CN116071506B - 四维血管造影的重建方法、装置、计算机设备和存储介质 - Google Patents

四维血管造影的重建方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116071506B
CN116071506B CN202310355755.2A CN202310355755A CN116071506B CN 116071506 B CN116071506 B CN 116071506B CN 202310355755 A CN202310355755 A CN 202310355755A CN 116071506 B CN116071506 B CN 116071506B
Authority
CN
China
Prior art keywords
weight
frame
ith frame
blood vessel
volume
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
CN202310355755.2A
Other languages
English (en)
Other versions
CN116071506A (zh
Inventor
宋聿晗
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.)
Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Original Assignee
Shenzhen United Imaging Research Institute of Innovative Medical Equipment
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 Shenzhen United Imaging Research Institute of Innovative Medical Equipment filed Critical Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Priority to CN202310355755.2A priority Critical patent/CN116071506B/zh
Publication of CN116071506A publication Critical patent/CN116071506A/zh
Application granted granted Critical
Publication of CN116071506B publication Critical patent/CN116071506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G06T2207/10121—Fluoroscopy
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种四维血管造影的重建方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：对N帧2D‑DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；i大于等于1且小于等于N；根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D‑DSA图像。采用本方法能够提高血管造影图像针对复杂血管异常的敏感度。

Description

四维血管造影的重建方法、装置、计算机设备和存储介质
技术领域
本申请涉及医学成像技术领域，特别是涉及一种四维血管造影的重建方法、装置、计算机设备、存储介质。
背景技术
血管造影术是用于基于诊断成像方法而表示血管的常见方法。随着医学技术的发展，已经开发了数字减影血管造影术（DSA）。DSA是临床上用于诊断包含血管狭窄在内的多种血管疾病的常用方法。
但由于血管生理结构较为复杂，目前临床上常用的 2D-DSA 和 3D-DSA 均存在一定的局限性。2D-DSA可以观察到造影剂在血管中随时间充盈和洗去的过程，但由于血管的所有结构被投影到一个平面内，导致无法准确观察到血管的空间位置关系，需要在多个角度重复造影进行观察。3D-DSA 提供了血管的三维图像，可以直观的展现出血管相互之间的空间位置关系，也可以在任意角度观察，但在静态的 3D 图像上无法观察到造影剂的流入和洗去的过程，无法对一些生理参数进行评估。
因此，相关技术中通过2D-DSA或3D-DSA得到的血管重建图像对一些复杂血管异常不够敏感。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高血管造影图像针对复杂血管异常的敏感度的四维血管造影的重建方法、装置、计算机设备、计算机可读存储介质。
第一方面，本申请提供了一种四维血管造影的重建方法。所述方法包括：
对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；
根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
在其中一个实施例中，所述根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积，包括：
根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧及邻近帧的权重体积中对应的权重值进行计算，得到目标权重平均值；
将所述目标权重平均值，作为所述血管体素在所述第i帧的权重体积中对应的校正后权重值；
根据所述血管体素在所述第i帧的权重体积中对应的校正后权重值，得到所述第i帧的校正后权重体积。
在其中一个实施例中，所述根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧及邻近帧的权重体积中对应的权重值进行平均计算，得到目标权重平均值，包括：
根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在所述第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积；其中，所述血管体素在所述目标帧的可信度体积中对应的可信度大于预设阈值；
确定目标帧的权重系数；所述目标帧的权重系数为所述血管体素在所述目标帧的权重体积中对应的权重值的权重系数；
根据所述目标帧的权重系数，对所述血管体素在所述目标帧的权重体积中对应的权重值进行平均计算，得到所述目标权重平均值。
在其中一个实施例中，所述确定目标帧的权重系数，包括：
根据各所述目标帧与所述第i帧在时间上的距离，确定各所述目标帧的权重系数；其中，各所述目标帧的权重系数与对应的距离呈负相关关系。
在其中一个实施例中，所述获取N帧各自的权重体积和可信度体积，包括：
针对第i帧，根据所述第i帧的2D-DSA图像对应的投影矩阵，对所述血管体积进行正投影，得到所述第i帧的正投影图像；
将所述第i帧的2D-DSA图像除以所述第i帧的正投影图像，得到所述第i帧的2D权重图像；
根据所述投影矩阵，对所述第i帧的2D权重图像进行反投影，得到所述第i帧的权重体积。
在其中一个实施例中，所述根据所述第i帧的2D-DSA图像对应的投影矩阵，对所述血管体积进行正投影，得到所述第i帧的正投影图像，包括：
根据所述第i帧的投影矩阵，确定所述第i帧的入射到平板探测器中晶体单元的射线穿过所述血管体积的路径，得到所述第i帧的射线路径；
对所述第i帧的射线路径在所述血管体积中穿过的体素进行采样，得到所述第i帧的射线路径对应的采样值；
根据所述第i帧的射线路径对应的采样值，确定所述第i帧的射线路径对应的衰减值；
根据所述第i帧的射线路径对应的衰减值，以及对应的晶体单元在所述平板探测器中的位置排列顺序，得到所述第i帧的正投影图像。
在其中一个实施例中，所述获取N帧各自的权重体积和可信度体积，包括：
根据所述第i帧的射线路径对应的采样值，对所述第i帧的射线路径进行血管重叠检测，得到所述第i帧的射线路径的血管重叠检测结果；
根据所述第i帧的射线路径的血管重叠检测结果，确定所述第i帧的掩膜图像；所述第i帧的掩膜图像用于表征所述第i帧的正投影图像中的血管重叠区域；所述第i帧的掩膜图像中每个像素位置对应的像素值，用于表征所述第i帧的正投影图像中对应像素位置的血管重叠检测结果；
对所述第i帧的掩膜图像进行反投影，得到所述第i帧的可信度体积。
在其中一个实施例中，所述第i帧的射线路径对应的采样值包括所述第i帧的射线路径对应的多个采样点的采样值；所述根据所述第i帧的射线路径对应的采样值，对所述第i帧的射线路径进行血管重叠检测，得到所述第i帧的射线路径的血管重叠检测结果，包括：
确定所述第i帧的射线路径的多个采样点中采样值不为零的采样点，作为第i帧的射线路径对应的目标采样点；所述目标采样点所在的位置为血管穿过的位置；
将所述第i帧的射线路径对应的连续的目标采样点所在的区域作为连续非零区域；
在所述第i帧的射线路径对应的连续非零区域的数量为至少两个的情况下，判定所述第i帧的射线路径上存在血管重叠，否则，判定所述第i帧的射线路径上不存在血管重叠。
第二方面，本申请还提供了一种四维血管造影的重建装置。所述装置包括：
获取模块，用于对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
校正模块，用于根据所述血管体积的血管体素在第i帧以及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；
确定模块，用于根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
第三方面，本申请还提供了一种计算机设备。所述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，所述处理器执行所述计算机程序时实现以下步骤：
对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；
根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
第四方面，本申请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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；
根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；
根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
上述四维血管造影的重建方法、装置、计算机设备、存储介质和计算机程序产品，通过对N帧2D-DSA图像进行三维重建，得到血管体积，该血管体积可以显示血管之间的空间位置关系，并获取N帧各自的权重体积和可信度体积；其中，第i帧的权重体积，可以表征血管体积中的血管体素在对应时刻的权重值，以表征对应时刻造影剂在血管中的充盈程度，第i帧的可信度体积，可以表征血管体积中的血管体素在第i帧的权重体积中对应的权重值的可信度，由于存在血管重叠的情况会导致血管体素在权重体积中对应的权重值不准确，因此通过第i帧的可信度体积可以确定第i帧的血管重叠情况；其中，i大于等于1且小于等于N；而根据血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；如此，通过对每一血管体素对应的权重值进行校正，可以得到权重准确性较高的校正后权重体积，可以避免因血管重叠导致权重值不可信的权重体积直接参与图像重建，导致无法准确确定每一时刻造影剂在血管中的充盈程度的问题；从而，根据N帧各自的校正后权重体积与血管体积，得到N帧4D-DSA图像，N帧4D-DSA图像为时间可分辨的血管体积，可以在直观地显示血管之间的空间位置关系的同时，显示每一时刻造影剂在血管中的充盈程度，以显示造影剂在血管中流入和洗去的过程，克服了2D-DSA图像和3D-DSA图像的一些局限性，供用户以任意角度，观察任意时间点的血管图像，进而提高了血管造影图像针对复杂血管异常的敏感度。
附图说明
图1为一个实施例中一种四维血管造影的重建方法的流程示意图；
图2为一个实施例中对血管体素在第i帧的权重体积中对应的权重值进行校正步骤的流程示意图；
图3为一个实施例中确定目标权重平均值步骤的流程示意图；
图4为另一个实施例中一种四维血管造影的重建方法的流程示意图；
图5为一个实施例中另一种四维血管造影的重建方法的流程示意图；
图6为一个实施例中一种四维血管造影的重建装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本公开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，以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在一个实施例中，如图1所示，提供了一种四维血管造影的重建方法，本实施例以该方法应用于计算机设备进行举例说明，可以理解的是，实际应用中，计算机设备是用户终端，也可以是用独立的服务器或者是多个服务器组成的服务器集群来实现，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤S110，对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积。
其中，2D-DSA图像为目标对象的二维数字减影血管造影图像，2D-DSA图像为根据目标对象的目标部位的2D（二维）投影图像确定得到的，2D投影图像为采用X射线影像设备对目标部位进行拍摄得到的。其中，X射线影像设备可以包括双C臂 DSA 设备、单C臂 DSA设备等DSA设备。
其中，实际应用中，血管体积也可以命名为3D（三维）血管体积图像；权重体积也可以命名为3D权重体积图像；可信度体积也可以命名为3D可信度体积图像。
其中，权重体积为对血管体积的血管体素对应的权重值，按照血管体素在血管体积中的空间排布方式，在三维空间中进行排列确定得到的体积图像。
其中，血管体积的血管体素为血管体积中的体积元素。
其中，权重体积的体素值用于表征血管体素对应的权重值。
其中，可信度体积为血管体积的血管体素对应的可信度，按照血管体素在血管体积中的空间排布方式，在三维空间中进行排列确定得到的体积图像。
其中，可信度体积的体素值用于表征血管体素对应的权重值的可信度。
具体实现中，计算机设备可以获取目标对象的2D-DSA 图像序列，该2D-DSA图像序列包括N帧2D-DSA图像，即，N为2D-DSA图像序列中的图像帧数。然后，计算机设备可以对N帧2D-DSA图像进行三维重建，得到3D-DSA图像，根据预设阈值对3D-DSA图像进行阈值化处理，得到血管体积。此外，计算机设备还可以根据N帧2D-DSA图像和血管体积，获取N帧各自的权重体积和N帧各自的可信度体积。
其中，在根据预设阈值对3D-DSA图像进行阈值化处理，得到血管体积的过程中，若3D-DSA图像中某一体素的体素灰度值小于预设阈值，则计算机设备可以将该体素对应的体素灰度值设置为0，若大于或等于预设阈值，则该体素对应的体素灰度值保持不变。如此，剩下的非零体素灰度值的体素都可以作为血管的体素，以得到血管体积，而该血管体积可以显示血管之间的空间位置关系。
实际应用中，体素灰度值设为 0 后，可以防止背景中的噪声和伪影对接下来的图像处理造成干扰，只要能与体素灰度值大于预设阈值的体素作出区分，也可以将体素灰度值小于预设阈值的体素设置为其他小于或等于预设阈值的任何值，在此不做具体限定。
此外，计算机设备可以通过X射线影像设备分别获取目标部位打造影剂前后的旋转的 2D 投影图像，经过预处理和相减得到 2D-DSA 图像序列，该2D-DSA图像序列包括N帧2D-DSA图像。具体的，在对目标部位注射造影剂前，通过旋转X射线影像设备的机架，可以旋转采集不同投影角度下的一组造影前2D投影图像，然后，机架回到运动起始位，在对目标部位注射造影剂后，在采集造影前2D投影图像时采用的投影角度下，针对目标部位采集得到一组造影后2D投影图像。在对造影前2D投影图像和造影后2D投影图像进行预处理后，将同一投影角度下的造影后2D投影图像减去造影前2D投影图像，得到一组在不同投影角度下的减影图像序列，即2D-DSA 图像序列。其中，每一帧2D-DSA图像对应一个投影角度。
其中，可以将同一投影角度下的造影后2D投影图像与造影前2D投影图像配准后，再进行相减得到2D-DSA 图像序列，以抑制图像背景伪影。
步骤S120，根据血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积。
其中，第i帧的权重体积，可以表征血管体积中的血管体素在对应时刻的权重值，以表征对应时刻造影剂在血管中的充盈程度。
其中，第i帧的可信度体积可以表征血管体积中的血管体素在第i帧的权重体积中对应的权重值的可信度，以确定第i帧的血管重叠情况。
其中，i为大于等于1且小于等于N的正整数。
其中，邻近帧是针对上述第i帧的。
其中，血管体素在第i帧及邻近帧的权重体积中对应的权重值包括血管体素在第i帧的权重体积中对应的权重值，以及血管体素在针对第i帧的邻近帧的权重体积中对应的权重值。
其中，血管体素在第i帧及邻近帧的可信度体积中对应的可信度包括血管体素在第i帧的可信度体积中对应的可信度，以及血管体素在针对第i帧的邻近帧的可信度体积中对应的可信度。
具体实现中，计算机设备可以根据血管体积的每一个血管体素在第i帧的权重体积中对应的权重值、在针对第i帧的邻近帧的权重体积中对应的权重值，以及每一个血管体素在第i帧的可信度体积中对应的可信度、在针对第i帧的邻近帧的可信度体积中对应的可信度，对血管体积的每一个血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积。
步骤S130，根据N帧各自的校正后权重体积与血管体积，得到N帧4D-DSA图像。
具体实现中，计算机设备可以将N帧各自的校正后权重体积乘以血管体积，得到N帧4D-DSA图像。
上述四维血管造影的重建方法中，通过对N帧2D-DSA图像进行三维重建，得到血管体积，该血管体积可以显示血管之间的空间位置关系，并获取N帧各自的权重体积和可信度体积；其中，第i帧的权重体积，可以表征血管体积中的血管体素在对应时刻的权重值，以表征对应时刻造影剂在血管中的充盈程度，第i帧的可信度体积，可以表征血管体积中的血管体素在第i帧的权重体积中对应的权重值的可信度，由于存在血管重叠的情况会导致血管体素在权重体积中对应的权重值不准确，因此通过第i帧的可信度体积可以确定第i帧的血管重叠情况；其中，i大于等于1且小于等于N；而根据血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；如此，通过对每一血管体素对应的权重值进行校正，可以得到权重准确性较高的校正后权重体积，可以避免因血管重叠导致权重值不可信的权重体积直接参与图像重建，导致无法准确确定每一时刻造影剂在血管中的充盈程度的问题；从而，根据N帧各自的校正后权重体积与血管体积，得到N帧4D-DSA图像，N帧4D-DSA图像为时间可分辨的血管体积，可以在直观地显示血管之间的空间位置关系的同时，显示每一时刻造影剂在血管中的充盈程度，以显示造影剂在血管中流入和洗去的过程，克服了2D-DSA图像和3D-DSA图像的一些局限性，供用户以任意角度，观察任意时间点的血管图像，进而提高了血管造影图像针对复杂血管异常的敏感度。
在一个实施例中，如图2所示，步骤S120包括：
步骤S210，根据血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对血管体素在第i帧及邻近帧的权重体积中对应的权重值进行计算，得到目标权重平均值。
步骤S220，将目标权重平均值，作为血管体素在第i帧的权重体积中对应的校正后权重值。
具体实现中，计算机设备可以将目标权重平均值，作为血管体素在第i帧的权重体积中对应的校正后权重值，以将血管体素在第i帧的权重体积中对应的权重值替换为校正后权重值。
步骤S230，根据血管体素在第i帧的权重体积中对应的校正后权重值，得到第i帧的校正后权重体积。
具体实现中，步骤S210和步骤S220是针对血管体积中的每一血管体素，如此，在步骤S230中，可以根据各血管体素在第i帧的权重体积中对应的校正后权重值，得到第i帧的校正后权重体积。
本实施例的技术方案，由于第i帧的可信度体积，可以表征血管体积中的血管体素在第i帧的权重体积中对应的权重值的可信度，而存在血管重叠的情况会导致血管体素在权重体积中对应的权重值不准确，因此通过第i帧的可信度体积可以确定第i帧的血管重叠情况；通过根据血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对血管体素在第i帧及邻近帧的权重体积中对应的权重值进行计算，得到目标权重平均值；将目标权重平均值，作为血管体素在第i帧的权重体积中对应的校正后权重值；根据血管体素在第i帧的权重体积中对应的校正后权重值，得到第i帧的校正后权重体积；如此，可以得到权重准确性较高的校正后权重体积，避免因血管重叠导致权重值不可信的权重体积直接参与图像重建，有效提高提高了血管造影图像针对复杂血管异常的敏感度。
在一个实施例中，如图3所示，步骤S210，包括：
步骤S310，根据血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积。
其中，血管体素在目标帧的可信度体积中对应的可信度大于预设可信度阈值。
其中，可以将第i帧相邻的前后预设数量帧作为邻近帧，例如预设数量为m，邻近帧包括第i-1帧、第i-2帧…第i-m帧，以及第i+1帧、第i+2帧…第i+m帧。其中，（i-m）大于等于1，（i+m）小于等于N。
具体实现中，计算机设备可以根据血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在第i帧及邻近帧的权重体积中，筛选出血管体素在对应帧的可信度体积中对应的可信度大于预设可信度阈值的权重体积，作为目标帧的权重体积，使得血管体素在目标帧的可信度体积中对应的可信度大于预设可信度阈值。
步骤S320，确定目标帧的权重系数。
其中，目标帧的权重系数为血管体素在目标帧的权重体积中对应的权重值的权重系数。
具体实现中，计算机设备可以确定血管体素在目标帧的权重体积中对应的权重值的预设的权重系数，得到目标帧的权重系数。
在实际应用中，可以认为目标帧中距离第i帧越近的帧，血管体素在该帧的权重体积中对应的权重值，与在第i帧的权重体积中对应的权重值越接近，在计算加权平均值时，其权重系数越大，以更加精准地血管体素在第i帧的权重体积中对应的权重值进行校正。因此，目标帧的权重系数可以与目标帧和第i帧在时间上的距离呈负相关关系。即，在时间上的距离与第i帧越邻近的目标帧的权重系数越大，在时间上的距离与第i帧越远的目标帧的权重系数越小。当目标帧包括第i帧时，第i帧的权重系数最大。此时，目标帧的权重系数可以由预设的分布决定，如正弦函数、线性斜坡函数等。
举例来说，假设第i帧为第3帧，邻近帧包括第i帧的前后两帧，即包括第1帧、第2帧、第3帧、第4帧和第5帧，若目标帧包括第i帧及第i帧的前后两帧，则第3帧作为第i帧对应的权重系数最大，第2帧和第4帧距离第3帧较近，可以设定较大的权重系数，第1帧和第5帧距离第3帧较远，可以设定较小的权重系数。
更具体地，与第i帧在时间上的距离相同的目标帧的权重系数可以相同。举例来说，接上例，第2帧和第4帧的权重系数相同，第1帧和第5帧的权重系数相同，且第1帧和第5帧的权重系数小于第2帧和第4帧的权重系数。例如，第3帧的权重系数为0.4，第2帧和第4帧的权重系数为0.2，第1帧和第5帧的权重系数为0.1。
若目标帧包括第1帧、第3帧和第4帧，则第3帧作为第i帧对应的权重系数最大，第4帧距离第3帧较近，第4帧的权重系数大于第1帧的权重系数。
此外，各目标帧的权重系数也可以全部相等，或不遵循目标帧的权重系数与第i帧在时间上的距离呈负相关关系的规则，通过其他方法确定各目标帧的权重系数，在此不做具体限定。
步骤S330，根据目标帧的权重系数，对血管体素在目标帧的权重体积中对应的权重值进行平均计算，得到目标权重平均值。
具体实现中，计算机设备可以将目标帧的权重系数，与血管体素在目标帧的权重体积中对应的权重值进行加权平均计算，即将每一目标帧的权重值与对应的权重系数相乘，得到每一目标帧的相乘结果，再将每一目标帧的相乘结果相加，得到目标权重平均值。
本实施例的技术方案，通过根据血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积；其中，血管体素在目标帧的可信度体积中对应的可信度大于预设阈值；确定目标帧的权重系数；目标帧的权重系数为血管体素在目标帧的权重体积中对应的权重值的权重系数；根据目标帧的权重系数，对血管体素在目标帧的权重体积中对应的权重值进行平均计算，得到目标权重平均值；如此，由于第i帧的可信度体积，可以表征血管体积中的血管体素在第i帧的权重体积中对应的权重值的可信度，而存在血管重叠的情况会导致血管体素在权重体积中对应的权重值不准确，因此通过第i帧的可信度体积可以确定第i帧的血管重叠情况，通过对血管体素在权重可信度高的目标帧的权重体积中对应的权重值，进行加权平均计算得到目标权重平均值，作为血管体素在第i帧的权重体积中对应的校正后权重值，从而可以在根据校正后权重体积进行图像重建的过程中，缩小血管重叠区域的体积，使得重建得到的血管造影图像针对复杂血管异常的敏感度得到提高。
在一个实施例中，获取N帧各自的权重体积和可信度体积，包括：针对第i帧，根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像；将第i帧的2D-DSA图像除以第i帧的正投影图像，得到第i帧的2D权重图像；根据投影矩阵，对第i帧的2D权重图像进行反投影，得到第i帧的权重体积。
具体实现中，计算机设备在根据N帧2D-DSA图像和血管体积，获取N帧各自的权重体积的过程中，针对第i帧，计算机设备可以根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像。
其中，第i帧对应的投影矩阵可以描述采集第i帧的2D-DSA图像时，X 射线源、平板探测器和被扫描对象的位置关系。这一位置关系是事先（如装机时、维护时）通过几何校正得到的。在几何校正的过程中，机械臂按实际采集时协议，对特制的几何模体（被扫描对象）进行扫描，通过扫描到的几何模体图像，为每个投影角度计算出一个投影矩阵。该投影矩阵建立了 3D 重建图像（即被扫描对象）的坐标，与 2D 投影图坐标的位置关系。
然后，计算机设备可以将第i帧的2D-DSA图像除以第i帧的正投影图像，得到第i帧的2D权重图像，并根据第i帧对应的投影矩阵，对第i帧的2D权重图像进行反投影，得到第i帧的权重体积。
本实施例的技术方案，通过针对第i帧，根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像；将第i帧的2D-DSA图像除以第i帧的正投影图像，得到第i帧的2D权重图像；根据投影矩阵，对第i帧的2D权重图像进行反投影，得到第i帧的权重体积；如此，可以确定在每一帧对应时刻造影剂在血管中的充盈程度，从而可以显示造影剂在血管中的流入和洗去的过程。
在一个实施例中，根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像，包括：根据第i帧的投影矩阵，确定第i帧的入射到平板探测器中晶体单元的射线穿过血管体积的路径，得到第i帧的射线路径；对第i帧的射线路径在血管体积中穿过的体素进行采样，得到第i帧的射线路径对应的采样值；根据第i帧的射线路径对应的采样值，确定第i帧的射线路径对应的衰减值；根据第i帧的射线路径对应的衰减值，以及对应的晶体单元在平板探测器中的位置排列顺序，得到第i帧的正投影图像。
具体实现中，计算机设备在根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像的过程中，计算机设备可以根据第i帧的投影矩阵，确定在第i帧的投影角度下，入射到平板探测器中每个晶体单元的射线穿过血管体积的路径，得到第i帧的射线路径；通过对第i帧的射线路径在血管体积中穿过的体素进行采样，在这个采样过程中，可以得到一个一维数组，该一维数组记录了射线穿过血管体积的部分的采样值，并作为第i帧的射线路径对应的采样值，根据第i帧的射线路径对应的采样值，可以确定第i帧的射线路径对应的衰减值；然后，根据第i帧的射线路径对应的衰减值，以及对应的晶体单元在平板探测器中的位置排列顺序，得到第i帧的正投影图像。
实际应用中，血管体积通常是按照CT值（CT值与X射线穿过组织被吸收的衰减系数有关）进行保存的，而 2D-DSA 图像一般用衰减值保存，二者数量级上存在较大的差距。为了保证血管体素对应的权重值计算准确，在对血管体积进行正投影前，可以根据CT值与衰减系数的映射关系，将血管体积对应的CT值转换为衰减系数，得到转换后的血管体积，如此，在对血管体积进行正投影的过程中采集得到的第i帧的射线路径对应的采样值，为物质的衰减系数，从而可以对第i帧的射线路径对应的采样值进行线积分计算，得到第i帧的射线路径对应的正投影值（衰减值）。将第i帧的射线路径对应的正投影值，按照对应的晶体单元在平板探测器中的位置排列顺序进行排布，得到第i帧的正投影图像。
此外，若直接对按照CT值保存的血管体积进行采样，可以根据 CT 值与衰减系数的映射关系，以及线积分的计算关系，也可以将正投影值转换为与 2D- DSA图像匹配的衰减值，或将 2D- DSA图像转换为与正投影值数量级匹配的大小。即，保证在计算权重值时2D- DSA图像与正投影图像在数量级上差距不会太大，影响计算精度。
本实施例的技术方案，通过根据第i帧的投影矩阵，确定第i帧的入射到平板探测器中晶体单元的射线穿过血管体积的路径，得到第i帧的射线路径；对第i帧的射线路径在血管体积中穿过的体素进行采样，得到第i帧的射线路径对应的采样值；根据第i帧的射线路径对应的采样值，确定第i帧的射线路径对应的衰减值；根据第i帧的射线路径对应的衰减值，以及对应的晶体单元在平板探测器中的位置排列顺序，可以得到与第i帧2D-DSA图像匹配的第i帧的正投影图像；如此，可以根据第i帧的2D-DSA图像与第i帧的正投影图像，可以确定血管体素在第i帧的权重值，从而可以根据第i帧的权重值，确定第i帧对应时刻下造影剂在血管中的充盈程度。
在一个实施例中，获取N帧各自的权重体积和可信度体积，包括：根据第i帧的射线路径对应的采样值，对第i帧的射线路径进行血管重叠检测，得到第i帧的射线路径的血管重叠检测结果；根据第i帧的射线路径的血管重叠检测结果，确定第i帧的掩膜图像；第i帧的掩膜图像用于表征第i帧的正投影图像中的血管重叠区域；对第i帧的掩膜图像进行反投影，得到第i帧的可信度体积。
其中，第i帧的掩膜图像的尺寸与第i帧的正投影图像的尺寸相同。
其中，第i帧的掩膜图像中每个像素位置对应的像素值，用于表征第i帧的正投影图像中对应像素位置的血管重叠检测结果。
其中，可信度体积包括N帧各自的可信度体积。
具体实现中，在确定血管体素在第i帧对应的权重值时，若某条射线穿过了一条以上的血管（即存在血管重叠），计算得到的权重值会不准确，因此需要区分每条射线路径上是否有发生血管重叠。如此，针对第i帧，计算机设备在根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影的过程中，计算机设备可以通过对每一射线路径进行血管重叠检测，根据每一射线路径的血管重叠检测检测结果，得到第i帧的可信度体积，而第i帧的可信度体积可以表征血管体积中的血管体素在第i帧的权重体积中对应的权重值的可信度。
具体来说，计算机设备可以根据第i帧的射线路径对应的采样值，对第i帧的射线路径进行血管重叠检测，得到第i帧的射线路径的血管重叠检测结果。其中，第i帧的射线路径对应的采样值包括第i帧的射线路径对应的多个采样点的采样值，由于在根据3D-DSA图像得到血管体积的过程中，体素灰度值小于预设阈值的体素对应的体素灰度值置0，因此，采样值非零的部分可认为是此处穿过了血管。根据第i帧的射线路径的多个采样点的采样值，可判断该条射线路径上，血管是否有重叠。例如，若第i帧的某条射线路径的多个采样点中，只有一处连续的非零区域，则判定该条射线路径穿过了一条血管，不存在血管重叠；若出现了大于一处连续的非零区域，即两处非零值之间存在零值，则判定该射线路径穿过了不止一条血管，存在血管重叠。
因此，计算机设备可以确定第i帧的射线路径的多个采样点中采样值不为零的采样点，作为第i帧的射线路径对应的目标采样点；其中，目标采样点所在的位置为血管穿过的位置；将第i帧的射线路径对应的连续的目标采样点所在的区域作为连续非零区域；在第i帧的射线路径对应的连续非零区域的数量为至少两个的情况下，判定第i帧的射线路径上存在血管重叠，否则，判定第i帧的射线路径上不存在血管重叠。即，在第i帧的射线路径对应的连续非零区域的数量为零的情况下，可以判定第i帧的射线路径未穿过任何血管；在第i帧的射线路径对应的连续非零区域的数量为一的情况下，判定第i帧的射线路径只穿过一条血管，在这两种情况下，都可以判定第i帧的射线路径上不存在血管重叠。如此，可以确定第i帧的射线路径的血管重叠检测结果。
其中，上述判断第i帧的射线路径是否存在血管重叠的方法，是针对第i帧的一条射线路径。实际应用中，血管重叠检测需要对每一条射线路径进行单独检测，因此第i帧的射线路径的血管重叠检测结果包括每条射线路径的血管重叠检测结果。而一般情况下，是针对 X 射线源到平板探测器每一像素中心的射线路径进行血管重叠检测。因此，在每一投影角度下，血管重叠检测结果为与正投影图像素大小一致的二维矩阵，二维矩阵中的每一个位置保存正投影图对应位置射线路径的血管重叠检测结果，可用 1 表示该射线路径不存在血管重叠，0 表示该射线路径存在血管重叠，但也可以使用其他值进行表示，从而得到正投影图像中的血管重叠区域的掩膜图像。
如此，计算机设备可以根据第i帧的射线路径的血管重叠检测结果，确定用于表征第i帧的正投影图像中的血管重叠区域的第i帧的掩膜图像；其中，第i帧的掩膜图像中每个像素位置对应的像素值，用于表征第i帧的正投影图像中对应像素位置的血管重叠检测结果。然后，计算机设备通过对第i帧的掩膜图像进行反投影，得到第i帧的可信度体积。
本实施例的技术方案，由于存在血管重叠的情况会导致血管体素在权重体积中对应的权重值不准确，通过根据第i帧的射线路径对应的采样值，对第i帧的射线路径进行血管重叠检测，得到第i帧的射线路径的血管重叠检测结果；根据第i帧的射线路径的血管重叠检测结果，可以得到用于表征第i帧的正投影图像中的血管重叠区域的第i帧的掩膜图像；其中，第i帧的掩膜图像中每个像素位置对应的像素值，用于表征第i帧的正投影图像中对应像素位置的血管重叠检测结果；如此，通过对第i帧的掩膜图像进行反投影，可以得到用于确定第i帧的血管重叠情况的第i帧的可信度体积，从而通过第i帧的可信度体积可以更加准确确定血管体素在第i帧的权重体积中对应的权重值的可信度。
在另一个实施例中，如图4所示，提供了一种四维血管造影的重建方法，以该方法应用于计算机设备为例进行说明，包括以下步骤：
步骤S402，对N针2D-DSA图像进行三维重建，得到血管体积。
步骤S404，针对第i帧，根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像，并获取第i帧的可信度体积。
步骤S406，将第i帧的2D-DSA图像除以第i帧的正投影图像，得到第i帧的2D权重图像。
步骤S408，根据投影矩阵，对第i帧的2D权重图像进行反投影，得到第i帧的权重体积。
步骤S410，根据血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积。
步骤S412，确定目标帧的权重系数。
步骤S414，根据目标帧的权重系数，对血管体素在目标帧的权重体积中对应的权重值进行平均计算，得到目标权重平均值。
步骤S416，将目标权重平均值，作为血管体素在第i帧的权重体积中对应的校正后权重值。
步骤S418，根据血管体素在第i帧的权重体积中对应的校正后权重值，得到第i帧的校正后权重体积。
步骤S420，根据N帧各自的校正后权重体积与血管体积，得到N帧4D-DSA图像。
需要说明的是，上述步骤的具体限定可以参见上文对一种四维血管造影的重建方法的具体限定。
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。
为了便于本领域技术人员理解，图5提供了另一种四维血管造影的重建方法的流程示意图，如图5所示，包括以下步骤：
步骤S510，通过X射线影像设备分别获取目标部位打造影剂前后的旋转的 2D 投影图像，经过预处理和相减得到 2D-DSA 图像序列，2D-DSA图像序列包括N帧2D-DSA图像。
步骤S520，通过 2D DSA 序列图像进行三维重建，得到3D-DSA图像，根据预设阈值对3D-DSA图像进行阈值化处理，得到血管体积。
步骤S530，针对第i帧，根据第i帧的2D-DSA图像对应的投影矩阵，对血管体积进行正投影，得到第i帧的正投影图像，并在该过程中对每一射线路径进行血管重叠检测。血管重叠检测的结果可使用与正投影图像同样尺寸的二维矩阵保存，得到第i帧的掩膜图像。
步骤S540，将第i帧的2D-DSA图像除以第i帧的正投影图像，得到第i帧的2D权重图像。
步骤S550，将第 i 帧 的2D 权重图像反投影得到第 i 帧的权重体积，将第i帧的掩膜图像反投影得到第 i 帧的可信度体积。
步骤S560，若未完成所有帧的计算，则 i 指向下一帧，再次回到步骤S530；若已完成所有帧的计算，则进入下一步S570。
步骤S570，根据可信度体积，针对血管体积中的血管体素在每一帧的权重体积中对应的权重值，在当前帧及邻近帧的权重体积中查询可信帧的权重体积（即目标帧的权重体积）。若存在可信帧的权重体积，则根据血管体素在可信帧的权重体积中对应的权重值的加权平均结果，作为血管体素在当前帧的权重体积中对应的校正后权重值。需要说明的是，上述校正方法可以仅针对权重值不可信的血管体素进行，也可针对血管体积中的每一血管体素。
若在对某一血管体素在当前帧的权重体积对应的权重值进行校正过程中，不存在可信帧的权重体积，则标记该血管体素，得到血管体积中的标记血管体素。
步骤S580，对步骤 S570中不存在可信帧的权重体积的标记血管体素，通过空间插值的结果进行权重值校正，得到血管中的血管体素在N帧的权重体积中对应的校正后权重值，从而得到N帧的校正后权重体积。
步骤S590，分别将每一帧的校正后权重体积乘以血管体积，得到N帧4D-DSA图像，作为4D-DSA图像序列。
其中，步骤 S530~ 步骤S560中，可先计算所有帧的正投影图像，再分别计算并反投影所有帧的2D权重图像。执行顺序不影响最后结果。
其中，步骤S540中，可以对2D-DSA图像进行降噪和抑制背景处理，以抑制背景带来的伪影。
其中，步骤S550，得到的权重体积和可信度体积，可根据血管体积丢弃不属于血管区域的体素的值，以减少计算量，并减少存储空间的占用。
其中，步骤S570中，确定校正后权重值过程中，也可以利用血管体素在不可信帧的权重体积（即当前帧及邻近帧中除可信帧以外的帧）对应的权重值进行加权平均计算，即可以将血管体素在当前帧及邻近帧的权重体积中对应的权重值的加权平均结果，作为血管体素在当前帧的权重体积中对应的校正后权重值。但是，建议其中不可信帧的权重系数小于任一目标帧的权重系数。
其中，步骤S570也可执行在步骤S530~步骤S560的循环过程中，在获得足够数据后对血管体素在第i帧的权重体积中对应的权重值进行校正，而不必等到循环完成再开始。
上述一种四维血管造影的重建方法，通过同一投影角度下的造影前后的2D 投影图像相减，得到N帧2D-DSA图像，通过N帧2D-DSA图像和血管体积进行4D-DSA图像重建，可以在直观地显示血管之间的空间位置关系的同时，显示每一时刻造影剂在血管中的充盈程度，以显示造影剂在血管中流入和洗去的过程，克服了2D-DSA图像和3D-DSA图像的一些局限性，供用户以任意角度，观察任意时间点的血管图像，进而提高了血管造影图像针对复杂血管异常的敏感度。同时，也可以减少由多角度反复进行 2D-DSA 造影带来的 X射线 辐射剂量和造影剂毒性。
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四维血管造影的重建方法的四维血管造影的重建装置。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四维血管造影的重建装置实施例中的具体限定可以参见上文中对于一种四维血管造影的重建方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种四维血管造影的重建装置，包括：获取模块610、校正模块620和确定模块630，其中：
获取模块610，用于对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积。
校正模块620，用于根据所述血管体积的血管体素在第i帧以及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N。
确定模块630，用于根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
在其中一个实施例中，所述校正模块620，具体用于根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧及邻近帧的权重体积中对应的权重值进行计算，得到目标权重平均值；将所述目标权重平均值，作为所述血管体素在所述第i帧的权重体积中对应的校正后权重值；根据所述血管体素在所述第i帧的权重体积中对应的校正后权重值，得到所述第i帧的校正后权重体积。
在其中一个实施例中，所述校正模块620，具体用于根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在所述第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积；其中，所述血管体素在所述目标帧的可信度体积中对应的可信度大于预设阈值；确定目标帧的权重系数；所述目标帧的权重系数为所述血管体素在所述目标帧的权重体积中对应的权重值的权重系数；根据所述目标帧的权重系数，对所述血管体素在所述目标帧的权重体积中对应的权重值进行平均计算，得到所述目标权重平均值。
在其中一个实施例中，所述校正模块620，具体用于根据各所述目标帧与所述第i帧在时间上的距离，确定各所述目标帧的权重系数；其中，各所述目标帧的权重系数与对应的距离呈负相关关系。
在其中一个实施例中，所述获取模块610，具体用于针对第i帧，根据所述第i帧的2D-DSA图像对应的投影矩阵，对所述血管体积进行正投影，得到所述第i帧的正投影图像；将所述第i帧的2D-DSA图像除以所述第i帧的正投影图像，得到所述第i帧的2D权重图像；根据所述投影矩阵，对所述第i帧的2D权重图像进行反投影，得到所述第i帧的权重体积。
在其中一个实施例中，所述获取模块610，具体用于根据所述第i帧的投影矩阵，确定所述第i帧的入射到平板探测器中晶体单元的射线穿过所述血管体积的路径，得到所述第i帧的射线路径；对所述第i帧的射线路径在所述血管体积中穿过的体素进行采样，得到所述第i帧的射线路径对应的采样值；根据所述第i帧的射线路径对应的采样值，确定所述第i帧的射线路径对应的衰减值；根据所述第i帧的射线路径对应的衰减值，以及对应的晶体单元在所述平板探测器中的位置排列顺序，得到所述第i帧的正投影图像。
在其中一个实施例中，所述获取模块610，具体用于根据所述第i帧的射线路径对应的采样值，对所述第i帧的射线路径进行血管重叠检测，得到所述第i帧的射线路径的血管重叠检测结果；根据所述第i帧的射线路径的血管重叠检测结果，确定所述第i帧的掩膜图像；所述第i帧的掩膜图像用于表征所述第i帧的正投影图像中的血管重叠区域；所述第i帧的掩膜图像中每个像素位置对应的像素值，用于表征所述第i帧的正投影图像中对应像素位置的血管重叠检测结果；对所述第i帧的掩膜图像进行反投影，得到所述第i帧的可信度体积。
在其中一个实施例中，述第i帧的射线路径对应的采样值包括所述第i帧的射线路径对应的多个采样点的采样值；所述获取模块610，具体用于确定所述第i帧的射线路径的多个采样点中采样值不为零的采样点，作为第i帧的射线路径对应的目标采样点；所述目标采样点所在的位置为血管穿过的位置；将所述第i帧的射线路径对应的连续的目标采样点所在的区域作为连续非零区域；在所述第i帧的射线路径对应的连续非零区域的数量为至少两个的情况下，判定所述第i帧的射线路径上存在血管重叠，否则，判定所述第i帧的射线路径上不存在血管重叠。
上述一种四维血管造影的重建装置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服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储2D投影图像数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种四维血管造影的重建方法。
本领域技术人员可以理解，图7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，还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上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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（MagnetoresistiveRandom Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（PhaseChange 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（StaticRandom Access Memory，SRAM）或动态随机存取存储器（Dynamic Random AccessMemory，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，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种四维血管造影的重建方法，其特征在于，所述方法包括：
对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
根据所述血管体积的血管体素在第i帧及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；其中，根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在所述血管体素在第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积；所述血管体素在所述目标帧的可信度体积中对应的可信度大于预设阈值；
根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述血管体素在所述目标帧的权重体积中对应的权重值进行计算，得到目标权重平均值；
将所述目标权重平均值，作为所述血管体素在所述第i帧的权重体积中对应的校正后权重值；
根据所述血管体素在所述第i帧的权重体积中对应的校正后权重值，得到所述第i帧的校正后权重体积。
3.根据权利要求2所述的方法，其特征在于，所述对所述血管体素在所述目标帧的权重体积中对应的权重值进行计算，得到目标权重平均值，包括：
确定目标帧的权重系数；所述目标帧的权重系数为所述血管体素在所述目标帧的权重体积中对应的权重值的权重系数；
根据所述目标帧的权重系数，对所述血管体素在所述目标帧的权重体积中对应的权重值进行平均计算，得到所述目标权重平均值。
4.根据权利要求3所述的方法，其特征在于，所述确定目标帧的权重系数，包括：
根据各所述目标帧与所述第i帧在时间上的距离，确定各所述目标帧的权重系数；其中，各所述目标帧的权重系数与对应的距离呈负相关关系。
5.根据权利要求1所述的方法，其特征在于，所述获取N帧各自的权重体积和可信度体积，包括：
针对第i帧，根据所述第i帧的2D-DSA图像对应的投影矩阵，对所述血管体积进行正投影，得到所述第i帧的正投影图像；
将所述第i帧的2D-DSA图像除以所述第i帧的正投影图像，得到所述第i帧的2D权重图像；
根据所述投影矩阵，对所述第i帧的2D权重图像进行反投影，得到所述第i帧的权重体积。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第i帧的2D-DSA图像对应的投影矩阵，对所述血管体积进行正投影，得到所述第i帧的正投影图像，包括：
根据所述第i帧的投影矩阵，确定所述第i帧的入射到平板探测器中晶体单元的射线穿过所述血管体积的路径，得到所述第i帧的射线路径；
对所述第i帧的射线路径在所述血管体积中穿过的体素进行采样，得到所述第i帧的射线路径对应的采样值；
根据所述第i帧的射线路径对应的采样值，确定所述第i帧的射线路径对应的衰减值；
根据所述第i帧的射线路径对应的衰减值，以及对应的晶体单元在所述平板探测器中的位置排列顺序，得到所述第i帧的正投影图像。
7.根据权利要求6所述的方法，其特征在于，所述获取N帧各自的权重体积和可信度体积，包括：
根据所述第i帧的射线路径对应的采样值，对所述第i帧的射线路径进行血管重叠检测，得到所述第i帧的射线路径的血管重叠检测结果；
根据所述第i帧的射线路径的血管重叠检测结果，确定所述第i帧的掩膜图像；所述第i帧的掩膜图像用于表征所述第i帧的正投影图像中的血管重叠区域；所述第i帧的掩膜图像中每个像素位置对应的像素值，用于表征所述第i帧的正投影图像中对应像素位置的血管重叠检测结果；
对所述第i帧的掩膜图像进行反投影，得到所述第i帧的可信度体积。
8.根据权利要求7所述的方法，其特征在于，所述第i帧的射线路径对应的采样值包括所述第i帧的射线路径对应的多个采样点的采样值；所述根据所述第i帧的射线路径对应的采样值，对所述第i帧的射线路径进行血管重叠检测，得到所述第i帧的射线路径的血管重叠检测结果，包括：
确定所述第i帧的射线路径的多个采样点中采样值不为零的采样点，作为第i帧的射线路径对应的目标采样点；所述目标采样点所在的位置为血管穿过的位置；
将所述第i帧的射线路径对应的连续的目标采样点所在的区域作为连续非零区域；
在所述第i帧的射线路径对应的连续非零区域的数量为至少两个的情况下，判定所述第i帧的射线路径上存在血管重叠，否则，判定所述第i帧的射线路径上不存在血管重叠。
9.一种四维血管造影的重建装置，其特征在于，所述装置包括：
获取模块，用于对N帧2D-DSA图像进行三维重建，得到血管体积，并获取N帧各自的权重体积和可信度体积；
校正模块，用于根据所述血管体积的血管体素在第i帧以及邻近帧的权重体积中对应的权重值，以及所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，对所述血管体素在第i帧的权重体积中对应的权重值进行校正，以得到第i帧的校正后权重体积；所述i大于等于1且小于等于N；其中，根据所述血管体素在第i帧及邻近帧的可信度体积中对应的可信度，在所述血管体素在第i帧及邻近帧的权重体积中，筛选出目标帧的权重体积；所述血管体素在所述目标帧的可信度体积中对应的可信度大于预设阈值；
确定模块，用于根据N帧各自的校正后权重体积与所述血管体积，得到N帧4D-DSA图像。
10.一种计算机设备，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8中任一项所述的方法的步骤。
CN202310355755.2A 2023-04-06 2023-04-06 四维血管造影的重建方法、装置、计算机设备和存储介质 Active CN116071506B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310355755.2A CN116071506B (zh) 2023-04-06 2023-04-06 四维血管造影的重建方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310355755.2A CN116071506B (zh) 2023-04-06 2023-04-06 四维血管造影的重建方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN116071506A CN116071506A (zh) 2023-05-05
CN116071506B true CN116071506B (zh) 2023-07-14

Family

ID=86175336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310355755.2A Active CN116071506B (zh) 2023-04-06 2023-04-06 四维血管造影的重建方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116071506B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116681715B (zh) * 2023-08-04 2023-10-10 杭州脉流科技有限公司 基于像素值变化的血管分割方法、装置、设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6320928B1 (en) * 1996-09-04 2001-11-20 Ge Medical Systems, S.A. Method of reconstruction of a three-dimensional image of an object
US6842638B1 (en) * 2001-11-13 2005-01-11 Koninklijke Philips Electronics N.V. Angiography method and apparatus
CN103619237A (zh) * 2011-06-15 2014-03-05 米斯特雷塔医疗有限公司 用于四维血管造影和荧光透视的系统和方法
CN108430330A (zh) * 2015-12-03 2018-08-21 西门子保健有限责任公司 产生血管系统的体积图像的序列的断层造影设备和方法
CN112819800A (zh) * 2021-02-10 2021-05-18 昆明同心医联科技有限公司 Dsa影像识别方法、装置及存储介质
CN114511670A (zh) * 2021-12-31 2022-05-17 深圳市铱硙医疗科技有限公司 基于动态灌注影像的血管重建方法、装置、设备和介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9076255B2 (en) * 2011-05-31 2015-07-07 General Electric Company Method and system for reconstruction of tomographic images
EP3345156B1 (en) * 2015-09-02 2019-08-28 Siemens Healthcare GmbH Cfd simulation assisted 4d dsa reconstruction
US10002445B2 (en) * 2016-02-26 2018-06-19 Wisconsin Alumni Research Foundation System and method for resolving artifacts in four-dimensional angiographic data
US11751832B2 (en) * 2020-01-30 2023-09-12 GE Precision Healthcare LLC CTA large vessel occlusion model

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6320928B1 (en) * 1996-09-04 2001-11-20 Ge Medical Systems, S.A. Method of reconstruction of a three-dimensional image of an object
US6842638B1 (en) * 2001-11-13 2005-01-11 Koninklijke Philips Electronics N.V. Angiography method and apparatus
CN103619237A (zh) * 2011-06-15 2014-03-05 米斯特雷塔医疗有限公司 用于四维血管造影和荧光透视的系统和方法
CN108430330A (zh) * 2015-12-03 2018-08-21 西门子保健有限责任公司 产生血管系统的体积图像的序列的断层造影设备和方法
CN112819800A (zh) * 2021-02-10 2021-05-18 昆明同心医联科技有限公司 Dsa影像识别方法、装置及存储介质
CN114511670A (zh) * 2021-12-31 2022-05-17 深圳市铱硙医疗科技有限公司 基于动态灌注影像的血管重建方法、装置、设备和介质

Also Published As

Publication number Publication date
CN116071506A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
US9754390B2 (en) Reconstruction of time-varying data
CN111540025B (zh) 预测用于图像处理的图像
CN111080584B (zh) 医学图像的质控方法、计算机设备和可读存储介质
CN107635469B (zh) 基于pet系统中的散射符合的衰减图的估计
US10863946B2 (en) Respiratory motion estimation in projection domain in nuclear medical imaging
US9317915B2 (en) Computed-tomography system and method for determining volume information for a body
CN110415310B (zh) 医学扫描成像方法、装置、存储介质及计算机设备
US10515478B2 (en) Image data processing
CN108242067B (zh) 计算具有可变空间分辨率的四维dsa数据组
CN110136076B (zh) 医学扫描成像方法、装置、存储介质及计算机设备
Kösters et al. EMRECON: An expectation maximization based image reconstruction framework for emission tomography data
CN116071506B (zh) 四维血管造影的重建方法、装置、计算机设备和存储介质
US20180005412A1 (en) Reconstruction quality assessment with local non-uniformity in nuclear imaging
EP3455824A1 (en) Noise reduction in image data
US8098920B2 (en) Method of extrapolating a grey-level bidimensional image in a radiography device and a radiography device implementing such a method
US11164344B2 (en) PET image reconstruction using TOF data and neural network
CN111862255A (zh) 正则化图像重建方法、系统、可读存储介质和设备
EP4148680A1 (en) Attenuation correction-based weighting for tomographic inconsistency detection
CN112052885B (zh) 图像处理方法、装置、设备及pet-ct系统
JP7459243B2 (ja) １以上のニューラルネットワークとしての画像形成のモデル化による画像再構成
TWI500412B (zh) 一種影像品質的改善處理方法及其造影系統
EP4295777A1 (en) Device, system and method for processing pet imaging data
US20230154067A1 (en) Output Validation of an Image Reconstruction Algorithm
CN108648807B (zh) 一种图像重建方法和装置
CN116671946A (zh) 一种基于spect动态采集数据重建动态图像的方法

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