CN114403817B - 一种冠脉径向变化测定方法和装置 - Google Patents

一种冠脉径向变化测定方法和装置 Download PDF

Info

Publication number
CN114403817B
CN114403817B CN202210085740.4A CN202210085740A CN114403817B CN 114403817 B CN114403817 B CN 114403817B CN 202210085740 A CN202210085740 A CN 202210085740A CN 114403817 B CN114403817 B CN 114403817B
Authority
CN
China
Prior art keywords
blood vessel
image
images
central
point
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
CN202210085740.4A
Other languages
English (en)
Other versions
CN114403817A (zh
Inventor
蔺嫦燕
李佳松
曹洪帅
李萌
舒丽霞
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.)
Beijing Anzhen Hospital
Original Assignee
Beijing Anzhen Hospital
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 Beijing Anzhen Hospital filed Critical Beijing Anzhen Hospital
Priority to CN202210085740.4A priority Critical patent/CN114403817B/zh
Publication of CN114403817A publication Critical patent/CN114403817A/zh
Application granted granted Critical
Publication of CN114403817B publication Critical patent/CN114403817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A61B8/5253—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode combining overlapping images, e.g. spatial compounding

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明的实施例提供了一种冠脉径向变化测定方法和装置，其可确定血管径向变化程度，从而由此估计血管弹性及硬化程度，为临床提供有价值的参考。所述方法包括：获取同一影像区域、两个不同时刻的两幅图像，该两幅图像包括待测血管的图像；对所述两幅图像进行图像识别，以分别获取两幅图像中的血管区域；分别获取两个所述血管区域的中心线；移动其中一幅图像，使得两个图像中的血管区域的中心线的坐标相同；分别计算中心线坐标相同的两个血管区域的边缘点坐标，根据两个血管区域的同一边缘点之间的距离确定血管径向变化。根据本发明可以获取血管的径向变化程度，其可为医生对该处的治疗提供依据，及在科研上为进一步研究血管弹性提供一种方法。

Description

一种冠脉径向变化测定方法和装置
技术领域
本发明涉及一种血管变化测定技术，尤其涉及一种冠脉径向变化测定方法 和装置。
背景技术
血管径向变化是衡量血管弹性的重要指标之一，血管弹性是维持血管正常 生理功能、保证人体器官血液灌注的重要评价指标。如果血管弹性下降，将会 对心血管系统及其供血器官产生多方面的影响。
因此，在临床上，血管弹性对血管疾病的治疗具有重要的意义，由于冠状 动脉(在本申请中，有时将冠状动脉简称为冠脉)的发病率较高，且冠状动脉 的疾病直接危及到人的生命，因此判断冠状动脉的弹性对冠状动脉疾病的治疗 具有重要意义，如根据冠状动脉的弹性可以评判冠脉钙化程度，可以决定是否 需要放置支架、以及放置多大尺寸的支架，冠状动脉的弹性对于实施上述工作 具有重要参考意义。
由于心脏不停跳动，使得附着在心脏表层的冠状动脉的空间位置也随之变 化，此外冠状动脉本身的管径也在进行着周期性的收缩和舒张，由此获取的包 括冠状动脉的图像也在不停的变化，因此，在现有技术中，还没有测量冠状动 脉管径变化的技术方案。
在现有技术中，近十几年来，生物力学成像(Biomechanical Imaging，BMI) 逐渐开始成为生物组织在体测量的热点。这种方法通过MRI(Magnetic Resonance Imaging，核磁共振成像)、US(ultrasonic，超声)等成像方法得到 血管组织的变形和应变，然后建立描述待测组织的变形规律的力学模型，在此 基础上，通过逆问题求解的方法来得到组织的力学特性。由于这种方法中涉及 逆问题求解，这就需要在建立力学模型及选定初值时要充分考虑其收敛性问 题，因此通过离体实验建立适当的模型，获取相应的必要参数，在此基础上， 通过生物力学成像获取血管组织的在体力学特性是一种具有应用前景的方法。 因此，尽管利用上述方法获取血管弹性的方法比较复杂，但仍然无法在体测量 冠状动脉的弹性。
事实上，在现有技术中，还没有测量冠状动脉的弹性，也没有测量测量冠 状动脉的血管径向变化率及血管径向变化量的技术方案。
发明内容
本发明的实施例提供了一种冠脉径向变化测定方法和装置，其可确定血管 径向变化程度，从而由此估计血管弹性，为临床提供有价值的参考。
本发明的实施例提供了一种血管径向变化测定方法，包括：
获取同一影像区域、两个不同时刻的两幅图像，该两幅图像包括待测血管 的图像，该两幅图像称为时刻1图像和时刻2图像；
对所述两幅图像进行图像识别，以分别获取两幅图像的血管区域；
分别获取两个所述血管区域的中心线；
移动其中一幅图像，使得两个图像中的血管区域的中心线的坐标相同；
分别计算中心线坐标相同的两个血管区域的边缘点坐标，根据两个血管区 域的同一边缘点之间的距离确定血管在两个不同时刻的径向变化。
所述两幅血管图像为收缩末期血管图像和舒张末期血管图像。
所述方法还包括：在分别获取所述血管区域的中心线的步骤之前，还执行 步骤；对所述两幅图像进行滤波。
所述方法还包括：在分别获取所述血管区域的中心线的步骤后，还执行步 骤；采用插值方法使所述两幅血管区域的两条中心线的像素数相同。
所述移动其中一幅图像具体包括步骤：
计算所述两幅血管图像中血管中心线的中心点坐标之差(Δx,Δy)，平移其中 一个图像(Δx,Δy)大小，使得所述两幅血管图像中血管中心线的中心点坐标相 同；
以所述中心点为界将所述图像分为两部分：时刻1图像第一部分和时刻1图 像第二部分、时刻2图像第一部分和时刻2图像第二部分，固定时刻1图像第一 部分，将时刻2图像第一部分变换到时刻1第一部分，使得所述时刻2图像第一 部分的中心线的坐标与时刻1第一部分的中心线的坐标相同；固定时刻1图像第 二部分，将时刻2图像第二部分变换到时刻1第二部分，使得所述时刻2图像第 二部分的中心线的坐标与时刻1第二部分的中心线的坐标相同。
在执行所述步骤“对所述两幅图像进行图像识别，以分别获取两幅血管图 像中的血管区域”之后，所述方法还包括：
对时刻1图像和时刻2图像进行配准，并根据配准结果获取时刻1图像和时 刻2图像两幅图像中相同边缘点的位移量，并根据该位移量测定血管径向方向 的变化。
本发明实施例还公开了一种根据权利要求1至6所述的血管径向变化测定 方法的装置，所述装置包括：
获取单元，用于获取同一影像区域、两个不同时刻的两幅图像，该两幅图 像包括待测血管的图像，该两幅图像称为时刻1图像和时刻2图像；
图像识别单元，用于对所述两幅图像进行图像识别，以分别获取两幅图像 中的血管区域；
中心线获取单元，用于分别获取两个所述血管区域的中心线；
移动单元，用于移动其中一幅图像，使得两个图像中的血管区域的中心线 的坐标相同；
计算单元，用于分别计算中心线坐标相同的两个血管区域的边缘点坐标， 根据两个血管区域的同一边缘点之间的距离确定血管在两个时刻的径向变化。
根据本发明的实施例，可以获取血管的径向变化程度，其技术效果如下： 在临床上，可以为医生对该处的病变诊断和治疗提供依据，如针对冠状动脉狭 窄处、血管瘤部位的血管的径向变化程度，可以对该处的采用支架的放置具有 重要参考意义；在科研上，可以进一步研究血管弹性。
附图说明
图1示出了本发明实施例的血管径向变化测定方法；
图2示出了本发明实施例的时刻1和时刻2时的两幅血管图像；
图3示出了本发明实施例的待选取的感兴趣血管段的两幅血管图像；
图4示出了本发明实施例的已选取的感兴趣血管段的两幅血管图像；
图5示出了本发明实施例的已选取的感兴趣血管段的两幅血管图像的中心 线的中点重合的示意图；
图6示出了本发明实施例的已选取的感兴趣血管段的两幅血管图像的中心 线的重合的示意图；
图7为本发明实施例的血管径向变化测定装置。
具体实施方式
为了便于本领域一般技术人员理解和实现本发明，现结合附图描绘本发明 的实施例。
实施例一
如图1所示，本实施例提供了一种血管径向变化测定方法，其步骤如下：
步骤11、获取同一影像区域、两个不同时刻的任意两幅图像，该两幅图像 包括待测血管的图像，所述待测血管包括冠脉。优选地，所述待测血管的图像 包括“感兴趣段血管”图像，所述“感兴趣段血管”图像为分叉处血管图像、 狭窄处血管图像等，如图2所示。
可以通过以下方法获取上述图像：MRI(Magnetic Resonance Imaging，核 磁共振成像)、US(ultrasonic，超声)、血管造影等成像，在本发明的实施例 中，所述获取同一影像区域、两个不同时刻的任意两幅图像，优选采用血管造 影成像的冠状动脉造影图像，所述待测血管可以为冠状动脉血管的任一部位血 管。
为方便描述，所述任意两幅图像在下面有时表述为时刻1和时刻2的血管图 像。在本发明的实施例中，采用包括血管最小管径的血管图像和血管最大管径 的血管图像，从该两幅血管图像中获取血管径向最大变化，为了选择和确定血 管最小管径和血管最大管径的两幅图像，可参照心电图的收缩末期时刻和舒张 末期时刻，以便选取收缩末期时刻血管图像和舒张末期时刻血管图像，作为血 管最大管径和血管最小管径的两幅图像。
步骤12、对步骤11获取的两幅血管图像进行血管部分提取的准备。对血管 图像进行滤波，如运用多尺度Frangi滤波、多分辨率滤波和双边滤波等，以突 出血管部分。
步骤13、为了方便血管径向变化测定，针对在步骤12得到的图像上可仅选 择图像中一部分(该选择的部分血管可认为是“感兴趣段血管”)进行测定工 作，如图3和图4所示。在选取的图像上进行阈值分割，即利用像素值的分布规 律，将血管与背景分开，并将该血管区域像素值设为1，其他区域的像素值设 为0，下面称此种血管图像为二值图像，实现了血管图像的图像识别，从而获 取血管区域，得到两张不同时刻血管段的二值图像。在步骤13中最后一共得到： 时刻1和时刻2相同大小的感兴趣段血管图像二值图像。
步骤14、如图4所示，分别获取两个所述血管区域的中心线。可利用骨架 收缩法，以9*9滑动窗口((x,y),(x-1,y-1),(x,y-1),(x+1,y-1),(x+1,y),(x+1,y+1), (x,y+1),(x-1,y+1),(x-1,y))从血管的非边缘像素点开始处理图像，逐渐去掉血 管图像的边缘的像素点，对步骤13获取的感兴趣段血管二值图像进行血管中心 线的提取，只留下中心线上像素点，其中，(x,y)表示像素点的坐标，x为横向 坐标，其取值范围为0、1、2…X，X为图像中横向像素点的个数，y为纵向坐 标，其取值范围为0、1、2…Y，Y为图像中纵向像素点的个数。所述9*9滑动 窗口如表1所示，其中令，P1＝(x,y),P2＝(x-1,y-1),P3＝(x,y-1),P4＝(x+1,y-1), P5＝(x+1,y),P6＝(x+1,y+1),P7＝(x,y+1),P8＝(x-1,y+1),P9＝(x-1,y)，其中，p(x,y) 表示图像中坐标为(x,y)处的像素值；当x＝0或X，和/或y＝0或Y时，p(x,y)表示 边缘像素点的像素值。上述处理图像的伪代码如下所示：
Figure BDA0003486995380000061
在上述伪代码中，A(P1)是01样式从P2到P9的顺时针方向(即前一位置像 素值为0后一位置像素值为1的样式)的数量，B(P1)是P1的邻居(P2、P3、…P9) 的非零像素值(即为1的)的数量。
上述伪代码表明，当一个像素点(P1)的四周(P2、P3、…P9)有2-6个 像素点值为1，A(P1)的数量(即，P2P3＝01、P3P4＝01、…P8P9＝01，其中仅有 一个成立时)为1，P2*P4*P6＝0(是指P2、P4、P6其中任一为0，下同) 或P2*P4*P8＝0，并且P4*P6*P8＝0或P2*P6*P8＝0时将P1点的像素值 置为0。可以按照由上至下或由左至右的坐标顺序运行上述伪代码；从而得到 感兴趣血管段中心线。如，y取值为0不变，x值从0开始，依次取1、2…X；然 后y取值加1，即0+1＝1，x值从0开始，依次取1、2…X；…；直到y取值为Y，x 值从0开始，依次取1、2…X；为止，这样依次遍历了图像中的所像素点，从而 得到感兴趣血管段中心线上的像素点，其值均为1。
表1
P2 P3 P4
P9 P1 P5
P8 P7 P6
接下来描述获得中心线的每一个像素点的坐标的方法。可以按由上至下或 由左至右的坐标的顺序得到中心线上的每一像素点的坐标，首先搜索到中心线 的端点，即，像素值为1的像素点为中心线的端点。然后可采用像素跟踪算法 获得中心线的每一个像素点的坐标，具体步骤如下，以9*9滑动窗口((x,y), (x-1,y-1),(x,y-1),(x+1,y-1),(x+1,y),(x+1,y+1),(x,y+1),(x-1,y+1),(x-1,y))观察 带有中心线的二值图像，当第一个窗口中间点(x,y)位于中心线端点时，记录该 中心线端点的像素点位置坐标到中心线坐标列表cenline_point中，并将该像素 点的像素置为0，搜索该滑动窗口内像素值为1的位置，将下一个移动窗口中心 移到该位置处，重复以上操作直到移动窗口中没有像素值为1为止。分别对时 刻1和时刻2的感兴趣血管的中心线的二值图像进行像素跟踪算法，即可得到沿 血管走向的时刻1和时刻2的感兴趣血管的血管中心线坐标列表cenline_point， 分别记为centerline_moment1和centerline_moment2。
步骤15、参见图4，由于脏器的运动，时刻1的感兴趣段血管和时刻2的感 兴趣段血管之间存在位移和形变，所以步骤14得到的时刻1的感兴趣段血管的 中心线的图像点数目和时刻2的感兴趣段血管的中心线的图像点数目可能不一 致，为了使时刻1的感兴趣段血管和时刻2的感兴趣段血管具有良好的匹配性， 需要使步骤14得到的时刻1的感兴趣段血管的中心线的图像点数目和时刻2的 感兴趣段血管的中心线的图像点数目一致。分别计算centerline_moment1和 centerline_moment2中图像点的数目，将数目少的中心线列表，运用最邻近插值 技术使二者中心线图像点数目一致。
步骤16、参见图5，分别找到时刻1和时刻2的感兴趣血管段中心线的中点， 即centerline_moment1和centerline_moment2列表中间记录的坐标(x_moment1, y_moment1)和(x_moment2,y_moment2)并计算该两个中点的位置差值(Δx,Δ y)＝(x_moment1-x_moment2，y_moment1-y_moment2)。将时刻2感兴趣段血 管二值图像整体平移差值(Δx,Δy)大小，即，将时刻2感兴趣段血管二值图像 中的各个坐标分别加上(Δx,Δy)，此时得到中心线中点坐标相同、且时刻2感 兴趣段血管图像整体平移差值(Δx,Δy)大小的时刻1和时刻2的感兴趣血管二 值图像和其对应的中心线坐标。
步骤17、参见图6，在步骤16中心线中点“坐标相同”的时刻1和时刻2的 感兴趣血管二值图像和中心线坐标上运用最小二乘法图像变形算法，该算法需 要数目相同的变形控制点集p和变形控制点的变形后位置点集q，由于变形后需 要尽可能保持原有的图形像素之间相对位置不变，因此将待变换图像只进行平 移和旋转变换，也就是刚性变换(没有大小变换)。点集p是待变换图像(此 处“待变换图像”指时刻2的血管图像整体平移差值(Δx,Δy)后的图像)内部 的点，计算(最小化下述方程)点集p移动到点集q的刚性变换矩阵M，并以点 集p中的某一个点为中心，以最小二乘方法计算图像中所有点的刚性变换矩阵 (即下述方程(2)中的M)，将刚性变换矩阵M与原图形矩阵N做矩阵乘法， 即，原图形矩阵N*M可得到变形后的图形，其中，原图形矩阵N为步骤16所得 到的中心线中点“坐标相同”的时刻2感兴趣血管二值图像，该二值图像中像 素的位置和像素值分别对应该原图形矩阵N中各元素的位置和元素值，如，N (i,j)＝P(x,y)，其中，N(i,j)表示原图形矩阵N第i行第j列的元素值，P(x,y)表 示时刻2感兴趣血管二值图像第x行第y列的像素值，i＝x，j＝y。当然N(i,j)与 P(x,y)也可以是其它对应关系，如N(i,j)＝A*P(x,y)，其中A可以常数，也可以 是一个变量。由点集p变形到点集q的主要步骤为，最小化变形控制点集p和变 形控制点的变形后位置点集q的差异，使用二次型凸优化方法求解该问题的最 小化解。
Figure BDA0003486995380000091
其中v为当前像素点位置坐标，w i是一个尺度因子，以保证将点集p变形到 点集q时，图像中其余像素点也保持它们之间的相对位置关系一起变形， i＝1，2，3，4......n(n＝点集p中像素点的个数)，w i如下述公式(1-1)所示，取0.5。
Figure BDA0003486995380000092
l v(x)表示x点的变换方程
l v(x)＝xM+T (2)
将公式(2)带入公式(1)中，可得：
T＝q *-p *M
其中，
Figure BDA0003486995380000093
将以上公式带回到公式(2)中，得到如下公式：
Figure BDA0003486995380000094
其中，p^ i＝p i-p*，q^ i＝q i-q*。
由于是刚性变换，所以对变换矩阵加上M T M＝I的约束：
Figure BDA0003486995380000095
求解上式得到变换矩阵的解(如下)，符号⊥表示(x，y) ⊥＝(-y，x)
Figure BDA0003486995380000096
其中：
Figure BDA0003486995380000101
将得到的刚性变换矩阵M与变形图像矩阵乘，即得到变形后图像。
由于变换矩阵有方向的一致性，所以点集p和点集q之间不允许交叉，但对 于中心线的中心点重合的时刻1和时刻2血管来说，会出现血管交叉的现象，所 以以血管中心点为界将血管分为两部分。将步骤16得到的时刻1感兴趣段血管 中心线的点(centerline_moment1)作为变形控制点集p，将步骤16得到时刻2 感兴趣段血管中心线的点(centerline_moment2)作为变形控制点的变形后位置 点集q。以中心线的中点(此时时刻1和时刻2的中心线中点是重合的)为界将 点集p和点集q分为两部分，即中心线中点以左的部分为p1,q1，中心线的中点以 右的部分为p2,q2。在步骤16得到的中心线中点重合的时刻1和时刻2的感兴趣血 管二值图像上，首先将中心线中点以左的血管寻找p1,q1之间的刚性变换矩阵 M，即解上述方程的最优解，即固定p2，仅对p1进行控制点变形(最小化上述 公式)到q1，这样，根据公式(1)就保证了将点集p1变形到点集q1时，时刻1 图像中点集p1其余部分像素点也保持它们之间的相对位置关系一起变形。 i＝1,2,3,4......n(n＝点集p中像素点的个数)。随后对中心点以右的血管寻找p2,q2 之间的刚性变换矩阵M，这时p1及其相关像素点已经变形到q1位置，使得 p1＝q1，固定p1，仅对p2进行控制点变形到q2，这样，根据公式(1)就保证了 将点集p2变形到点集q2时，时刻1图像中点集p2其余部分像素点也保持它们之 间的相对位置关系一起变形。i＝1,2,3,4......n(n＝点集p中像素点的个数)。在步骤 17得到：形态位置一致(即中心线重合)，但血管管径不一致的时刻1和时刻2血管二值图像。
步骤18、在本步骤中，可根据步骤17得到的时刻1和时刻2的血管二值图像 来计算血管边缘点的位移量，从而计算血管在时刻1和时刻2两个时刻之间的径 向位移量。具体步骤如下，利用图像像素变化剧烈的位置即为血管边缘的梯度 算法识别血管边缘点。针对步骤17获取的时刻1和时刻2血管二值图像，利用下 述公式识别血管边缘点：
G x＝|f(i-1，j-1)+f(i-1，j)+f(i-1，j+1)-f(i+1，j-1)-f(i+1，j)-f(i+1，j+1)|
G y＝|f(i-1，j+1)+f(i，j+1)+f(i+1，j+1)-f(i-1，j-1)-f(i，j-1)-f(i+1，j-1)|
其中，f(i，j)代表图像上坐标(i，j)的像素值，其中，(i，j)表示像素点的坐 标，i为横向坐标，其取值范围为0、1、2…X，X为图像中横向像素点的个数， j为纵向坐标，其取值范围为0、1、2…Y，Y为图像中纵向像素点的个数，Gx 表示x方向上的梯度，Gy表示y方向上的梯度，右或上血管边缘的Gx＜0且 Gy＞＝0，左或下血管边缘的Gy＜0且Gx＞＝0，以此识别出时刻1和时刻2的两个图像 中血管边缘，后文以下标s表示边缘点。
识别出时刻1和时刻2的两个图像中血管边缘后，可用下述几种方法来确定 血管在时刻1和时刻2两个时刻之间的径向位移量：
1、分别计算时刻1的感兴趣血管二值图像的中心线的点到与其最近边缘点 的距离d1和时刻2的感兴趣血管二值图像的中心线的点到与其最近边缘点的距 离d2，并根据d1和d2可以确定血管的径向变化，其中，时刻1的感兴趣血管二 值图像的中心线的点与时刻2的感兴趣血管二值图像的中心线的点的坐标相 同。
2、根据本发明，也可直接采用配准方法，对上述步骤中的时刻1和时刻2 图像进行配准，从而获得血管中心点到两个边缘点的距离、或者两个对应边缘 点之间的距离，根据该距离确定血管管径的变化情况。上述血管中心点到两个 边缘点的距离可以是血管中心点到两个边缘点的最短距离，两个对应边缘点之 间的距离是指时刻1的一个边缘点到时刻2边缘点的最小距离，反之亦然。例 如，运用B样条自由形变模型对步骤17得到的时刻1和时刻2图像进行弹性配准 (这里的弹性配准即为运用B样条自由形变模型进行配准)，在时刻1图像的血 管图像部分的每个像素点以B样条函数
Figure BDA0003486995380000121
为路径，其中u表示时刻1图像中某个点的像素位置(x,y)(x取值范围为0、 1、2…X，X为图像中横向像素点的个数，y取值范围为0、1、2…Y，Y为图像 中纵向像素点的个数)。搜索步骤17后时刻1图像上位置(x,y)像素值与步骤 17后时刻2图像上像素值相同的坐标点，得到该路径的直线距离在x坐标和y坐 标系下的分量，即为时刻1血管相对于时刻2血管x方向和y方向的位移量 (displacement_x,displacement_y)。
则时刻1血管边缘点相对于时刻2的x方向和y方向的位移量为 (displacement_xs,displacement_y s)。时刻1血管边缘点相对于时刻2在x方向和y 方向位移量的值即为血管径向变化量：(displacement_x s*displacement_x s+ displacement_y s*displacement_y s) 1/2
综上所述，本发明的主要思想是：由于时刻1和时刻2的血管图像存在变形 和位移，而血管径向变化的测量需要消除这种位移和变形。运用刚性图像变形 技术来消除所述位移和变形，也就是使时刻1血管与时刻2血管中心线进行匹 配，得到处于同一位置(即，中心线重合时)的时刻1和时刻2血管。最后将 变形后的时刻1血管和时刻2血管运用B样条自由形变模型，进行弹性配准，得 到时刻1血管对时刻2血管每一点的X方向和Y方向的位移。测量时刻1血管的径 向方向，即可得到时刻1血管相对于时刻2血管的径向位移。
实施例二
如图7所示，本实施例提供了一种血管径向变化测定装置，所述装置包括：
获取单元，用于获取同一影像区域、两个不同时刻的两幅图像，该图像包 括血管图像，该两幅图像称为时刻1图像和时刻2图像，所述待测血管包括冠脉； 图像识别单元，用于对所述两幅图像进行图像识别，以分别获取两幅图像中的 血管区域；中心线获取单元，用于分别获取两个所述血管区域的中心线；移动 单元，用于移动其中一幅图像，使得两个图像中的血管区域的中心线的坐标相 同；计算单元，用于分别计算中心线坐标相同的两个血管区域的边缘点坐标， 根据两个血管区域的同一边缘点之间在不同时刻的位移距离确定血管在不同 时刻的径向变化。
本实施例的各个单元的工作原理可参见实施例一的描述。
根据本发明的实施例，可以获取血管的径向变化程度，其技术效果如下： 在临床上，可以为医生对该处的治疗提供依据，如针对冠状动脉狭窄处、血管 瘤部位的血管的径向变化程度，可以对该处的采用支架的放置具有重要参考意 义；在科研上，可以进一步研究血管弹性。
虽然通过实施例描绘了本发明，但本领域普通技术人员知道，在不脱离本 发明的精神和实质的情况下，就可使本发明有许多变形和变化，本发明的范围 由所附的权利要求来限定。

Claims (5)

1.一种血管径向变化测定方法，其特征在于，包括：
获取同一影像区域、两个不同时刻的两幅图像，该两幅图像包括待测血管 的图像，该两幅图像称为时刻1图像和时刻2图像，所述待测血管包括冠脉；
对所述两幅图像进行图像识别，以分别获取两幅图像的血管区域；
分别获取两个所述血管区域的中心线，采用插值方法使所述两幅血管区域 的两条中心线的像素数相同；
移动其中一幅图像，使得两个图像中血管区域的中心线的坐标相同，其具 体包括步骤：计算所述两幅血管图像中血管中心线的中心点坐标之差(Δx,Δy)， 平移其中一个图像(Δx,Δy)大小，使得所述两幅血管图像中血管中心线的中心点 坐标相同；以所述中心点为界将所述图像分为两部分：时刻1图像第一部分和 时刻1图像第二部分、时刻2图像第一部分和时刻2图像第二部分，固定时刻1图 像第一部分，将时刻2图像第一部分变换到时刻1第一部分，使得所述时刻2图 像第一部分的中心线的坐标与时刻1第一部分的中心线的坐标相同；固定时刻1 图像第二部分，将时刻2图像第二部分变换到时刻1第二部分，使得所述时刻2 图像第二部分的中心线的坐标与时刻1第二部分的中心线的坐标相同；
在中心线坐标相同的时刻1和时刻2的图像和中心线坐标上运用最小二乘 法图像变形算法，以得到形态位置一致，但血管管径不一致的时刻1和时刻2血 管图像，其具体步骤包括：将时刻1感兴趣段血管中心线的点作为变形控制点 集p，将时刻2感兴趣段血管中心线的点作为变形控制点的变形后位置点集q， 以中心线的中点为界将点集p和点集q分为两部分，即中心线中点以左的部分为 p1,q1，中心线的中点以右的部分为p2,q2；在中心线中点重合的时刻1和时刻2 的感兴趣血管二值图像上，首先在中心线中点以左的血管寻找p1,q1之间的刚性 变换矩阵M，即固定p2，仅对p1进行控制点变形到q1；随后对中心点以右的血管寻找p2,q2之间的刚性变换矩阵M，这时p1及其相关像素点已经变形到q1位 置，使得p1＝q1，固定p1，仅对p2进行控制点变形到q2；
分别计算中心线坐标相同的两个血管区域的边缘点坐标，根据两个血管区 域的边缘点之间的距离确定血管在两个时刻的径向变化。
2.根据权利要求1所述的方法，其特征在于，所述两幅血管图像为收缩末 期血管图像和舒张末期血管图像。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在分别获 取所述血管区域的中心线的步骤之前，还执行步骤；对所述两幅图像进行滤波。
4.根据权利要求1所述的方法，其特征在于，在执行所述步骤“对所述两 幅图像进行图像识别，以分别获取两幅血管图像中的血管区域”之后，所述方 法还包括：
对时刻1图像和时刻2图像进行配准，并根据配准结果获取时刻1图像和时 刻2图像两幅图像中相同边缘点的位移量，并根据该位移量测定血管径向的变 化。
5.一种根据权利要求1至4所述的血管径向变化测定方法的装置，其特征 在于，所述装置包括：
获取单元，用于获取同一影像区域、两个不同时刻的两幅图像，该两幅图 像包括待测血管的图像，该两幅图像称为时刻1图像和时刻2图像，所述待测血 管包括冠脉；
图像识别单元，用于对所述两幅图像进行图像识别，以分别获取两幅图像 的血管区域；
中心线获取单元，用于分别获取两个所述血管区域的中心线，采用插值方 法使所述两幅血管区域的两条中心线的像素数相同；
移动单元，用于移动其中一幅图像，使得两个图像中的血管区域的中心线 的坐标相同，其具体包括步骤：计算所述两幅血管图像中血管中心线的中心点 坐标之差(Δx,Δy)，平移其中一个图像(Δx,Δy)大小，使得所述两幅血管图像中 血管中心线的中心点坐标相同；以所述中心点为界将所述图像分为两部分：时 刻1图像第一部分和时刻1图像第二部分、时刻2图像第一部分和时刻2图像第二 部分，固定时刻1图像第一部分，将时刻2图像第一部分变换到时刻1第一部分， 使得所述时刻2图像第一部分的中心线的坐标与时刻1第一部分的中心线的坐 标相同；固定时刻1图像第二部分，将时刻2图像第二部分变换到时刻1第二部 分，使得所述时刻2图像第二部分的中心线的坐标与时刻1第二部分的中心线的 坐标相同；在中心线坐标相同的时刻1和时刻2的图像和中心线坐标上运用最小 二乘法图像变形算法，以得到形态位置一致，但血管管径不一致的时刻1和时 刻2血管图像，其具体步骤包括：将时刻1感兴趣段血管中心线的点作为变形控 制点集p，将时刻2感兴趣段血管中心线的点作为变形控制点的变形后位置点集 q，以中心线的中点为界将点集p和点集q分为两部分，即中心线中点以左的部 分为p1,q1，中心线的中点以右的部分为p2,q2；在中心线中点重合的时刻1和时 刻2的感兴趣血管二值图像上，首先在中心线中点以左的血管寻找p1,q1之间的 刚性变换矩阵M，即固定p2，仅对p1进行控制点变形到q1；随后对中心点以右的血管寻找p2,q2之间的刚性变换矩阵M，这时p1及其相关像素点已经变形到q1 位置，使得p1＝q1，固定p1，仅对p2进行控制点变形到q2；
计算单元，用于分别计算中心线坐标相同的两个血管区域的边缘点坐标， 根据两个血管区域的边缘点之间的距离确定血管在两个时刻的径向变化。
CN202210085740.4A 2022-01-25 2022-01-25 一种冠脉径向变化测定方法和装置 Active CN114403817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210085740.4A CN114403817B (zh) 2022-01-25 2022-01-25 一种冠脉径向变化测定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210085740.4A CN114403817B (zh) 2022-01-25 2022-01-25 一种冠脉径向变化测定方法和装置

Publications (2)

Publication Number Publication Date
CN114403817A CN114403817A (zh) 2022-04-29
CN114403817B true CN114403817B (zh) 2023-03-10

Family

ID=81277156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210085740.4A Active CN114403817B (zh) 2022-01-25 2022-01-25 一种冠脉径向变化测定方法和装置

Country Status (1)

Country Link
CN (1) CN114403817B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0765154A (ja) * 1993-08-31 1995-03-10 Toshiba Corp 血管像の定量解析装置及びその定量解析方法
US7689268B2 (en) * 2002-08-05 2010-03-30 Infraredx, Inc. Spectroscopic unwanted signal filters for discrimination of vulnerable plaque and method therefor
CN101799935B (zh) * 2009-12-31 2011-09-14 华中科技大学 一种单臂x射线造影图像的动态三维重建方法
US8849005B2 (en) * 2011-09-28 2014-09-30 Siemens Aktiengesellschaft Coronary artery motion modeling
CN107977926B (zh) * 2017-12-01 2021-05-18 新乡医学院 一种改进神经网络的pet/mri异机脑部影像信息融合方法
CN108038848B (zh) * 2017-12-07 2020-08-11 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统
CN108805913B (zh) * 2018-05-14 2021-12-03 首都医科大学附属北京安贞医院 一种冠状动脉ct影像与心脏超声应变成像的融合方法
CN111161342B (zh) * 2019-12-09 2023-08-29 杭州脉流科技有限公司 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质
CN111754506B (zh) * 2020-07-01 2024-02-06 杭州脉流科技有限公司 基于腔内影像的冠脉狭窄率计算方法、装置、系统和计算机存储介质

Also Published As

Publication number Publication date
CN114403817A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
US11728037B2 (en) Diagnostically useful results in real time
US11406337B2 (en) Calculating a fractional flow reserve
US10470730B2 (en) Creating a vascular tree model
Lee et al. Automatic segmentation of 3D micro-CT coronary vascular images
EP3753494A1 (en) Calculating a fractional flow reserve
EP2646979B1 (en) Image registration apparatus
Shalbaf et al. Automatic classification of left ventricular regional wall motion abnormalities in echocardiography images using nonrigid image registration
Chenoune et al. Segmentation of cardiac cine-MR images and myocardial deformation assessment using level set methods
CN115830016A (zh) 医学图像配准模型训练方法及设备
CN114403817B (zh) 一种冠脉径向变化测定方法和装置
Bock et al. Robust vessel segmentation
Moshfegh et al. Development of an innovative technology to segment luminal borders of intravascular ultrasound image sequences in a fully automated manner
Linguraru et al. Multi-organ automatic segmentation in 4D contrast-enhanced abdominal CT
CN114209344A (zh) 一种侧枝循环状态评估方法、装置、存储介质及电子设备
Blumenfeld et al. A centerline-based algorithm for estimation of blood vessels radii from 3D raster images
Butman et al. Assessment of ventricle volume from serial MRI scans in communicating hydrocephalus
Schwartz et al. Evaluating deformation patterns of the thoracic aorta in gated CTA sequences
Sangalli et al. Efficient estimation of 3-dimensional centerlines of inner carotid arteries and their curvature functions by free knot regression splines
Zhou et al. Measurement of Shkeletal Muscle Cross-Sectional Area
CN117994322A (zh) 一种基于椎体分割的脂肪自动定量方法、系统及设备
CN115147320A (zh) 冠脉ct图像的减影方法、装置、电子设备及存储介质
Gupta A survey of Cardiac MR image processing methods
Li et al. Registration of intraoperative optical image sequence

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