CN116205897A - 基于局部整体比率的血管弯曲度评价方法及系统 - Google Patents
基于局部整体比率的血管弯曲度评价方法及系统 Download PDFInfo
- Publication number
- CN116205897A CN116205897A CN202310257748.9A CN202310257748A CN116205897A CN 116205897 A CN116205897 A CN 116205897A CN 202310257748 A CN202310257748 A CN 202310257748A CN 116205897 A CN116205897 A CN 116205897A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- current
- curvature
- local
- tortuosity
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 346
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000002792 vascular Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000005452 bending Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 9
- 210000001525 retina Anatomy 0.000 description 7
- 210000001210 retinal vessel Anatomy 0.000 description 7
- 230000002207 retinal effect Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010038926 Retinopathy hypertensive Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 201000001948 hypertensive retinopathy Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 206010012689 Diabetic retinopathy Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000022873 Ocular disease Diseases 0.000 description 1
- 208000017442 Retinal disease Diseases 0.000 description 1
- 206010038923 Retinopathy Diseases 0.000 description 1
- 206010038933 Retinopathy of prematurity Diseases 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 210000003195 fascia Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004281 retinal morphology Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 108010080213 vascular factor Proteins 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明实施例提供一种基于局部整体比率的血管弯曲度评价方法及系统,属于图像处理技术领域。所述方法包括:采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管;分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况;基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度;基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。本发明方案解决了现有血管弯曲度评价方法存在的定性片面,不够客观,依赖于单一指标等问题。
Description
技术领域
本发明涉及图像处理技术领域,具体地涉及一种基于局部整体比率的血管弯曲度评价方法及一种基于局部整体比率的血管弯曲度评价系统。
背景技术
视网膜血管由于在部分疾病患者患病时期,会引起血管形状的区域变化,发生血管曲折异常,因此如何有效且准确地定义测量及分析视网膜眼底血管形状弯曲度是长期以来的研究难点。真正想要实现临床应用,血管弯曲度的评价结果准确性必不可少。传统地计算局部血管弯曲度采用了一些基于血管中心线曲率积分的方法,这种方法的主要缺点是有两个具有相同弦长和曲线长度但曲线数量不同的血管不能较好地区分。针对现有血管弯曲度评价方法存在的准确度不高的问题,需要创造一种新的血管弯曲度的评价方法。
发明内容
本发明实施方式的目的是提供一种基于局部整体比率的血管弯曲度评价方法,以至少解决现有血管弯曲度评价方法存在的准确度不高的问题。
为了实现上述目的,本发明第一方面提供一种基于局部整体比率的血管弯曲度评价方法,所述方法包括:采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管;分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况;基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度;基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。
可选的,所述基于血管路径拟合结果将所述血管拆分为多个局部血管,包括:对图像中的血管进行路径拟合,获得血管完整路径;将所述血管完整路径分为若干路径子段,每一路径子段为一个局部血管。
可选的,所述分别计算每一局部血管的局部血管曲率,包括:沿局部血管预设多个离散点,并以每一个离散点为圆心,以对应局部血管两端点连线长度的1/2为半径作圆;每一个离散点对应绘制的圆被对应局部血管划分成两个部分,在同一个局部血管内,规定对应局部血管一侧的部分为区域1,对应另一侧的部分为区域2;在同一个局部血管内,同时识别所有离散点对应绘制的圆的区域1的面积或区域2的面积,作为各离散点对应绘制的圆的分割面积;基于识别的各离散点对应绘制的圆的分割面积,计算获得对应离散点位置的曲率,计算式为:
其中,ki为第i个离散点位置的曲率;b为当前局部血管各离散点对应绘制的圆的半径;S1i为第i个离散点对应绘制的圆的分割面积;S为第i个离散点对应绘制的圆的总面积;基于每一局部血管的各离散点的曲率,计算获得对应各局部血管的平均血管曲率,作为对应各局部血管的局部血管曲率。
可选的,在分别计算每一局部血管的局部血管曲率后,所述方法包括;计算当前血管的平均血管曲率,其计算式为:
其中,T1为当前血管的平均血管曲率;n为离散点数量。
可选的,所述基于血管路径拟合结果评当前血管的曲折情况,包括:统计所有局部血管的曲率,统计其中曲率符号的变化次数;其中,曲率符号每变化一次,认定血管在当前位置发生了一次弯折;基于每相邻两个弯折位置之间的中点连线,将当前血管划分为多个圆弧段;其中,每个圆弧段内血管有且仅有一次向同一个方向弯折;统计每个圆弧段的圆弧弧长和圆弧弦长,基于当前血管的弯折次数和每个圆弧段的圆弧弧长和圆弧弦长评价当前血管的曲折情况。
可选的,所述基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,包括:基于当前血管的迂曲度计算当前血管的曲率密度;其中,所述当前血管的曲率密度计算式为:
其中,Ld为当前血管中心线总长度;m为当前血管的弯折次数;j为第j段圆弧段;Lxcj为第j段圆弧段的弧长;Lxsj为第j段圆弧段的弦长;基于当前血管的平均血管曲率和曲率密度计算获得当前血管的曲率,其计算式为:
M1=T1*T2
其中,M1为当前血管的曲率;T1为当前血管的平均局部血管曲率;T2为当前血管的曲率密度。
可选的,所述基于当前血管的曲折情况计算当前血管的迂曲度,所述当前血管的迂曲度的计算式为:
其中,M2为当前血管的迂曲度;m为当前血管的弯折次数;k为当前血管的圆弧段数量;θ为各圆弧段的曲率角大小;L为各段圆弧段的弧长;
ca Lxa为各段圆弧段的弦长;Lt为当前血管路径拟合结果的总长度。
可选的,所述基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价,包括:基于当前血管的曲率和当前血管的迂曲度计算获得当前血管的评价指数,其计算式为:
其中,W为当前血管的评价指数;M1为当前血管的曲率;M2为当前血管的迂曲度;当前血管的评价指数等于0时,表示当前血管为标准直线;当前血管的评价指数越大,表示当前血管的凹凸态势变化幅度越大。
本发明第二方面提供一种基于局部整体比率的血管弯曲度评价系统,所述系统包括:采集单元,用于采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管;处理单元,用于:分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况;基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度;评价单元,用于基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。
另一方面,本发明提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的基于局部整体比率的血管弯曲度评价方法。
通过上述技术方案,本发明方案的基本思想是基于局部整体比率的视网膜弯曲度复合测量定义及方法,本发明方案引入了平均局部血管曲率、平均局部血管曲率密度及整体血管曲折一致性指数三个指标来构建局部迂曲度和整体迂曲度,最终的比值定义为新的血管弯曲度。其解决了现有血管弯曲度评价方法存在的定性片面,不够客观,依赖于单一指标等问题。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明一种实施方式提供的基于局部整体比率的血管弯曲度评价方法的步骤流程图;
图2是本发明一种实施方式提供的各离散点曲率计算原理示意图;
图3是本发明一种实施方式提供的血管曲折情况示意图;
图4是本发明一种实施方式提供的基于局部整体比率的血管弯曲度评价方法实现过程示意图;
图5是本发明一种实施方式提供的基于局部整体比率的血管弯曲度评价系统的系统结构图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
视网膜血管由于在部分疾病患者患病时期,会引起血管形状的区域变化,发生血管曲折异常,因此如何有效且准确地定义测量及分析视网膜眼底血管形状弯曲度是长期以来的研究难点。视网膜血管曲折在眼病的早期诊断和治疗中起着重要作用,可以通过检查血管的表现和图像来识别许多疾病,包括糖尿病性视网膜病变、早产儿视网膜病变、高血压性视网膜病变等。Badawi发现高血压性视网膜病是由于持续的高血压导致视网膜血管形态直径的改变,早期发现这种变化有助于预防中风导致的失明甚至死亡;Wang等人也认为血管迂曲作为视网膜形态变化的指标可以进行定量分析,他们提出了一种基于多重细分的血管迂曲度分析算法,结合血管曲率拐点数的学习曲线函数,强调了人类评估。
在现有方法中,考虑到血管的形态、分辨率、尺寸之间需要准确无误地定义相关的血管弯曲度指标,Brummer等人依赖于Frenet-Serret方程的数值积分,通过从曲折度测量中重建三维血管坐标以此增强血管曲折度测量。RamosL等人也认为视网膜血管迂曲可作为相关血管和非血管疾病的潜在指标。他们描述了参考的计算血管曲折度测量的多专家验证过程,结合非曲折/曲折,无症状/症状二元分类的四级量表,发现曲折度测量的预后性能接近专家的性能。
然而,单一地对血管曲折进行分类或定义,测量的预后性能没有数学上的准确性与可解释性,与依靠简单的分类及专家佐证的经验判断相比,定量地建立相应的曲折度测量指标与相关测量值,更能全面准确地定义视网膜血管弯曲度。Joshi等人基于血管的曲率角,弯曲血管在其弦长上的长度(弧与弦比),曲率符号变化的数量,开发了一种新的血管曲折度定量度量。Lisowska等人也引入距离度量,曲折密度,两个基于曲率的度量以及最近引入的一般曲线的斜链编码作为视网膜血管弯曲度的五个指标,尽可能对临床推断选择曲折指数进行标准化。Turior等人提出了一种并行算法,该算法基于从改进的链码算法计算出的曲率,使用稳健的度量来量化视网膜血管弯曲度;Pourreza等人也提出了一种简单高效地血管弯曲度测量方法,大致分为血管检测,通过细化提取血管骨骼,检测血管交叉和分叉,最后计算局部和全局曲折度。但是这些方法只能单一地计算局部或者全局的曲折度,然后再根据两种结果分别分析,客观上没有相互,缺乏整体性地对血管弯曲度的定义,推断结果片面,依赖于单一指标。
可见,虽然目前存在一些对血管弯曲度进行评价的方法,但是这些方法还是普遍存在评价准确度不高的问题,而真正想要实现临床应用,血管弯曲度的评价结果准确性必不可少。针对现有血管弯曲度评价方法存在的准确度不高的问题,本发明方案提出了一种基于局部整体比率的血管弯曲度评价方法。本发明方案的基本思想是基于局部整体比率的视网膜弯曲度复合测量定义及方法,本发明方案引入了平均局部血管曲率、平均局部血管曲率密度及整体血管曲折一致性指数三个指标来构建局部迂曲度和整体迂曲度,最终的比值定义为新的血管弯曲度。其解决了现有血管弯曲度评价方法存在的定性片面,不够客观,依赖于单一指标等问题。
图1是本发明一种实施方式提供的基于局部整体比率的血管弯曲度评价方法的方法流程图。如图1所示,本发明实施方式提供一种基于局部整体比率的血管弯曲度评价方法,所述方法包括:
步骤S10:采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管。
具体的,本发明方案是通过视网膜图像进行血管弯曲度自动识别,在现有方法中,将采集的视网膜图像进行图像处理获得其中的血管网络已经相对成熟,本发明方案便不再过多赘述通过视网膜图像获得视网膜上血管网络的过程。在识别到血管后,首先基于血管网络进行血管路径拟合,找到其中血管的路径曲线。因为视网膜上分布着大量的筋脉血管及动脉血管,各个血管存在一定的交错情况,若将不属于同一条血管的多条血管放在一起进行弯曲度评价,可能把交错点错误识别为对应血管的弯曲点。所以,想要准确地执行后续的步骤,将各条血管进行区分和路径拟合是十分必要的。
进一步的,为了便于图像处理,本发明方案在获得包含血管的图像信息后,还将进行管路径拟合结果拆分,将获得的血管路径拟合结果拆分为多个局部血管,具体为对图像中的血管进行路径拟合,获得血管完整路径;将所述血管完整路径分为若干路径子段,每一路径子段为一个局部血管。本发明方案从局部血管出发,便于后续有效计算出局部血管平均曲率和平均曲率密度,克服相同形状弦长、相同曲线长度但曲线数量不同的血管不易区分的弊端。
在本发明实施例中,传统地计算局部血管弯曲度采用了一些基于血管中心线曲率积分的方法,这种方法的主要缺点是有两个具有相同弦长和曲线长度但曲线数量不同的血管不能较好地区分。为了克服传统方法的弊端,本发明方案引入了平均局部血管曲率、平均局部血管曲率密度及整体血管曲折一致性指数三个指标来构建局部迂曲度和整体迂曲度,最终的比值定义为新的血管弯曲度。
步骤S20:分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况。
具体的,所述分别计算每一局部血管的局部血管曲率包括:沿局部血管预设多个离散点,并以每一个离散点为圆心,以对应局部血管两端点连线长度的1/2为半径作圆;每一个离散点对应绘制的圆被对应局部血管划分成两个部分,在同一个局部血管内,规定所有对应局部血管一侧的部分为区域1,对应另一侧部分为区域2;在同一个局部血管内,同时识别所有离散点对应绘制的圆的区域1的面积或区域2的面积,作为各离散点对应绘制的圆的分割面积;基于识别的各离散点对应绘制的圆的分割面积,计算获得对应离散点位置的局部曲率,计算式为:
其中,ki为第i个离散点的曲率;b为当前局部血管各离散点对应绘制的圆的半径;S1i为第i个离散点对应绘制的圆的分割面积;S为第i个离散点对应绘制的圆的总面积;基于每一局部血管的各离散点曲率,计算获得对应各局部血管的平均血管曲率,作为对应各局部血管的局部血管曲率。
在本发明实施例中,如图2,为了计算曲线的每个点的曲率,绘制了一个圆心在指定点且半径为b的圆,S为圆的总面积,数值b的选取为局部血管的两端端点连线长度的1/2。通过图2可知,在一定比率下,当S1与S的比值越大时,局部血管的曲率越大,当弦长与弧长相等时,即此时S1面积刚好是S的1/2时,该血管基本拟态为一条直线,曲率为0。最后得到的所有局部血管段的血管曲率就是离散的平均局部血管曲率T1,取值范围为[0,3π/2b)。
进一步的,在得到每一局部血管的局部血管曲率后,还需要基于血管路径拟合结果评价当前血管的曲折情况,统计所有局部血管的曲率,统计其中曲率符号的变化次数;其中,曲率符号每变化一次,认定血管在当前位置发生了一次弯折;基于每相邻两个弯折位置之间的中点连线,将当前血管划分为多个圆弧段;其中,每个圆弧段内血管有且仅有一次向同一个方向弯折;统计每个圆弧段的圆弧弧长和圆弧弦长,基于当前血管的弯折次数和每个圆弧段的圆弧弧长和圆弧弦长评价当前血管的曲折情况。
在本发明实施例中,如图3,每发生以此弯折,对应的曲率符号就会发生一次变化,所以,m是曲率符号变化的数量,即中心线的二阶导数的变化值,通俗来讲就是凹凸的变化次数,即有多少凹凸的拐点,就有多少次变化次数。
在另一个可能的实施方式种,上述进行各局部血管曲率确定是,是沿血管设置多个离散点,然后再离散点上作圆,通过面积比值来确定血管的曲率。相似的概念,在整个血管中,同样可以预设一个固定半径的圆,该固定半径又最小弯折段的两个端点的半径确定。然后让该圆沿着血管进行移动,并实时统计固定方向切割区域的面积,随着越来越接近凹点或凸点,该面积会越来越大或越来越小,随着远离凹点或凸点,其面积又会越来越小或越来越大,可以基于该面积的变化规律,确定其是否经过凹凸点,其可以作为另一种可能的实施方式被实现。
步骤S30:基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度。
具体的,曲率密度一般直接采用计算形态拟合的弧弦比来定义。而一般的算法采用距离测量DM,如下公式所示:
其中Lc是血管中心线长度,Lx是弦长(连接血管端点)。当血管完全笔直并且随着曲折度增加时,DM是1。但是DM无法将具有多个弯曲的血管与具有相同平均偏离弦的单个弧的血管区分开,出现这种现象的问题便是因为DM是无法捕获局部变化的全局索引。而曲率密度本身的设计是为了发现局部血管的凹态势和凸态势对局部血管曲率的影响。为了解决这种现象以便更好地计算出局部血管凹凸的一致性态势,本发明设计了如下创新的曲率密度公式来解决该问题:
其中,Ld为当前血管中心线总长度;m为当前血管的弯折次数;j为第j段圆弧段;Lxcj为j段圆弧段的弧长;Lxsj为第j段圆弧段的弦长。只有一圈(即只有一次凹凸态势的短血管)的血管中心线T2=0;超过一圈,曲折度大于0(避免了上述所说DM的问题),最后计算中T2指标也被归一化为血管长度(1/Ld),这允许比较各种长度和尺度不变的血管。T2指标在模拟视网膜病变图像的血管曲折相较于DM比较更加准确,取值范围大约为[0,+∞)。
获得曲率密度后,需要基于曲度密度和血管的平均血管曲率计算当前血管的曲率,其计算式为:
M1=T1*T2
其中,M1为当前血管的曲率;T1为当前血管的平均局部血管曲率;T2为当前血管的曲率密度。
其中,对于n个点的曲率的平均弯曲度指标公式为:
其中,T1为当前血管的平均局部血管曲率;n为离散点数量。
进一步的,基于当前血管的曲折情况计算当前血管的迂曲度,本发明方案提出了一种新的整体血管曲折一致性指数即整体视网膜血管迂曲度并将其归一化后合并为一维度量,用于表示血管的迂曲度,其计算式为:
其中,M2为当前血管的迂曲度;m为当前血管的弯折次数;k为当前血管的圆弧段数量;θ为各圆弧段的曲率角大小;L为各段圆弧段的弧长;
ca Lxa为各段圆弧段的弦长;Lt为当前血管路径拟合结果的总长度。m在血管Lt的总长度上进行了归一化,因此它对每单位长度的频率相等但在整个过程中长度不同的血管中有相同的曲折效果。为每段计算的血管因子θ在所有段中求和,并根据血管中每段的数量进行归一化处理。因为在曲率大致相等但长度不同的的两个血管,也有相同的曲折表现。最终根据弧弦比在所有血管段中求和,并根据整体中划分的血管段数量进行最终归一化处理。
步骤S40:基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。
具体的,基于当前血管的曲率和当前血管的迂曲度计算获得当前血管的评价指数,其计算式为:
其中,W为当前血管的评价指数;M1为当前血管的曲率;
M2为当前血管的迂曲度;当前血管的评价指数等于0时,表示当前血管为标准直线;当前血管的评价指数越大,表示当前血管的凹凸态势变化幅度越大。
在本发明实施例中,可以预见的时,最终的血管的评价指数的计算公式确定过程为:
当前血管的评价指数解释为离散的平均血管曲率与平均局部曲率密度的乘积与整体视网膜血管迂曲度的比率,取值范围为[0,+∞)。
进一步的,本发明方案提出的当前血管的评价指数不仅可以更好地区分计算具有相同频率和相等弧弦比的局部血管;还提供了一种客观且可重现的血管曲折度测量方法。最终得到的血管弯曲度计算公式中,当整体弯曲度大致保持一致时,平均局部血管曲率密度和平均局部血管曲率越大时,即局部血管的血管凹凸态势及局部点越弯曲,血管弯曲度越大;当局部弯曲度,即平均局部血管曲率和平均局部血管密度整体分布保持大体一致时,整体弯曲度分布越弯曲,即整体血管一致性指数越大,血管弯曲度越小。当结果比值为0时,表示血管网络中所有血管为标准直线的极限情况;当比值为无穷大时,表示血管网络的弯曲度无穷曲折,即所有血管凹凸态势极其曲折。综上所述新定义的血管弯曲度总体上具有良好的性能,能够更好地从局部及整体曲折度两方面来比较新定义的血管弯曲度。
如图4,本发明方案能够有效计算出局部血管平均曲率和平均曲率密度,克服相同形状弦长、相同曲线长度但曲线数量不同的血管不易区分弊端。利用血管弯曲度的局部迂曲和整体迂曲态势,提出了一种新的血管弯曲度计算方法,能够更好地在疾病预后和视网膜相关疾病分析治疗中起效。时间复杂度低,能够有效且快速地识别计算血管整体和局部弯曲度。
图5是本发明一种实施方式提供的基于局部整体比率的血管弯曲度评价系统的系统结构图。如图5所示,本发明实施方式提供一种基于局部整体比率的血管弯曲度评价系统,所述系统包括:采集单元,用于采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管;处理单元,用于:分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况;基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度;评价单元,用于基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。
本发明实施方式还提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的基于局部整体比率的血管弯曲度评价方法。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (10)
1.一种基于局部整体比率的血管弯曲度评价方法,其特征在于,所述方法包括:
采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管;
分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况;
基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度;
基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。
2.根据权利要求1所述的方法,其特征在于,所述基于血管路径拟合结果将所述血管拆分为多个局部血管,包括:
对图像中的血管进行路径拟合,获得血管完整路径;
将所述血管完整路径分为若干路径子段,每一路径子段为一个局部血管。
3.根据权利要求1所述的方法,其特征在于,所述分别计算每一局部血管的局部血管曲率,包括:
沿局部血管预设多个离散点,并以每一个离散点为圆心,以对应局部血管两端点连线长度的1/2为半径作圆;
每一个离散点对应绘制的圆被对应局部血管划分成两个部分,在同一个局部血管内,规定对应局部血管一侧的部分为区域1,对应另一侧的部分为区域2;
在同一个局部血管内,同时识别所有离散点对应绘制的圆的区域1的面积或区域2的面积,作为各离散点对应绘制的圆的分割面积;
基于识别的各离散点对应绘制的圆的分割面积,计算获得对应离散点位置的曲率,计算式为:
其中,ki为第i个离散点位置的曲率;
b为当前局部血管各离散点对应绘制的圆的半径;
S1i为第i个离散点对应绘制的圆的分割面积;
S为第i个离散点对应绘制的圆的总面积;
基于每一局部血管的各离散点的曲率,计算获得对应各局部血管的平均血管曲率,作为对应各局部血管的局部血管曲率。
5.根据权利要求1所述的方法,其特征在于,所述基于血管路径拟合结果评当前血管的曲折情况,包括:
统计所有局部血管的曲率,统计其中曲率符号的变化次数;其中,
曲率符号每变化一次,认定血管在当前位置发生了一次弯折;
基于每相邻两个弯折位置之间的中点连线,将当前血管划分为多个圆弧段;其中,每个圆弧段内血管有且仅有一次向同一个方向弯折;
统计每个圆弧段的圆弧弧长和圆弧弦长,基于当前血管的弯折次数和每个圆弧段的圆弧弧长和圆弧弦长评价当前血管的曲折情况。
9.一种基于局部整体比率的血管弯曲度评价系统,其特征在于,所述系统包括:
采集单元,用于采集包含血管的图像信息,并基于血管路径拟合结果将所述血管拆分为多个局部血管;
处理单元,用于:
分别计算每一局部血管的局部血管曲率,并基于血管路径拟合结果评价当前血管的曲折情况;
基于所有局部血管的局部血管曲率和当前血管的曲折情况获得当前血管的曲率,并基于当前血管的曲折情况计算当前血管的迂曲度;
评价单元,用于基于当前血管的曲率和当前血管的迂曲度进行当前弯曲度评价。
10.一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行权利要求1-8中任一项权利要求所述的基于局部整体比率的血管弯曲度评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310257748.9A CN116205897A (zh) | 2023-03-16 | 2023-03-16 | 基于局部整体比率的血管弯曲度评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310257748.9A CN116205897A (zh) | 2023-03-16 | 2023-03-16 | 基于局部整体比率的血管弯曲度评价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116205897A true CN116205897A (zh) | 2023-06-02 |
Family
ID=86509512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310257748.9A Pending CN116205897A (zh) | 2023-03-16 | 2023-03-16 | 基于局部整体比率的血管弯曲度评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205897A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893836A (zh) * | 2024-03-13 | 2024-04-16 | 中国人民解放军总医院第一医学中心 | 基于眼底血管几何参数预测糖尿病肾病的方法和系统 |
-
2023
- 2023-03-16 CN CN202310257748.9A patent/CN116205897A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893836A (zh) * | 2024-03-13 | 2024-04-16 | 中国人民解放军总医院第一医学中心 | 基于眼底血管几何参数预测糖尿病肾病的方法和系统 |
CN117893836B (zh) * | 2024-03-13 | 2024-05-28 | 中国人民解放军总医院第一医学中心 | 基于眼底血管几何参数预测糖尿病肾病的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11207045B2 (en) | Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries | |
WO2021208739A1 (zh) | 眼底彩照图像血管评估方法、装置、计算机设备和介质 | |
CN116205897A (zh) | 基于局部整体比率的血管弯曲度评价方法及系统 | |
CN104545792B (zh) | 眼底图像的动静脉视网膜血管视盘定位方法 | |
WO2008010305A1 (fr) | Analyseur d'images et programme d'analyse d'images | |
CN109035283A (zh) | 一种基于随机选取分区的肺气肿精准检测与量化分析方法 | |
US20180014724A1 (en) | Method and System for Analysis of Diagnostic Parameters and Disease Progression | |
CN111862020A (zh) | 一种眼前节生理年龄预测方法、装置、服务器及存储介质 | |
CN113724315B (zh) | 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质 | |
JP5624505B2 (ja) | 画像処理装置 | |
US20220061920A1 (en) | Systems and methods for measuring the apposition and coverage status of coronary stents | |
CN115762787B (zh) | 一种眼睑疾病手术疗效评估方法和系统 | |
JP7454679B2 (ja) | マルチモーダルデータに基づく両眼円錐角膜の評価システム | |
WO2008010304A1 (fr) | analyseur d'images et programme d'analyse d'images | |
US20230018499A1 (en) | Deep Learning Based Approach For OCT Image Quality Assurance | |
US11540782B2 (en) | Method, apparatus and computer program for measuring and analysis of blood pressure using photoplethysmography | |
CN117808786B (zh) | 一种视网膜动脉分支角度变化关联预测方法 | |
CN112233167B (zh) | 一种胎儿结构特征的自动测量方法及装置 | |
CN117876801B (zh) | 基于眼底血管特征和人工智能预测糖尿病肾病的方法 | |
CN114119579B (zh) | 一种基于血管结构相似度的视网膜图像主血管识别方法 | |
Harris et al. | The preliminary credibility assessment system embedded algorithm description and validation results | |
Wang et al. | An edge detection-based deep learning approach for tear meniscus height measurement | |
CN117935253A (zh) | 肾病理量化指标测量方法及测量指标与临床表型的相关性 | |
Gupta et al. | Development of an Automated Algorithm to Quantify Optic Nerve Diameter Using Ultrasound Measures: Implications for Optic Neuropathies | |
CN115546118A (zh) | 一种血管狭窄段的检测方法、检测装置、设备及介质 |
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 |