本发明专利技术公开了一种基于CTA影像的颅内血管中心路径提取方法及其装置，该方法包括：根据根结点预测模型和待处理的CTA影像，确定颅内血管树的根结点；其中，颅内血管树的根结点包括左右侧颈内动脉的起点和左右侧椎动脉的起点；根据追踪起点预测模型和待处理的CTA影像，确定颅内血管中心路径的追踪起点；其中，追踪起点包括颅内血管树的多个中心点；遍历追踪起点，对应每个根结点，分别提取左右侧颈内动脉的颅内血管树和/或左右侧椎动脉的颅内血管树。通过颅内血管树根结点和血管中心路径追踪起点的确定、血管中心路径追踪策略的制定以及血管中心路径追踪结束的判定，可实现高效和准确提取颅内血管中心路径，可避免人工参与较多的情况。的情况。的情况。
【技术实现步骤摘要】
基于CTA影像的颅内血管中心路径提取方法及其装置
[0001]本专利技术涉及医学影像处理的
，特别涉及一种基于CTA影像的颅内血管中心路径提取方法及其装置。
技术介绍
[0002]颅内血管疾病是由于颅内血管中血液循环障碍导致脑组织损害的一类疾病，具有高致残率和死亡率，早期筛查和预后康复至关重要。计算机断层扫描血管造影成像（Computed Tomography Angiography，CTA），作为颅内血管疾病的常用检查技术，其成像速度快、分辨率较高，然而传统的人工阅片效率低下，在多数情况下，医生只能从多幅二维图像“构思”病灶与其周围组织的空间几何关系，随着CTA检查数量的增加，不仅加重医生的工作负担，也降低了临床诊断效率。通过血管的三维重建，能够显示大脑各大动脉细节，辅助医生早期发现患者颅内血管的隐藏病变。因此，基于CTA影像的颅内血管自动三维重建具有重要的临床价值。
[0003]目前基于CTA影像的颅内血管分割仍然具有很大的挑战，由于颅内血管的构造曲折且分支众多，很难准确区分血管和伪影，分割的血管易出现中断的情况，而且也很容易受到其他组织的影响，比如颅骨边缘的血管的CT值与颅骨CT值高度相似，导致血管外组织粘连。
[0004]颅内血管总体上呈树状结构，基于中心路径提取的算法可将提取的所有中心路径连接起来组成血管树，用于颅内血管的三维重建中。现有技术依赖于研究人员的专业知识和长期经验选取或构建可能有用的特征，而且需要人工确定追踪起点，人工参与较多可能造成工作效率低和影响提取的中心路径的准确性。
技术实现思路
[0005]（一）专利技术目的本专利技术的目的是提供一种基于CTA影像的颅内血管中心路径提取方法及其装置，可实现高效和准确提取颅内血管中心路径，可避免人工参与较多的情况。
[0006]（二）技术方案本专利技术的第一方面提供了一种基于CTA影像的颅内血管中心路径提取方法，包括：根据根结点预测模型和待处理的CTA影像，确定颅内血管树的根结点；其中，颅内血管树的根结点包括左右侧颈内动脉的起点和左右侧椎动脉的起点；根据追踪起点预测模型和待处理的CTA影像，确定颅内血管中心路径的追踪起点；其中，追踪起点包括颅内血管树的多个中心点；遍历追踪起点，对应每个根结点，分别提取左右侧颈内动脉的颅内血管树和/或左右侧椎动脉的颅内血管树。
[0007]进一步地，所述根据根结点预测模型和待处理的CTA影像，确定颅内血管树的根结点，包括：根结点预测模型学习训练样本中所有点与根结点的接近度特征，得到训练好的根结点预测模型；根据训练好的根结点预测模型和待处理的CTA影像，得到待处理的CTA影像
中所有点的接近度值；对待处理的CTA影像中所有点的接近度值进行排序，根据设定的第一候选数量，选取候选的根结点；顺序遍历候选的根结点，筛选出满足预设条件的根结点。
[0008]进一步地，所述顺序遍历候选的根结点，筛选出满足预设条件的根结点，包括：将候选的根结点中具有最大接近度值的点作为第一个根结点；根据第一个根结点识别另一侧的第二个根结点；其中，第二个根结点与第一个根结点相距预设的第一距离； 根据第一个根结点和第二个根结点识别第三个根结点和第四个根结点；其中，第三个根结点和第四个根结点均与第一个根结点和第二个根结点中的一个根结点相距预设的第一距离，均与第一个根结点和第二个根结点中的另一个根结点相距预设的第二距离；第三个根结点和第四个根结点相距预设的第一距离；根据第一个根结点、第二个根结点、第三个根结点和第四个根结点的坐标计算每个根结点的坐标和，按照坐标和的大小进行排序，以确定每个根结点对应为左侧颈内动脉的起点、右侧颈内动脉的起点、左侧椎动脉的起点或右侧椎动脉的起点。
[0009]进一步地，所述根据追踪起点预测模型和待处理的CTA影像，确定颅内血管中心路径的追踪起点，包括：追踪起点预测模型学习训练样本中所有点与中心路径的各个点的接近度特征，得到训练好的追踪起点预测模型；根据训练好的追踪起点预测模型和待处理的CTA影像，得到待处理的CTA影像中所有点的接近度值；对待处理的CTA影像中所有点的接近度值进行排序，根据设定的第二候选数量，选取候选的追踪起点；根据候选的追踪起点，筛选出多个追踪起点。
[0010]进一步地，所述遍历追踪起点，对应每个根结点，分别提取左右侧颈内动脉的颅内血管树和/或左右侧椎动脉的颅内血管树，包括：根据中心路径追踪模型学习训练样本中中心路径各个中心点的血管半径信息及每个当前中心点到下一个中心点的方向信息，以确定对每个追踪起点的血管分支所执行的追踪策略。
[0011]进一步地，所述确定对每个追踪起点的血管分支所执行的追踪策略，包括：如果当前追踪起点的血管分支未有所属的所述颅内血管树，且当前追踪起点的血管分支处于正向追踪，在当前追踪起点的血管分支接近已提取的所述颅内血管树时，则确定接近的所述颅内血管树为目标颅内血管树；或者，如果当前追踪起点的血管分支未有所属的所述颅内血管树，且当前追踪起点的血管分支处于反向追踪，在当前追踪起点的血管分支接近已提取的所述血管树时，则确定接近的所述颅内血管树为目标颅内血管树；更新并存储所述目标颅内血管树所属的根结点坐标，及判断对当前追踪起点的血管分支的追踪结束。
[0012]进一步地，所述确定对每个追踪起点的血管分支所执行的追踪策略，还包括：如果当前追踪起点的血管分支有所属的所述颅内血管树，在当前追踪起点的血管分支接近已提取的所述血管树时，则判断接近的所述颅内血管树与所属的所述颅内血管树是否为同一个所属的根结点；如果是同一个所属的根结点，则判断当前追踪起点的血管分支为自相交，舍弃对当前追踪起点的血管分支的追踪；如果不是同一个所属的根结点，则继续追踪，直至判断对当前追踪起点的血管分支的追踪结束；其中，完成对当前追踪起点的血管分支的追踪不受当前接近的已提取的所述颅内血管树的影响。
[0013]进一步地，基于CTA影像的颅内血管中心路径提取方法还包括：对不同的所述颅内血管树之间有重叠血管段提取的中心路径不重合，制定对重叠血管段的处理策略；其中，制定对重叠血管段的处理策略，包括：遍历每个根结点的所述颅内血管树，及遍历所述颅内血管树的每条血管分支；将第一个根结点的所述颅内血管树的所有血管分支直接存入；对于
第二/三/四个根结点的所述颅内血管树，遍历其每条血管分支，筛选出与存入的所述颅内血管树坐标小于预设距离的第一中心点，将第一中心点标记舍弃起始索引；筛选出与存入的所述颅内血管树坐标大于所述预设距离的第二中心点，将第二中心点标记舍弃末尾索引；第一中心点和第二中心点之间的已标记舍弃点的数量小于设定的阈值；或者，第二中心点背离第一中心点方向之后的剩余中心点小于设定的阈值；则存入第一中心点背离第二中心点方向之前的中心点；第一中心点和第二中心点之间的已标记舍弃点的数量大于设定的阈值；且第二中心点背离第一中心点方向之后的剩余中心点大于设定的阈值；则存入第一中心点背离第二中心点方向之前的中心点，及存入第二中心点背离第一中心点方向之后的中心点。
[0014]进一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CTA影像的颅内血管中心路径提取方法，其特征在于，包括：根据根结点预测模型和待处理的CTA影像，确定颅内血管树的根结点；其中，颅内血管树的根结点包括左右侧颈内动脉的起点和左右侧椎动脉的起点；根据追踪起点预测模型和待处理的CTA影像，确定颅内血管中心路径的追踪起点；其中，追踪起点包括颅内血管树的多个中心点；遍历追踪起点，对应每个根结点，分别提取左右侧颈内动脉的颅内血管树和/或左右侧椎动脉的颅内血管树。2.根据权利要求1所述的方法，其特征在于，所述根据根结点预测模型和待处理的CTA影像，确定颅内血管树的根结点，包括：根结点预测模型学习训练样本中所有点与根结点的接近度特征，得到训练好的根结点预测模型；根据训练好的根结点预测模型和待处理的CTA影像，得到待处理的CTA影像中所有点的接近度值；对待处理的CTA影像中所有点的接近度值进行排序，根据设定的第一候选数量，选取候选的根结点；顺序遍历候选的根结点，筛选出满足预设条件的根结点。3.根据权利要求2所述的方法，其特征在于，所述顺序遍历候选的根结点，筛选出满足预设条件的根结点，包括：将候选的根结点中具有最大接近度值的点作为第一个根结点；根据第一个根结点识别另一侧的第二个根结点；其中，第二个根结点与第一个根结点相距预设的第一距离；根据第一个根结点和第二个根结点识别第三个根结点和第四个根结点；其中，第三个根结点和第四个根结点均与第一个根结点和第二个根结点中的一个根结点相距预设的第一距离，均与第一个根结点和第二个根结点中的另一个根结点相距预设的第二距离；第三个根结点和第四个根结点相距预设的第一距离；根据第一个根结点、第二个根结点、第三个根结点和第四个根结点的坐标计算每个根结点的坐标和，按照坐标和的大小进行排序，以确定每个根结点对应为左侧颈内动脉的起点、右侧颈内动脉的起点、左侧椎动脉的起点或右侧椎动脉的起点。4.根据权利要求1所述的方法，其特征在于，所述根据追踪起点预测模型和待处理的CTA影像，确定颅内血管中心路径的追踪起点，包括：追踪起点预测模型学习训练样本中所有点与中心路径的各个点的接近度特征，得到训练好的追踪起点预测模型；根据训练好的追踪起点预测模型和待处理的CTA影像，得到待处理的CTA影像中所有点的接近度值；对待处理的CTA影像中所有点的接近度值进行排序，根据设定的第二候选数量，选取候选的追踪起点；根据候选的追踪起点，筛选出多个追踪起点。5.根据权利要求1所述的方法，其特征在于，所述遍历追踪起点，对应每个根结点，分别提取左右侧颈内动脉的颅内血管树和/或左右侧椎动脉的颅内血管树，包括：
根据中心路径追踪模型学习训练样本中中心路径各个中心点的血管半径信息及每个当前中心点到下一个中心点的方向信息，以确定对每个追踪起点的血管分支所执行的追踪策略。6.根据权利要求5所述的方法，其特征在于，所述确定对每个追踪起点的血管分支所执行的追踪策略，包括：如果当前追踪起点的血管分支未有所属的所述颅内血管树，且当前追踪起点的血管分支处于正向追踪，在当前追踪起点的血管分支接近已提取的所...
【专利技术属性】
技术研发人员：宋湘芬，鲁伟，冷晓畅，向建平，
申请(专利权)人：杭州脉流科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。