CN115880494A - 血管图像分割方法、装置、电子设备以及存储介质 - Google Patents

Abstract

本发明公开了一种血管图像分割方法、装置、电子设备以及存储介质。该方法包括：获取初始血管图像，确定所述初始血管图像的冠脉骨架图像；确定所述冠脉骨架图像中骨架线上的各骨架点，并基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点；确定各所述分区骨架点对应的分区骨架线段，并对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段；基于所述初始血管图像和所述静脉分支线段确定所述初始血管图像的冠脉分割图像。通过本发明公开的技术方案，解决了现有技术中对血管进行冠脉分割准确率较低的问题，实现提高冠脉分割准确率。

Description

血管图像分割方法、装置、电子设备以及存储介质

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种血管图像分割方法、装置、电子设备以及存储介质。

背景技术

随着CT(Computed Tomography，即电子计算机断层扫描)设备的成像速度和扫描精度的提高，CT医学影像已被广泛应用于心脏检查和斑块诊断。基于CT医学影像进行心脏冠脉分割被广泛使用，它可以提取出冠脉以及官腔中斑块的轮廓，方便医生观察狭窄、钙化和斑块等情况，为医生对心血管疾病的早期预防和诊断提供依据。

目前，在心脏冠脉分割过程中，由于静脉的影像特征(距离近甚至贴合、CT值接近等)与冠脉相似，容易被错误识别，心脏冠脉分割的准确率较低。

发明内容

本发明提供了一种血管图像分割方法、装置、电子设备以及存储介质，通过对冠脉粗分割结果中的静脉分支进行去除处理，以解决现有技术中对血管进行冠脉分割准确率较低的问题，实现提高冠脉分割准确率。

第一方面，本发明实施例提供了一种血管图像分割方法，该方法包括：

获取初始血管图像，确定所述初始血管图像的冠脉骨架图像；

确定所述冠脉骨架图像中骨架线上的各骨架点，并基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点；

确定各所述分区骨架点对应的分区骨架线段，并对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段；

基于所述初始血管图像和所述静脉分支线段确定所述初始血管图像的冠脉分割图像。

可选的，所述对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段，包括：

基于各所述分区骨架点的骨架点序号确定各所述分区骨架线段的线段序号；

对于任一分区骨架线段，确定当前分区骨架线段的前一段分区骨架线段，并基于所述前一段分区骨架线段确定所述当前分区骨架线段的静脉分支线段识别结果。

可选的，所述基于所述前一段分区骨架线段确定所述当前分区骨架线段的静脉分支线段识别结果，包括：

分别获取所述当前分区骨架线段的线段像素均值、线段曲率以及所述当前分区骨架线段与所述前一段分区骨架线段之间的线段夹角；

基于所述线段像素均值、所述线段曲率、所述线段夹角以及分别对应的权重确定所述当前分区骨架线段的静脉分支线段识别结果。

可选的，所述分区骨架点包括骨架端点和骨架分支点；

所述基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点，包括：

对于任一骨架点，确定当前骨架点的各邻域点，并基于所述邻域点中包含的骨架点确定所述当前骨架点的度；

基于各所述骨架点的度确定各所述骨架点中的骨架端点和多个候选分支点，并基于所述骨架端点对各所述候选分支点进行分支点筛选，得到骨架分支点。

可选的，所述基于所述骨架端点对各所述候选分支点进行分支点筛选，得到骨架分支点，包括：

确定各所述骨架端点中的root端点和至少一个末支端点，并分别确定各所述末支端点的端点序号；

确定所述root端点到任意两相邻序号的末支端点之间的骨架连通路径，并基于所述骨架连通路径对各所述候选分支点进行筛选，得到各所述候选分支点中的骨架分支点。

可选的，所述基于所述冠脉骨架图像确定各所述分区骨架点对应的分区骨架线段，包括：

基于各所述分区骨架点对所述冠脉骨架图像中骨架线进行分段处理，得到至少一段分区骨架线段。

可选的，所述基于所述初始血管图像和所述静脉分支确定所述初始血管图像的冠脉分割图像，包括：

对所述初始血管图像进行冠脉粗分割，得到所述初始血管图像的冠脉粗分割图像；

获取所述静脉分支的分支扩展参数，并基于所述分支扩展参数对所述静脉分支进行扩展处理，得到所述静脉分支对应的静脉扩展图像；

基于所述静脉扩展图像对所述冠脉粗分割图像进行静脉去除处理，得到所述初始血管图像的冠脉分割图像。

第二方面，本发明实施例还提供了一种血管图像分割装置，其特征在于，包括：

冠脉骨架图像确定模块，用于获取初始血管图像，确定所述初始血管图像的冠脉骨架图像；

分区骨架点确定模块，用于确定所述冠脉骨架图像中骨架线上的各骨架点，并基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点；

静脉分支线段确定模块，用于确定各所述分区骨架点对应的分区骨架线段，并对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段；

冠脉分割图像确定模块，用于基于所述初始血管图像和所述静脉分支线段确定所述初始血管图像的冠脉分割图像。

第三方面，本发明实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的血管图像分割方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的血管图像分割方法。

本发明实施例提供了一种血管图像分割方法，通过获取初始血管图像，确定初始血管图像的冠脉骨架图像；确定冠脉骨架图像中骨架线上的各骨架点，并基于各骨架点的度确定各骨架点中的至少一个分区骨架点；确定各分区骨架点对应的分区骨架线段，并对各分区骨架线段进行静脉识别，确定冠脉骨架图像中的静脉分支线段；基于初始血管图像和静脉分支线段确定初始血管图像的冠脉分割图像。上述技术方案，对待分割的血管图像进行处理，得到血管中的各分支点和端点；通过各分支点和端点对各分支进行识别，得到其中的静脉分支，进而基于识别出的静脉分支对冠脉分割结果进行优化处理，得到最终的冠脉分割结果，提高冠脉分割的准确性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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的附图。

图1是根据本发明实施例提供的一种血管图像分割方法的流程图；

图2是根据本发明实施例提供的一种冠脉粗分割图像的示意图；

图3是根据本发明实施例提供的一种冠脉骨架图像的示意图；

图4是根据本发明实施例提供的一种骨架点的示意图；

图5是根据本发明实施例提供的另一种冠脉粗分割图像的示意图；

图6是根据本发明实施例提供的另一种骨架点的示意图；

图7是根据本发明实施例提供的另一种骨架点的示意图；

图8是根据本发明实施例提供的一种分区骨架线段的示意图；

图9是根据本发明实施例提供的一种静脉分支线段的示意图；

图10是根据本发明实施例提供的一种静脉扩展图像的示意图；

图11是根据本发明实施例提供的一种冠脉分割图像的示意图；

图12是根据本发明实施例提供的另一种血管图像分割方法的流程图；

图13是根据本发明实施例提供的一种分区骨架线段之间夹角的示意图；

图14是根据本发明实施例提供的一种血管图像分割装置的结构示意图；

图15是是实现本发明实施例的血管图像分割方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。

例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。

作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。

可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。

可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。

图1为本发明实施例提供了一种血管图像分割方法的流程图，本实施例可适用于对血管进行冠脉分割的情况。

在现有技术中对血管图像进行分割处理，得到的冠脉分割结果中通常会夹杂与冠脉交错的静脉分支，导致分割结果不准确。对于上述技术问题，本实施例提供了一种图像分割方法，通过对待分割的血管图像进行处理，得到血管中的各分支点和端点；通过各分支点和端点对各分支进行识别，得到其中的静脉分支，进而基于识别出的静脉分支对冠脉分割结果进行优化处理，得到最终的冠脉分割结果，提高冠脉分割的准确性。

该方法可以由血管图像分割装置来执行，该血管图像分割装置可以采用硬件和/或软件的形式实现，该血管图像分割装置可配置于智能终端或者云端服务器中。如图1所示，该方法包括：

S110、获取初始血管图像，确定初始血管图像的冠脉骨架图像。

本发明实施例中，初始血管图像可以理解为对心脏周围的血管进行扫描所得到的血管图像。其中，血管初始图像中包含有收集回流入心脏血液的静脉图像和将心脏提供的血液发往全身的冠脉图像。

具体的，获取初始血管图像的方法可以是读取本地数据库或者云端服务器的数据库中的图像数据从而获得原始初始血管图像，还可以是基于医学扫描设备对扫描对象的心脏部位进行扫描得到初始血管图像，本实施例对于获取方式不作限定。可选的，医学扫描设备可以但不限于是C T设备、P E T(Positron Emission Computed Tomography，正电子发射型计算机断层显像)-CT设备和MRI(Magnetic Resonance Imaging，磁共振成像)设备。相应的获得的初始血管图像可以包括但不限于CT影像数据、PET影像数据和MRI影像数据中的至少一种。

本实施例中，冠脉骨架图像可以理解为包含先对初始血管图像进行冠脉粗分割后，再对粗分割结果进行结果细化处理所得到的冠脉骨架信息的图像。

在获取到初始血管图像的基础上，本实施例的技术方案可以获取预先训练完成的骨架分割模型，将初始血管图像输入至该骨架分割模型中，得到骨架分割模型对初始血管图像进行分割以及细化处理后输出的冠脉骨架图像。可选的，本实施例还可以通过采用现有分割技术对初始血管图像进行冠脉粗分割得到冠脉粗分割图像，进而采用细化处理方法(例如最优路径算法)，对冠脉粗分割图像进行细化处理，得到冠脉骨架图像。

示例性的参见图2，图2为初始血管图像进行冠脉粗分割之后的冠脉粗分割图像。对冠脉粗分割图像进行细化处理，得到如图3所示的冠脉骨架图像。

当然，本实施例还可以通过其他现有方式得到初始血管图像的冠脉骨架图像，对于获得方式不作限定。

S120、确定冠脉骨架图像中骨架线上的各骨架点，并基于各骨架点的度确定各骨架点中的至少一个分区骨架点。

在本发明实施例中，骨架线可看作是由无穷多个骨架点所组成的。示例性的继续参见图3，图3中的骨架线包括多个骨架点。例如位于骨架线分支出的骨架分支点和位于骨架端点处的骨架端点等。对于无向图中的任一节点来说，与该节点关联的其他节点的数量称为节点的度。基于此，本实施例中骨架点的度可以理解为当前骨架点与其所在骨架线的其他骨架点中具备关联关系的点的数量。

在确定骨架线上各骨架点的基础上，确定各骨架点的度，进一步的，基于骨架点的度确定各分区骨架点。

其中，分区骨架点可以理解为位于骨架线中特殊位置的点，基于各特殊位置的点将骨架线划分为多个骨架线段，进而基于骨架线段进行静脉分支的识别，

可选的，本实施例中基于各骨架点的度确定各骨架点中的至少一个分区骨架点的方法可以包括：对于任一骨架点，确定当前骨架点的各邻域点，并基于邻域点中包含的骨架点确定当前骨架点的度；基于各骨架点的度确定各骨架点中的骨架端点和多个候选分支点，并基于骨架端点对各候选分支点进行分支点筛选，得到骨架分支点。

需要说明的是，在实际应用中，血管分割结果在分支处难免会出现部分粘连，导致在分支处出现多个邻域点大于3的分支点，本实施例中将此类分支点定义为候选分支点。若一个分支处出现多个候选分支点，则需要对候选分支点进行筛选得到最终的骨架分支点，并且将其他候选分支点优化为骨架中心点，以避免分割结果出现鼓包的情况。

具体的，可以基于骨架点中的骨架端点以及端点之间的骨架连通路径对候选分支点进行筛选，得到骨架分支点。

具体的，具体的，预先设定骨架端点对应的度阈值为1，候选分支点对应的度阈值为大于3；进一步的，基于当前骨架点的度以及各类型的骨架点对应的度阈值，确定当前骨架点的类型，进而可以确定各骨架点中的骨架端点和候选分支点。示例性的参见图4，图4中分叉处的多个圆形点表示多个候选分支点，方形点表示骨架端点；当然，图中还包括其他类型的骨架点，例如骨架中心点等。需要说明的是，将骨架端点对应的度阈值设置为1的原因在于：若骨架点的度为1，则说明的当前骨架点中有1个邻域点与其他骨架点重合，即在骨架线中当前骨架点存在1个相邻点，基于此可以确定当前骨架点位于骨架线中的端点出，即可以确定当前骨架点为骨架端点。

在本实施例中，root端点可以理解为从主动脉中分支出来的冠脉分支的分支端点。其中，root端点包括root左端点和root右端点。由于在实际应用中，在主动脉在左右两边分别分叉出两个冠脉分支，分叉的区域分别为左窦区域和右窦区域，因此左窦区域与左侧冠脉分支连接的点为root左端点，右窦区域与右侧冠脉分支连接的点为root右端点。末支端点可以理解为各冠脉分支的分支末端的端点。

示例性的参见图5，图5中间最粗的血管为分割出的主动脉血管，主动脉中分出的两个分支分别为左侧冠脉分支和右侧冠脉分支，其中左侧分支与主动脉连接的点为root左端点，右侧分支与主动脉连接的点为root右端点。继续参见图5，冠脉各个分支的分至末端端点为末支端点。

可选的，本实施例中确定骨架端点中的root端点和至少一个末支端点的方法可以包括：确定冠脉粗分割图像中的主动脉位置，基于主动脉位置与各骨架端点的位置确定各骨架端点中的root端点和至少一个末支端点。

具体的，可以是获取预先训练完成的端点分类模型，基于各骨架端点的端点位置以及主动脉的动脉位置，以及上述端点分类模型确定骨架端点中的root端点以及末支端点，可选的，本实施例的技术方案还可以是对于各骨架端点，确定各端点是否与主动脉中的左窦或者右窦连接，若有则将其确定为root左端点或者root右端点；反之，若没有，则将其确定为末支端点。本实施例还可以采用其他方法对端点进行识别，对比不作限定。

示例性的继续参见图4，图4为左侧冠脉分支的示意图，图中最右上方的方形点为root端点，图中冠脉分支的其他方形点为末支端点。

具体的，确定各末支端点的序号，示例性的继续参见图4，图4中包括4个末支端点，依次对各末支端点进行编码，得到各末支编码的序号。进一步的，以末支端点3和末支端点4来说，其为相邻的两个末支端点，分别确定root左端点到末支端点3之间的骨架连通路径，以及root左端点到末支端点4之间的骨架连通路径，并基于上述确定的骨架连通路径确定路径中分支处的候选分支点中的骨架分支点。

可选的，确定路径中分支处的候选分支点中的骨架分支点的方法可以是：确定各骨架连通路径中重复遍历的各候选分支点，并分别确定各候选分支点与root端点之间的骨架距离；基于各骨架距离的比对结果，确定候选分支点中的骨架分支点。

具体的，对于上述两末支端点分别对应的骨架连通路径，确定路径中分支处的各候选分支点，进一步的，确定上述两条骨架连通路径重复遍历的候选分支点，并且确定候选分支点到root端点的骨架距离。可选的，若重复遍历的多个候选分支点，则将各骨架距离中最小的骨架距离所对应的候选分支点确定为骨架分支点。示例性的参见图6，图6中箭头指向的候选分支点即为筛选出的骨架分支点。可选的，基于上述方式，将各骨架点中包含的候选分支点均进行筛选，得到骨架分支点，并将其他候选分支点优化为骨架中心点。

可选的，在上述实施方式的基础上，本实施例中确定骨架分支点的方法还包括：获取骨架分支点对应的度阈值，并基于该度阈值与当前骨架点的度确定当前骨架点是否为骨架分支点。可选的，将当前骨架点的度与度阈值进行比对，若当前骨架点的度在度阈值的范围内，则确定当前骨架点为骨架线上的骨架分支点；反之，则确定当前骨架点为骨架线中其他类型的骨架点。

示例性的，获取骨架分支点对应的度阈值3，若确定当前骨架点的度为3，则基于度阈值可以确定当前骨架点为骨架分支点；反之若确定当前骨架点的度为2、4或者其他数值，则基于度阈值可以确定当前骨架点为其他类型的骨架点。参见图7，图中圆形点表示骨架分支点，长方形点以及方形点表示其他类型的骨架点，例如骨架端点和骨架中心点。需要说明的是，将骨架分支点对应的度阈值设置为3的原因在于：若骨架点的度为3，则说明当前骨架点中有3个邻域点与其他骨架点重合，即在骨架线中当前骨架点存在三个相邻点，基于此可以确定当前骨架点位于骨架线中的分支处，即可以确定当前骨架点为骨架分支点。

S130、确定各分区骨架点对应的分区骨架线段，并对各分区骨架线段进行静脉识别，确定冠脉骨架图像中的静脉分支线段。

在本发明实施例中，分区骨架线段可以理解为是由任意两分区骨架点以及两分区骨架点之间的所有骨架点所组成的骨架线段。

可选的，本实施例中确定分区骨架线段的方法可以包括：基于各分区骨架点对冠脉骨架图像中骨架线进行分段处理，得到至少一段分区骨架线段。

具体的，确定各分区骨架点，即骨架线中的端点以及分支点。进一步的，基于各端点以及分支点对冠脉粗分割图像中的骨架线进行分段处理，得到多个分区骨架线段。示例性的，分别根据左右冠脉树的root端点，根据像素(物理)距离或深度优先搜寻算法(DFS，经典算法)，由近及远对分支点进行顺序编号，得到如图8所示的各分支点编号，进而在上述实施方式的基础上，根据广度优先搜索算法(BFS，经典算法)或深度优先搜寻算法(DFS，经典算法)，生成root点-分支点、分支点-分支点、分支点-端点的分区骨架线段。示例性的，分区骨架线段包括root端点与分支点之间的骨架线段、分支点与分支点之间的骨架线段以及分支点与末支端点之间的骨架线段。

进一步的，基于对确定出的各分区骨架线段进行静脉识别，得到静脉分支线段。

可选的，可以获取预先训练的静脉分支识别算法，将上述获取到的分区骨架线段输入至静脉分支识别算法中，得到模型输出的静脉分支线段识别结果。也可以基于分区骨架线段中包含的各骨架线段的线段特性进行静脉分支识别结果，对此本发明实施例不作限定。

示例性的，在识别出骨架线中各骨架分支点和骨架端点的基础上，基于骨架线确定任意相邻骨架分支点、骨架端点之间的分区骨架线段，示例性的，分区骨架线段的示意图如图8所示。进一步的，对图8中的各分支骨架线段进行静脉分支识别，得到静脉分支线段，示例性的静脉分支线段如图9所示。

S140、基于初始血管图像和静脉分支线段确定初始血管图像的冠脉分割图像。

本发明实施例中，在确定静脉分支线段的基础上，基于静脉分支线段对初始血管图像的冠脉粗分割图像进行静脉去除，以得到冠脉分割结果。

可选的，本实施例中确定初始血管图像的冠脉分割图像的方法可以包括：对初始血管图像进行冠脉粗分割，得到初始血管图像的冠脉粗分割图像；获取静脉分支的分支扩展参数，并基于分支扩展参数对静脉分支进行扩展处理，得到静脉分支对应的静脉扩展图像；基于静脉扩展图像对冠脉粗分割图像进行静脉去除处理，得到初始血管图像的冠脉分割图像。

在本实施例中，分支扩展参数可以理解为静脉分支线段需要进行扩展的扩展直径参数。分支扩展参数可以包括静脉分支线段的端点扩展参数以及中心扩展参数。

需要说明的是，本实施例中静脉分支线段基于扩展参数进行扩展参数进行扩展处理后得到的静脉扩展图像需要满足完全覆盖冠脉粗分割图像中的静脉分支。在此情况下，才能基于静脉扩展图像将冠脉粗分割图像中的静脉分支完全去除。因此，需要根据冠脉粗分割图像中的粗分割结果确定静脉分支线段进行扩展的分支扩展参数。

具体的，可以通过采用现有分割技术对初始血管图像进行冠脉粗分割得到冠脉粗分割图像，也可以采用传统图像处理算法对初始血管图像进行分割处理，得到冠脉粗分割图像，本实施例对分割方式不作限定。

进一步的，在确定各静脉分支线段的基础上，对静脉分支线段进行扩展处理，以得到静脉扩展图像。可选的，本实施例中扩展处理的方法可以包括：对于任一静脉分支线段的任一端点，端点扩展参数基于静脉分支线段的线段端点参数以及与在冠脉粗分割图像中静脉分支连接的其他血管的血管参数所确定。进一步的，在确定静脉分支线段的两线段端点的端点扩展参数的基础上，基于采用两个端点扩展参数对静脉分支线段的中间点的扩展参数进行拟合，以确定静脉分支线段的至少一个中心点扩展参数，进而将各端点扩展参数、各中心扩展参数作为扩展目标对静脉分支线段进行扩展处理，得到静脉分支线段的静脉扩展图像。可选的，基于上述实施方式遍历完成所有的静脉分支线段，得到静脉扩展图像。

进一步的，在确定静脉扩展图像以及冠脉粗分割图像的基础上，确定冠脉粗分割图像中与静脉分支图像重合的分支区域，并将还分支区域从冠脉分割图像中剔除，提出后的图像为去除掉静脉分支的冠脉分割图像。

示例性的，对图9所示的静脉分支线段进行扩展处理，得到如图10所示的静脉扩展图像，并基于该静脉扩展图像对图2所示的冠脉粗分割图像进行静脉分支去除处理，得到如图11所示的冠脉分割图像。

本发明实施例提供了一种血管图像分割方法，通过获取初始血管图像，确定初始血管图像的冠脉骨架图像；确定冠脉骨架图像中骨架线上的各骨架点，并基于各骨架点的度确定各骨架点中的至少一个分区骨架点；确定各分区骨架点对应的分区骨架线段，并对各分区骨架线段进行静脉识别，确定冠脉骨架图像中的静脉分支线段；基于初始血管图像和静脉分支线段确定初始血管图像的冠脉分割图像。上述技术方案，对待分割的血管图像进行处理，得到血管中的各分支点和端点；通过各分支点和端点对各分支进行识别，得到其中的静脉分支，进而基于识别出的静脉分支对冠脉分割结果进行优化处理，得到最终的冠脉分割结果，提高冠脉分割的准确性。

图12为本发明实施例提供的另一种血管图像分割方法的流程图，本实施例在上述实施例的基础上，可选的，对各分区骨架线段进行静脉识别，确定冠脉骨架图像中的静脉分支线段，包括：

基于各分区骨架点的骨架点序号确定各分区骨架线段的线段序号；

对于任一分区骨架线段，确定当前分区骨架线段的前一段分区骨架线段，并基于前一段分区骨架线段确定当前分区骨架线段的静脉分支线段识别结果。如图12所示，该方法包括：

S210、获取初始血管图像，确定初始血管图像的冠脉骨架图像。

S220、确定冠脉骨架图像中骨架线上的各骨架点，并基于各骨架点的度确定各骨架点中的至少一个分区骨架点。

S230、确定各分区骨架点对应的分区骨架线段。

S240、基于各分区骨架点的骨架点序号确定各分区骨架线段的线段序号。

在本发明实施例中，遍历各分区骨架点，确定各分区骨架点的序号，并基于各分区骨架点的序号顺序，进而基于分区骨架点的序号顺序对各分区骨架线段进行编码，得到个分区骨架线段的线段序号。

S250、对于任一分区骨架线段，确定当前分区骨架线段的前一段分区骨架线段，并基于前一段分区骨架线段确定当前分区骨架线段的静脉分支线段识别结果。

在实际应用中，由于冠脉分支为树形向下生长的分叉，即冠脉分支的分支走向会一直向下生长，并不会出现反向向上生长的情况。换言之，还可以理解为本实施例中骨架线中的两个相邻分区骨架线段之间的夹角会大于预设度数，例如大于90度，否则在确定前一分支为冠脉分支的前提下，第二分支会大概率被认为是静脉分支。

示例性的参见图13，图13中以较小顺序的分支点为顶点(p)，计算第一段分区骨架线段的方向向量u和第二端分区骨架线段的方向向量v之间的夹角；可选的，参见图中左侧两分支，即方向向量u和方向向量v之间夹角大于90度，说明第一段分区骨架线段和第二段分区骨架线段两线段的方向向量为相反的，因此第二端分区骨架线段的会大概率被认为是与第一段分区骨架线段为不同的血管分支；换言之，确定在第一段分区骨架线段为冠脉分支的基础上，第二端分区骨架线段为静脉分支；反之参见图中的右侧量分支，即方向向量u和方向向量v之间夹角小于90度，说明第一段分区骨架线段和第二段分区骨架线段两线段的方向向量为相同的，因此第二端分区骨架线段会大概率被认为是与第一段分区骨架线段为相同的分支，即确定在第一段分区骨架线段为冠脉分支的基础上，第二端分区骨架线段也为冠脉分支。

基于上述情况，对于分区骨架线段中的静脉分支识别需要两条相邻线段共同识别。

可选的，本实施例中基于两相邻的分区骨架线段进行静脉分支识别的方法可以包括：分别获取当前分区骨架线段的线段像素均值、线段曲率以及当前分区骨架线段与前一段分区骨架线段之间的线段夹角；基于线段像素均值、线段曲率、线段夹角以及分别对应的权重确定当前分区骨架线段的静脉分支线段识别结果。

需要说明的是，线段夹角可以表征两骨架分区线段的分支生长方向。线段曲率可以表示分区骨架线段的弯曲程度。线段像素均值可以表征分区骨架线段所对应的冠脉分支的影像数值。

在实际应用中，相比较静脉来说，冠脉血管的血管特性包括冠脉血管的血管弯曲程度更大，CT造影时，为了更好的冠脉血管，设计造影剂在血液循环系统的冠脉中浓度较高，即CT成像时冠脉的图像亮度更大，以及冠脉血管的分支生长方向为树形向下，并且上述分区骨架线段的线段像素均值、线段曲率以及当前分区骨架线段与前一段分区骨架线段之间的线段夹角可以表征上述血管特性，因此在确定出上述线段像素均值、线段曲率以及线段夹角的情况下，便可以识别出分支骨架线段中的静脉分支。

具体的，本实施例中确定分区骨架线段的线段像素均值的方法可以包括：对于任一分区骨架线段，基于当前分区骨架线段的在初始血管中的位置确定当前分区骨架线段对应的血管段，并计算当前血管段所对应的各像素点的像素值，进而得到当前分区骨架线段对应的像素均值。

具体的，本实施例中确定分区骨架线段的线段曲率的方法可以为获取预设的曲率计算表达式，将分区骨架线段的线段参数代入只曲率计算表达式中，得到分区骨架线段的线段曲率。

具体的，本实施例中确定相邻两分区骨架线段的夹角的方法可以基于角度识别模型进行确定。示例性的，将两分区骨架线段的线段位置输入至模型中，得到模型输出的线段夹角。

当然，上述确定线段像素均值、线段曲率以及线段夹角的方法仅是对本实施例技术方案示例性的介绍，并不作为对本实施例技术方案的限定，本实施例还可以基于其他现有方式计算上述各参数，对此不做限定。

进一步的，在确定确定线段像素均值、线段曲率以及线段夹角的基础上，基于上述各参数确定参数对应的分区骨架线段是否为静脉分支线段的方法可以为：基于上述各参数分别对应的参数阈值，确定各参数的识别概率，进而确定最终的静脉分支识别概率，并基于识别概率阈值确定分区骨架线段是否为静脉分支线段。可选的，还可以是基于预先训练好的静脉分支识别模型进行识别，得到静脉分支线段识别结果，当然还可以是基于其他识别方式进行识别，本实施例对此不做限定。

S260、基于初始血管图像和静脉分支线段确定初始血管图像的冠脉分割图像。

本发明实施例的技术方案，在确定骨架线中的各分区骨架线段的基础上，基于分区骨架线段的预设线段参数进行静脉分支识别，得到静脉分支识别结果，进而得到准确的冠脉分割结果，以实现进一步提高冠脉分割的准确性。

图14为本发明实施例提供的一种血管图像分割装置的结构示意图。如图14所示，该装置包括：冠脉骨架图像确定模块310、分区骨架点确定模块320、静脉分支线段确定模块330以及冠脉分割图像确定模块340；

冠脉骨架图像确定模块310，用于获取初始血管图像，确定所述初始血管图像的冠脉骨架图像；

分区骨架点确定模块320，用于确定所述冠脉骨架图像中骨架线上的各骨架点，并基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点；

静脉分支线段确定模块330，用于确定各所述分区骨架点对应的分区骨架线段，并对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段；

冠脉分割图像确定模块340，用于基于所述初始血管图像和所述静脉分支线段确定所述初始血管图像的冠脉分割图像。

在上述实施方式的基础上，可选的，静脉分支线段确定模块330，包括：

线段序号确定单元，用于基于各所述分区骨架点的骨架点序号确定各所述分区骨架线段的线段序号；

静脉分支线段识别单元，用于对于任一分区骨架线段，确定当前分区骨架线段的前一段分区骨架线段，并基于所述前一段分区骨架线段确定所述当前分区骨架线段的静脉分支线段识别结果。

在上述实施方式的基础上，可选的，静脉分支线段识别单元，包括：

信息获取单元，用于分别获取所述当前分区骨架线段的线段像素均值、线段曲率以及所述当前分区骨架线段与所述前一段分区骨架线段之间的线段夹角；

静脉分支线段识别子单元，用于基于所述线段像素均值、所述线段曲率、所述线段夹角以及分别对应的权重确定所述当前分区骨架线段的静脉分支线段识别结果。

在上述实施方式的基础上，所述分区骨架点包括骨架端点和骨架分支点；

可选的，分区骨架点确定模块320，包括：

骨架点的度确定单元，用于对于任一骨架点，确定当前骨架点的各邻域点，并基于所述邻域点中包含的骨架点确定所述当前骨架点的度；

骨架分支点确定单元，用于基于各所述骨架点的度确定各所述骨架点中的骨架端点和多个候选分支点，并基于所述骨架端点对各所述候选分支点进行分支点筛选，得到骨架分支点。

在上述实施方式的基础上，可选的，骨架分支点确定单元，包括：

端点序号确定单元，用于确定各所述骨架端点中的root端点和至少一个末支端点，并分别确定各所述末支端点的端点序号；

骨架分支点确定单元，用于确定所述root端点到任意两相邻序号的末支端点之间的骨架连通路径，并基于所述骨架连通路径对各所述候选分支点进行筛选，得到各所述候选分支点中的骨架分支点。

在上述实施方式的基础上，可选的，静脉分支线段确定模块330，包括：

分区骨架线段确定单元，用于基于各所述分区骨架点对所述冠脉骨架图像中骨架线进行分段处理，得到至少一段分区骨架线段。

在上述实施方式的基础上，可选的，冠脉分割图像确定模块340，包括：

冠脉粗分割图像确定单元，用于对所述初始血管图像进行冠脉粗分割，得到所述初始血管图像的冠脉粗分割图像；

静脉扩展图像确定单元，用于获取所述静脉分支的分支扩展参数，并基于所述分支扩展参数对所述静脉分支进行扩展处理，得到所述静脉分支对应的静脉扩展图像；

冠脉分割图像确定单体，用于基于所述静脉扩展图像对所述冠脉粗分割图像进行静脉去除处理，得到所述初始血管图像的冠脉分割图像。

本发明实施例所提供的血管图像分割装置可执行本发明任意实施例所提供的血管图像分割方法，具备执行方法相应的功能模块和有益效果。

图15示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图15所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如血管图像分割方法。

在一些实施例中，血管图像分割方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的血管图像分割方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行血管图像分割方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种血管图像分割方法，其特征在于，包括：

获取初始血管图像，确定所述初始血管图像的冠脉骨架图像；

确定所述冠脉骨架图像中骨架线上的各骨架点，并基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点；

确定各所述分区骨架点对应的分区骨架线段，并对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段；

基于所述初始血管图像和所述静脉分支线段确定所述初始血管图像的冠脉分割图像。

2.根据权利要求1所述的方法，其特征在于，所述对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段，包括：

基于各所述分区骨架点的骨架点序号确定各所述分区骨架线段的线段序号；

对于任一分区骨架线段，确定当前分区骨架线段的前一段分区骨架线段，并基于所述前一段分区骨架线段确定所述当前分区骨架线段的静脉分支线段识别结果。

3.根据权利要求2所述的方法，其特征在于，所述基于所述前一段分区骨架线段确定所述当前分区骨架线段的静脉分支线段识别结果，包括：

分别获取所述当前分区骨架线段的线段像素均值、线段曲率以及所述当前分区骨架线段与所述前一段分区骨架线段之间的线段夹角；

基于所述线段像素均值、所述线段曲率、所述线段夹角以及分别对应的权重确定所述当前分区骨架线段的静脉分支线段识别结果。

4.根据权利要求1所述的方法，其特征在于，所述分区骨架点包括骨架端点和骨架分支点；

所述基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点，包括：

对于任一骨架点，确定当前骨架点的各邻域点，并基于所述邻域点中包含的骨架点确定所述当前骨架点的度；

基于各所述骨架点的度确定各所述骨架点中的骨架端点和多个候选分支点，并基于所述骨架端点对各所述候选分支点进行分支点筛选，得到骨架分支点。

5.根据权利要求4所述的方法，其特征在于，所述基于所述骨架端点对各所述候选分支点进行分支点筛选，得到骨架分支点，包括：

确定各所述骨架端点中的root端点和至少一个末支端点，并分别确定各所述末支端点的端点序号；

确定所述root端点到任意两相邻序号的末支端点之间的骨架连通路径，并基于所述骨架连通路径对各所述候选分支点进行筛选，得到各所述候选分支点中的骨架分支点。

6.根据权利要求1所述的方法，其特征在于，所述确定各所述分区骨架点对应的分区骨架线段，包括：

基于各所述分区骨架点对所述冠脉骨架图像中骨架线进行分段处理，得到至少一段分区骨架线段。

7.根据权利要求1所述的方法，其特征在于，所述基于所述初始血管图像和所述静脉分支确定所述初始血管图像的冠脉分割图像，包括：

对所述初始血管图像进行冠脉粗分割，得到所述初始血管图像的冠脉粗分割图像；

获取所述静脉分支的分支扩展参数，并基于所述分支扩展参数对所述静脉分支进行扩展处理，得到所述静脉分支对应的静脉扩展图像；

基于所述静脉扩展图像对所述冠脉粗分割图像进行静脉去除处理，得到所述初始血管图像的冠脉分割图像。

8.一种血管图像分割装置，其特征在于，包括：

冠脉骨架图像确定模块，用于获取初始血管图像，确定所述初始血管图像的冠脉骨架图像；

分区骨架点确定模块，用于确定所述冠脉骨架图像中骨架线上的各骨架点，并基于各所述骨架点的度确定各所述骨架点中的至少一个分区骨架点；

静脉分支线段确定模块，用于确定各所述分区骨架点对应的分区骨架线段，并对各所述分区骨架线段进行静脉识别，确定所述冠脉骨架图像中的静脉分支线段；

冠脉分割图像确定模块，用于基于所述初始血管图像和所述静脉分支线段确定所述初始血管图像的冠脉分割图像。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的血管图像分割方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的血管图像分割方法。

Images