CN117474938A - 血管树自动分段方法、装置、计算机设备及存储介质 - Google Patents
血管树自动分段方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117474938A CN117474938A CN202311451593.9A CN202311451593A CN117474938A CN 117474938 A CN117474938 A CN 117474938A CN 202311451593 A CN202311451593 A CN 202311451593A CN 117474938 A CN117474938 A CN 117474938A
- Authority
- CN
- China
- Prior art keywords
- preset
- file
- pulmonary artery
- points
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000011218 segmentation Effects 0.000 title claims abstract description 40
- 230000002792 vascular Effects 0.000 title claims description 16
- 210000001147 pulmonary artery Anatomy 0.000 claims abstract description 93
- 230000015654 memory Effects 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 4
- 210000004204 blood vessel Anatomy 0.000 abstract description 15
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30061—Lung
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及血管树自动分段技术领域,公开了血管树自动分段方法、装置、计算机设备及存储介质,本发明获取肺动脉性血管树文件,当边界点与预设模板集中的模板匹配时删除边界点,得到初始边缘文件;根据初始边缘文件和预设阈值,确定肺动脉血管树的中心线;搜索中心线上的点在预设方向上到肺动脉血管文件边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离;在最短距离中筛选满足预设条件的像素点作为根节点;以根节点为基础,遍历肺动脉血管树文件中的节点,得到拓扑结构;根据拓扑结构中节点以及预设标准,确定每个节点对应的最大内切球,根据每个最大内切球会拓扑结构分段,得到分段结构,提高了肺动脉血管分段的效率。
Description
技术领域
本发明涉及计算机技术领域,具体涉及血管树自动分段方法、装置、计算机设备及存储介质。
背景技术
肺动脉血管树节点分段是一项重要的医学图像处理任务。现有技术中传统的肺动脉血管标注通常依赖于医生观察和手动标注。但是,该方法对医生自身的肺动脉拓扑结构知识提出了考验,在需要大量且快速标注病人样本时存在一定的局限性,并且人工标注难免会出现漏标误标。
发明内容
有鉴于此,本发明提供了一种血管树自动分段方法、装置、计算机设备及存储介质,以解决人工标注效率低的问题。
第一方面,本发明提供了一种血管树自动分段方法,方法包括:
获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵;
利用预设体积的立方体遍历肺动脉血管树矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件;
根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线;
搜索中心线上的点在预设方向上到动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离;
在所有的最短距离中筛选满足预设条件的像素点作为根节点;
以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构;
根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球;
根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构。
有益效果,获取肺动脉性血管树文件,提取二值化的肺动脉血管树矩阵,利用预设体积的立方体遍历肺动脉血管矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件,缩小了血管树矩阵的范围,提高了后续拓扑结构的准确性;在此基础上,根据初始边缘文件,预设阈值,得到肺动脉血管树的中心线;搜索中心线上的点在预设方向上到肺动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离;将最短距离中筛选满足预设条件的像素点作为根节点,提高了拓扑结构的准确性;以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构;最后在确定拓扑结构的基础上,根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球,根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构,提高了肺动脉血管分段的效率。
在一种可选的实施方式中,初始边缘文件包括多个中心点,根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线,具体包括:
对初始边缘文件进行细化删除冗余点,得到细化边缘文件;
当细化边缘文件中每一个中心点的预设邻域内包括的点数超过预设阈值时,删除预设邻域内的点,得到肺动脉血管树的中心线。
有益效果,当初始边缘文件进行细化删除冗余点,得到细化边缘文件,当细化边缘文件中的每一个中心点的预设邻域内包括的点数超过预设阈值时,杉树预设邻域内的点,得到肺动脉血管树的中心线,提高了中心线的准确率。
在一种可选的实施方式中,根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球,具体包括:
当存在拓扑结构的分支中包括的节点数量不满足预设标准时,将分支对应的节点合并到分支的上一级分支,得到优化拓扑结构;
对优化拓扑结构进行插值处理,得到平滑拓扑结构;
以平滑拓扑结构中每一个节点为球心,确定每一个节点对应的最大内切球。
有益效果,对拓扑结构进行合并以及插值处理之后,得到的平滑拓扑结构,更佳平滑,有利于后续的分段和命名。
在一种可选的实施方式中,方法还包括:
根据每一个节点对应的最大内切球,将最大内切球对应的多个分段结构进行排序,得到每一个分段结构的排列顺序;
根据排列顺序,对每一个分段结构分别进行赋值,得到中心线中每一个分段结构的名称。
有益效果,根据每一个节点对应的最大内切球,将最大内切球对应的分段结构进行排序,得到每一个分段对应的排序顺序,提高了对拓扑结构分段的准确性;根据排列顺序,对每一个分段结构分别进行赋值,得到中心线中每一个分段结构的名称,提高了肺动脉血管分段命名标注的效率。
在一种可选的实施方式中,以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构,具体包括:
若根节点在预设邻域内存在邻接点,则将邻接点加入到根节点的第一分支;
若邻接点在预设邻域内不存在邻接点,且根节点还存在其他邻接点,则继续搜索其他邻接点直至将肺动脉血管树文件搜索完成,得到中心线的拓扑结构。
有益效果,确保了拓扑结构的准确性。
在一种可选的实施方式中,对拓扑结构进行去毛刺,得到优化后的拓扑结构。
有益效果,提高了拓扑结构的平滑度。
第二方面,本发明提供了一种血管树自动分段装置,装置包括:
获取文件模块,用于获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵;
删除节点模块,用于利用预设体积的立方体遍历为肺动脉血管树矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件;
确定中心线模块,用于根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线;
确定距离模块,用于搜索中心线上的点在预设方向上到动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离;
确定根节点模块,用于在最短距离中筛选满足预设条件的像素点作为根节点;
确定结构模块,用于以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构;
确定内切球模块,用于根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球;
分段模块,用于根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构。
在一种可选的实施方式中,初始边缘文件包括多个中心点,根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线,具体包括:
细化单元,用于对初始边缘文件进行细化删除冗余点,得到细化边缘文件;
确定中心新单元,用于当细化边缘文件中每一个中心点的预设邻域内包括的点数超过预设阈值时,删除预设邻域内的点,得到肺动脉血管树的中心线。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的血管树自动分段方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的血管树自动分段方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的血管树自动分段方法的流程图;
图2a-图2n是根据本发明实施例的血管树自动分段方法的示意图;
图3是根据本发明实施例的血管树自动分段方法的示意图;
图4是根据本发明实施例的又一血管树自动分段方法的流程图;
图5是根据本发明实施例的血管树自动分段装置的结构框图;
图6是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
根据本发明实施例,提供了一种血管树自动分段方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种血管树自动分段方法,图1是根据本发明实施例的血管树自动分段方法的流程图。如图1所示,该流程包括如下步骤:
步骤S101,获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵。
示例性地,肺动脉血管树文件可以是对应的图像信息,在获取到对应的图像信息后,提取图像信息中的肺动脉血管树矩阵,具体地,图像信息中对应的是肺动脉血管的位置的像素点值为1,不是肺动脉血管的值为0,根据像素的位置依次提取即可。
步骤S102,利用预设体积的立方体遍历肺动脉血管树矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件。
示例性地,在确定肺动脉血管树矩阵后,可以根据矩阵中的元素信息确定大概的肺动脉血管的轮廓,这时的轮廓是粗糙的,因此需要进行进一步的删除对应的边缘点。
具体地,遍历肺动脉血管树矩阵是通过匹配预设模版集中的模板来确定对应的点是否可被删除,如果一组模板中至少有一个模板与待检查点相匹配,即可删除该点。如图2a至图2n所示,一副二值图像中令值为1的点为黑点,值为0的点为白点,模版由三种符号描述,标记“·”的位置匹配一个黑点或者白点,标记“○”的位置匹配一个白点,标记“●”的位置匹配黑点。另外,有“x”标记的位置至少有一个匹配黑点;有“v”标记和“w”标记的位置至少有一个匹配白点;两个标记“z”的位置匹配不同的点,其中一个匹配黑点,一个匹配白点。
与图2a至图2n中模板对应的,还可以将已有的模板进行旋转、反射等操作衍生。每一次迭代需要对12个方向进行连续并行削减操作,12个方向的删除顺序可以是:<US,NE,WD,ES,UW,ND,SW,UN,ED,NW,UE,SD>,对应的12个方向的如图3所示。通过上述过程不断迭代删除边界点直到没有符合条件的点可以删除为止。
步骤S103,根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线。
示例性地,在确定初始边缘文件后,需要对初始边缘文件进行进一步细化,删除冗余点,具体地,可以采用Zhang-Suen细化算法、Guo-Hall细化算法等的得到中心线。
步骤S104,搜索中心线上的点在预设方向上到动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离。
步骤S105,在所有的最短距离中筛选满足预设条件的像素点作为根节点。
示例性地,在进行细化之后,可以对肺动脉血管进行拓扑结构的分析,具体地,可以在笛卡尔坐标系下的x轴、y轴、z轴三个方向上分别搜索肺动脉标签像素,找到最边缘像素,计算该像素到周围血管壁的最短距离r,取r值最大的点作为根节点。
步骤S106,以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构。
示例性地,在确定根节点之后,根据根节点对肺动脉血管文件中所有的节点进行搜索,将对应肺动脉血管树文件所有的节点都搜索完即可,具体采用哪种搜索手段,本领域技术人员可以根据实际情况确定。以根节点为基础,搜索到的节点均可以作为根节点的子节点,依次来确定对应的拓扑结构。
具体地,从根节点开始搜索,根据中心线上每个点的邻接关系,判断当前点是否为分叉点,若不是分叉点,则将当前点纳入当前分支;若为分叉点,则以该分叉点为根继续开辟新的分支,直到最后一个节点,将最后一个节点到根节点对应的节点为一个分支。
在一个优选的实施例中,对拓扑结构中的中心线进行去毛刺,得到优化后的拓扑结构。示例性地,此时得到的中心线的拓扑结构是比较粗糙的,可以对中心线的拓扑结构进行去毛刺,进一步去掉中心线的中较少的节点,提高中心线拓扑结构的平滑性。
步骤S107,根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球。
示例性地,根据拓扑结构,计算拓扑结构中每一个节点处的半径确定最大内切球。具体地,以当前中心线节点为球心,不断扩大半径扫描球体内的点,如果球体内有点的值不为1(碰到了其他的节点),则当前半径(直径就是血管的宽度)即为中心线点到周围血管壁的最短像素距离(最大内切球半径),将该像素距离乘以x、y、z轴的平均单位距离(对应的肺动脉血管的真实距离与像素距离的比例),以此距离作为当前中心线点的半径。
步骤S108,根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构。
示例性地,在确定每一个中心线的拓扑结构中的节点对应的最大内切球半径之后,根据每一个节点对应的最大内切球对拓扑结构进行分割,得到每一个节点对应的分段结构。
本实施例提供的血管树自动分段方法,获取肺动脉性血管树文件,提取二值化的肺动脉血管树矩阵,利用预设体积的立方体遍历肺动脉血管矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件,缩小了血管树矩阵的范围,提高了后续拓扑结构的准确性;在此基础上,根据初始边缘文件,预设阈值,得到肺动脉血管树的中心线;搜索中心线上的点在预设方向上到肺动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离;将最短距离中筛选满足预设条件的像素点作为根节点,提高了拓扑结构的准确性;以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构;最后在确定拓扑结构的基础上,根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球,根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构,提高了肺动脉血管分段的效率。
在本实施例中提供了一种血管树自动分段方法,图4是根据本发明实施例的血管树自动分段方法的流程图,如图4所示,该流程包括如下步骤:
步骤S401,获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S402,利用预设体积的立方体遍历肺动脉血管树矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件。详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S403,根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线;
具体地,步骤S403中初始边缘文件包括多个中心点,具体包括:
步骤S4031,对初始边缘文件进行细化删除冗余点,得到细化边缘文件;
步骤S4032,当细化边缘文件中每一个中心点的预设邻域内包括的点数超过预设阈值时,删除预设邻域内的点,得到肺动脉血管树的中心线。
示例性地,初始边缘文件已经在逐步的去除边缘点之后,得到的中心线的初步轮廓,也就是初始边缘文件。在此基础上,对初始边缘文件进行进一步细化,得到细化边缘文件,这里的细化的过程可以是对初始边缘文件的边缘点再次进行搜索删除,例如采用单体素化算法,统计每一个中心线上对应的节点的26邻域内的节点的个数,将节点个数大于4的节点删除,得到对应的中心线。
步骤S404,搜索中心线上的点在预设方向上到动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离。详细请参见图1所示实施例的步骤S104,在此不再赘述。
步骤S405,在所有的最短距离中筛选满足预设条件的像素点作为根节点。详细请参见图1所示实施例的步骤S105,在此不再赘述。
步骤S406,以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构。
具体地,上述步骤S406包括:
步骤S4061,若根节点在预设邻域内存在邻接点,则将邻接点加入到根节点的第一分支;
步骤S4062,若邻接点在预设邻域内不存在邻接点,且根节点还存在其他邻接点,则继续搜索其他邻接点直至将肺动脉血管树文件搜索完成,得到中心线的拓扑结构。
示例性地,确定肺动脉血管中心线的方法,具体如下:
1)建立一个branch为主分支,并初始化id号=0、分支级别=0、邻接分支关系、始末端点等信息,填入根节点root;
2)将根节点作为当前节点,搜索当前节点的26邻域,若26邻域没有邻接点,则说明搜索完毕,返回这个分支;若26邻域只有1个邻接点,则将该邻接点加入当前分支,并将该邻接点的值置为0,以防后续干扰其他点的邻域信息;若26邻域内有不止1个邻接点,则对每个邻接点开一个新分支,这些邻接点均作为当前分支的end_point以及对应新分支的start_point(即新分支的根节点),并添加当前分支和新建分支的邻接关系,更改新建分支的分支级别、id号等信息;
3)根据2)中采用宽度优先搜索策略,将所有分支搜索完毕即可。
步骤S407,根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球;
具体地,上述步骤S407,具体包括:
步骤S4071,当存在拓扑结构的分支中包括的节点数量不满足预设标准时,将分支对应的节点合并到分支的上一级分支,得到优化拓扑结构。
示例性地,将拓扑结构中进行小分段的合并处理,减少中心线中的边缘点,具体地:将点个数不足5的分段合并到上一级或者是最邻近的分段上去,同时修改合并后分段的邻接信息。
步骤S4072,对优化拓扑结构进行插值处理,得到平滑拓扑结构。
步骤S4073,以平滑拓扑结构中每一个节点为球心,确定每一个节点对应的最大内切球。
示例性地,优化拓扑结构是根据中心线节点的位置连接构成的,而实际的中心线是平滑的血管分布,因此,为更加贴合实际的肺动脉血管的中心线,需要对优化拓扑结构进行平滑处理,具体的,可以在中心线所包括的中心点之间进行B样条插值处理,进而可以得到平滑拓扑结构。确定内切球时,根据中心线上每一个点对应的在所有的肺动脉血管中对应的最大内切球,即为节点对应的最大内切球。
步骤S408,根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构。详细请参见图1所示实施例的步骤S108,在此不再赘述。
在上述实施例的基础上,本发明实施例又提供了另一种血管树自动分段方法,方法还包括:
根据每一个节点对应的最大内切球,将最大内切球对应的多个分段结构进行排序,得到每一个分段结构的排列顺序。
根据排列顺序,对每一个分段结构分别进行赋值,得到中心线中每一个分段结构的名称。
示例性地,在对中心线的拓扑结构进行分段之后,需要对分段进行分类以及命名,进而实现对肺动脉血管的自动的分段以及标注。对分段结构根据对应的最大内切球的半径进行排序,最大内切球的半径(或者直径)对应了节点所在血管的内壁半径(或直径)的映射关系,因此根据最大内切球的半径进行排序,可以将对应的血管的以血管的半径等信息进行分类排序。进而得到对应的血管名称的级别,根据排列顺序对每一个分段结构进行赋值,得到中心线中每个分段结构的名称,实现了肺动脉血管的自动分段命名。
上述分段命名的过程较好的保留了肺动脉血管中心线的拓扑结构,解决了血管中心线提取不好、存在结块的问题,使中心线的提取效果更加平滑。
在本实施例中还提供了一种血管树自动分段装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种血管树自动分段装置,如图5所示,包括:
获取文件模块501,用于获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵;
删除节点模块502,用于利用预设体积的立方体遍历为肺动脉血管树矩阵的边界点,当边界点与预设模板集中的模板匹配时,删除边界点,得到初始边缘文件;
确定中心线模块503,用于根据初始边缘文件、预设阈值,得到肺动脉血管树的中心线;
确定距离模块504,用于搜索中心线上的点在预设方向上到动脉血管文件边缘的边缘像素点,计算边缘像素点到预设范围内所有血管壁的最短距离;
确定根节点模块505,用于在最短距离中筛选满足预设条件的像素点作为根节点;
确定结构模块506,用于以根节点为基础,遍历肺动脉血管树文件中的所有节点,得到中心线的拓扑结构;
确定内切球模块507,用于根据拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球;
分段模块508,用于根据每一个最大内切球,将拓扑结构进行分段,得到中心线的多个分段结构。
在一些可选的实施方式中,初始边缘文件包括多个中心点,确定中心线模块,具体包括:
细化单元,用于对初始边缘文件进行细化删除冗余点,得到细化边缘文件;
确定中心新单元,用于当细化边缘文件中每一个中心点的预设邻域内包括的点数超过预设阈值时,删除预设邻域内的点,得到肺动脉血管树的中心线。
在一些可选的实施方式中,确定内切球模块,具体包括:
优化单元,用于当存在拓扑结构的分支中包括的节点数量不满足预设标准时,将分支对应的节点合并到分支的上一级分支,得到优化拓扑结构;
平滑单元,用于对优化拓扑结构进行插值处理,得到平滑拓扑结构;
确定内切球单元,用于以平滑拓扑结构中每一个节点为球心,确定每一个节点对应的最大内切球。
在一些可选的实施方式中,装置还包括:
排序模块,用于根据每一个节点对应的最大内切球,将最大内切球对应的多个分段结构进行排序,得到每一个分段结构的排列顺序;
命名模块,用于根据排列顺序,对每一个分段结构分别进行赋值,得到中心线中每一个分段结构的名称。
在一些可选的实施方式中,确定结构模块,具体包括:
确定分支单元,用于若根节点在预设邻域内存在邻接点,则将邻接点加入到根节点的第一分支;
确定结构单元,用于若邻接点在预设邻域内不存在邻接点,且根节点还存在其他邻接点,则继续搜索其他邻接点直至将肺动脉血管树文件搜索完成,得到中心线的拓扑结构。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的血管树自动分段装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图5所示的血管树自动分段装置。
请参阅图6,图6是本发明可选实施例提供的一种计算机设备的结构示意图,如图6所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种血管树自动分段方法,其特征在于,所述方法包括:
获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵;
利用预设体积的立方体遍历所述肺动脉血管树矩阵的边界点,当所述边界点与预设模板集中的模板匹配时,删除所述边界点,得到初始边缘文件;
根据所述初始边缘文件、预设阈值,得到肺动脉血管树的中心线;
搜索所述中心线上的点在预设方向上到所述动脉血管文件边缘的边缘像素点,计算所述边缘像素点到预设范围内所有血管壁的最短距离;
在所有的最短距离中筛选满足预设条件的像素点作为根节点;
以所述根节点为基础,遍历所述肺动脉血管树文件中的所有节点,得到所述中心线的拓扑结构;
根据所述拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球;
根据每一个最大内切球,将所述拓扑结构进行分段,得到所述中心线的多个分段结构。
2.根据权利要求1所述的方法,其特征在于,所述初始边缘文件包括多个中心点,所述根据所述初始边缘文件、预设阈值,得到所述肺动脉血管树的中心线,具体包括:
对所述初始边缘文件进行细化删除冗余点,得到细化边缘文件;
当所述细化边缘文件中每一个中心点的预设邻域内包括的点数超过预设阈值时,删除所述预设邻域内的点,得到所述肺动脉血管树的中心线。
3.根据权利要求2所述的方法,其特征在于,所述根据所述拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球,具体包括:
当存在所述拓扑结构的分支中包括的节点数量不满足预设标准时,将所述分支对应的节点合并到所述分支的上一级分支,得到优化拓扑结构;
对所述优化拓扑结构进行插值处理,得到平滑拓扑结构;
以所述平滑拓扑结构中每一个节点为球心,确定每一个节点对应的最大内切球。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
根据每一个节点对应的最大内切球,将最大内切球对应的多个分段结构进行排序,得到每一个分段结构的排列顺序;
根据所述排列顺序,对每一个分段结构分别进行赋值,得到所述中心线中每一个分段结构的名称。
5.根据权利要求4所述的方法,其特征在于,所述以所述根节点为基础,遍历所述肺动脉血管树文件中的所有节点,得到所述中心线的拓扑结构,具体包括:
若所述根节点在预设邻域内存在邻接点,则将所述邻接点加入到所述根节点的第一分支;
若所述邻接点在预设邻域内不存在邻接点,且所述根节点还存在其他邻接点,则继续搜索其他邻接点直至将所述肺动脉血管树文件搜索完成,得到所述中心线的拓扑结构。
6.一种血管树自动分段装置,其特征在于,所述装置包括:
获取文件模块,用于获取肺动脉血管树文件,提取二值化的肺动脉血管树矩阵;
删除节点模块,用于利用预设体积的立方体遍历为所述肺动脉血管树矩阵的边界点,当所述边界点与预设模板集中的模板匹配时,删除所述边界点,得到初始边缘文件;
确定中心线模块,用于根据所述初始边缘文件、预设阈值,得到肺动脉血管树的中心线;
确定距离模块,用于搜索所述中心线上的点在预设方向上到所述动脉血管文件边缘的边缘像素点,计算所述边缘像素点到预设范围内所有血管壁的最短距离;
确定根节点模块,用于在所述最短距离中筛选满足预设条件的像素点作为根节点;
确定结构模块,用于以所述根节点为基础,遍历所述肺动脉血管树文件中的所有节点,得到所述中心线的拓扑结构;
确定内切球模块,用于根据所述拓扑结构中每一个节点以及预设标准,确定每一个节点对应的最大内切球;
分段模块,用于根据每一个最大内切球,将所述拓扑结构进行分段,得到所述中心线的多个分段结构。
7.根据权利要求6所述的装置,其特征在于,所述初始边缘文件包括多个中心点,所述确定中心线模块,具体包括:
细化单元,用于对所述初始边缘文件进行细化删除冗余点,得到细化边缘文件;
确定中心新单元,用于当所述细化边缘文件中每一个中心点的预设邻域内包括的点数超过预设阈值时,删除所述预设邻域内的点,得到所述肺动脉血管树的中心线。
8.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至5中任一项所述的血管树自动分段方法。
9.一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上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至5中任一项所述的血管树自动分段方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311451593.9A CN117474938A (zh) | 2023-11-02 | 2023-11-02 | 血管树自动分段方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311451593.9A CN117474938A (zh) | 2023-11-02 | 2023-11-02 | 血管树自动分段方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117474938A true CN117474938A (zh) | 2024-01-30 |
Family
ID=89630741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311451593.9A Pending CN117474938A (zh) | 2023-11-02 | 2023-11-02 | 血管树自动分段方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474938A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425186A (zh) * | 2008-11-17 | 2009-05-06 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
CN110176004A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种肝脏分段方法和系统 |
CN112862833A (zh) * | 2020-12-31 | 2021-05-28 | 上海联影智能医疗科技有限公司 | 血管分段方法、电子装置和存储介质 |
CN112884826A (zh) * | 2021-03-26 | 2021-06-01 | 北京阅影科技有限公司 | 血管中心线的提取方法及装置 |
CN115908418A (zh) * | 2023-01-06 | 2023-04-04 | 北京理工大学 | 一种主动脉ct图像中心线确定方法、系统、设备及介质 |
WO2023125969A1 (en) * | 2021-12-31 | 2023-07-06 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for bypass vessel reconstruction |
-
2023
- 2023-11-02 CN CN202311451593.9A patent/CN117474938A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425186A (zh) * | 2008-11-17 | 2009-05-06 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
CN110176004A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种肝脏分段方法和系统 |
CN112862833A (zh) * | 2020-12-31 | 2021-05-28 | 上海联影智能医疗科技有限公司 | 血管分段方法、电子装置和存储介质 |
CN112884826A (zh) * | 2021-03-26 | 2021-06-01 | 北京阅影科技有限公司 | 血管中心线的提取方法及装置 |
WO2023125969A1 (en) * | 2021-12-31 | 2023-07-06 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for bypass vessel reconstruction |
CN115908418A (zh) * | 2023-01-06 | 2023-04-04 | 北京理工大学 | 一种主动脉ct图像中心线确定方法、系统、设备及介质 |
Non-Patent Citations (1)
Title |
---|
揭海军: "冠状动脉病变评分系统设计与实现", 《中国优秀硕士学位论文全文数据库》, 15 February 2016 (2016-02-15), pages 50 - 51 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2012071688A1 (zh) | 基干感知信息的三维模型形狀分析方法 | |
WO2022199403A1 (zh) | 血管中心线的提取方法及装置 | |
CN112016551B (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
EP3432797B1 (en) | Systems and methods for characterizing a central axis of a bone from a 3d anatomical image | |
US11219424B2 (en) | Systems and methods for characterizing a central axis of a bone from a 3D anatomical image | |
WO2022148415A1 (zh) | 冠脉血管分割方法、装置、设备及计算机可读存储介质 | |
WO2014143891A1 (en) | Automated separation of binary overlapping trees | |
CN109712695B (zh) | 血管图像的处理方法及交互显示方法、计算机装置 | |
JP4248399B2 (ja) | 自動枝ラベリング方法 | |
CN110211200B (zh) | 一种基于神经网络技术的牙弓线生成方法及其系统 | |
CN117373070B (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
CN116681671A (zh) | 动脉瘤病灶检测神经网络的知识融合方法及装置 | |
CN117474938A (zh) | 血管树自动分段方法、装置、计算机设备及存储介质 | |
CN115908418A (zh) | 一种主动脉ct图像中心线确定方法、系统、设备及介质 | |
CN111354008A (zh) | 基于局部特征的肝静脉门静脉分离方法及装置 | |
CN114299057A (zh) | 血管中心线的提取方法和存储介质 | |
CN113633375A (zh) | 一种虚拟支气管镜的构建方法 | |
CN117558039B (zh) | 动脉血管自动命名模型构建以及命名方法及装置 | |
CN114998096B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN116863084A (zh) | 基于断线图纸的建模生成方法、装置、计算机设备 | |
CN112634297B (zh) | 高精地图制作方法、装置、电子设备和存储介质 | |
EP1538547B1 (en) | Method and device for extracting skeletal data from image data | |
CN113516677B (zh) | 一种结构化分级管状结构血管的方法、装置及电子设备 | |
Cooper et al. | Automatic augmentation and meshing of sparse 3D scene structure | |
CN118111357A (zh) | 线缆折弯半径测量方法、装置、电子设备和存储介质 |
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 |