CN117058328A

CN117058328A - 冠状动脉血管树分级方法、设备、存储介质和程序产品

Info

Publication number: CN117058328A
Application number: CN202311308883.8A
Authority: CN
Inventors: 向建平; 张乘铭; 何京松; 单晔杰
Original assignee: Arteryflow Technology Co ltd
Current assignee: Arteryflow Technology Co ltd
Priority date: 2023-10-11
Filing date: 2023-10-11
Publication date: 2023-11-14
Anticipated expiration: 2043-10-11
Also published as: CN117058328B

Abstract

本申请涉及一种冠状动脉血管树分级方法、设备、存储介质和程序产品，其中冠状动脉血管树分级方法，包括：根据冠脉血管树三维模型提取血管中心线，血管中心线包括相对的上游点位、以及相对的第一下游点位和第二下游点位，所述上游点位和第一下游点位沿血管中心线形成第一曲线段，所述上游点位和第二下游点位沿血管中心线形成第二曲线段，所述第一曲线段和第二曲线段存在复用部分；利用第一阈值对所述复用部分去重，获得相对分离的第一子曲线段、第二子曲线段和第三子曲线段；获得各子曲线段的邻近端点集合，根据所述邻近端点集合获得近似中点，将所述近似中点作为共享分叉点；利用所述共享分叉点连接各子曲线段，进行冠状动脉血管树分级。

Description

冠状动脉血管树分级方法、设备、存储介质和程序产品

技术领域

本申请涉及医疗工程技术领域，特别是涉及一种冠状动脉血管树分级方法、设备、存储介质和程序产品。

背景技术

血流储备分数（FFR）是一种用于评估冠状动脉疾病严重程度的生理指标。它的定义为狭窄冠状动脉提供给支配区域心肌的最大血流量与同一支冠状动脉正常时提供给心肌的最大血流量的比值。FFR值越低，说明病变越严重，需要更加积极的治疗。通常，FFR小于0.80被认为是需要进行血运重建手术（如冠状动脉支架术）。

随着计算流体力学（CFD）技术的发展，基于CT影像的CT-FFR（冠脉CT血流储备分数）逐渐流行，并被广泛应用于临床。然而，目前基于CT的FFR常使用三维CFD仿真来进行计算，该计算过程一般使用CPU串行，需要耗费较长时间，使得患者无法及时获取诊断报告，造成病情延误，随着近年来对FFR计算研究的深入，使用一维CFD方法计算FFR得到了广泛的研究，一维CFD使FFR的计算时间大幅缩短，且能获得与三维CFD相媲美的准确性。

一维CFD是指将三维空间上的计算转化为一维空间上的计算，一维空间是指冠脉血管树的中心线，这就对血管树中心线的处理提出了极高的要求。一维CFD FFR计算方法常常使用如图1所示的冠脉血管上游和下游多根呈拓扑结构的血管中心线作为计算域。

参见图1，冠脉血管树的中心线一般利用冠脉血管树三维模型，通过冠脉血管树的各端点提取。各端点包括冠脉血管树的开口点O（从主动脉进入左冠或右冠的入口点）、以及各下游分支的末端点。例如末端点包括末端点A和末端点B。开口点O与末端点A形成中心线OA，开口点O与末端点B形成中心线OB。在进行CFD FFR计算时，分别获得沿中心线OA的沿线半径（根据冠脉血管树三维模型获得）、以及拟合等效半径，并用于计算中心线OA的沿线压降。同样地，可获得中心线OB的沿线压降。中心线OA和中心线OB存在复用部分，在获得中心线OA和中心线OB的沿线压降时，复用部分的沿线压降数据存在差异，不利于应用。

复用部分的压降数据，可映射到三维模型的表面，采用渐变色标记压降的变化趋势。由于复用部分的沿线压降数据存在差异，在映射到三维模型表面时，可能会产生不符合物理原则的结果，发生数据错乱。

发明内容

基于此，有必要针对上述技术问题，提供一种冠状动脉血管树分级方法。

本申请冠状动脉血管树分级方法，包括：

根据冠脉血管树三维模型提取血管中心线，血管中心线包括相对的上游点位、以及相对的第一下游点位和第二下游点位，所述上游点位和第一下游点位沿血管中心线形成第一曲线段，所述上游点位和第二下游点位沿血管中心线形成第二曲线段，所述第一曲线段和第二曲线段存在复用部分；

利用第一阈值对所述复用部分去重，获得相对分离的第一子曲线段、第二子曲线段和第三子曲线段；

获得各子曲线段的邻近端点集合，根据所述邻近端点集合获得近似中点，将所述近似中点作为共享分叉点；

利用所述共享分叉点连接各子曲线段，进行冠状动脉血管树分级。

可选的，利用第一阈值对所述复用部分去重，具体包括：

同时依次遍历所述第一曲线段和第二曲线段的序列点，若距离小于第一阈值，则保留第一曲线段的序列点，并删除第二曲线段的序列点。

可选的，利用第一阈值对所述复用部分去重，还包括：

若距离大于第一阈值，则结束遍历，获得所述第二子曲线段和第三子曲线段。

可选的，获得各子曲线段的邻近端点集合，具体包括：

分别获得各子曲线段的端点集合；

对于所述端点集合内的任意一个端点，遍历所述端点集合内的其余端点，若两者距离小于第二阈值，则判断两者为属于同一分叉的邻近端点集合；

遍历完成后，获得邻近端点集合。

可选的，根据所述邻近端点集合获得近似中点，具体利用下式完成：

式中，为近似中点的坐标；

i=1、2、3，分别对应三维坐标x、y、z；

β为权重系数；

k为邻近端点集合内不同点位的编号；

式中，N为邻近端点集合内的点位数量；

b为第二阈值。

可选的，β为第二阈值的平方。

可选的，所述冠状动脉血管树分级方法包括：

利用本申请所述的冠状动脉血管树分级方法，针对所述血管中心线，获得多条子曲线段；

分别获得各子曲线段的端点集合，并储存至数据容器；

对于所述数据容器内的任意一个端点，遍历所述数据容器内的其余端点，若两者距离小于第二阈值，则判断两者为属于同一分叉的邻近端点集合；

利用当前获得的邻近端点集合获得近似中心，在所述数据容器中，删除当前获得的邻近端点集合。

本申请还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现本申请所述的冠状动脉血管树分级方法的步骤。

本申请还提供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本申请所述的冠状动脉血管树分级方法的步骤。

本申请还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现本申请所述的冠状动脉血管树分级方法的步骤。

本申请冠状动脉血管树分级方法至少具有以下效果：

本申请提供的冠状动脉血管树分级方法，基于血管中心线进行，对复用部分去重后，能够对多分叉血管树进行有效分级，分级后的中心线可作为高质量计算域用于一维CFDFFR计算，获得分级后各子曲线段的沿线压降。

本申请仅利用了中心线上的点的三维坐标，具体为各子曲线段的端点三维坐标，即可获得共享分叉点，不需计算各子曲线段的相对角度等参数，需要的计算资源少，处理速度较快。

附图说明

图1为现有技术中冠脉血管树的血管中心线的示意图（沿线灰色区域为冠脉血管树）；

图2为本申请一实施例中冠状动脉血管树分级方法的流程示意图；

图3为图2处理过程的示意图；

图4为图2处理过程的另一示意图；

图5为本申请一实施例中冠状动脉血管树的结构示意图；

图6为图5所示冠状动脉血管树的分级方法的过程示意图；

图7为图5所示冠状动脉血管树的分级方法的另一过程示意图；

图8为图5所示冠状动脉血管树的分级方法的另一过程示意图；

图9为本申请一实施例中冠状动脉血管树血管中心线的结构示意图；

图10为图9所示冠状动脉血管树的分级方法的过程示意图；

图11为图9所示冠状动脉血管树的分级方法的另一过程示意图；

图12为图9所示冠状动脉血管树的分级方法的另一过程示意图；

图13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用以解释本申请，并不用于限定本申请。

本申请中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、次序。

参见图2～图4，本申请一实施例中提供一种冠状动脉血管树分级方法，包括步骤S100～步骤S400。其中：

步骤S100，根据冠脉血管树三维模型提取血管中心线，血管中心线包括相对的上游点位、以及相对的第一下游点位和第二下游点位，上游点位和第一下游点位沿血管中心线形成第一曲线段，上游点位和第二下游点位沿血管中心线形成第二曲线段，第一曲线段和第二曲线段存在复用部分。

步骤S200，利用第一阈值对复用部分去重，获得相对分离的第一子曲线段、第二子曲线段和第三子曲线段。

步骤S300，获得各子曲线段的邻近端点集合，根据邻近端点集合获得近似中点，将近似中点作为共享分叉点。

步骤S400，利用共享分叉点连接各子曲线段，进行冠状动脉血管树分级。

在步骤S100中，可以理解，根据冠脉血管树三维模型提取获得的血管中心线，是用三维坐标数据表示的离散点连接形成的。此时血管中心线具有提取时生成的默认分叉点，但该默认分叉点并不准确。第一曲线段和第二曲线段并不限制其在血管中心线上的具体位置。

本申请各实施例提供的冠状动脉血管树分级方法，基于血管中心线进行，对复用部分去重后（合并了各血管中心线中的复用部分），能够对复杂的多分叉血管树进行有效分级，分级后的中心线可作为高质量计算域用于一维CFD FFR计算。

本申请各实施例步骤S300，仅利用了中心线上的点的三维坐标，具体为各子曲线段的端点三维坐标，即可获得共享分叉点，不需进行各子曲线段的相对角度及相关三角函数计算，需要的计算资源少，处理速度较快。

在步骤S200中，本实施例利用第一阈值去重，使复用部分以及默认分叉点均被去重。完成去重操作后，第一子曲线段、第二子曲线段和第三子曲线段，呈现如图4所示的相对分离状态。具体地，第一子曲线段属于复用部分，第二子曲线段属于第一曲线段，第三子曲线段属于第二曲线段。

举例来说，步骤S300包括根据第一子曲线段、第二子曲线段和第三子曲线段，三者之间的邻近端点，获得近似中点，例如通过欧氏距离关系获得。近似中点即可作为共享分叉点，共享分叉点相对于默认分叉点准确性提高，可用于冠状动脉血管树分级。

分级完成后，即可针对各子曲线段分别计算血管中心线的沿线半径（根据冠脉血管树三维模型获得）、以及拟合等效直径（例如采用最小二乘法获得），进而依次获得分级后各子曲线段的沿线压降。

在步骤S200中，利用第一阈值对复用部分去重，具体包括步骤S210～步骤S220。

步骤S210，同时依次遍历第一曲线段和第二曲线段的序列点，若距离小于第一阈值，则保留第一曲线段的序列点，并删除第二曲线段的序列点；

步骤S220，若距离大于第一阈值，则结束遍历，获得第二子曲线段和第三子曲线段。

步骤S210中，同时依次遍历第一曲线段和第二曲线段的序列点，包括依次遍历第一曲线段的第一个序列点和第二曲线段的第一个序列点，第一曲线段的第二个序列点和第二曲线段的第二个序列点。

在结束遍历时，小于第一阈值的序列点完成去重，获得第一子曲线段。可以理解，第一曲线段和第二曲线段的序列点是提取生成的三维坐标数据，并非完全连续的数学意义上的点，序列点存在一定的数据精度。结束遍历时，第二子曲线段和第三子曲线度实际发生分离，而非完全地连续。

在步骤S300中，获得各子曲线段的邻近端点集合，具体包括S310～步骤S330。

S310，分别获得各子曲线段的端点集合；

S320，对于端点集合内的任意一个端点，遍历端点集合内的其余端点，若两者距离小于第二阈值，则判断两者为属于同一分叉的邻近端点集合；

S330，遍历完成后，获得邻近端点集合。

在S310中，各子曲线段的端点集合，具体包括第一～第三子曲线段的六个端点，其中三个端点为预期的一组。通过调节第二阈值，能够将端点集合自动地完成分类，即获得邻近端点集合。

在步骤S300中，根据邻近端点集合获得近似中点，具体利用下式完成：

式中，为近似中点的坐标；

i=1、2、3，分别对应三维坐标x、y、z；

b为第二阈值；

β为权重系数，为第二阈值b的平方；

k为邻近端点集合内不同点位的编号；

N为邻近端点集合内的点位数量。

在一个实施例中，冠状动脉血管树分级方法包括步骤S510～步骤S540。

步骤S510，多次执行步骤S100～步骤S200，针对血管中心线，获得多条子曲线段；

步骤S520，分别获得各子曲线段的端点集合，并储存至数据容器；

步骤S530，对于数据容器内的任意一个端点，遍历数据容器内的其余端点，若两者距离小于第二阈值，则判断两者为属于同一分叉的邻近端点集合；

步骤S540，利用当前获得的邻近端点集合获得近似中心，在数据容器中，删除当前获得的邻近端点集合。

本实施例中针对所有的血管中心线，多次执行步骤S100～步骤S200，进行获得所有的多条子曲线段。将各子曲线段的端点集合，共同储存至数据容器。在遍历的过程中，同样可利用第二阈值获得邻近端点集合。进而利用邻近端点集合获得近似中心。本实施例在获得相应的近似中心后，删除该邻近端点集合，以实现数据容器内不同邻近端点集合的自动化处理。

参见图5～图8，在一个实施例中，提供一种冠状动脉血管树分级方法，基于血管中心线进行。包括（1）标记血管中心线；（2）对血管中心线去重；（3）获得血管中心线的分叉部分，完成血管中心线的合并；（4）对合并后的中心线进行分级，生成树结构。

本实施例中（1）～（4）与其他实施例中的步骤S100～步骤S400相对应，用于进一步解释步骤S100～步骤S400。

（1）标记血管中心线，对应步骤S100及其子步骤。

获得冠状动脉血管树各血管中心线，各血管中心线包括冠脉树中各根血管从冠脉入口到各血管末端之间的所有点，因此各血管中心线之间存在复用部分。

冠脉血管树各血管中心线记为，i为血管索引，血管中心线上的各点记为/>，j为点索引。

对应至步骤S100，上游点位可应用为冠脉血管树的开口点O，第一下游点位和第二下游点位分别应用为下游分支的末端点A和末端点B。则此时，第一曲线段即可记为，第二曲线段即可记为/>。

（2）对血管中心线去重，包括步骤a～步骤c，对应步骤S200及其子步骤。

步骤a：从第一条中心线的第一个点/>开始，遍历其余中心线上的第一个点，计算两点间距离，若两点距离小于第一阈值a，则认为该其余中心线上的第一点与所述第一条中心线/>的第一个点/>重合，并将该其余中心线上的第一点删除；当两点距离大于第一阈值a时，结束遍历过程，并将/>保存。第一阈值a的取值由实际情况确定，例如取值为。

步骤b：将步骤a中第一条中心线遍历结束时所保存的所有点保存为一个中心线单元/>，并从点/>开始重复步骤a，将遍历结束时所保存的所有点保存为一个新的中心线单元/>，以此类推，直至将其余中心线上与该中心线上所有重合的点删除完成，将剩余未处理过的点也保存为中心线单元。

具体对应至步骤S200，各中心线单元即各子曲线段。

步骤c：对删除重复点后的其余中心线，重复步骤a和步骤b，完成后整合得到的所有中心线单元/>为合并后的中心线集合，但需要注意的是，冠脉血管树中分叉部分的点不存在于现有的合并后中心线中，如图6所示。

（3）～（4）对应步骤S300～步骤S400的步骤及子步骤。

（3）获得血管中心线的分叉部分，完成血管中心线的合并。

得到由不同中心线单元（各子曲线段）组成的中心线单元集合后，提取各中心线单元的起点和终点/>，合并储存于一个新的数据容器中。

对数据容器中的任意一点与其余点进行遍历，并计算两点间距离，设置第二阈值b，例如取值为1.5-2mm之间。若两点间距离小于第二阈值b，则判断这两点属于同一分叉，若两点间距离大于第二阈值b，则判断这两点并不属于同一分叉，保存所有与当前点距离在阈值内的点。

计算这些点（两个点或者多个点，与血管中心线分支共享分叉的情况有关）与当前点的近似中点，得到近似中点后，将该点添加至当前点及阈值内的点所在的中心线单元中，即可补齐缺失的分叉部分，且各中心线单元有了相互共享的共享分叉点。近似中点的计算方法为：

其中，为近似中点的坐标，i=1，2，3对应三维坐标x，y和z，β为权重系数，/>，/>为距离第二阈值内的点的坐标，k为第二阈值内的点的编号，W为权重总和，W由距离第二阈值内点的数量N及距离阈值b确定。

将计算后判断为距离阈值内的点从容器中删除，保证之后的遍历点不会再与这些点发生计算。重复上述操作，直至数据容器中不存在小于第二阈值b的任意两个点，保存计算的所有近似中点为分叉点，完成分叉部分计算。

（4）对合并后的中心线进行分级，生成树结构。

建立N叉树结构用于保存分级信息，N叉树节点储存中心线单元的编号，将第一个中心线单元（冠脉开口处的首个子曲线段）的编号0作为母节点。

从第一个中心线单元开始遍历，对第一个中心线单元的最后一个点，判断与其共享该点的中心线单元个数，若共享该点的中心线单元个数等于1，则当前中心线单元没有后续分支，判断结束，并将该中心线单元作为当前中心线单元的子节点保存。若共享该点的中心线单元个数大于1，则该中心线单元具有后续分支（分叉）。

对于有后续分支的中心线单元，继续判断该中心线单元是否具有后续分支，若有则继续作为该中心线单元的子节点保存，该操作可使用递归完成。

需要注意的是，若遇到某个中心单元的后续分支均也有后续分支的情况，则对后续分支的后续分支进行相同操作，并作为对应子节点保存。将所有中心线单元按照上述步骤处理完成后，完成分级，保存N叉树结构用于后续操作并输出分级结果。

参见图5～图8，获得的左冠状动脉中各根血管的中心线，如图5所示；对所述各左冠状动脉中各根血管的中心线进行合并，获得缺少分叉部分的中心线单元，如图6所示；对缺少分叉部分的中心线单元计算各分叉处点的近似中点后，合并近似中点与缺少分叉部分的中心线单元，获得共享分叉点的中心线单元，如图7所示；对中心线进行分级并保存为树结构输出，如图8所示。

参见图9～图12，获得较为复杂的左冠脉中各根血管的中心线，如图9所示；对所述各复杂左冠状动脉中各根血管的中心线进行合并，获得缺少分叉部分的中心线单元，如图10所示；对缺少分叉部分的中心线单元计算各分叉处点的近似中点后，合并近似中点与缺少分叉部分的中心线单元，获得共享分叉点的中心线单元，如图11所示；对中心线进行分级并保存为树结构输出，如图12所示。

应该理解的是，虽然图2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，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。

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终端，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的网络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冠状动脉血管树分级方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

在一个实施例中，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以下步骤：

步骤S100，根据冠脉血管树三维模型提取血管中心线，血管中心线包括相对的上游点位、以及相对的第一下游点位和第二下游点位，上游点位和第一下游点位沿血管中心线形成第一曲线段，上游点位和第二下游点位沿血管中心线形成第二曲线段，第一曲线段和第二曲线段存在复用部分；

步骤S200，利用第一阈值对复用部分去重，获得相对分离的第一子曲线段、第二子曲线段和第三子曲线段；

步骤S300，获得各子曲线段的邻近端点集合，根据邻近端点集合获得近似中点，将近似中点作为共享分叉点；

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，计算机程序被处理器执行时实现以下步骤：

在一个实施例中，提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现以下步骤：

本实施例中，计算机程序产品包括程序代码部分，以用于当计算机程序产品由一个或多个计算装置执行时，执行本申请各实施例中冠状动脉血管树分级方法的步骤。计算机程序产品可被存储在计算机可读记录介质上。还可经由数据网络（例如，通过RAN、经由因特网和/或通过RBS）提供计算机程序产品以便下载。备选地或附加地，该方法可被编码在现场可编程门阵列（FPGA）和/或专用集成电路（ASIC）中，或者功能性可借助于硬件描述语言被提供以便下载。

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、存储、数据库或其它介质的任何引用，均可包括非易失性和/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。

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。不同实施例中的技术特征体现在同一附图中时，可视为该附图也同时披露了所涉及的各个实施例的组合例。

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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims

1.冠状动脉血管树分级方法，其特征在于，包括：

2.如权利要求1所述的冠状动脉血管树分级方法，其特征在于，利用第一阈值对所述复用部分去重，具体包括：

3.如权利要求2所述的冠状动脉血管树分级方法，其特征在于，利用第一阈值对所述复用部分去重，还包括：

4.如权利要求1所述的冠状动脉血管树分级方法，其特征在于，获得各子曲线段的邻近端点集合，具体包括：

分别获得各子曲线段的端点集合；

遍历完成后，获得邻近端点集合。

5.如权利要求1所述的冠状动脉血管树分级方法，其特征在于，根据所述邻近端点集合获得近似中点，具体利用下式完成：

式中，为近似中点的坐标；

i=1、2、3，分别对应三维坐标x、y、z；

β为权重系数；

k为邻近端点集合内不同点位的编号；

式中，N为邻近端点集合内的点位数量；

b为第二阈值。

6.如权利要求5所述的冠状动脉血管树分级方法，其特征在于，β为第二阈值的平方。

7.如权利要求1所述的冠状动脉血管树分级方法，其特征在于，所述冠状动脉血管树分级方法包括：

利用如权利要求1所述的冠状动脉血管树分级方法，针对所述血管中心线，获得多条子曲线段；

分别获得各子曲线段的端点集合，并储存至数据容器；

8.计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现如权利要求1～7中任一项所述的冠状动脉血管树分级方法的步骤。

9.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如权利要求1～7中任一项所述的冠状动脉血管树分级方法的步骤。

10.计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现如权利要求1～7中任一项所述的冠状动脉血管树分级方法的步骤。