血管造影术中的血管种子点选取方法及血管提取方法技术

本发明专利技术公开了一种血管造影术中的血管种子点选取方法、血管提取方法，包括如下步骤：提供人体部位的断层扫描图像，获取若干候选血管；根据所述候选血管的中心点,构建所述候选血管的识别函数；计算所述识别函数的值，根据所述识别函数的值选取一个或多个血管种子点。本发明专利技术提供的血管造影术中的血管种子点选取方法，不需要标准模型并能自动选取血管种子点，具有识别可靠性高，识别快速的特点；最后结合快速的血管分割技术，能够快速提取血管。

【技术实现步骤摘要】

本专利技术涉及一种医学断层扫描图像的处理方法，尤其涉及一种血管造影术中的血管种子点选取方法及血管提取方法。
技术介绍
在血管造影术（Computed Tomography Angiography，简称CTA）中，需要将血管与其他组织分割开，以便于对血管的进一步观察和分析。现有CTA中血管提取的技术主要分为基于标准血管模型的方法和不基于标准血管模型的方法两大类。美国专利文献1：Jean-Michel Rouet,Franck Laffargue and Maxim Fradkin,Imageprocessing system for automatic segmentation of a 3-D tree-like tubular surface of anobject,using 3-D deformable mesh models.US Patent,2008,US 2008/0094389A1提供的可变网格的模型方法，需要先提供一个标准血管模型，然后计算血管的中心线，然后根据此中心线，用单纯网格拟合实际图像中的血管结构，将血管分割出来。此方法虽然可以将血管准确分割出来，但由于网格计算非常复杂，导致分割速度很慢，阻碍了实际应用的推广。文献2：Nicolas Passat,Christian Ronse,Joseph Baruthio,et al.,Region-growingsegmentation of brain vessels:An atlas-based automatic approach.Journal of MagneticResonance Imaging,2005,21,pp:715-725提供了另一种类似的配准的方法，将待处理的图像与已经标记好血管的标准图像配准，将标准图像上血管的位置映射到待处理图像上，以此为起始点进行血管分割。但是不同个体的三维图像的配准仍然存在速度慢且配准无法完全匹配等缺点。不基于标准血管模型的分割方法的一般步骤，需要先提供一个或多个起始点或同时提供起始点和终止点，然后采用不同方法由起始点开始寻找血管，如卡尔曼滤波的方法，参见文献3：Charles Florin,James P.Willianms,Nikolaos Paragios,Systemand method for Kalman filtering in vascular segmentation.US Patent,2009,US 7,602,970B2，在每个横截面上分割血管得到血管截面，然后不断移动截面并计算卡尔曼增益，最终将整个血管分割出来。还有的在给定起始点之后，先找到血管中心线，然后根据中心线把图像看做一个图，采用min-cuts算法将血管提取出来，如文献4：EnginDikici,Thomas P.O’Donnell,Randolph M.Setser,et al.,System and method for 3Dvessel segmentation with minimal cuts.US Patent,2012,8,126,232。由上可知，不基于标准血管模型的分割方法的共同缺点是需要人工选取种子点，无法实现全自动的血管分割。
技术实现思路
本专利技术所要解决的技术问题是提供一种血管造影术中的血管种子点选取方法及血管提取方法，在不需要模型的情况下自动选取血管种子点，然后快速提取血管。本专利技术为解决上述技术问题而采用的技术方案是提供一种血管造影术中的血管种子点选取方法，包括如下步骤：提供人体部位的断层扫描图像，获取若干候选血管；根据所述每个候选血管的中心点,构建血管识别函数；计算所述识别函数的值，根据所述识别函数的值选取一个或多个血管种子点。进一步地，所述识别函数包括以候选血管中心点为圆心的、不同半径的同心圆的识别函数，其中所述识别函数与圆内的平均图像增强值及圆内外灰度均值差正相关、与圆内外灰度标准差负相关。进一步地，若所述血管种子点数量大于1，即对应多条血管，则还包括将所述断层扫描图像划分为若干区域，在获取所述识别值后，分别在划分后对应的区域内识别对应的血管种子点。进一步地，若所述血管种子点数量为1,则选取所述识别函数最大的值为血管种子点;若所述血管种子点数量大于1,则选取所述划分后各个对应的区域内的识别函数最大的值为对应的血管种子点。进一步地，获取若干候选血管前还包括：对所述断层扫描图像进行血管增强。进一步地，所述血管增强方法为采用基于Hessian阵特征值的点区域的增强方法，或者采用霍夫变换的增强方法。进一步地，所述获取若干候选血管包括：根据预设阈值及预设像素值的范围，获取所述断层扫描图像的增强值大于预设阈值的连通区域，且若所述连通区域内包含的断层扫描图像像素值位于所述预设像素值的范围，则对应的连通区域为候选血管。进一步地，所述血管识别函数的构建至少包括如下步骤：1）以候选血管的中心点i为圆心，构造半径大小不同的同心圆，圆内部像素点的集合记为圆外部环形区域内的像素点集合记为计算圆内部的图像灰度均值圆外部环形区域内的图像灰度均值所述圆外部环形区域为对应的同心圆向外扩张L个像素形成，所述L的取值范围为2~5；2）对于每一半径的同心圆，获取下列参数：第一参数，圆内的平均图像增强值，即以点i为中心的圆的内部平均增强值mean（Ei）；第二参数，圆内与圆外灰度均值差，即圆内部的图像灰度均值与圆外部环形区域内的均值的差值第三参数，圆内与圆外灰度均值差，即圆内部区域和圆外部环形区域的总体标准差Stdi，所述总体标准差Stdi计算如下：Stdi=1M+NΣm∈Iini(Im-mean(Iini))2+Σn∈Iouti(In-mean(Iouti))2]]>其中，M和N分别为圆内部区域点和圆外环形区域点的个数。3）构造包含第一参数、第二参数及第三参数的血管识别函数，所述第一参数、第二参数分别和血管识别函数正相关，所述第三参数与血管识别函数负相关。进一步地，当图像增强为采用霍夫变换进行增强，则所述圆内的平均图像增强值为霍夫变换值，包括：选取霍夫变换数值最大的一个或多个点作为候选血管的中心点，将对应候选血管中心点的霍夫变换值作为圆内的平均图像增强值。进一步地，所述血管识别函数为：Vi=(1-e-mean(Ei)/a)·(1-e-(mean(Iini)-mean(Iouti))/b)·e-Stdi/c]]>或Vi=本文档来自技高网...

【技术保护点】
一种血管造影术中的血管种子点选取方法，其特征在于，包括如下步骤：提供人体部位的断层扫描图像，获取若干候选血管；根据所述候选血管的中心点,构建所述候选血管的识别函数；计算所述识别函数的值，根据所述识别函数的值选取一个或多个血管种子点。

【技术特征摘要】
1.一种血管造影术中的血管种子点选取方法，其特征在于，包括如下步骤：
提供人体部位的断层扫描图像，获取若干候选血管；
根据所述候选血管的中心点,构建所述候选血管的识别函数；
计算所述识别函数的值，根据所述识别函数的值选取一个或多个血管种子点。
2.如权利要求1所述血管造影术中的血管种子点选取方法，其特征在于，所
述识别函数包括以所述候选血管的中心点为圆心的、不同半径的同心圆的识别函数，
其中所述识别函数与圆内的平均图像增强值及圆内外灰度均值差正相关、与圆内外
灰度标准差负相关。
3.如权利要求1所述的血管造影术中的血管种子点选取方法，其特征在于，
若所述血管种子点数量大于1，即对应多条血管，则还包括将所述断层扫描图像划分
为若干区域，在获取所述识别值后，分别在划分后对应的区域内识别对应的血管种
子点。
4.如权利要求3所述血管造影术中的血管种子点选取方法，其特征在于，若
若所述血管种子点数量为1,则选取所述识别函数最大的值为血管种子点;若所述血
管种子点数量大于1,则选取所述划分后各个对应的区域内的识别函数最大的值为对
应的血管种子点。
5.如权利要求1所述血管造影术中的血管种子点选取方法，其特征在于，获
取若干候选血管前还包括：对所述断层扫描图像进行血管增强。
6.如权利要求5所述血管造影术中的血管种子点选取方法，其特征在于，所
述血管增强方法为采用基于Hessian阵特征值的点区域的增强方法，或者采用霍夫
变换的增强方法。
7.如权利要求5所述血管造影术中的血管种子点选取方法，其特征在于，所
述获取若干候选血管包括：
根据预设阈值及预设像素值的范围，获取所述断层扫描图像的增强值大于预设
阈值的连通区域，且若所述连通区域内包含的断层扫描图像像素值位于所述预设像
素值的范围，则对应的连通区域为候选血管。
8.如权利要求1所述血管造影术中的血管种子点选取方法，其特征在于，所
述血管识别函数的构建至少包括如下步骤：
1）以候选血管的中心点i为圆心，构造半径大小不同的同心圆，圆内部像素

\t点的集合记为圆外部环形区域内的像素点集合记为计算圆内部的图像灰度
均值圆外部环形区域内的图像灰度均值所述圆外部环形区域为
对应的同心圆向外扩张L个像素形成，所述L的取值范围为2~5；
2）对于每一半径的同心圆，获取下列参数：
第一参数，圆内的平均图像增强值，即以点i为中心的圆的内部平均增强值
mean（Ei）；
第二参数，圆内与圆外灰度均值差，即圆内部的图像灰度均值与圆外
部环形区域内的均值的差值第三参数，圆内与圆外灰度均值差，即圆内部区域和圆外部环形区域的总体标
准差Stdi，所述总体标准差Stdi计算如下：
Stdi=1M+NΣm&Eleme...

【专利技术属性】
技术研发人员：王晓东，李程，毛玉妃，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：