CN115775217A

CN115775217A - 血管数字化结构的获取方法、电子设备和存储介质

Info

Publication number: CN115775217A
Application number: CN202111045877.9A
Authority: CN
Inventors: 陈俊强
Original assignee: Shanghai Weiwei Medical Technology Co ltd
Current assignee: Shanghai Weiwei Medical Technology Co ltd
Priority date: 2021-09-07
Filing date: 2021-09-07
Publication date: 2023-03-10

Abstract

本发明提供了一种血管数字化结构的获取方法、电子设备和存储介质，所述方法包括对预先获取的医学图像进行分割，以获取血管掩膜图像；根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线；根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面；根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构。本发明可以对任意血管段实现数字化表示，不仅存储量小，而且便于对血管进行后续的处理与分析。

Description

血管数字化结构的获取方法、电子设备和存储介质

技术领域

本发明涉及图像处理技术领域，特别涉及一种血管数字化结构的获取方法、电子设备和存储介质。

背景技术

随着医学成像设备的不断发展，影像处理技术在心血管疾病的术前诊断中得到了广泛的应用。目标可以对血管成像的设备主要有CT、核磁共振(MRI)、单光子断层成像、正电子断层成像、数字减影血管造影(DSA)和超声等。虽然各种设备由于成像原理不同，所获得的血管图像存在一定的差异性，但是对于血管疾病的诊断的依据是一致的，主要依赖于图像中血管病变部位的参数包括血管狭窄直径、血管参考直径、病变部位血管长度和血管中心线等。

传统技术中，通常是根据二维的血管影像进行血管参数测量，然而，二维血管影像缺少信息量，不能完整地表达出血管的信息，导致血管参数测量不准确，不利于对血管情况进行深入分析。此外，现有技术中一般采用图形网格化结构来表达血管结构信息，这种表示方法不仅存储量大，而且后期应用极为不方便。

发明内容

本发明的目的在于提供一种血管数字化结构的获取方法、电子设备和存储介质，可以对任意血管段实现数字化表示，不仅存储量小，而且便于对血管进行后续的处理与分析。

为达到上述目的，本发明提供一种血管数字化结构的获取方法，包括：

对预先获取的医学图像进行分割，以获取血管掩膜图像；

根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线；

根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面；

根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构。

可选的，所述根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构，包括：

根据所述血管中心线上的中心点的个数将所述感兴趣血管区域分割成对应数目的血管段；

根据所述血管中心线上的每一中心点所对应的横截面，获取对应的所述血管段的参数；

根据每一所述血管段的参数，进行三维重建，以获取所述感兴趣血管区域的数字化结构。

可选的，所述参数包括所述中心点坐标和闭合轮廓线坐标。

可选的，所述参数还包括面积和/或周长和/或最大直径和/或最小直径和/或最大直径所对应的轮廓点的坐标和/或最小直径所对应的轮廓点的坐标和/或法向向量。

可选的，所述根据所述血管中心线上的每一中心点所对应的横截面，获取对应的所述血管段的参数，包括：

针对所述血管中心线上的每一中心点：

将所述中心点所对应的横截面映射至Z＝0的平面上，以获取所述中心点所对应的映射平面；

根据所述映射平面上的各像素点的位置坐标，获取所述映射平面的属性信息；

根据所述映射平面的属性信息，获取所述中心点所对应的血管段的参数。

可选的，所述根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面，包括：

统计所述血管掩膜图像的每一非零像素点的位置坐标；

针对所述血管中心线上的每一中心点：

将所述中心点和与其相邻的邻中心点组成第一向量，并将所述中心点和每一所述非零像素点分别组成第二向量；

计算所述第一向量和所述第二向量之间的夹角；

将夹角在预设范围内的所述非零像素点所组成的点集作为所述中心点所对应的横截面的点集；

将所述中心点和与其所对应的横截面的点集进行拟合，以得到所述中心点所对应的横截面。

可选的，所述根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线，包括：

根据所述血管掩膜图像，获取一起始点和若干终止点的位置坐标；

根据所述起始点和所述终止点的位置坐标，采用预设算法，确定所述起始点与所述终止点之间的目标路径；

合并所有的目标路径，以获取感兴趣血管区域所对应的血管中心线。

可选的，所述采用预设算法，确定所述起始点与所述终止点之间的目标路径，包括：

以所述起始点作为起始节点、所述终止点作为目标节点，采用A星算法确定所述起始点与所述终止点之间的目标路径。

可选的，所述A星算法中采用的代价函数如下所示：

F(P)＝w1*G(P)+w2*H(P)

式中，F(P)是总代价，G(P)为起始节点到节点P的实际代价，H(P)为节点P到终止节点D的估计代价，

为节点P到终止节点D的欧式距离，

为节点P到其父节点的欧式距离，w1为第一权重系数，w2为第二权重系数。

可选的，在采用A星算法确定所述起始点与所述终止点之间的目标路径之前，所述方法还包括：

针对所述血管掩膜图像中的每一非零像素点，由近及远遍历其周边邻域像素点，直至找到与所述非零像素点距离最近的零像素点，计算所述非零像素点与所述零像素点之间的距离，并将所述距离设置为所述非零像素点的像素值，以获取血管距离变换图像；

所述第一权重系数w1的计算公式如下所示：

w1＝β*e^ΔP

其中，β为第一调节因子，且0＜β＜1，ΔP为所述血管距离变换图像中的最大像素值与所述节点P在所述血管距离变换图像中的像素值的差值的绝对值。

可选的，所述第二权重系数w2的计算公式如下所示：

其中，σ为第二调节因子，且0＜σ＜1，|Z_P-Z_D|为所述节点P的Z坐标Z_P与所述终止节点D的Z坐标Z_D之间的差值的绝对值。

可选的，在合并所有的目标路径，以获取感兴趣血管区域所对应的血管中心线之前，所述方法还包括：

对所述目标路径进行修正，以获取修正后的目标路径；

所述合并所有的目标路径，以获取感兴趣血管区域所对应的血管中心线，包括：

合并所有的修正后的目标路径，以获取感兴趣血管区域所对应的血管中心线。

可选的，所述对所述目标路径进行修正，以获取修正后的目标路径，包括：

对所述目标路径上的与未分叉血管区域所对应的各路径点进行第一修正处理，以得到对应的第一修正路径点；

对所述目标路径上的与分叉血管区域所对应的各路径点进行第二修正处理，以得到对应的第二修正路径点；

根据所述第一修正路径点和所述第二修正路径点，获取修正后的目标路径。

可选的，在对所述目标路径上的与未分叉血管区域所对应的各路径点进行第一修正处理之前，所述方法还包括：

所述对所述目标路径上的与未分叉血管区域所对应的各路径点进行第一修正处理，以得到对应的第一修正路径点，包括：

针对所述目标路径上的与未分叉血管区域所对应的每一路径点：

将所述路径点在所述血管距离变换图像上所对应的第一横截面图像映射到Z＝0的平面上，以获取对应的第一映射图像；

将所述第一映射图像中的像素值最大的像素点作为对应的第一映射点；

根据所述第一映射点，获取对应的第一修正点。

可选的，所述对所述目标路径上的与分叉血管区域所对应的各路径点进行第二修正处理，以得到对应的第二修正路径点，包括：

针对所述目标路径上的与分叉血管区域所对应的每一路径点：

将所述路径点在所述血管距离变换图像上所对应的第二横截面图像映射到Z＝0的平面上，以获取对应的第二映射图像；

根据所述第二映射图像上的各像素点的像素值，获取两个峰值点；

将距离所述路径点最近的所述峰值点作为对应的第二映射点；

根据所述第二映射点，获取对应的第二修正点。

为达到上述目的，本发明还提供一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上文所述的血管数字化结构的获取方法。

为达到上述目的，本发明还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上文所述的血管数字化结构的获取方法。

与现有技术相比，本发明提供的血管数字化结构的获取方法、电子设备和存储介质具有以下优点：本发明通过先对预先获取的医学图像进行分割，以获取血管掩膜图像；再根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线；然后根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面；最后根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构。由此，根据所述数字化结构，可以对任意血管段实现数字化表示，不仅存储量小，而且便于对血管进行后续的处理与分析。

附图说明

图1为本发明一实施方式中的血管数字化结构的获取方法的流程示意图；

图2为本发明一具体示例中的医学图像的示意图；

图3为本发明一具体示例中的血管掩膜图像的示意图；

图4为本发明一具体示例中的获取血管中心线的流程示意图；

图5为本发明一具体示例中的确定起始节点与目标节点之间的目标路径的流程示意图；

图6为本发明一具体示例中的第一修正处理的流程示意图；

图7为本发明一具体示例中的第二修正处理的流程示意图；

图8为本发明一具体示例中的第二映射点的获取示意图；

图9为本发明一具体示例中的血管中心线的示意图；

图10为本发明一实施方式提供的获取横截面的流程示意图；

图11为本发明一实施方式提供的获取血管数字化结构的具体流程示意图；

图12为本发明一具体示例中的血管段的参数表示示意图；

图13为本发明一实施方式提供的获取血管段的参数的具体流程示意图；

图14为本发明一实施方式中的采用分水岭算法得到的连通域的示意图；

图15为本发明一具体示例中的血管数字化结构示意图；

图16为本发明一实施方式中的电子设备的方框结构示意图；

其中，附图标记如下：

路径点-1；峰值点-21、22；轮廓线-3；

处理器-101；通信接口-102；存储器-103；通信总线104。

具体实施方式

以下结合附图和具体实施方式对本发明提出的血管数字化结构的获取方法、电子设备和存储介质作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在与本发明所能产生的功效及所能达成的目的相同或近似的情况下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明的核心思想在于提供一种血管数字化结构的获取方法、电子设备和存储介质，可以对血管任意段实现数字化表示，不仅存储量小，而且便于对血管进行后续的处理与分析。

需要说明的是，本发明实施方式的电子设备可以是个人计算机、移动终端等，该移动终端可以是手机、平板电脑等具有各种操作系统的硬件设备。此外，需要说明的是，虽然本文是以获取部分主动脉血管的数字化结构为例进行说明，但是如本领域技术人员所能理解的，本发明还可以用于获取全部主动脉血管的数字化结构以及主动脉血管以外的其它血管，例如神经血管、桡动脉血管等血管的数字化结构。

为实现上述思想，本发明提供一种血管数字化结构的获取方法，请参考图1，示意性地给出了本发明一实施方式提供的血管数字化结构的获取方法的流程图，如图1所示，所述血管数字化结构的获取方法包括如下步骤：

步骤S100、对预先获取的医学图像进行分割，以获取血管掩膜图像；

步骤S200、根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线；

步骤S300、根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面；

步骤S400、根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构。

由此，本发明通过获取感兴趣血管区域的血管中心线以及所述血管中心线上的每一中心点所对应的横截面，并根据血管中心线和每一中心点所对应的横截面获取所述感兴趣区域的数字化结构，从而可以对任意血管段实现数字化表示，不仅存储量小，而且便于对血管进行后续的处理与分析。

具体地，预先获取的医学图像可以是CTA(计算机断层血管造影)图像，也可以是MRA(核磁共振血管造影)图像，还可以是其它的医学图像。所述医学图像可以通过图像获取装置进行采集，例如CT、MRI等影像设备，也可以通过互联网搜集得到，还可以通过扫描设备扫描得到。所述医学图像的大小可以根据具体情况进行设置，本发明对此并不进行限制，例如所述医学图像的大小可为512×512×130像素。

优选地，在对所述医学图像进行分割之前，所述方法还包括：对预先获取的所述医学图像进行滤波处理。请参考图2，其示意性地给出了本发明一具体示例中的滤波处理后的医学图像的示意图，如图2所示，通过对所获取的医学图像进行滤波处理(例如高斯滤波处理)，可以有效去除所述医学图像中的噪声，为获取准确的血管掩膜图像奠定良好的基础。

对应的，所述步骤S100为：对滤波处理后的所述医学图像进行分割，以获取血管掩膜图像。需要说明的是，如本领域技术人员所能理解的，可以采用现有技术中的图像分割法，例如阈值分割法、区域生长法、基于深度学习的神经网络分割法等，对所述医学图像进行分割，本发明对分割方法并不进行限制。请参考图3，其示意性地给出了本发明一具体示例中的血管掩膜图像的示意图。如图3所示，通过对图2所述的医学图像进行分割，可以获取完整的主动脉血管掩膜图像，在该所述主动脉血管掩膜图像中，主动脉血管区域的像素值为1，其它区域的像素值为0。

进一步地，请参考图4，其示意性地给出了本发明一实施方式提供的获取血管中心线的流程示意图。如图4所示，所述步骤S200、根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线，包括：

具体地，可以根据实际需求，将所述血管掩膜图像上的需要计算中心线的感兴趣血管区域的起始处横截面的中心位置作为起始点，将所述感兴趣血管区域的各个终止处横截面的中心位置作为终止点。根据所述起始点、所述终止点在所述血管掩膜图像上的位置，即可获取所述起始点和所述终止点的位置坐标(在图像坐标系下的坐标)。需要说明的是，如本领域技术人员所能理解的，所述起始点和所述终止点可以由人工手动进行选择，也可以由计算机根据预先设定好的算法进行选择，本发明对此并不进行限制。此外，需要说明的是，在其它一些实施方式中，还可以采用现有技术中的血管中心线的提取方法，例如基于区域增长以及基于血管中心线模型的方法，本发明对此并不进行限制。

进一步地，所述采用预设算法，确定所述起始点与所述终止点之间的目标路径，包括：

具体地，请参考图5，其示意性地给出了本发明一实施方式提供的确定起始节点与目标节点之间的目标路径的流程示意图。如图5所示，可以采用如下步骤，确定所述起始节点与所述目标节点之间的目标路径：

步骤A、创建用于存放待检测节点的开放列表和用于存放检测过的节点的封闭列表，并将所述起始点放入所述开放列表中；

步骤B、判断所述开放列表是否为空集，若是，则结束计算，若否，则执行步骤C；

步骤C、对所述开放列表中的各节点的代价函数F值进行排序，将代价函数F值最小的节点作为当前节点，并将所述当前节点从所述开放列表移至所述封闭列表中，其中:

F(P)＝w1*G(P)+w2*H(P)；

式中，F(P)是代价函数，G(P)为起始节点到节点P的实际代价，H(P)为节点P到终止节点D的估计代价，

为节点P到终止节点D的欧式距离，

为节点P到其父节点的欧式距离，w1为第一权重系数，w2为第二权重系数；

步骤D、判断所述当前节点是否为终止节点，若是，则执行步骤E，若否，则执行步骤F1；

步骤E、从所述终止节点开始逐步追溯父节点，直至追溯到起始节点，将追溯到的所有节点从起始节点开始依次连接起来，以形成目标路径；

步骤F1、根据所述血管掩膜图像，确定所述当前节点周边邻域的所有邻节点，并以其中一个所述邻节点作为当前邻节点；

步骤F2、判断所述当前邻节点是否位于所述封闭列表中，若是，则执行步骤F3，若否，则执行步骤F4；

步骤F3，跳过所述当前邻节点，并以下一个所述邻节点作为当前邻节点，返回执行步骤F2；

步骤F4、判断所述当前邻节点是否位于所述开放列表中，若是，则执行步骤F5，若否，则执行步骤F6；

步骤F5、计算所述当前邻节点相对于所述当前节点的G值，若新计算的G值小于所述当前邻节点的已存G值，则将所述当前邻节点的已存G值更新为新计算的G值，将所述当前邻节点的父节点更新为当前节点，并执行步骤F7；

步骤F6、将所述邻节点放入所述开放列表中，将所述当前节点设置为所述邻节点的父节点，并执行步骤F7；

步骤F7、判断所述当前邻节点是否为最后一个邻节点，若是，则返回执行步骤B，若否，则执行步骤F8；

步骤F8、以下一个所述邻节点作为当前邻节点，返回执行步骤F2。

具体地，在所述开放列表中只有起始节点的情况下，将所述起始节点从所述开放列表中取出，开放列表中的各节点都有各自的保存的总代价(即F值)、实际代价(即G值)和估计代价(即H值)，可分别对应称为该节点的已存总代价(即已存F值)、已存实际代价(即已存G值)和已存估计代价(即已存H值)。起始节点的已存实际代价为0，随着节点的父节点信息的更新，该节点的已存总代价(即已存F值)、已存实际代价(即已存G值)相应改变。与起始节点相邻的邻节点最初都是以所述起始节点作为父节点。

其中：

在获取所述当前节点周边邻域的邻节点时，选取所述当前节点在所述血管掩膜图像(优选为平滑处理后的血管掩膜图像)上的26邻域中的非零像素点作为所述当前节点的邻节点。

需要说明的是，如本领域技术人员所能理解的，遍历完所述当前节点的所有邻节点后，再返回执行步骤B，直至最终选出的当前节点为终止节点，从终止节点开始向其父节点移动，其父节点再向其自身的父节点移动，以此类推，直至移动到起始节点，这些节点所形成的路径即为目标路径，也即血管中心线。此外，需要说明的是，虽然本发明是以A星算法为例进行说明，但是如本领域技术人员所能理解的，还可以采用现有技术中的其它路径算法，例如广度优先算法，Dijkstra算法，最佳优先算法等，确定所述起始节点与所述终止节点之间的目标路径，本发明对此并不进行限制。

由此，对于每一对起始点和终止点，均采用上文所述的路径算法进行计算，即可获取每一对起始点和终止点之间的目标路径，该目标路径即为所述起始点和所述终止点所对应的血管区域的血管中心线，通过合并所有的目标路径，即可获取感兴趣血管区域的血管中心线。

进一步地，所述第一权重系数为与所述节点P相关的动态系数。由此，本发明通过将第一权重系数设为与所述节点P相关的动态系数，可以实现对代价函数的动态调节，更以利于高效寻找目标路径。

具体地，在采用A星算法确定所述起始点与所述终止点之间的目标路径之前，所述方法还包括：

所述第一权重系数w1的计算公式如下所示：

w1＝β*e^ΔP

由于血管的各横截面的中心点距离血管壁的距离最远，因此在所述血管距离变换图像中，位于血管区域的各横截面的中心点的像素点的像素值最大，若节点P在所述血管距离变换图像中的像素值越大，则w1的值越小，也即越靠近血管实际中心线的节点P所对应的第一权重系数就越小，此种设置，可以保证最终获得的路径节点尽量沿着血管中心行走，即保证获得的目标路径与血管实际中心线更加靠近，从而保证获取的血管中心线的准确性。

更进一步地，所述第二权重系数w2也为与所述节点P相关的动态系数。由此，通过将所述第二权重系数也设为与所述节点P相关的动态系数，可以进一步实现对代价函数的动态调节，更有利于高效寻找目标路径。

具体地，所述第二权重系数w2的计算公式如下所示：

由于，默认起始节点所在的切片层数和终止节点所在的切片层数相距最远(即起始节点的Z坐标和终止节点的Z坐标之间的差值的绝对值最大)，例如，主动脉血管是沿人体的头颈部方向自上而下的，由此，通过将第二权重系数W2设置为与切片层数(即Z坐标)动态相关，其中，节点P的Z坐标与终止节点D的Z坐标的差值的绝对值越大，则W2越大，从而可以更加有利于高效寻找最佳路径。需要说明的是，如本领域技术人员所能理解的，若所获取的医学图像为包含神经血管的图像，则可将参数W2直接设置为1。

优选地，在合并所有的目标路径，以获取感兴趣血管区域所对应的血管中心线之前，所述方法还包括：

对所述目标路径进行修正，以获取修正后的目标路径；

由于本发明在确定目标路径时，虽然对第一权重系数W1和第二权重系数W2的值进行了动态调整，但是还是会出现计算得到的目标路径上的某一路径点或某些路径点未在血管中间，而是沿着血管壁行走的可能，为此，本发明通过对所述目标路径进行修正，可以保证最终获得的目标路径上的各点都是沿着血管中心行走的，以确保最终获得的血管中心线的准确性。

进一步地，所述对所述目标路径进行修正，以获取修正后的目标路径，包括：

由此，本发明针对所述目标路径上与未分叉血管区域所对应的各路径点进行第一修正处理，针对所述目标路径上与分叉血管区域所对应的各路径点进行第二修正处理，可以进一步确保最终获得的血管中心线的准确性。

更进一步地，在对所述目标路径上的与未分叉血管区域所对应的各路径点进行第一修正处理之前，所述方法还包括：

针对所述血管掩膜图像中的每一非零像素点，由近及远遍历其周边邻域像素点，直至找到与所述非零像素点距离最近的零像素点，计算所述非零像素点与所述零像素点之间的距离，并将所述距离设置为所述非零像素点的像素值，以获取血管距离变换图像。

请继续参考图6，其示意性地给出了本发明一实施方式提供的第一修正处理的流程示意图。如图6所示，所述对所述目标路径上的与未分叉血管区域所对应的各路径点进行第一修正处理，以得到对应的第一修正路径点，包括：

根据所述第一映射点，获取对应的第一修正点。

以所述目标路径上的与未分叉血管区域所对应的其中一个路径点为例，可以根据该路径点及其所所对应的横截面的点集(参考下文中的相关描述)，获取该像素点在所述血管距离变换图像上所对应的第一横截面图像；然后将该第一横截面图像通过一旋转平移矩阵映射至Z＝0的平面(即Z坐标为0的平面，也即以图像坐标系为参考系的XOY平面)上，以获取对应的第一映射图像；再遍历所述第一映射图像中的每一像素点，以找出像素值最大的像素点(即距离血管边缘最远的点，也即中心点)，并将该像素值最大的像素点作为该路径点所对应的第一映射点；最后再通过所述旋转平移矩阵的逆矩阵将所述第一映射点映射至所述第一横截面图像上，即可得到所述像素点所对应的第一修正点。

请继续参考图7，其示意性地给出了本发明一实施方式提供的第二修正处理的流程示意图。如图7所示，所述对所述目标路径上的与分叉血管区域所对应的各路径点进行第二修正处理，以得到对应的第二修正路径点，包括：

根据所述第二映射点，获取对应的第二修正点。

具体地，以所述目标路径上的与分叉血管区域所对应的某一个路径点为例，可以根据该路径点及其所对应的横截面的点集(参考下文中的相关描述)，获取该路径点在所述血管距离变换图像上所对应的第二横截面图像；然后将该第二横截面图像通过一旋转平移矩阵映射至Z＝0的平面(即Z坐标为0的平面，也即以图像坐标系为参考系的XOY平面)上，以获取对应的第二映射图像；再遍历所述第二映射图像中的每一像素点，以找出两个像素峰值点(这两个峰值点分别对应两个分支血管的中心)，这两个像素峰值点可能为所述第二映射图像中的两个像素值最大的点(即这两个峰值点的像素值相同，且像素值最大)，也可能是所述第二映射图像中的最大像素值点和第二大像素值点(即其中一个峰值点为最大像素值点，另一个峰值点为第二大像素值点)，再分别计算这两个峰值点与所述路径点之间的距离，并将距离所述路径点最近的峰值点作为所述路径点的第二映射点，最后再通过所述旋转平移矩阵的逆矩阵将所述第二映射点映射至所述第二横截面图像上，即可得到所述路径点所对应的第二修正点。请参考图8，其示意性地给出了本发明一具体示例提供的第二映射点的获取示意图。如图8所示，在路径点1所对应的第二映射图像中，找到了两个峰值点：峰值点21和峰值点22，其中峰值点21距离路径点1更近，因此将峰值点21作为路径点1所对应的第二修正点。

请继续参考图9，其示意性地给出了本发明一具体示例中的血管中心线的示意图。如图9所示，该血管中心线由修正后的目标路径AB、AC和AD合并而成。

进一步地，请参考图10，其示意地给出了本发明一实施方式提供的获取横截面的流程示意图。如图10所示，所述步骤S300、根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面，包括：

统计所述血管掩膜图像的每一非零像素点的位置坐标；

针对所述血管中心线上的每一中心点：

计算所述第一向量和所述第二向量之间的夹角；

具体地，可以将获取的所有非零像素点(像素值为1的像素点)的位置坐标存入一个有效集合内，然后以所述血管中心线上的第一个中心点(即血管中心线上的起始像素点)作为当前点，并将所述当前点与下一个中心点(即血管中心线上的第二个像素点)组成第一向量

以及将所述当前点(即起始像素点)与所述有效集合内的第一个非零像素点A1组成第二向量

通过计算所述第一向量

与所述第二向量

之间的夹角θ₁₁并判断所述夹角θ₁₁是否位于预设范围内(例如90°±1°)，若判断结果为所述夹角θ₁₁位于预设范围内，则说明该非零像素点是所述当前点所对应的横截面上的点，则将该点A1保存至用于存放该当前点的横截面的点集的集合中。然后再将所述当前点与所述有效集合内的下一个非零像素点A2组成第二向量

并判断所述第一向量

与所述第二向量

之间的夹角θ₁₂是否位于预设范围内，若判断结果为是，则将该点A2保存至用于存放该当前点的横截面的点集的集合中。对于所述有效集合内的每一个非零像素点均执行上述操作，直至遍历完所述有效集合内的所有非零像素点，以得到第一个中心点所对应的横截面的点集。在获取第一中心点所对应的横截面的点集后，再以第二个中心点作为当前点，然后重复上述过程，以获得第二个中心点所对应的横截面的点集。以此类推，直至所述当前点为最后一个中心点，对于最后一个中心点，可以将最后一个中心点和与其相邻的上一个中心点组成第一向量，以获得最后一个中心点所对应的横截面的点集。

需要说明的是，如本领域技术人员所能理解的，假设当前点的坐标为(X_j,Y_j,Z_j)，邻中心点的坐标为(X_k,Y_k,Z_k)，非零像素点Ai的坐标为(X_Ai,Y_Ai,Z_Ai)，则第一向量

第二向量

则所述第一向量与所述第二向量之间的夹角为:

此外，需要说明的是，在其它一些实施方式中，在获取第一向量时，若当前点既不是所述血管中心线上的第一个中心点，也不是所述血管中心线上的最后一个中心点，则可以将所述当前点与所述血管中心线上的上一个中心点或下一个中心点组成第一向量，本发明对此并不进行限制。

由于所获取的横截面的点集数据是离散的，无法直接计算血管的参数，由此，通过对所述血管中心线上的每一所述中心点和其所对应的横截面的点集分别进行拟合，即可得到所述血管中心线上的每一中心点所对应的横截面。具体地，将所述血管中心线上的第一个中心点和其所对应的横截面的点集进行拟合，例如采用最小二乘拟合，即可得到所述第一个中心点所对应的横截面；将所述血管中心线上的第二个中心点和其所对应的横截面的点集进行拟合，例如采用最小二乘拟合，即可得到所述第二个中心点所对应的横截面；以此类推，即可获取所述血管中心线上的每一个中心点所对应的横截面。

请继续参考图11，其示意性地给出了本发明一实施方式提供的获取血管的数字化结构的具体流程示意图。如图11所示，所述根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构，包括：

需要说明的是，如本领域技术人员所能理解的，所分割成的血管段的数目与所述血管中心线上的中心点的个数相同，所述血管段的参数与其对应的中心点所对应的横截面的属性相关。具体地，所述参数包括所述中心点坐标和闭合轮廓线坐标。更进一步地，所述参数还包括面积、周长、最大直径、最小直径、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标和法向向量中的任一种或任几种。请参考图12，其示意性地给出了本发明一具体示例中的血管段的参数表示示意图。如图12所示，点o的坐标即为中心点的坐标，轮廓线3的长度即为该血管段的周长，轮廓线3所围成的区域的面积即为该血管段的面积，ab的长度即为最大直径，cd的长度即为最小直径，点a和点b的坐标即为最大直径所对应的轮廓点的坐标，点c和点d的坐标即为最小直径所对应的轮廓点的坐标。需要说明的是，如本领域技术人员所能理解的，所述血管段的法向向量为该血管段的中心点坐标和与其相邻的血管段的中心点坐标所构成的向量。

进一步地，请参考图13，其示意性地给出了本发明一实施方式提供的获取血管段的参数的具体流程示意图。如图13所示，所述根据所述血管中心线上的每一中心点所对应的横截面，获取对应的所述血管段的参数，包括：

针对所述血管中心线上的每一中心点：

由此，本发明通过先将所述血管中心线上的各个中心点所对应的横截面分别映射至Z＝0的平面(即Z坐标为0的平面，也即以图像坐标系为参考系的XOY平面)上，再进行参数的计算，可以大大减少计算量。具体地，以其中一个中心点为例，可通过旋转平移操作将该中心点所对应的横截面移至Z＝0的平面上，以得到对应的映射平面(映射平面上的各像素点的Z坐标为0)，所述映射平面与所述横截面之间的位置映射关系可用一旋转平移矩阵进行表示，不同的横截面对应不同的旋转平移矩阵；根据所述映射平面上的各像素点的位置坐标，即可获取所述映射平面的周长、面积、最大直径、最小直径、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标等属性信息，由于周长、面积、最大直径、最小直径属于固定属性，并不随着旋转平移而改变，因此该映射平面的周长、面积、最大直径、最小直径即为所述横截面的周长、面积、最大直径、最小直径(即所述横截面所对应的血管段的周长、面积、最大直径、最小直径)，将所述映射平面的轮廓线坐标、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标通过所述旋转平移矩阵逆变换到所述横截面上，即可得到所述横截面的轮廓线坐标、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标(即所述横截面所对应的血管段的轮廓线坐标、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标)。

优选地，本发明提供的血管数字化结构的获取方法还包括：

针对与分叉血管区域对应的血管中心线上的每一中心点所对应的血管段的参数进行修正。

具体地，根据通过以所述中心点所对应的第二映射点(参考图8)作为种子点，采用分水岭算法对其所对应的所述第二映射图像(参考上文中的相关描述)进行分割；并根据所述第二映射点所在的连通域的特征信息，对对应的血管段的参数进行修正进行修正。

具体地，可以在所述第二映射图像中，以所述第二映射点作为种子点，然后基于所述种子点遍历周边像素点，当遇到像素值为1的像素点或没有像素点时，则退出，从而将两个分支血管区域分割开，所述第二映射点所在的连通域即为关注的分支血管区域。关于分水岭算法的更多内容可参考现有技术，在此不再进行赘述。请参考图14，其示意性地给出了本发明一实施方式中的采用分水岭算法得到的连通域的示意图。如图14所示，通过采用分水岭算法，可以将峰值点21(即第二映射点)和峰值点22所在的区域完整的分割开。由此根据所述第二映射点所在的连通域所对应的属性信息，即可对对应位置处的血管段的参数进行修正。具体地，根据所述第二映射点所在的连通域的各像素点的位置坐标，可以获取所述连通域的周长、面积、轮廓线坐标、最大直径、最小直径、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标，该连通域的周长、面积、最大直径、最小直径、即为对应血管段的周长、面积、最大直径、最小直径，通过所述第二横截面图像和所述第二映射图像之间的旋转平移矩阵的逆矩阵，即可获取对应血管段的所述轮廓线坐标、最大直径所对应的轮廓点的坐标、最小直径所对应的轮廓点的坐标。

请参考图15，其示意性地给出了本发明一具体示例中的血管数字化结构的示意图。如图15所示，通过采用本发明提供的方法获取的血管数字化结构，在后续处理与分析血管时，只需要指定想要分析的某一血管段或某些血管段，即可得到全数字化的血管结构信息，从而更加便于血管的测量与分析。

基于同一发明构思，本发明还提供一种电子设备，请参考图16，示意性地给出了本发明一实施方式提供的电子设备的方框结构示意图。如图16所示，所述电子设备包括处理器101和存储器103，所述存储器103上存储有计算机程序，所述计算机程序被所述处理器101执行时，实现上文所述的血管数字化结构的获取方法。

如图16所示，所述电子设备还包括通信接口102和通信总线104，其中所述处理器101、所述通信接口102、所述存储器103通过通信总线104完成相互间的通信。所述通信总线104可以是外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线104可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。所述通信接口102用于上述电子设备与其他设备之间的通信。

本发明中所称处理器101可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器101是所述电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。

所述存储器103可用于存储所述计算机程序，所述处理器101通过运行或执行存储在所述存储器103内的计算机程序，以及调用存储在存储器103内的数据，实现所述电子设备的各种功能。

所述存储器103可以包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本发明还提供了一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时可以实现上文所述的血管数字化结构的获取方法。

本发明实施方式的可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其组合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

综上所述，与现有技术相比，本发明提供的血管数字化结构的获取方法、装置、电子设备和存储介质具有以下优点：本发明通过先对预先获取的医学图像进行分割，以获取血管掩膜图像；再根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线；然后根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面；最后根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构。由此，根据所述数字化结构，可以对任意血管段实现数字化表示，不仅存储量小，而且便于对血管进行后续的处理与分析。

应当注意的是，在本文的实施方式中所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

上述描述仅是对本发明较佳实施方式的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于本发明的保护范围。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims

1.一种血管数字化结构的获取方法，其特征在于，包括：

对预先获取的医学图像进行分割，以获取血管掩膜图像；

2.根据权利要求1所述的血管数字化结构的获取方法，其特征在于，所述根据所述血管中心线和所述血管中心线上的每一中心点所对应的横截面，获取所述感兴趣血管区域的数字化结构，包括：

3.根据权利要求2所述的血管数字化结构的获取方法，其特征在于，所述参数包括所述中心点坐标和闭合轮廓线坐标。

4.根据权利要求3所述的血管数字化结构的获取方法，其特征在于，所述参数还包括面积和/或周长和/或最大直径和/或最小直径和/或最大直径所对应的轮廓点的坐标和/或最小直径所对应的轮廓点的坐标和/或法向向量。

5.根据权利要求2所述的血管数字化结构的获取方法，其特征在于，所述根据所述血管中心线上的每一中心点所对应的横截面，获取对应的所述血管段的参数，包括：

针对所述血管中心线上的每一中心点：

6.根据权利要求1所述的血管数字化结构的获取方法，其特征在于，所述根据所述血管掩膜图像，确定所述血管中心线上的每一中心点所对应的横截面，包括：

统计所述血管掩膜图像的每一非零像素点的位置坐标；

针对所述血管中心线上的每一中心点：

计算所述第一向量和所述第二向量之间的夹角；

7.根据权利要求1所述的血管数字化结构的获取方法，其特征在于，所述根据所述血管掩膜图像，获取感兴趣血管区域所对应的血管中心线，包括：

8.根据权利要求7所述的血管数字化结构的获取方法，其特征在于，所述采用预设算法，确定所述起始点与所述终止点之间的目标路径，包括：

9.根据权利要求8所述的血管数字化结构的获取方法，其特征在于，所述A星算法中采用的代价函数如下所示：

F(P)＝w1*G(P)+w2*H(P)

为节点P到终止节点D的欧式距离，

10.根据权利要求9所述的血管数字化结构的获取方法，其特征在于，在采用A星算法确定所述起始点与所述终止点之间的目标路径之前，所述方法还包括：

所述第一权重系数w1的计算公式如下所示：

w1＝β*e^ΔP

11.根据权利要求9所述的血管数字化结构的获取方法，其特征在于，所述第二权重系数w2的计算公式如下所示：

12.根据权利要求7所述的血管数字化结构的获取方法，其特征在于，在合并所有的目标路径，以获取感兴趣血管区域所对应的血管中心线之前，所述方法还包括：

对所述目标路径进行修正，以获取修正后的目标路径；

13.根据权利要求12所述的血管数字化结构的获取方法，其特征在于，所述对所述目标路径进行修正，以获取修正后的目标路径，包括：

14.根据权利要求13所述的血管数字化结构的获取方法，其特征在于，在对所述目标路径上的与未分叉血管区域所对应的各路径点进行第一修正处理之前，所述方法还包括：

根据所述第一映射点，获取对应的第一修正点。

15.根据权利要求14所述的血管数字化结构的获取方法，其特征在于，所述对所述目标路径上的与分叉血管区域所对应的各路径点进行第二修正处理，以得到对应的第二修正路径点，包括：

根据所述第二映射点，获取对应的第二修正点。

16.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1至15中任一项所述的方法。

17.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至15中任一项所述的方法。