CN114299055A - 血管中心线确定方法、装置、计算机设备和可读存储介质 - Google Patents
血管中心线确定方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN114299055A CN114299055A CN202111675308.2A CN202111675308A CN114299055A CN 114299055 A CN114299055 A CN 114299055A CN 202111675308 A CN202111675308 A CN 202111675308A CN 114299055 A CN114299055 A CN 114299055A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- blood
- medical image
- image
- black
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 413
- 239000008280 blood Substances 0.000 claims abstract description 295
- 210000004369 blood Anatomy 0.000 claims abstract description 295
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 32
- 238000007499 fusion processing Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种血管中心线确定方法、装置、计算机设备和可读存储介质。该方法通过获取黑血医学图像和亮血医学图像；对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。本申请提供的血管中心线确定方法可以提高提取血管中心线的准确率。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种血管中心线确定方法、装置、计算机设备和可读存储介质。
背景技术
近年来，在我国和世界范围内，脑血管疾病的发病率和死亡率正逐年增加，逐步成为了最主要的致死原因之一。血管中心线提取对血管疾病的治疗有着重要的意义，提取出的血管中心线可以用于血管疾病的分析和诊断。随着磁共振成像技术的发展，如何基于磁共振的血管图像准确的提取出血管中心线是目标需要解决的问题。
传统技术中，提取血管中心线的常用方式是采用手动或者交互式的方式在血管图像中提取血管中心线。然而，采用这种方式提取的血管中心线的准确率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种血管中心线确定方法、装置、计算机设备和可读存储介质。
第一方面，本申请一个实施例提供一种血管中心线确定方法，包括：
获取黑血医学图像和亮血医学图像；
对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。
在其中一个实施例中，对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像，包括：
将黑血医学图像和亮血医学图像输入图像融合模型，得到融合血管标识图像。
在其中一个实施例中，对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，包括：
将黑血医学图像输入第一标识模型，得到黑血血管标识图像；
将亮血医学图像输入第二标识模型，得到亮血血管标识图像。
在其中一个实施例中，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像之前，血管中心线确定方法还包括：
根据血管架构，分别去除黑血血管标识图像以及亮血血管标识图像中的干扰区域。
在其中一个实施例中，根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线，包括：
基于黑血医学图像或亮血医学图像，将每段血管的分段中心线进行处理，得到初始中心线；
根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线。
在其中一个实施例中，根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线，包括：
根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定初始中心线上的的分叉点；
根据初始中心线和初始中心线上分叉点，确定黑血医学图像或亮血医学图像中血管的中心线。
在其中一个实施例中，基于黑血医学图像或所述亮血医学图像，将每段血管的分段中心线进行连接和延长处理，得到初始中心线，包括：
基于黑血医学图像或亮血医学图像，将每段血管的分段中心线连接，得到连接中心线；
根据预设长度阈值对连接中心线进行延长处理，得到初始中心线。
第二方面，本申请一个实施例提供一种血管中心线确定装置，包括：
获取模块，用于获取黑血医学图像和亮血医学图像；
融合模块，用于对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
确定模块，用于提取融合血管标识图像中每段血管的分段中心线，并根据所述血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。
第三当面，本申请一个实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述实施例提供的方法的步骤。
第四方面，本申请一个实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述实施例提供的方法的步骤。
本申请实施例提供一种血管中心线确定方法、装置、计算机设备和可读存储介质。该方法通过获取黑血医学图像和亮血医学图像；对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。本实施例提供的血管中心线确定方法通过提取融合血管标识图像中每段血管的分段中心线来确定黑血医学图像或亮血医学图像中血管的中心线，融合血管标识图像是由黑血医学标识图像和亮血血管标识图像配准和融合处理后得到的。多个医学图像对应的融合医学图像中包含多个医学图像对应的特征，则通过多个医学图像(黑血医学图像和亮血医学图像)对应的融合医学图像可以更加快速且准确的确定分段中心线，从而可以提高确定每个医学图像(黑血医学图像或亮血医学图像)中血管的中心线的准确性和效率。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术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申请的一些实施例，对于本领域不同技术人员来讲，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的附图。
图1为一个实施例提供的血管中心线确定方法的应用环境图；
图2为一个实施例提供的血管中心线确定方法的步骤流程示意图；
图3为一个实施例提供的医学图像的示意图；
图4为一个实施例提供的具有血管标记的医学图像示意图；
图5为另一个实施例提供的血管中心线确定方法的步骤流程示意图；
图6为另一个实施例提供的血管中心线确定方法的步骤流程示意图；
图7为另一个实施例提供的血管中心线确定方法的步骤流程示意图；
图8为另一个实施例提供的血管中心线确定方法的步骤流程示意图；
图9为一个实施例提供的血管中心线的示意图；
图10为一个实施例提供的血管中心线确定装置的结构示意图；
图11为一个实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。
本申请实施例提供的血管中心线确定方法，可以应用于如图1所示的应用环境中，该应用环境包括终端100和医学扫描设备200。其中，终端可以通过网络与医学扫描设备200进行通信。终端100可以但不限于是各种个人计算机、笔记本电脑机和平板电脑。医学扫描设备200可以但不限于是各种磁共振设备。本实施例对医学扫描设备200的种类不作限制，只要能够实现其功能即可。
在一个实施例中，如图2所示，提供一种血管中心线确定方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤200、获取黑血医学图像和亮血医学图像。
黑血医学图像可以是医学扫描设备采用黑血技术得到的医学图像。黑血技术是指在使用医学扫描设备进行血管成像时，在血流进入成像容积之前施加一个饱和射频脉冲，使血流预饱和，在血流进入成像容积时在施加射频脉冲，由于已被预饱和血流的纵向磁化矢量很小，几乎不会产生磁共振信号，所以血流呈黑色低信号，而周围组织为高信号，可以形成黑血医学图像。
亮血医学图像可以是医学扫描设备采用亮血技术的得到的医学图像。亮血技术是指在TR较短的快速绕相GRE T1W1序列进行采集，成像容积或层面内的静止组织被反复激发而处于饱和状态，磁化矢量很小，从而抑制了静止的背景组织，而成像之外的血液没有受到射频脉冲的饱和，当血液流入成像容积或层面时就具有较高的信号，与静止组织之间形成较好的对比，可以形成亮血医学图像。
具体地，脑血管对应的黑血医学图像和亮血医学图像如图3所示，图3中的图A表示黑血医学图像，图B表示亮血医学图像。
黑血医学图像和亮血医学图像可以是使用医学扫描设备得到并存储在终端的存储器中的。终端在需要时，直接在存储器中获取黑血医学图像和亮血医学图像。本实施例对获取黑血医学图像和亮血医学图像的具体方法不作限制，只要能够实现其功能即可。
步骤210、对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
终端在得到黑血医学图像后，对其进行血管标识处理，可以得到黑血血管标识图像。换句话说，终端对黑血医学图像中不同种类的血管区域采用预设的方式进行标记，可以得到具有血管标记的医学图像，即黑血血管标识图像。黑血血管标识图像中可以包括一个或多个种类的血管区域。采用预设的方式进行标记可以是指采用不同的颜色对黑血医学图像中不同种类的血管区域进行标记，一种颜色表示一种血管区域。
终端在得到亮血医学图像后，对其进行血管标识处理，可以得到亮血血管标识图像。也就是说，终端对亮血医学图像中不同种类的血管区域采用预设的方式进行标记，可以得到具有血管标记的医学图像，即亮血血管标识图像。采用预设的方式进行标记可以是采用不同的颜色对亮血医学图像中不同种类的血管区域进行标记，一种颜色表示一种血管区域。本实施例对对黑血医学图像和亮血医学图像分别进行血管标识处理的具体方法不作限制，只要能够实现其功能即可。
终端在得到黑血血管标识图像和亮血血管标识图像后，将黑血血管标识图像和亮血血管标识图像进行配准和融合处理，可以得到黑血血管标识图像和亮血血管标识图像融合后的融合血管标识图像。具体地，终端可以使用刚性配准方法对黑血血管标识图像和亮血血管标识图像进行配准，终端根据配准的结果对黑血血管标识图像和亮血血管标识图像进行融合就可以得到融合血管标识图像。本实施例对配准和融合的具体方法不作限制，只要能够实现其功能即可。
在一个具体的实施例中，黑血血管标识图像、亮血血管标识图像和融合血管标识图像如图4所示，图4中，图A表示黑血血管标识图像，图B表示亮血血管标识图像，图C表示融合血管标识图像。
步骤220、提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。
融合血管标识图像中的每段血管是指融合血管标识图像中每种血管区域，融合医学血管标识图像是亮血血管标识图像和黑血血管标识图像配准和融合得到的。终端在得到融合血管标识图像后，提取其中的每段血管的分段中心线，即每种血管区域的中心线。本实施例对提取分段中心线的具体方法不作限制，只要能够实现其功能即可。
在一个可选地实施例中，终端可以通过骨架化提取方法从融合血管标识图像中提取每段血管的分段中心线，也可以通过最优路径算法从融合血管标识图像中提取每段血管的分段中心线。
终端在得到融合血管标识图像中的每段血管的分段中心线后，可以根据该分段中心线确定黑血医学图像中血管区域的中心线，也可以根据该分段中心线确定亮血医学图像中血管区域的中心线。本实施例对根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线的具体方法不作限制，只要能够实现其功能即可。
亮血血管标识图像和黑血血管标识图像中均包括多种血管区域的标记，则融合血管标识图像中也包括多种血管区域的标记，则最终确定的黑血医学图像或亮血医学图像中血管的中心线中也包括多种血管中心线的标记。
本申请实施例提供的血管中心线确定方法通过获取黑血医学图像和亮血医学图像；对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。本实施例提供的血管中心线确定方法通过提取融合血管标识图像中每段血管的分段中心线来确定黑血医学图像或亮血医学图像中血管的中心线，融合血管标识图像是由黑血医学标识图像和亮血血管标识图像配准和融合处理后得到的。多个医学图像对应的融合医学图像中包含多个医学图像对应的特征，则通过多个医学图像(黑血医学图像和亮血医学图像)对应的融合医学图像可以更加快速且准确的确定分段中心线，从而可以提高确定每个医学图像(黑血医学图像或亮血医学图像)中血管的中心线的准确率和效率。
在一个实施例中，涉及对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像的一种可能的实现方式，步骤包括：
将黑血医学图像和亮血医学图像输入图像融合模型，得到融合血管标识图像。
终端在得到黑血医学图像和亮血医学图像后，将其均输入预先训练好的图像融合模型，通过该图像融合模型可以输出融合血管标识图像。
具体地，融合血管标识图像的训练过程包括：获取黑血医学图像样本和亮血医学图像样本；将黑血医学图像样本和亮血医学图像样本输入神经网络模型进行训练，可以得到融合血管标识图像。黑血医学图像样本和黑血医学图像的种类相同，亮血医学图像样本与亮血医学图像的种类相同。对黑血医学图像样本和亮血医学图像样本的描述可以参考上述对黑血医学图像和亮血医学图像中的具体描述，在此不再赘述。
在一个可选地实施例中，可以通过对神经网络模型进行有监督的训练。即，获取融合血管标识图像样本，将黑血医学图像样本和亮血医学图像样本，以及融合血管标识图像样本均输入神经网络模型进行训练，得到融合血管标识图像。
在本实施例中，通过预先训练好的图像融合模型得到融合血管标识图像，这样提高确定融合血管标识图像的效率，从而能够提高确定血管中心线的效率。
在一个实施例中，如图5所示，涉及对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像的一种可能的实现方式，步骤包括：
步骤500、将黑血医学图像输入第一标识模型，得到黑血血管标识图像。
终端在得到黑血医学图像后，将其输入预先训练好的第一标识模型，可以得到黑血血管标识图像。第一标识模型可以是使用黑血医学图像样本对神经网络模型进行训练得到的。黑血医学图像样本与黑血医学图像的种类相同。
步骤510、将亮血医学图像输入第二标识模型，得到亮血血管标识图像。
终端在得到亮血医学图像后，将其输入预先训练好的第一标识模型，可以得到亮血血管标识图像。第二标识模型可以是使用亮血医学图像样本对神经网络模型进行训练得到的。亮血医学图像样本与亮血医学图像的种类相同。
在本实施例中，通过第一标识模型确定黑血血管标识图像，通过第二标识模型确定亮血血管标识图像，这样可以提高确定黑血血管标识图像和亮血血管标识图像的效率，从而能够提高融合血管标识图像的效率。
在一个实施例中，在对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像之前，血管中心线确定的步骤还包括：
根据血管架构，分别去除黑血血管标识图像以及亮血血管标识图像中的干扰区域。
终端在对黑血血管标识图像和亮血血管标识图像进行配准和融合处理之前，可以根据黑血血管标识图像中血管区域的血管架构，将黑血血管标识图像中的干扰区域去除，同时根据亮血血管标识图像中血管区域的血管架构，将黑血血管标识图像中的干扰区域去除。也就是说，终端可以将黑血血管标识图像和亮血血管标识图像中不属于血管架构的区域(干扰区域)去除。本实施例对去除干扰区域的具体方法不作限制，只要能够实现其功能即可。
在一个可选地实施例中，终端可以将血管架构与黑血血管标识图像中标记的血管区域，以及亮血血管标识图像中标记的血管区域进行配准，将不属于血管架构的区域去除。
在本实施例中，在对黑血血管标识图像和亮血血管标识图像进行配准和融合之前对其进行干扰区域去除处理，这样可以保证黑血血管标识图像和亮血血管标识图像进行配准和融合的准确性，从而能够提高血管中心线确定的准确率。
在一个实施例中，如图6所示，涉及根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线的一种可能的实现方式，步骤包括：
步骤600、基于黑血医学图像或亮血医学图像，将每段血管的分段中心线进行连接和延长处理，得到初始中心线。
每段血管的分段中心线是在融合血管标识图像中提取的，而融合血管标识图像是由黑血标识图像和亮血标识图像进行配准和融合得到的，则从融合血管标识图像中提取出的每段血管的分段中心线，也是黑血医学图像或亮血医学图像中每段血管分段中心线。
终端在需要确定黑血医学图像的初始中心线时，基于黑血医学图像将得到的每段血管的分段中心线进行连接和延长处理，就可以得到初始中心线。换句话说，终端对黑血医学图像对应的多段血管的分段中心线进行连接，并将连接后的中心线进行延长处理，就可以得到黑血医学图像对应的初始中心线。终端在需要确定亮血医学图像的初始中心线时，使用与确定黑血医学图像对应的初始中心线同样的方法可以得到亮血医学图像对应的初始中心线。
步骤610、根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线。
终端在确定黑血医学图像的中心线时，基于得到的黑血血管标识图像中标记的血管区域和黑血医学图像对应的初始中心线，可以确定黑血医学图像中血管的中心线。具体地，在黑血血管标识图像中对于每段血管区域进行了标记，则根据黑血血管标识图像和初始中心线确定的黑血医学图像中血管的中心线也对每段血管的中心线进行了标记。终端在确定亮血医学图像的中心线时，可以使用与确定亮血医学图像中血管的中心线相同的方法，可以得到亮血医学图像对应的初始中心线。
本实施例提供的方法通过融合血管标识图像确定的每段血管的分段中心线不仅可以黑血医学图像中血管的中心线，也可以确定亮血医学图像中血管的中心线，具有较高的实用性。并且，本实施例提供的方法简单快捷，容易实现。
在一个实施例中，如图7所示，涉及根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线的一种可能的实现方式，步骤包括：
步骤700、根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定初始中心线上的分叉点。
初始中心线的分叉点是指初始中心线中每段血管中心线之间的连接点。初始中心线是将分段中心线连接起来得到的中心线，则对于黑血血管标识图像，终端根据黑血血管标识图像中对每段血管的标记，以及黑血医学图像对应的初始中心线，可以确定黑血医学图像对应的初始中心线上的分叉点。同理，对于亮血血管标识图像，终端根据亮血血管标识图像中对每段血管的标记，可以确定亮血医学图像对应的初始中心线上的分叉点。本实施例对确定分叉点的具体方法不作限制，只要能够实现其功能即可。
在一个可选地实施例中，终端可以确定黑血血管标识中第一分叉点的位置，以及初始中心线中第二分叉点的位置；判断第二分叉点的位置是否在第二分叉点的位置的预设范围内，若在，则确定第二分叉点的位置为最终确定的分叉点。
步骤710、根据初始中心线和初始中心线上的分叉点，确定黑血医学图像或亮血医学图像中血管的中心线。
终端在得到黑血医学图像对应的初始中心线上的分叉点后，根据该分叉点和黑血医学图像对应的初始中心线，可以确定黑血医学图像中血管的完整的中心线。黑血医学图像中血管的完整的中心线对于不同的血管具有不同标记。
终端在得到亮血医学图像对应的初始中心线上的分叉点后，根据该分叉点和黑血医学图像对应的初始中心线，可以确定亮血医学图像中血管的完整的中心线。亮血医学图像中血管的完整的中心线对于不同的血管具有不同的标记。
本实施例提供的确定确定血管中心线的方法容易实现，具有较强的实用性。
在一个实施例中，如图8所示，涉及基于黑血医学图像或亮血医学图像，将每段血管的分段中心线进行连接和延长处理，得到初始中心线，包括：
步骤800、基于黑血医学图像或亮血医学图像，将每段血管的分段中心线连接，得到连接中心线。
基于黑血医学图像，终端将得到的所有分段中心线连接，可以得到黑血医学图像对应的连接中心线。基于亮血医学图像，终端将得到的所有的分段中心线连接，可以得到亮血医学图像对应的连接中心线。本实施例对将每段血管的分段中心线连接的方法不作限制，只要能够实现其功能即可。
步骤810、根据预设长度阈值对连接中心线进行延长处理，得到初始中心线。
预设长度阈值可以是由工作人员根据实际应用设置的。终端在得到连接中心线后，将其按照预设长度阈值进行延长，可以得到初始中心线。换句话说，终端得到的连接中心线可能只是初始中心线的一部分，通过对连接中心线连接就可以得到完整的初始中心线。
在本实施例通过将连接中心线延长可以避免连接中心线不是黑血医学图像或亮血医学图像对应的血管的完整的中心线，并且本实施例提供的确定初始中心线的方法简单易懂，且容易实现。
在一个具体的实施例中，如图9所示，图9中的图A表示从融合血管标识图像中提出到的每段血管的分段中心线，图B为连接中心线，图C为将连接中心线延长处理后的中心线(初始中心线)，图D为黑血医学图像或亮血医学图像中血管的中心线。
在一个可选地实施例中，终端在对连接中心线进行延长处理时，可以直接将连接中心线延长至黑血医学图像的边界或者亮血医学图像的边界，得到黑血医学图像对应的初始中心线或者亮血医学图像对应的初始中心线。
在一个实施例中，终端在得到黑血医学图像或亮血医学图像中血管的中心线后，可以获取该中心线上多个点分别对应的多个血管横截面图像；对于每个血管横截面图像，将该血管横截面图像进行分割处理，根据分割结果可以获取血管横截面图像中的管腔和管壁的轮廓；通过对血管横截面图像中的管腔和管壁的轮廓进行分析，可以实现对黑血医学图像或亮血医学图像中血管是否存在斑块进行检测。并且，在黑血医学图像或亮血医学图像中的血管存在斑块时，可以对其进行分割，得到斑块区域。而且可以对斑块区域进行分析，确定斑块的成分、面积和体积等参数。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的血管中心线确定方法的血管中心线确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个血管中心线确定装置实施例中的具体限定可以参见上文中对于血管中心线确定方法的限定，在此不再赘述。
在一个实施例中，如图10所示，提供一种血管中心线确定装置10，该装置包括获取模块11、融合模块12和确定模块13。其中，
获取模块11用于获取黑血医学图像和亮血医学图像。
融合模块12用于对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像。
确定模块13用于提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，融合模块12具体用于将黑血医学图像和亮血医学图像输入图像融合模型，得到融合血管标识图像。
在一个实施例中，融合模块12包括第一确定单元和第二确定单元。第一确定单元用于将黑血医学图像输入第一标识模型，得到黑血血管标识图像；第二确定单元用于将亮血医学图像输入第二标识模型，得到亮血血管标识图像。
在一个实施例中，血管中心线确定装置10还包括去除模块。去除模块用于根据血管架构，分别去除黑血血管标识图像以及亮血血管标识图像中的干扰区域。
在一个实施例中，确定模块13包括处理单元和第三确定单元。处理单元用于基于黑血医学图像或亮血医学图像，将每段血管的分段中心线进行连接和延长处理，得到初始中心线；第三确定单元用于根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，第三确定单元具体用于根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定初始中心线上的分叉点；根据初始中心线和初始中心线上的分叉点，确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，处理单元具体用于基于黑血医学图像或亮血医学图像，将每段血管的分段中心线连接，得到连接中心线；根据预设长度阈值对连接中心线进行延长处理，得到初始中心线。
上述血管中心线确定装置10中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种血管中心线确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取黑血医学图像和亮血医学图像；
对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将黑血医学图像和亮血医学图像输入图像融合模型，得到融合血管标识图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将黑血医学图像输入第一标识模型，得到黑血血管标识图像；将亮血医学图像输入第二标识模型，得到亮血血管标识图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据血管架构，分别去除黑血血管标识图像以及亮血血管标识图像中的干扰区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于黑血医学图像或亮血医学图像，将每段血管的分段中心线进行连接和延长处理，得到初始中心线；根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定初始中心线上的分叉点；根据初始中心线和初始中心线上的分叉点，确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于黑血医学图像或亮血医学图像，将每段血管的分段中心线连接，得到连接中心线；根据预设长度阈值对连接中心线进行延长处理，得到初始中心线。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取黑血医学图像和亮血医学图像；
对黑血医学图像和亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对黑血血管标识图像和亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
提取融合血管标识图像中每段血管的分段中心线，并根据每段血管的分段中心线确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将黑血医学图像和亮血医学图像输入图像融合模型，得到融合血管标识图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将黑血医学图像输入第一标识模型，得到黑血血管标识图像；将亮血医学图像输入第二标识模型，得到亮血血管标识图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据血管架构，分别去除黑血血管标识图像以及亮血血管标识图像中的干扰区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于黑血医学图像或亮血医学图像，将每段血管的分段中心线进行连接和延长处理，得到初始中心线；根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据黑血血管标识图像或亮血血管标识图像，以及初始中心线，确定初始中心线上的分叉点；根据初始中心线和初始中心线上的分叉点，确定黑血医学图像或亮血医学图像中血管的中心线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于黑血医学图像或亮血医学图像，将每段血管的分段中心线连接，得到连接中心线；根据预设长度阈值对连接中心线进行延长处理，得到初始中心线。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM) 或动态随机存取存储器(DynamicRandom Access Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种血管中心线确定方法，其特征在于，包括：
获取黑血医学图像和亮血医学图像；
对所述黑血医学图像和所述亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对所述黑血血管标识图像和所述亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
提取所述融合血管标识图像中每段血管的分段中心线，并根据所述每段血管的分段中心线确定所述黑血医学图像或所述亮血医学图像中血管的中心线。
2.根据权利要求1所述的血管中心线确定方法，其特征在于，所述对所述黑血医学图像和所述亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对所述黑血血管标识图像和所述亮血血管标识图像进行配准和融合处理，得到融合血管标识图像，包括：
将所述黑血医学图像和所述亮血医学图像输入图像融合模型，得到所述融合血管标识图像。
3.根据权利要求1所述的血管中心线确定方法，其特征在于，所述对所述黑血医学图像和所述亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，包括：
将所述黑血医学图像输入第一标识模型，得到所述黑血血管标识图像；
将所述亮血医学图像输入第二标识模型，得到所述亮血血管标识图像。
4.根据权利要求3所述的血管中心线确定方法，其特征在于，所述对所述黑血血管标识图像和所述亮血血管标识图像进行配准和融合处理，得到融合血管标识图像之前，所述方法还包括：
根据血管架构，分别去除所述黑血血管标识图像以及所述亮血血管标识图像中的干扰区域。
5.根据权利要求3所述的血管中心线确定方法，其特征在于，所述根据所述每段血管的分段中心线确定所述黑血医学图像或所述亮血医学图像中血管的中心线，包括：
基于所述黑血医学图像或所述亮血医学图像，将所述每段血管的分段中心线进行处理，得到初始中心线；
根据所述黑血血管标识图像或所述亮血血管标识图像，以及所述初始中心线，确定所述黑血医学图像或所述亮血医学图像中血管的中心线。
6.根据权利要求5所述的血管中心线确定方法，其特征在于，所述根据所述黑血血管标识图像或所述亮血血管标识图像，以及所述初始中心线，确定所述黑血医学图像或所述亮血医学图像中血管的中心线，包括：
根据所述黑血血管标识图像或所述亮血血管标识图像，以及所述初始中心线，确定所述初始中心线上的分叉点；
根据所述初始中心线和所述初始中心线上的分叉点，确定所述黑血医学图像或所述亮血医学图像中血管的中心线。
7.根据权利要求5所述的血管中心线确定方法，其特征在于，所述基于所述黑血医学图像或所述亮血医学图像，将所述每段血管的分段中心线进行处理，得到初始中心线，包括：
基于所述黑血医学图像或所述亮血医学图像，将所述每段血管的分段中心线连接，得到连接中心线；
根据预设长度阈值对所述连接中心线进行延长处理，得到所述初始中心线。
8.一种血管中心线确定装置，其特征在于，包括：
获取模块，用于获取黑血医学图像和亮血医学图像；
融合模块，用于对所述黑血医学图像和所述亮血医学图像分别进行血管标识处理，得到黑血血管标识图像和亮血血管标识图像，对所述黑血血管标识图像和所述亮血血管标识图像进行配准和融合处理，得到融合血管标识图像；
确定模块，用于提取所述融合血管标识图像中每段血管的分段中心线，并根据所述每段血管的分段中心线确定所述黑血医学图像或所述亮血医学图像中血管的中心线。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111675308.2A CN114299055A (zh) | 2021-12-31 | 2021-12-31 | 血管中心线确定方法、装置、计算机设备和可读存储介质 |
| US18/148,402 US20230214952A1 (en) | 2021-12-31 | 2022-12-29 | Methods and systems for vascular image processing |
| EP22217344.5A EP4207062A1 (en) | 2021-12-31 | 2022-12-30 | Methods and systems for vascular image processing |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111675308.2A CN114299055A (zh) | 2021-12-31 | 2021-12-31 | 血管中心线确定方法、装置、计算机设备和可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114299055A true CN114299055A (zh) | 2022-04-08 |
Family
ID=80975214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111675308.2A Pending CN114299055A (zh) | 2021-12-31 | 2021-12-31 | 血管中心线确定方法、装置、计算机设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114299055A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114677396A (zh) * | 2022-05-27 | 2022-06-28 | 天津远景科技服务有限公司 | 图像处理方法、图像处理设备与计算机可读存储介质 |
-
2021
- 2021-12-31 CN CN202111675308.2A patent/CN114299055A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114677396A (zh) * | 2022-05-27 | 2022-06-28 | 天津远景科技服务有限公司 | 图像处理方法、图像处理设备与计算机可读存储介质 |
| CN114677396B (zh) * | 2022-05-27 | 2022-09-20 | 天津远景科技服务有限公司 | 图像处理方法、图像处理设备与计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110310256B (zh) | 冠脉狭窄检测方法、装置、计算机设备和存储介质 | |
| JP2021535484A (ja) | 自動的な腫瘍検出及び分類のためのシステム | |
| US20150025412A1 (en) | Allergy testing system, method and kit | |
| CN110246579B (zh) | 一种病理诊断方法及装置 | |
| CN112651315A (zh) | 折线图的信息提取方法、装置、计算机设备和存储介质 | |
| CN114299055A (zh) | 血管中心线确定方法、装置、计算机设备和可读存储介质 | |
| CN115393376A (zh) | 医学图像处理方法、装置、计算机设备和存储介质 | |
| CN110309855B (zh) | 图像分割的训练方法、计算机设备及存储介质 | |
| CN116051575A (zh) | 图像分割方法、装置、计算机设备、存储介质程序产品 | |
| CN114299057A (zh) | 血管中心线的提取方法和存储介质 | |
| CN113379741B (zh) | 基于血管特征的视网膜血管分割方法、设备和存储介质 | |
| CN112614570B (zh) | 样本集标注、病理图像分类、分类模型构建方法及装置 | |
| CN115908363B (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
| CN114155193A (zh) | 一种基于特征强化的血管分割方法及装置 | |
| CN110991408B (zh) | 基于深度学习方法分割脑白质高信号的方法和装置 | |
| CN110634119B (zh) | 分割磁敏感加权图像中静脉血管的方法、装置和计算设备 | |
| CN114677503A (zh) | 感兴趣区域检测方法、装置、计算机设备和存储介质 | |
| CN116486126A (zh) | 一种模版确定方法、装置、设备及存储介质 | |
| CN116385460A (zh) | 细胞图像处理方法、装置和计算机设备 | |
| CN116310308A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
| CN113111879B (zh) | 一种细胞检测的方法和系统 | |
| CN113255440B (zh) | 一种基于机器学习的农作物叶片异常检测方法及系统 | |
| CN113361584A (zh) | 模型训练的方法及装置、肺动脉高压的测量方法及装置 | |
| CN110648346A (zh) | 肿瘤网络构建的方法、装置、计算机设备和存储介质 | |
| CN116309438A (zh) | 组织分割方法、计算机设备和存储介质 |
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 |