CN112700490B - 一种基于最大半径搜索的冠脉中心线生成方法及装置 - Google Patents
一种基于最大半径搜索的冠脉中心线生成方法及装置 Download PDFInfo
- Publication number
- CN112700490B CN112700490B CN202110023367.5A CN202110023367A CN112700490B CN 112700490 B CN112700490 B CN 112700490B CN 202110023367 A CN202110023367 A CN 202110023367A CN 112700490 B CN112700490 B CN 112700490B
- Authority
- CN
- China
- Prior art keywords
- central line
- vascular
- aortic arch
- skeleton
- calculating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 24
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 64
- 210000002376 aorta thoracic Anatomy 0.000 claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims abstract description 40
- 230000002792 vascular Effects 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种基于最大半径搜索的冠脉中心线生成方法及装置,其中方法包括:获取原始CT,对原始CT进行血管分割,得到分割结果,其中,分割结果包括:主动脉弓及冠脉血管;提取血管的所有末端;获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线;对中心线进行拼接。依赖全心半径信息进行全局最优路径搜索,从而避免出现局部最优。同时,由于依赖血管半径进行搜索,还可避免粘连对于中心线的影响,实现高准确率的中心线搜索方案。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种基于最大半径搜索的冠脉中心线生成方法及装置。
背景技术
心脏CT(CCTA)图像中的冠状动脉中心线提取是评估狭窄和动脉粥样硬化斑块的先决条件。在三维空间中观察血管的结构和异常具有很大挑战,因此,研究人员提出首先提取血管中心线,之后沿中心线进行2D曲面重建,从而将三维空间转化为多个二维平面,使得医生只需在2维平面进行疾病诊断和分析,大大降低医生工作量。
现有的方法大体可以划分为两类:基于深度网络预测跟踪算法;基于冠脉掩膜提取3d骨架算法。然而这两种方法都存在明显的不足,基于深度网络预测进行冠脉跟踪会因为冠脉血管分叉点预测错误而导致整条血管分支丢失,且每步预测均有可能引入额外误差;基于冠脉掩膜提取的3d骨架往往过度依赖于冠脉分割的精确性,在存在血管粘连或静脉被误识别为冠脉的情况下提取的中心线不可靠。这些不稳定因素都可能会影响后续医生对疾病的诊断。
发明内容
本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的基于最大半径搜索的冠脉中心线生成方法及装置。
为达到上述目的,本发明的技术方案具体是这样实现的:
本发明的一个方面提供了一种基于最大半径搜索的冠脉中心线生成方法,包括:获取原始CT,对原始CT进行血管分割,得到分割结果,其中,分割结果包括:主动脉弓及冠脉血管;提取血管的所有末端;获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线;对中心线进行拼接。
其中,提取血管的所有末端包括:对分割mask进行大幅腐蚀,消除血管区域的mask,保留主动脉弓所在区域的少量像素;再次膨胀,还原主动脉弓,分别得到主动脉弓所在区域和其余区域,其余区域为血管mask;将骨架线与血管mask取交集,得到血管骨架线;计算血管骨架线与主动脉弓的距离,获取距离最近的点作为当前血管的起点;对于所有血管骨架线进行连通域计算,获取每个起点所在的血管骨架线;基于每个起点所在的血管骨架线,计算所有骨架点的连接关系,进行最短路径计算,通过最短路径生成树结构,得到潜在血管终点。
其中,获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线包括:计算所有mask的前景点距离背景的最短距离,得到原始半径矩阵;对于原始半径矩阵进行变换,使得半径越大的点,其cost矩阵值越小,且不同半径之间的cost差异足够大;基于cost矩阵计算从整个中心线搜索的起点至所有血管的所有末端的最短路径,将路径上的cost矩阵值之和最小的路径确定为中心线。
其中,对中心线进行拼接包括:在孤立中心线的末端计算多尺度切线方向,并计算孤立中心线的末端到最近的主干中心线的距离;当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则确定当前孤立中心线属于主干中心线的分支;将当前孤立中心线拼接至最近的主干中心线。
本发明另一方面提供了一种基于最大半径搜索的冠脉中心线生成装置,包括:分割模块,用于获取原始CT,对原始CT进行血管分割,得到分割结果,其中,分割结果包括:主动脉弓及冠脉血管;提取模块,用于提取血管的所有末端;搜索模块,用于获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线;拼接模块,用于对中心线进行拼接。
其中,提取模块通过如下方式提取血管的所有末端:提取模块,具体用于对分割mask进行大幅腐蚀,消除血管区域的mask,保留主动脉弓所在区域的少量像素;再次膨胀,还原主动脉弓,分别得到主动脉弓所在区域和其余区域,其余区域为血管mask;将骨架线与血管mask取交集,得到血管骨架线;计算血管骨架线与主动脉弓的距离,获取距离最近的点作为当前血管的起点;对于所有血管骨架线进行连通域计算,获取每个起点所在的血管骨架线;基于每个起点所在的血管骨架线,计算所有骨架点的连接关系,进行最短路径计算,通过最短路径生成树结构,得到潜在血管终点。
其中,搜索模块通过如下方式获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线:搜索模块,具体用于计算所有mask的前景点距离背景的最短距离,得到原始半径矩阵;对于原始半径矩阵进行变换,使得半径越大的点,其cost矩阵值越小,且不同半径之间的cost差异足够大;基于cost矩阵计算从整个中心线搜索的起点至所有血管的所有末端的最短路径,将路径上的cost矩阵值之和最小的路径确定为中心线。
其中,拼接模块通过如下方式对中心线进行拼接:拼接模块,具体用于在孤立中心线的末端计算多尺度切线方向,并计算孤立中心线的末端到最近的主干中心线的距离;当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则确定当前孤立中心线属于主干中心线的分支;将当前孤立中心线拼接至最近的主干中心线。
由此可见,通过本发明提供的基于最大半径搜索的冠脉中心线生成方法及装置,依赖全心半径信息进行全局最优路径搜索,从而避免出现局部最优。同时,由于依赖血管半径进行搜索,还可避免粘连对于中心线的影响,实现高准确率的中心线搜索方案。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的基于最大半径搜索的冠脉中心线生成方法的流程图;
图2为本发明实施例提供的基于最大半径搜索的冠脉中心线生成装置的结构示意图。
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。
图1示出了本发明实施例提供的基于最大半径搜索的冠脉中心线生成方法的流程图,参见图1,本发明实施例提供的基于最大半径搜索的冠脉中心线生成方法,包括:
S1,获取原始CT,对原始CT进行血管分割,得到分割结果,其中,分割结果包括:主动脉弓及冠脉血管;
S2,提取血管的所有末端。
具体地,为了提取中心线,本发明首先对原始CT进行血管分割,仅保留主动脉弓及冠脉血管。之后,需要提取血管的所有末端,用于后续中心线搜索。
作为本发明实施例的一个可选实施方式,提取血管的所有末端包括:对分割mask进行大幅腐蚀,消除血管区域的mask,保留主动脉弓所在区域的少量像素;再次膨胀,还原主动脉弓,分别得到主动脉弓所在区域和其余区域,其余区域为血管mask;将骨架线与血管mask取交集,得到血管骨架线;计算血管骨架线与主动脉弓的距离,获取距离最近的点作为当前血管的起点;对于所有血管骨架线进行连通域计算,获取每个起点所在的血管骨架线;基于每个起点所在的血管骨架线,计算所有骨架点的连接关系,进行最短路径计算,通过最短路径生成树结构,得到潜在血管终点。
具体地,本发明首先基于分割结果提取骨架线,其代表血管的主要连接关系。之后,为了区分主动脉弓内的中心线及血管中心线,本发明对于分割mask进行大幅腐蚀,从而首先消除血管区域的mask,仅保留主动脉弓所在区域的少量像素,之后再次膨胀,使得主动脉弓得以再次还原,从而分别得到主动脉弓所在区域,其余区域为血管mask。通过将骨架线与血管mask取交集,得到血管骨架线,并计算其与主动脉弓的距离,取距离最近的点作为当前血管的起点,其对应的含义为发自主动脉弓的血管的开口。得到开口后,本发明对于所有血管骨架线进行连通域计算,从而获取每个起点所在的血管骨架线。基于每个起点所在的血管骨架线,本发明计算所有骨架点的连接关系,并用于最短路径计算,并通过最短路径生成树结构,从而获得所有叶子节点作为潜在血管终点。
S3,获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线。
具体地,获取血管终点后,本发明通过取主动脉弓内骨架线的平均值作为整个中心线搜索的起点。相对于现有方法,本发明仅需主动脉弓内的起点即可获得完整中心线,大幅降低了搜索算法的复杂程度。
作为本发明实施例的一个可选实施方式,获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线包括:计算所有mask的前景点距离背景的最短距离,得到原始半径矩阵;对于原始半径矩阵进行变换,使得半径越大的点,其cost矩阵值越小,且不同半径之间的cost差异足够大;基于cost矩阵计算从整个中心线搜索的起点至所有血管的所有末端的最短路径,将路径上的cost矩阵值之和最小的路径确定为中心线。
具体地,为了实现自动搜索,本发明首先计算mask的半径(dist transform,距离变换),即所有mask的前景点距离背景的最短距离,该距离反映了每个点距离血管壁的最短距离。中心线的目标是沿着血管中心前进,即沿着到血管壁距离最大的路线前进,因此,搜索一条始终保持距离血管壁最远的路径即可获得接近全局最优的中心线方案。因此,本发明对于原始半径矩阵进行变换,使得半径越大的点,其cost矩阵值越小,同时,不同半径之间的cost差异足够大,使得搜索过程始终沿着半径最大的路线前进。变换过程为:
其中,α为半径变换的缩放系数,用于调整cost差异的速度,r为当前坐标的半径值,β为半径变换的指数系数,用于调整cost差异的差异量级。
之后,本发明基于cost矩阵计算从起点至所有末端点的最短路径,使得其路径上的cost之和最小,则该路径即为中心线。
作为本发明实施例的一个可选实施方式,最短路径搜索的cost矩阵可通过引入更多指数项和乘数改变搜索优先级,从而在特殊区域引入更多先验信息,避免出现错误路径。
S4,对中心线进行拼接。
具体地,为了处理因分割不全、血管断裂或阻塞等问题导致的中心线中断,本发明进一步在前述中心线基础上进行拼接。
作为本发明实施例的一个可选实施方式,对中心线进行拼接包括:在孤立中心线的末端计算多尺度切线方向,并计算孤立中心线的末端到最近的主干中心线的距离;当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则确定当前孤立中心线属于主干中心线的分支;将当前孤立中心线拼接至最近的主干中心线。
具体地,为了保证拼接质量,本发明在孤立中心线的末端计算多尺度切线方向,并计算末端到最近的主干中心线的距离,当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则认为当前孤立中心线属于主干中心线的分支,将其拼接至最近的主干中心线。
由此可见,通过本发明实施例提供的基于最大半径搜索的冠脉中心线生成方法,提出中心线全自动搜索的完整流程,全程不需要人为参与;提出基于血管半径的全局搜索方法,可以避免局部最优。由此,本发明基于分割和骨架的初始搜索,从而全自动产生起点和终点;基于血管半径的优化约束,从而要求算法完全沿血管中心前进,无需额外规则或约束;且搜索过程仅依赖分割结果,复杂度低,速度快。
因此,本发明提出通过分割和全局最短路径实现近似全局最优中心线搜索算法,实现速度和准确率的同时提升。相对于现有方案,本产品可全自动获得所有终点,且不需要手动指定起点,同时,本产品以中心线至血管壁距离为优化目标,可确保搜索结果严格沿血管中心前进,实现高可靠预测。另一方面,本产品通过血管走向和距离的分析,实现了阻塞血管的重连接,对于分析病情具有重要意义。
图2示出了本发明实施例提供的基于最大半径搜索的冠脉中心线生成装置的结构示意图,该基于最大半径搜索的冠脉中心线生成装置应用上述方法,以下仅对基于最大半径搜索的冠脉中心线生成装置的结构进行简单说明,其他未尽事宜,请参照上述基于最大半径搜索的冠脉中心线生成方法中的相关描述,参见图2,本发明实施例提供的基于最大半径搜索的冠脉中心线生成装置,包括:
分割模块,用于获取原始CT,对原始CT进行血管分割,得到分割结果,其中,分割结果包括:主动脉弓及冠脉血管;
提取模块,用于提取血管的所有末端;
搜索模块,用于获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线;
拼接模块,用于对中心线进行拼接。
作为本发明实施例的一个可选实施方式,提取模块通过如下方式提取血管的所有末端:提取模块,具体用于对分割mask进行大幅腐蚀,消除血管区域的mask,保留主动脉弓所在区域的少量像素;再次膨胀,还原主动脉弓,分别得到主动脉弓所在区域和其余区域,其余区域为血管mask;将骨架线与血管mask取交集,得到血管骨架线;计算血管骨架线与主动脉弓的距离,获取距离最近的点作为当前血管的起点;对于所有血管骨架线进行连通域计算,获取每个起点所在的血管骨架线;基于每个起点所在的血管骨架线,计算所有骨架点的连接关系,进行最短路径计算,通过最短路径生成树结构,得到潜在血管终点。
作为本发明实施例的一个可选实施方式,搜索模块通过如下方式获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线:搜索模块,具体用于计算所有mask的前景点距离背景的最短距离,得到原始半径矩阵;对于原始半径矩阵进行变换,使得半径越大的点,其cost矩阵值越小,且不同半径之间的cost差异足够大;基于cost矩阵计算从整个中心线搜索的起点至所有血管的所有末端的最短路径,将路径上的cost矩阵值之和最小的路径确定为中心线。
作为本发明实施例的一个可选实施方式,拼接模块通过如下方式对中心线进行拼接:拼接模块,具体用于在孤立中心线的末端计算多尺度切线方向,并计算孤立中心线的末端到最近的主干中心线的距离;当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则确定当前孤立中心线属于主干中心线的分支;将当前孤立中心线拼接至最近的主干中心线。
由此可见,通过本发明实施例提供的基于最大半径搜索的冠脉中心线生成装置,提出中心线全自动搜索的完整流程,全程不需要人为参与;提出基于血管半径的全局搜索方法,可以避免局部最优。由此,本发明基于分割和骨架的初始搜索,从而全自动产生起点和终点;基于血管半径的优化约束,从而要求算法完全沿血管中心前进,无需额外规则或约束;且搜索过程仅依赖分割结果,复杂度低,速度快。
因此,本发明提出通过分割和全局最短路径实现近似全局最优中心线搜索算法,实现速度和准确率的同时提升。相对于现有方案,本产品可全自动获得所有终点,且不需要手动指定起点,同时,本产品以中心线至血管壁距离为优化目标,可确保搜索结果严格沿血管中心前进,实现高可靠预测。另一方面,本产品通过血管走向和距离的分析,实现了阻塞血管的重连接,对于分析病情具有重要意义。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (4)
1.一种基于最大半径搜索的冠脉中心线生成方法,其特征在于,包括:
获取原始CT,对所述原始CT进行血管分割,得到分割结果,其中,所述分割结果包括:主动脉弓及冠脉血管;
提取血管的所有末端;
获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线;
对所述中心线进行拼接;其中:
所述提取血管的所有末端包括:
对分割mask进行大幅腐蚀,消除血管区域的mask,保留主动脉弓所在区域的少量像素;
再次膨胀,还原所述主动脉弓,分别得到主动脉弓所在区域和其余区域,所述其余区域为血管mask;
将骨架线与所述血管mask取交集,得到血管骨架线;
计算所述血管骨架线与所述主动脉弓的距离,获取所述距离最近的点作为当前血管的起点;
对于所有血管骨架线进行连通域计算,获取每个起点所在的血管骨架线;
基于每个所述起点所在的血管骨架线,计算所有骨架点的连接关系,进行最短路径计算,通过最短路径生成树结构,得到潜在血管终点;
所述获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线包括:
计算所有mask的前景点距离背景的最短距离,得到原始半径矩阵;
对于所述原始半径矩阵进行变换得到cost矩阵,使得半径越大的点,其cost矩阵值越小,且不同半径之间的cost差异足够大;
基于所述cost矩阵计算从所述整个中心线搜索的起点至所有所述血管的所有末端的最短路径,将路径上的cost矩阵值之和最小的路径确定为所述中心线。
2.根据权利要求1所述的方法,其特征在于,所述对所述中心线进行拼接包括:
在孤立中心线的末端计算多尺度切线方向,并计算所述孤立中心线的末端到最近的主干中心线的距离;
当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则确定当前孤立中心线属于主干中心线的分支;
将所述当前孤立中心线拼接至最近的主干中心线。
3.一种基于最大半径搜索的冠脉中心线生成装置,其特征在于,包括:
分割模块,用于获取原始CT,对所述原始CT进行血管分割,得到分割结果,其中,所述分割结果包括:主动脉弓及冠脉血管;
提取模块,用于提取血管的所有末端;
搜索模块,用于获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线;
拼接模块,用于对所述中心线进行拼接;
其中:
所述提取模块通过如下方式提取血管的所有末端:
所述提取模块,具体用于对分割mask进行大幅腐蚀,消除血管区域的mask,保留主动脉弓所在区域的少量像素;再次膨胀,还原所述主动脉弓,分别得到主动脉弓所在区域和其余区域,所述其余区域为血管mask;将骨架线与所述血管mask取交集,得到血管骨架线;计算所述血管骨架线与所述主动脉弓的距离,获取所述距离最近的点作为当前血管的起点;对于所有血管骨架线进行连通域计算,获取每个起点所在的血管骨架线;基于每个所述起点所在的血管骨架线,计算所有骨架点的连接关系,进行最短路径计算,通过最短路径生成树结构,得到潜在血管终点;
所述搜索模块通过如下方式获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点,搜索中心线:
所述搜索模块,具体用于计算所有mask的前景点距离背景的最短距离,得到原始半径矩阵;对于所述原始半径矩阵进行变换,使得半径越大的点,其cost矩阵值越小,且不同半径之间的cost差异足够大;基于所述cost矩阵计算从所述整个中心线搜索的起点至所有所述血管的所有末端的最短路径,将路径上的cost矩阵值之和最小的路径确定为所述中心线。
4.根据权利要求3所述的装置,其特征在于,所述拼接模块通过如下方式对所述中心线进行拼接:
所述拼接模块,具体用于在孤立中心线的末端计算多尺度切线方向,并计算所述孤立中心线的末端到最近的主干中心线的距离;当主干中心线出现在末端切线方向的均值附近且距离小于阈值,则确定当前孤立中心线属于主干中心线的分支;将所述当前孤立中心线拼接至最近的主干中心线。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023367.5A CN112700490B (zh) | 2021-01-08 | 2021-01-08 | 一种基于最大半径搜索的冠脉中心线生成方法及装置 |
PCT/CN2022/070629 WO2022148415A1 (zh) | 2021-01-08 | 2022-01-07 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023367.5A CN112700490B (zh) | 2021-01-08 | 2021-01-08 | 一种基于最大半径搜索的冠脉中心线生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700490A CN112700490A (zh) | 2021-04-23 |
CN112700490B true CN112700490B (zh) | 2023-04-25 |
Family
ID=75513452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110023367.5A Active CN112700490B (zh) | 2021-01-08 | 2021-01-08 | 一种基于最大半径搜索的冠脉中心线生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700490B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022148415A1 (zh) * | 2021-01-08 | 2022-07-14 | 杭州深睿博联科技有限公司 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
CN113643317B (zh) * | 2021-10-18 | 2022-01-04 | 四川大学 | 基于深度几何演化模型的冠状动脉分割方法 |
CN114332202B (zh) * | 2021-12-30 | 2023-11-24 | 北京阅影科技有限公司 | 血管模型的处理方法及其装置、计算机可读存储介质 |
CN115375705B (zh) * | 2022-08-04 | 2023-03-31 | 北京医准智能科技有限公司 | 一种血管分割方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517279A (zh) * | 2019-09-20 | 2019-11-29 | 北京深睿博联科技有限责任公司 | 头颈血管中心线提取方法及装置 |
CN110706272A (zh) * | 2019-10-17 | 2020-01-17 | 上海微创医疗器械(集团)有限公司 | 血管中心线的提取方法、装置、电子设备和存储介质 |
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 |
-
2021
- 2021-01-08 CN CN202110023367.5A patent/CN112700490B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517279A (zh) * | 2019-09-20 | 2019-11-29 | 北京深睿博联科技有限责任公司 | 头颈血管中心线提取方法及装置 |
CN110706272A (zh) * | 2019-10-17 | 2020-01-17 | 上海微创医疗器械(集团)有限公司 | 血管中心线的提取方法、装置、电子设备和存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112700490A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700490B (zh) | 一种基于最大半径搜索的冠脉中心线生成方法及装置 | |
WO2022148415A1 (zh) | 冠脉血管分割方法、装置、设备及计算机可读存储介质 | |
US8532356B2 (en) | Method for automatic separation of segmented tubular and circular objects | |
CN112884826B (zh) | 血管中心线的提取方法及装置 | |
CN116051580A (zh) | 一种血管分离方法及系统 | |
US11847547B2 (en) | Method and system for generating a centerline for an object, and computer readable medium | |
CN111696089A (zh) | 一种动静脉确定方法、装置、设备和存储介质 | |
IL263066B2 (en) | Selecting blood vessels from images | |
KR20190084380A (ko) | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 | |
CN112837306B (zh) | 基于深度学习和中智理论的冠状动脉病变功能学定量方法 | |
CN117373070B (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
KR102352942B1 (ko) | 객체 경계정보의 주석을 입력하는 방법 및 장치 | |
JP2023506107A (ja) | 冠状動脈の分割方法、装置、電子デバイス及びコンピュータ読取可能な記憶媒体 | |
CN113192069A (zh) | 三维断层扫描图像中树状结构的语义分割方法和装置 | |
CN117152173A (zh) | 一种基于DUNetR模型的冠状动脉分割方法和系统 | |
CN116189250A (zh) | 一种视网膜动静脉分类优化方法及系统 | |
CN111354008A (zh) | 基于局部特征的肝静脉门静脉分离方法及装置 | |
CN115908418A (zh) | 一种主动脉ct图像中心线确定方法、系统、设备及介质 | |
CN110840561A (zh) | 一种基于人工智能与图论算法的手术导航辅助系统 | |
Khanal et al. | Fully automated tree topology estimation and artery-vein classification | |
Hassouna et al. | PDE-based three dimensional path planning for virtual endoscopy | |
CN114332072A (zh) | 一种主动脉夹层疾病分型方法和装置、存储介质 | |
CN113256564B (zh) | 医学影像中的导管参数提取方法及装置 | |
CN115131508B (zh) | 基于数据处理的dsa建模点云数据融合处理方法 | |
Cohen et al. | Multiple contour finding and perceptual grouping as a set of energy minimizing paths |
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 |