一种基于中心线提取的血管壁影像自动曲面重建方法技术

本申请涉及一种基于中心线提取的血管壁影像自动曲面重建方法，其包括以下步骤：利用血管中心线提取方法获取血管中心线的各点坐标并拟合；基于拟合结果计算经过各血管中心点的法平面，并基于各法平面分别建立空间坐标系，其中z轴为与法平面的法线方向；基于法平面对血管壁影像进行采样以获得切片；基于血管中心线各点的顺序将各切片沿z轴叠加，得到曲面重建的结果。本申请具有血管壁重建效果好，经过曲面重建可以将血管拉直以反映血管整体特征的优点。征的优点。征的优点。

【技术实现步骤摘要】
一种基于中心线提取的血管壁影像自动曲面重建方法


[0001]本申请涉及图形重建的领域，尤其是涉及一种基于中心线提取的血管壁影像自动曲面重建方法。

技术介绍

[0002]脑卒中是我国死亡率和致残率最高的疾病，已成为我国医疗支出和社会家庭的严重负担。脑卒中包括出血性脑卒中和缺血性脑卒中两种，我国脑卒中以缺血性脑卒中为主，占全部脑卒中病例的79%，而且有增加趋势。研究表明，动脉粥样硬化斑块破裂引发血栓形成是缺血性脑卒中的主要发病机制，其中罪犯斑块48%来源于颅内动脉，30%来源于颈动脉，其余22%主要来源于心脏和胸主动脉。因此，及时发现脑卒中相关血管床，包括颅内动脉、颈动脉和胸主动脉的易损斑块或其他管壁病变是缺血性脑卒中早期预防和精准治疗的关键。
[0003]为了进行脑卒中相关血管床的自动化分析任务，需要对相关血管壁进行三维重建。由于动脉形态弯曲，尤其是颅内动脉的走行反复卷绕，不能在同一个平面内显示血管壁的全程。因此，一个好的方法是从MR影像中提取血管中心线坐标，利用该中心线为地图，对存在血管的横断面影像的进行位置标识，并获取一系列血管位于中心的连续切片，用于血管壁的分割等任务。
[0004]在相关技术中，通常采用亮血MR影像来对血管中心线进行提取以用于血管重建。亮血MR影像包括3D
‑
TOF MRA，使血流呈明亮高信号，主要用于筛查颅内血管狭窄。由于亮血MR影像中过高的血流信号使血管外壁与其他组织难以区分，通常还要利用提取的血管中心线对相应的黑血MR影像的血管壁进行重建。黑血MR影像指利用血液流动和血管壁静止的特性，抑制流动血液信号，使血流呈低信号，管壁及斑块呈较高信号，增强血管内壁的对比度，所得到的MR影像。但由于黑血MR影像中血流信号被抑制，因此不容易直接提取血管中心线。
[0005]专利技术人认为，由于单个磁共振序列的成像时间通常在几分钟左右，并且可以达到分子级的分辨率，因此容易受到多方面的影响产生误差，比如血管搏动、肌肉运动、人体运动、血液流量突变等，并且在单次成像中都会经常引起影像伪影的产生。而上述的黑血MR和亮血MR是两次独立进行成像的，通过上述技术取得的血管中心线在应用到黑血影像时很容易出现不能配准的问题，尤其在颅内动脉，特别是颅内穿支动脉上尤其严重。

技术实现思路

[0006]为了提高血管壁重建效果，本申请提供一种基于中心线提取的血管壁影像自动曲面重建方法。
[0007]第一方面，本申请提供的一种用于黑血MR影像血管壁三维重建的血管中心线提取方法，采用如下的技术方案：一种用于黑血MR影像血管壁三维重建的血管中心线提取方法，包括以下步骤：获取待检测影像；其中，所述的待检测影像为黑血MR影像；基于第一目标检测模型从将待检测影像中获取第一血管特征，其中，所述第一目
标检测模型被训练用于从二维影像中提取特征，第一血管特征用于粗略对应于血管中心线在待检测影像上的位置；叠加第一血管特征至待检测影像并形成两个通道数据；将叠加有第一血管特征的待检测影像送入三维影像分割模型，以获得第二血管特征，其中，所述三维影像分割模型用于基于三维卷积核提取三维特征信息，第二血管特征用于精细对应于血管中心线在待检测影像上的三维空间位置；基于第二目标检测模型和第二血管特征获得血管中心线坐标。
[0008]通过采用上述技术方案，黑血MR影像为三维影像，相当于由连续多张二维影像组成。目标检测模型将待检测影像抽样成多张二维影像并分别进行处理，通过目标检测模型从待检测影像中进行去除背景以初步获取血管区域，并基于血管区域计算出血管中心线并作为第一血管特征。由于目标检测模型只能提取二维影像的特征，检测的结果显示有许多不连续的血管和孤立的数据。因此，这一步取得了一个相对粗略的血管中心线。另外，由于目标检测模型只能提取二维影像的特征，产生的中间参数少，具有运算成本低和处理速度快的优点。
[0009]再将第一血管特征至待检测影像并形成两个通道数据，以便于三维影像分割模型进行特征识别以提取出第二血管特征。由于经过目标检测模型的处理，相当于提供先验条件，三维影像分割模型使用的是三维卷积，可以有效地利用三维特征，保证血管预测结果的连续性。但三维卷积需要的算力较高，因此用来优化目标检测模型输出的粗分割结果。
[0010]最后，由于三维影像分割模型输出的血管壁轮廓已经足够精细了，但无法为制作血管切片提供足够的信息（不包含坐标）。因此需要再接一个目标检测模型输出血管切片的坐标。
[0011]综上，通过三个模型对黑血MR影像进行连续处理，从而精确地获取血管中心线在空间上的连续坐标，以用于后期利用黑血MR影像进行血管壁影像重建，不需要进行不同序列MR影像的配准，避免了因此带来的误差；同时，可以提升后续血管壁三维重建工作的性能。
[0012]可选的，所述第一血管特征为六个维度[N, X, Y, W, H, C]确定的N个矩形框，其中，N为待检测影像中出现的第N个目标，X为预测出的目标中心的x轴坐标，Y为预测出的目标中心的y轴坐标，W为预测出的目标的宽度，H为预测出的目标的高度，C为识别到的目标的类别。
[0013]可选的，所述目标检测模型为Yolo模型、SSD模型、Mask
‑
R
‑
CNN模型或Fast
‑
R
‑
CNN模型。
[0014]通过采用上述技术方案，Yolo模型、SSD模型、Mask
‑
R
‑
CNN模型或Fast
‑
R
‑
CNN模型均是用于2D影像的目标检测模型，用于目标识别，它们的特点是较低的运算成本和较快的处理速度。
[0015]可选的，所述三维影像分割模型为V
‑
net模型。
[0016]通过采用上述技术方案，V
‑
net模型使用的是三维卷积，可以有效地利用三维特征，保证血管预测结果的连续性。但三维卷积需要的算力较高，因此用来优化Yolo输出的粗分割结果。
[0017]第二方面，本申请提供的一种基于中心线提取的血管壁影像自动曲面重建方法，
采用如下的技术方案：一种基于中心线提取的血管壁影像自动曲面重建方法，包括以下步骤：基于上述的血管中心线提取方法获取血管中心点的坐标并拟合；基于拟合结果计算经过各血管中心点的法平面，并基于各法平面分别建立空间坐标系，其中z轴为与法平面的法线方向；基于法平面对血管壁影像进行采样以获得切片；基于血管中心线各点的顺序将各切片沿z轴叠加，得到曲面重建的结果。
[0018]通过采用上述技术方案，由深度学习模型输出的血管中心线是由一系列（三维的）点组成的，因此需要对其进行拟合为直线以用于表征血管的走向。由于血管得走势迂回，在单个切面上难以显示其全貌，甚至会产生多个端面，经过曲面重建可以将血管拉直，可以反映血管整体的特征。因此，利用血管中心点和血管中心线获取法平面上的切片，再将切片沿z轴叠加，即完成曲面重建和将血管拉直的目的。...

【技术保护点】

【技术特征摘要】
1.一种用于黑血MR影像血管壁三维重建的血管中心线提取方法，其特征在于，包括以下步骤：获取待检测影像；其中，所述的待检测影像为黑血MR影像；基于第一目标检测模型从将待检测影像中获取第一血管特征，其中，所述第一目标检测模型被训练用于从二维影像中提取特征，第一血管特征用于粗略对应于血管中心线在待检测影像上的位置；叠加第一血管特征至待检测影像并形成两个通道数据；将叠加有第一血管特征的待检测影像送入三维影像分割模型，以获得第二血管特征，其中，所述三维影像分割模型用于基于三维卷积核提取三维特征信息，第二血管特征用于精细对应于血管中心线在待检测影像上的三维空间位置；基于第二目标检测模型和第二血管特征获得血管中心线坐标。2.根据权利要求1所述的血管中心线提取方法，其特征在于，所述第一血管特征为六个维度[N, X, Y, W, H, C]确定的N个矩形框，其中，N为待检测影像中出现的第N个目标，X为预测出的目标中心的x轴坐标，Y为预测出的目标中心的y轴坐标，W为预测出的目标的宽度，H为预测出的目标的高度，C为识别到的目标的类别。3.根据权利要求1所述的血管中心线提取方法，其特征在于，所述第一目标检测模型和第二目标检测模型为Yolo模型、SSD模型、Mask
‑
R
‑
CNN模型或Fast
‑
R
‑
CNN模型；和/或，所述三维影像分割模型为V
‑
net模型。4.一种基于中心线提取的血管壁影像自动曲面重建方法，其特征在于，包括以下步骤：基于如权利要求1
‑
3任意一项所述的血管中心线提取方法获取血管中心点的坐标并拟合；基于拟合结果计算经过各血管中心点的法平面，并基于各法平面分别建立空间坐标系，其中z轴为与法平面的法线方向；基于法平面对血管壁影像进行采样以获得切片；基于血管中心线各点的顺序将各切片沿z轴叠加，得到曲面重建的结果。5.根据权利要求4所述的血管壁影像自动曲面重建方法，其特征在于，所述的拟合血管中心线的各点坐标的方法为B样条拟合。6.根据...

【专利技术属性】
技术研发人员：刘新，郑海荣，张娜，申帅，梁栋，胡战利，李烨，邹超，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：