半径变化率阈值,获取血管黏连部位的断点信息,断点用于将黏连的血管分离,断点可以为候选中心线上的顶点且该顶点与两个分叉点的距离相等,基于断点信息获取条候选中心线的血管半径变化率,当候选中心线的血管半径变化率满足预设半径变化率阈值的时候,将满足预设阈值的候选中心线确定为血管区域的中心线,具体地,当由于血管弯曲黏连而导致生成待处理图像包含两条候选中心线,且该待处理图像包含两个分叉点的情况下,其中一条候选中心线经过血管弯曲黏连部位,另一条候选中心线不经过血管弯曲黏连部位,预设半径变化率阈值可以设置为1.2,获取血管黏连部位的断点信息,该断点为经过血管弯曲黏连部位的候选中心线中的顶点,基于断点信息获取另一条不经过血管弯曲黏连部位的候选中心线的半径变化率,当该候选中心线中的所有半径变化率均小于1.2时,确定该候选中心线为血管区域的中心线,当该候选中心线中的任一半径变化率大于1.2时,确定该候选中心线不是血管区域的中心线;获取一条经过血管弯曲黏连部位的候选中心线的半径变化率,当该候选中心线中的任一半径变化率大于1.2时,确定该候选中心线不是血管区域的中心线;可以理解的是,该一条经过血管弯曲黏连部位的候选中心线的半径变化率包括与该断点对应的半径变化率,由于两段血管弯曲黏连,导致与该断点对应的实际血管半径远不符合于该断点所获得的血管半径,该断点所获得的血管半径可能为实际血管半径的两倍,因此,可以容易的判断出该断点对应的半径变化率不满足预设阈值。
图5为本发明实施例一种血管中心线提取方法中获得血管区域的中心线的流程示意图。
参考图5,在本发明实施例中,当判断结果为血管区域对应一条候选中心线时,对血管区域进行中心线提取,获得血管区域的中心线,包括:步骤501,当血管区域包含急转弯的情况下,获取与血管区域对应的新平滑系数;步骤502,根据新平滑系数对与急转弯对应的血管区域进行血管平滑调整,获得新血管区域;步骤503,对新血管区域进行中心线提取,获得血管区域的中心线。
在该实施例中,血管区域对应有默认平滑系数,在默认平滑系数的作用下,判断血管区域是否包含急转弯,其中,在一般情况下,在默认平滑系数下,急转弯在待处理图像中所呈现的弯曲状态与血管的实际弯曲状态不符;当判断结果为血管区域包含急转弯的情况下,获取与血管区域对应的新平滑系数,根据新平滑系数对与急转弯对应的血管区域进行血管平滑调整,获得新血管区域,对新血管区域重新进行中心线提取,获得血管区域的中心线,其中,中心线提取方式包括骨架提取;当判断结果为血管区域不包含急转弯的情况下,可对待处理图像中的候选中心线进行人为调整,比如,在待处理图像中人为添加顶点。可以理解的是,重新调整血管区域的平滑系数以识别出更符合实际的血管弯曲状态,从而使在新平滑系数下重新提取的中心线比在之前的平滑系数下提取的中心线更为准确。
为方便理解,以下提供一种较为具体的实施例,在该场景中,待处理图像、原始图像和中间图像等图像均可以为三维图像,候选中心线由顶点组成,顶点之间具有连接关系,中心线提取的方式可以为骨架提取;
先获得包含血管区域的原始图像,对血管区域进行骨架提取,获得候选中心线图像,将原始图像和候选中心线图像进行整合,获得中间图像,将中间图像中被选中区域的图像确定为待处理图像;
然后,判断待处理图像是否包含分叉点,当判断结果为待处理图像包含分叉点,待处理图像包含多条候选中心线,当判断结果为待处理图像不包含分叉点时,待处理图像包含一条候选中心线;
当判断结果为血管区域对应多条候选中心线时,根据有问题的点的坐标信息和分叉点获取血管黏连部位的断点信息,基于断点信息获取与每一条候选中心线对应的血管半径变化率,当血管半径变化率满足预设半径变化率阈值的情况下,将与血管尺寸变化率对应的候选中心线确定为血管区域的中心线;
当判断结果为血管区域对应一条候选中心线时,先判断血管区域是否包含急转弯,当判断结果为血管区域包含急转弯的情况下,获取与血管区域对应的新平滑系数,根据新平滑系数对与急转弯对应的血管区域进行血管平滑调整,获得新血管区域,对新血管区域进行中心线提取,获得血管区域的中心线;当判断结果为血管区域不包含急转弯的情况下,将有问题的点当作认为修改中心线的添加顶点,人可以继续添加顶点以修正候选中心线。
图6为本发明实施例一种血管中心线提取设备的模块示意图。
参考图6,本发明实施例另一方面提供一种血管中心线提取设备,设备包括:获取模块601,用于获取待处理图像,待处理图像包含血管区域和对应的候选中心线;判断模块602,用于判断待处理图像中血管区域是否对应多条候选中心线;选择模块603,用于当判断结果为血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为血管区域的中心线;中心线提取模块604,用于当判断结果为血管区域对应一条候选中心线时,对血管区域进行中心线提取,获得血管区域的中心线。
在本发明实施例中,获取模块601,包括:获得子模块6011,用于获得原始图像,原始图像包含血管区域;第一中心线提取子模块6012,用于基于原始图像对血管区域进行中心线提取,获得候选中心线图像;获得子模块6011,还用于将原始图像和候选中心线图像进行整合,获得中间图像;获得子模块6011,还用于获取中间图像中被选中区域的图像作为待处理图像。
在本发明实施例中,候选中心线由多个顶点组成,顶点之间具有连接关系,判断模块602,包括:判断子模块6021,用于判断待处理图像是否包含分叉点,分叉点为与至少三个其它顶点连接的任一顶点;判断子模块6021,还用于当判断结果为待处理图像包含分叉点时,确定待处理图像包含多条候选中心线;判断子模块6021,还用于当判断结果为待处理图像不包含分叉点时,确定待处理图像包含一条候选中心线。
在本发明实施例中,选择模块603,包括:确定子模块6031,用于基于任意一条候选中心线,获取所述候选中心线上的每一个顶点对应的血管尺寸;确定子模块6031,还用于获取所述血管尺寸中被选定的血管尺寸确定为基准血管尺寸;确定子模块6031,还用于将所述候选中心线上的每一个顶点对应的血管尺寸与所述基准血管尺寸做比,获得所述候选中心线的血管尺寸变化率;确定子模块6031,还用于当候选中心线中的所有的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为血管区域的中心线。在本发明实施例中,中心线提取模块604,包括:平滑系数子模块6041,用于当血管区域包含急转弯的情况下,获取与血管区域对应的新平滑系数;血管平滑调整子模块6042,用于根据新平滑系数对与急转弯对应的血管区域进行血管平滑调整,获得新血管区域;第二中心线提取子模块6043,用于对新血管区域进行中心线提取,获得血管区域的中心线。
本发明实施例还提供一种计算机可读存储介质,存储介质包括一组计算机可执行指令,当指令被执行时用于执行上述任一项血管中心线提取方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种血管中心线提取方法,其特征在于,所述方法包括:
获取待处理图像,所述待处理图像包含血管区域和对应的候选中心线;
判断所述待处理图像中所述血管区域是否对应多条候选中心线;
当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线;
当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理图像,包括:
获得原始图像,所述原始图像包含血管区域;
基于所述原始图像对所述血管区域进行中心线提取,获得候选中心线图像;
将所述原始图像和所述候选中心线图像进行整合,获得中间图像;
获取所述中间图像中被选中区域的图像作为所述待处理图像。
3.根据权利要求1所述的方法,其特征在于,所述候选中心线由多个顶点组成,所述顶点之间具有连接关系,所述判断所述待处理图像中所述血管区域是否对应多条候选中心线,包括:
判断所述待处理图像是否包含分叉点,所述分叉点为与至少三个其它顶点连接的任一顶点;
当判断结果为所述待处理图像包含所述分叉点时,确定所述待处理图像包含多条候选中心线;
当判断结果为所述待处理图像不包含所述分叉点时,确定所述待处理图像包含一条候选中心线。
4.根据权利要求3所述的方法,其特征在于,所述当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线,包括:
基于任意一条候选中心线,获取所述候选中心线上的每一个顶点对应的血管尺寸;
获取所述血管尺寸中被选定的血管尺寸确定为基准血管尺寸;
将所述候选中心线上的每一个顶点对应的血管尺寸与所述基准血管尺寸做比,获得所述候选中心线的血管尺寸变化率;
当所述候选中心线中的所有的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为所述血管区域的中心线。
5.根据权利要求1或3所述的方法,其特征在于,所述当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线,包括:
当所述血管区域包含急转弯的情况下,获取与所述血管区域对应的新平滑系数;
根据所述新平滑系数对与所述急转弯对应的血管区域进行血管平滑调整,获得新血管区域;
对所述新血管区域进行中心线提取,获得所述血管区域的中心线。
6.一种血管中心线提取设备,其特征在于,所述设备包括:
获取模块,用于获取待处理图像,所述待处理图像包含血管区域和对应的候选中心线;
判断模块,用于判断所述待处理图像中所述血管区域是否对应多条候选中心线;
选择模块,用于当判断结果为所述血管区域对应多条候选中心线时,从多条候选中心线中选择至少一条候选中心线作为所述血管区域的中心线;
中心线提取模块,用于当判断结果为所述血管区域对应一条候选中心线时,对所述血管区域进行中心线提取,获得所述血管区域的中心线。
7.根据权利要求6所述的设备,其特征在于,所述获取模块,包括:
获得子模块,用于获得原始图像,所述原始图像包含血管区域;
第一中心线提取子模块,用于基于所述原始图像对所述血管区域进行中心线提取,获得候选中心线图像;
所述获得子模块,还用于将所述原始图像和所述候选中心线图像进行整合,获得中间图像;
所述获得子模块,还用于获取所述中间图像中被选中区域的图像作为所述待处理图像。
8.根据权利要求6所述的设备,其特征在于,所述候选中心线由多个顶点组成,所述顶点之间具有连接关系,所述判断模块,包括:
判断子模块,用于判断所述待处理图像是否包含分叉点,所述分叉点为与至少三个其它顶点连接的任一顶点;
所述判断子模块,还用于当判断结果为所述待处理图像包含所述分叉点时,确定所述待处理图像包含多条候选中心线;
所述判断子模块,还用于当判断结果为所述待处理图像不包含所述分叉点时,确定所述待处理图像包含一条候选中心线。
9.根据权利要求6或8所述的设备,其特征在于,所述选择模块,包括:
确定子模块,用于基于任意一条候选中心线,获取所述候选中心线上的每一个顶点对应的血管尺寸;
所述确定子模块,还用于获取所述血管尺寸中被选定的血管尺寸确定为基准血管尺寸;
所述确定子模块,还用于将所述候选中心线上的每一个顶点对应的血管尺寸与所述基准血管尺寸做比,获得所述候选中心线的血管尺寸变化率;
所述确定子模块,还用于当所述候选中心线中的所有的血管尺寸变化率满足预设阈值的情况下,将满足预设阈值的候选中心线确定为所述血管区域的中心线。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1-5任一项所述的血管中心线提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110248589.7A CN112598671A (zh) | 2021-03-08 | 2021-03-08 | 一种血管中心线提取方法、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110248589.7A CN112598671A (zh) | 2021-03-08 | 2021-03-08 | 一种血管中心线提取方法、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598671A true CN112598671A (zh) | 2021-04-02 |
Family
ID=75210281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110248589.7A Pending CN112598671A (zh) | 2021-03-08 | 2021-03-08 | 一种血管中心线提取方法、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598671A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511773A (zh) * | 2021-06-21 | 2022-12-23 | 数坤(北京)网络科技股份有限公司 | 一种血管中心线提取方法、装置、设备和可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819823A (zh) * | 2012-01-12 | 2012-12-12 | 北京理工大学 | 一种从造影图像中全自动跟踪提取血管的方法 |
US20170258433A1 (en) * | 2016-03-10 | 2017-09-14 | Siemens Healthcare Gmbh | Method and System for Extracting Centerline Representation of Vascular Structures in Medical Images Via Optimal Paths in Computational Flow Fields |
CN107392891A (zh) * | 2017-06-28 | 2017-11-24 | 深圳先进技术研究院 | 血管树提取方法、装置、设备及存储介质 |
CN108765363A (zh) * | 2018-03-24 | 2018-11-06 | 语坤(北京)网络科技有限公司 | 一种基于人工智能的冠脉cta自动后处理系统 |
EP2358269B1 (en) * | 2007-03-08 | 2019-04-10 | Sync-RX, Ltd. | Image processing and tool actuation for medical procedures |
CN109727242A (zh) * | 2018-12-28 | 2019-05-07 | 上海联影医疗科技有限公司 | 血管中心线提取方法、装置、计算机设备和存储介质 |
CN109875595A (zh) * | 2019-03-12 | 2019-06-14 | 数坤(北京)网络科技有限公司 | 一种颅内血管状态检测方法及装置 |
CN112132882A (zh) * | 2019-11-19 | 2020-12-25 | 苏州润迈德医疗科技有限公司 | 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 |
-
2021
- 2021-03-08 CN CN202110248589.7A patent/CN112598671A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2358269B1 (en) * | 2007-03-08 | 2019-04-10 | Sync-RX, Ltd. | Image processing and tool actuation for medical procedures |
CN102819823A (zh) * | 2012-01-12 | 2012-12-12 | 北京理工大学 | 一种从造影图像中全自动跟踪提取血管的方法 |
US20170258433A1 (en) * | 2016-03-10 | 2017-09-14 | Siemens Healthcare Gmbh | Method and System for Extracting Centerline Representation of Vascular Structures in Medical Images Via Optimal Paths in Computational Flow Fields |
CN107392891A (zh) * | 2017-06-28 | 2017-11-24 | 深圳先进技术研究院 | 血管树提取方法、装置、设备及存储介质 |
CN108765363A (zh) * | 2018-03-24 | 2018-11-06 | 语坤(北京)网络科技有限公司 | 一种基于人工智能的冠脉cta自动后处理系统 |
CN109727242A (zh) * | 2018-12-28 | 2019-05-07 | 上海联影医疗科技有限公司 | 血管中心线提取方法、装置、计算机设备和存储介质 |
CN109875595A (zh) * | 2019-03-12 | 2019-06-14 | 数坤(北京)网络科技有限公司 | 一种颅内血管状态检测方法及装置 |
CN112132882A (zh) * | 2019-11-19 | 2020-12-25 | 苏州润迈德医疗科技有限公司 | 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 |
Non-Patent Citations (1)
Title |
---|
陈骥 等: "利用脊线检测实现视网膜图像血管中心线的精确提取", 《重庆大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511773A (zh) * | 2021-06-21 | 2022-12-23 | 数坤(北京)网络科技股份有限公司 | 一种血管中心线提取方法、装置、设备和可读存储介质 |
CN115511773B (zh) * | 2021-06-21 | 2023-08-29 | 数坤(上海)医疗科技有限公司 | 一种血管中心线提取方法、装置、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108801273B (zh) | 一种道路参考线的生成方法及装置 | |
CN109377458B (zh) | 一种冠脉分割断裂的修复方法及装置 | |
CN109924956B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及装置 | |
US9345442B2 (en) | System and derivation method | |
CN111098894A (zh) | 一种基于轨道曲线特征的列车定位方法及系统 | |
US20140378850A1 (en) | Method of, and apparatus for, processing volumetric image data | |
CN107993228B (zh) | 一种基于心血管oct影像的易损斑块自动检测方法和装置 | |
EP3534334A1 (en) | Method for identification of characteristic points of a calibration pattern within a set of candidate points derived from an image of the calibration pattern | |
CN113793333B (zh) | 应用于工业质检的缺陷图片生成方法及装置 | |
CN112669290A (zh) | 图像比对方法及装置 | |
CN112598671A (zh) | 一种血管中心线提取方法、设备及可读存储介质 | |
CN112070153A (zh) | 基于深度学习的亲属关系验证方法和系统 | |
CN114419047B (zh) | 用于确定血管形态特征的方法、装置、设备和存储介质 | |
US20130066189A1 (en) | Normative dataset for neuropsychiatric disorders | |
JP2006119927A (ja) | パターンマッチング方法およびプログラム | |
CN110555385B (zh) | 一种基于变步长曲率滤波的焊缝特征点求取方法 | |
CN109875595B (zh) | 一种颅内血管状态检测方法及装置 | |
CN113177938B (zh) | 基于圆形卷积核的脑胶质瘤的分割方法、装置及相关组件 | |
CN115908418A (zh) | 一种主动脉ct图像中心线确定方法、系统、设备及介质 | |
CN113870980A (zh) | 一种可视化产科影像检查处理方法及装置 | |
CN109949243B (zh) | 一种钙化伪影消除方法、设备及计算机存储介质 | |
CN114092906A (zh) | 一种车道线分段拟合方法、系统、电子设备及存储介质 | |
CN108090900B (zh) | 一种基于ivoct图像的分叉血管自动识别方法 | |
CN108629788B (zh) | 一种图像边缘检测方法、装置、设备及可读存储介质 | |
CN115690364A (zh) | Ar模型的获取方法、电子设备和可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210402 |
|
RJ01 | Rejection of invention patent application after publication |