CN115731232A - 血管图像处理方法、装置、可读存储介质及电子设备 - Google Patents
血管图像处理方法、装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN115731232A CN115731232A CN202211567348.XA CN202211567348A CN115731232A CN 115731232 A CN115731232 A CN 115731232A CN 202211567348 A CN202211567348 A CN 202211567348A CN 115731232 A CN115731232 A CN 115731232A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- dimensional
- image
- point
- aorta
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开涉及一种血管图像处理方法、装置、可读存储介质及电子设备,该方法包括:获取血管的CTA图像;根据CTA图像得到血管的三维分割结果;根据三维分割结果提取血管的中心线;生成中心线上每个点基于旋转最小化标架(Rotation Minimizing Frame,RMF)的局部坐标系;根据局部坐标系,得到血管对应的三维血管拉直图像。依据RMF的局部坐标系生成的三维血管拉直图像,能够清晰、直观地呈现血管形态,血管的动脉主干、分支以及周围组织,可以绕三维血管拉直图像的中轴线旋转不同角度,得到对应角度的二维拉直图像,从而实现对血管360度全方位的定性和定量分析,便于医生更加快速、准确地发现病变位置。
Description
技术领域
本公开涉及图像处理领域,具体地,涉及一种血管图像处理方法、装置、可读存储介质及电子设备。
背景技术
主动脉夹层瘤和腹主动脉瘤严重威胁着人类健康,CT血管造影图像(ComputedTomography Angiography,CTA)成像设备已经成为该疾病的重要诊断工具。针对主动脉的可视化问题,血管曲面重建(CPR)技术在图像后处理中十分常用,亟需一种血管图像处理方法,以直观地呈现血管形态。
发明内容
本公开的目的是提供一种血管图像处理方法、装置、电子设备及可读存储介质。
根据本公开实施例的第一方面,提供一种血管图像处理方法,包括:获取血管的CTA图像;根据所述CTA图像得到所述血管的三维分割结果;根据所述三维分割结果提取所述血管的中心线;生成所述中心线上每个点基于旋转最小化标架的局部坐标系;根据所述局部坐标系,得到所述血管对应的三维血管拉直图像。
可选地,所述根据所述CTA图像得到所述血管的三维分割结果,包括:通过卷积神经网络从所述CTA图像中获取所述血管的掩膜图像;叠加所述掩膜图像得到所述血管的三维分割结果。
可选地,所述血管为主动脉,所述主动脉包括升主动脉和降主动脉,所述根据所述三维分割结果提取所述血管的中心线,包括:利用细化算法得到所述主动脉的骨架线;获取所述骨架线上的多个端点,并生成端点序列;根据所述端点序列获取所述升主动脉的起始点和所述降主动脉的终止点;基于所述起始点通过最短路径的方法提取所述主动脉的初始中心线;对所述初始中心线采集控制点和样条插值后,进行平滑处理,得到所述中心线。
可选地,所述获取所述骨架线上的多个端点,并生成端点序列,包括:基于所述骨架线上的每个点的邻域点数量,将所述每个点分为所述端点、普通连接点或分叉点;将所述骨架线上的多个所述端点按照指定方向上的位置进行排序,得到端点序列。
可选地,所述根据所述端点序列获取所述升主动脉的起始点和所述降主动脉的终止点,包括:将所述端点序列中有两个连通区域的最上面的端点作为所述升主动脉的起始点;将所述端点序列中位于所述降主动脉的最下面的端点作为终止点。
可选地,所述基于所述起始点通过最短路径的方法提取所述主动脉的初始中心线,包括:从所述起始点开始依次遍历所述端点序列中的端点;在当前端点为所述终止点的情况下,停止遍历;在当前端点为分叉点的情况下,删除所述分叉点后,继续遍历所述端点序列中的端点,直到遍历到所述终止点;根据遍历到的所述端点提取所述主动脉的初始中心线。
可选地,所述根据所述局部坐标系,得到所述血管对应的三维血管拉直图像,包括:获取用户指定的输出图像的长度和宽度;根据所述局部坐标系,得到所述血管的每一层二维切面的像素值;按照所述中心线各点的顺序叠加各层所述二维切面,得到所述三维血管拉直图像。
可选地,所述根据所述局部坐标系,得到所述血管对应的三维血管拉直图像之后,包括:绕所述三维血管拉直图像的中轴线旋转不同角度,得到所述血管的不同角度的二维拉直图像。
根据本公开实施例的第二方面,提供一种血管图像处理装置,包括:获取模块,用于获取血管的CTA图像;分割模块,用于根据所述CTA图像得到所述血管的三维分割结果;处理模块,用于根据所述三维分割结果提取所述血管的中心线;生成模块,用于生成所述中心线上每个点基于旋转最小化标架的局部坐标系;所述处理模块,还用于根据所述局部坐标系,得到所述血管对应的三维血管拉直图像。
根据本公开实施例的第三方面,提供一种非临时性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前述的血管图像处理方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现前述的血管图像处理方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开能够获取血管的CTA图像;根据CTA图像得到血管的三维分割结果;根据三维分割结果提取血管的中心线;生成中心线上每个点基于旋转最小化标架(Rotation Minimizing Frame,RMF)的局部坐标系;根据局部坐标系,得到血管对应的三维血管拉直图像。依据RMF的局部坐标系生成的三维血管拉直图像,能够清晰、直观地呈现血管形态,血管的动脉主干、分支以及周围组织,可以绕三维血管拉直图像的中轴线旋转不同角度,得到对应角度的二维拉直图像,从而实现对血管360度全方位的定性和定量分析,便于医生更加快速、准确地发现病变位置。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本公开示例性实施例示出的计算机***的结构示意图。
图2是本公开示例性实施例示出的一种血管图像处理方法的流程图。
图3是本公开示例性实施例示出的另一种血管图像处理方法的流程图。
图4是本公开示例性实施例示出的一种主动脉血管的示意图。
图5是本公开示例性实施例示出的一种主动脉血管的轴向截面图像示意图。
图6是本公开示例性实施例示出的一种主动脉血管的二维拉直图像示意图。
图7是本公开示例性实施例示出的一种血管图像处理装置框图。
图8是本公开示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是本公开示例性实施例示出的计算机***的结构示意图,该计算机***包括终端120和服务器140。
终端120与服务器140之间通过有线或者无线网络相互连接。
终端120可以包括智能手机、笔记本电脑、台式电脑、平板电脑、智能音箱、智能机器人中的至少一种。
终端120包括显示器;显示器用于显示三维血管拉直图像。
终端120包括第一存储器和第一处理器。第一存储器中存储有第一程序;上述第一程序被第一处理器调用执行以实现本公开提供的血管图像处理方法。第一存储器可以包括但不限于以下几种:随机存取存储器(Random Access Memory,RAM)、只读存储器(ReadOnly Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM)、以及电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)。
第一处理器可以是一个或者多个集成电路芯片组成。可选地,第一处理器可以是通用处理器,比如,中央处理器(Central Processing Unit,CPU)或者网络处理器(NetworkProcessor,NP)。
服务器140包括第二存储器和第二处理器。第二存储器中存储有第二程序,上述第二程序被第二处理器调用来实现本公开提供的血管图像处理方法。可选地,第二存储器可以包括但不限于以下几种:RAM、ROM、PROM、EPROM、EEPROM。可选地,第二处理器可以是通用处理器,比如,CPU或者NP。
服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本公开在此不做限制。
在过去十年间,主动脉腔内治疗得到了迅猛的发展的,取得了非常好的疗效,其中三维血管拉直重建的发展对推动主动脉腔内治疗功不可没。相关技术中,三维血管拉直重建算法大部分都是依据弗莱纳(Frenet)标架,由曲线切向量,主法向量和副法向量构成,副法向量在拐点处会变号,进而相邻层的局部坐标系中的主法向量和副法向量会发生旋转,从而使得输出的CTA图像相邻层发生错位。
基于上述原因,本公开提出一种血管图像处理方法,用于克服上述问题。请参阅图2,图2是本公开示例性实施例示出的一种血管图像处理方法的流程图。该方法由计算机设备来执行,例如,由图1所示的计算机***中的终端或服务器来执行。图2所示的血管图像处理方法包括以下步骤:
在步骤S101中,获取血管的CTA图像。
CTA图像是指计算机断层摄影血管造影图像(Computed TomographyAngiography),示例性的,可以获取主动脉血管的CTA图像。
在步骤S102中,根据CTA图像得到血管的三维分割结果。
通过相关技术手段提取CTA图像中的血管轮廓,作为三维分割结果,例如,可以通过神经网络提取CTA图像中的血管轮廓。
在步骤S103中,根据三维分割结果提取血管的中心线。
其中,中心线是主动脉的多个轴向截面的中心组成的线,例如,可以根据细化算法和数理方法从三维分割结果中提取血管的中心线。
在步骤S104中,生成中心线上每个点基于旋转最小化标架的局部坐标系。
旋转最小化标架(Rotation Minimizing Frame,RMF)由三个互相垂直的向量构成,其中一个方向是曲线的切线向量,也可以称为切向量,另外两个构成了垂直于切向量的平面(即法平面),法平面由主法向量和副法向量构成,主法向量指向该点处的曲率中心,副法向量在拐点处不变号,两个法向量和曲线的切向量保存一致,平面绕中心线的旋转最小。保持了输出图像的连续性,使输出图像不发生错位现象。
在步骤S105中,根据局部坐标系,得到血管对应的三维血管拉直图像。
因沿着血管中心线建立了局部坐标系,则获得了中心线的一系列法平面,对应的是血管的轴向截面图像,叠加这些轴向截面图像得到围绕中心线的一个长方体,作为三维血管拉直图像。
依据RMF的局部坐标系生成的三维血管拉直图像,能够清晰、直观地呈现血管形态,血管的动脉主干、分支以及周围组织,可以绕三维血管拉直图像的中轴线旋转不同角度,得到对应角度的二维拉直图像,从而实现对血管360度全方位的定性和定量分析,便于医生更加快速、准确地发现病变位置。
请参阅图3,图3是本公开示例性实施例示出的另一种血管图像处理方法的流程图。该方法由计算机设备来执行,例如,由图1所示的计算机***中的终端或服务器来执行。
需要说明的是,图3所示的血管图像处理方法与图2所示的血管图像处理方法的实施方式内容一致,图3中未提及之处可以参考图2的描述,在此不再赘述。图3所示的血管图像处理方法包括以下步骤:
在步骤S201中,获取血管的CTA图像。
本公开为了示例说明,以主动脉血管为例来进行说明。
示例性的,可以通过相关的医疗工具获取主动脉患者的主动脉CTA原始图像,例如,通过dicom工具读取.dcm格式的CTA原始图像,读取每层CTA原始图像的灰度值,作为主动脉CTA图像。
在步骤S202中,通过卷积神经网络从CTA图像中获取所述血管的掩膜图像。
基于卷积神经网络对CTA图像进行预处理,得到每层主动脉CTA图像的主动脉预测分割结果,作为主动脉的掩膜图像。预处理的过程为:将每层主动脉CTA图像中主动脉区域的灰度值置为第一掩码,其他区域的灰度值置为第二掩码,在一种实施方式中,第一掩码为1,第二掩码为0。示例性的,主动脉的掩膜图像可以表示为其中,bmn表示第m行n列像素是否为主动脉的掩码,如果是主动脉,则为1,其他则为0。
在步骤S203中,叠加所述掩膜图像得到所述血管的三维分割结果。
经过卷积神经网络预测得到每层主动脉CTA图像的主动脉预测分割结果,即主动脉的掩膜图像,叠加每层掩膜图像得到主动脉的三维分割结果。
在步骤S204中,根据三维分割结果提取血管的中心线。
根据三维分割结果提取主动脉的中心线,其中,中心线是主动脉的多个轴向截面的中心组成的线。
根据三维分割结果提取主动脉的中心线包括以下五个步骤:
步骤一:利用细化算法得到主动脉的骨架线。
细化算法用于对图像中轮廓进行细化,即在保持原图像拓扑结构的情况下,尽可能快地抽出一个单像素宽的骨架的过程。通过细化算法获取主动脉的骨架线,以便于后续对骨架线上的点进行下一步处理。
步骤二:获取骨架线上的多个端点,并生成端点序列。
对骨架线上的点进行分类,基于每个点的邻域点数量,将每个点分为端点、普通连接点或分叉点,示例性的,对于一个点来说,若该点只有1个邻域点,则定义为端点,若该点具有2个邻域点,则定义为普通连接点,若该点具有3个或者3个以上的邻域点,则定义为分叉点。
得到骨架线上的端点、普通连接点或分叉点后,将骨架线上的多个端点按照指定方向上的位置进行排序,得到端点序列。示例性的,读取每一个端点,得到第i个端点{Ei=(xi,yi,zi)|i=1,2,...,k},其中,xi,yi,zi为第i个端点分别在x轴方向、y轴方向和z轴方向上的取值,k为端点个数,将所有的端点按照z轴方向的位置进行排序,得到端点序列V=(E1,E2,...,Ek)。
步骤三:根据端点序列获取升主动脉的起始点和降主动脉的终止点。
根据主动脉生理结构的特点,主动脉包括上半部分和下半部分,其中,上半部分包含升主动脉和降主动脉,所以升主动脉上的端点所在的层包含两个连通区域,请参阅图4,图4是本公开示例性实施例示出的一种主动脉血管的示意图。
从图4可以看到,起始点位于主动脉的中上部,因此可以根据升主动脉生理结构的特点,将端点序列中有两个连通区域且处于最上面的端点作为起始点,将端点序列中位于降主动脉的最下面的端点作为终止点。因为在起始点所在层上,有升主动脉和降主动脉,所以起始点有两个连通区域。示例性的,由升主动脉上的端点序列,得到端点序列的点在z轴方向上的最大值Zmax为Ek在z轴方向上的值,最小值Zmin为E1在z轴方向上的值,得到中间的位置为Zmid=(Zmax+Zmin)/2,从Zmid到Zmax的范围内,找到端点层有两个连通区域,即为起始点。
同样,根据主动脉生理结构的特点,主动脉的下半部分包含的降主动脉是一根血管,所以降主动脉的端点序列中,位于降主动脉的最下面的端点即为终止点。
步骤四:基于起始点通过最短路径的方法提取主动脉的初始中心线。
基于起始点通过最短路径的方法提取主动脉的初始中心线包括:从起始点开始依次遍历端点序列中的端点,在当前端点为终止点的情况下,停止遍历,在当前端点为分叉点的情况下,删除分叉点后,继续遍历端点序列中的端点,直到遍历到终止点,根据遍历到的端点提取主动脉的初始中心线。
步骤五:对初始中心线采集控制点和样条插值后,进行平滑处理,得到所述中心线。
对主动脉的初始中心线等间隔采集控制点,并进行样条插值,然后对初始中心线进行平滑处理,得到中心线。其中,采集控制点的间隔可以基于数据经验获得,或是其他可行的方式获得,本公开对此不做限制,样条插值的次数可以但不限于三次,样条插值是一种以已知的离散点来作出一条经过一系列点的光滑曲线的数学方法。
在步骤S205中,生成中心线上每个点基于旋转最小化标架的局部坐标系。
为了消除管状主动脉结构的空间弯曲,描述主动脉曲线附近的组织信息,需要成像平面平行于中心线的弯曲情况,即需要沿着主动脉血管中心线建立局部坐标系。在一种实施方式中,局部坐标系可以是RMF。
RMF坐标系主要由初始向量决定,在一种实施方式中,为了简便计算,可以选择三维体数据(这里是指主动脉血管的三维图像中每个点对应的三维坐标)的y轴向量作为参考向量来生成初始向量。得到初始向量后,计算切向量,主法向量和副法向量的方法如下:
按照弧长等间隔采集控制点后的中心线点集为{Ci=(xi,yi,zi)|i=1,2,...,N},其中,N为中心线上点的数量,通过中心线点集中任意一个中心点的二阶差分得到切向量为ti=(Ci+1-Ci-1)/2,主法向量ni和副法向量bi的计算公式包括:
ni=ni-1-(ni-1·ti)ti
bi=ti*ni
其中,·代表点乘,*代表叉乘,最终得到RMF坐标系的向量集合{(ti,ni,bi)|i=1,2,...,N}。
在步骤S206中,根据局部坐标系,得到血管对应的三维血管拉直图像。
因为RMF坐标系中心恰好在中心线上的中心点上,主动脉血管显示在输出图像的中心,所以通过指定输出图像的长度和宽度(一般设置长度等于宽度),然后利用局部坐标系中的主法向量和副法向量进行灰度采样即可。由于沿着中心线建立了局部坐标系,则获得了中心线的一系列法平面,对应的是主动脉血管的轴向截面图像,叠加这些轴向截面图像得到围绕中心线的一个长方体,可以从这个长方体中看到主动脉血管的周围信息。
通过上一步骤得到的RMF坐标系,指定输出图像的长度和宽度,示例性的,长度等于宽度,第i层二维切面(即轴向截面图像)的主法向量和副法向量方向的坐标分别xj和yj,其中,j=1,2,...,M,M为图像的长度,则该二维切面内(xj,yj)处对应的三维体数据坐标为:
pj=Ci+xjni+yjbi
通过三线性插值法,便可以得到对应该点pj的像素值,三线性插值法是在三维离散采样数据的张量积网格上进行线性插值的方法。
计算二维切面内每一个点的像素值,最终得到第i层二维切面的像素值,对应的是主动脉血管的轴向截面图像,如图5所示,图5是本公开示例性实施例示出的一种主动脉血管的轴向截面图像示意图。
得到主动脉血管的中心线上各个点的轴向截面图像后,按照中心线上各点的顺序叠加N个二维切面,得到一个曲面重建的结果,即是三维血管拉直图像。
在步骤S207中,绕三维血管拉直图像的中轴线旋转不同角度,得到血管的不同角度的二维拉直图像。
针对上一步骤生成的三维血管拉直图像,可以绕其中轴线旋转不同角度,得到对应角度的主动脉血管剖面图,即二维拉直图像,从而实现对主动脉血管360度全方位的定性分析和定量分析。示例性的,如图6所示,是一个45度的二维拉直图像,图6是本公开示例性实施例示出的一种主动脉血管的二维拉直图像示意图。
需要说明的是,本公开为了示例说明,以主动脉血管为例来进行说明,本公开所示的血管图像处理方法还可以应用于其他的血管图像。
综上所述,本公开提供的血管图像处理方法,包括获取血管的CTA图像;根据CTA图像得到血管的三维分割结果;根据三维分割结果提取血管的中心线;生成中心线上每个点基于旋转最小化标架(Rotation Minimizing Frame,RMF)的局部坐标系;根据局部坐标系,得到血管对应的三维血管拉直图像。依据RMF的局部坐标系生成的三维血管拉直图像,能够清晰、直观地呈现血管形态,血管的动脉主干、分支以及周围组织,可以绕三维血管拉直图像的中轴线旋转不同角度,得到对应角度的二维拉直图像,从而实现对血管360度全方位的定性和定量分析,便于医生更加快速、准确地发现病变位置。
图7是本公开示例性实施例示出的一种血管图像处理装置框图。参照图7,血管图像处理装置20包括获取模块201、分割模块202、处理模块203和生成模块204。
该获取模块201,用于获取血管的CTA图像;
该分割模块202,用于根据所述CTA图像得到所述血管的三维分割结果;
该处理模块203,用于根据所述三维分割结果提取所述血管的中心线;
该生成模块204,用于生成所述中心线上每个点基于旋转最小化标架的局部坐标系;
该处理模块203,还用于根据所述局部坐标系,得到所述血管对应的三维血管拉直图像。
可选地,该分割模块202,还用于通过卷积神经网络从所述CTA图像中获取所述血管的掩膜图像;
叠加所述掩膜图像得到所述血管的三维分割结果。
可选地,该处理模块203,还用于利用细化算法得到所述主动脉的骨架线;
获取所述骨架线上的多个端点,并生成端点序列;
根据所述端点序列获取所述升主动脉的起始点和所述降主动脉的终止点;
基于所述起始点通过最短路径的方法提取所述主动脉的初始中心线;
对所述初始中心线采集控制点和样条插值后,进行平滑处理,得到所述中心线。
可选地,该处理模块203,还用于基于所述骨架线上的每个点的邻域点数量,将所述每个点分为所述端点、普通连接点或分叉点;
将所述骨架线上的多个所述端点按照指定方向上的位置进行排序,得到端点序列。
可选地,该处理模块203,还用于将所述端点序列中有两个连通区域的最上面的端点作为所述升主动脉的起始点;
将所述端点序列中位于所述降主动脉的最下面的端点作为终止点。
可选地,该处理模块203,还用于从所述起始点开始依次遍历所述端点序列中的端点;
在当前端点为所述终止点的情况下,停止遍历;
在当前端点为分叉点的情况下,删除所述分叉点后,继续遍历所述端点序列中的端点,直到遍历到所述终止点;
根据遍历到的所述端点提取所述主动脉的初始中心线。
可选地,该处理模块203,还用于获取用户指定的输出图像的长度和宽度;
根据所述局部坐标系,得到所述血管的每一层二维切面的像素值;
按照所述中心线各点的顺序叠加各层所述二维切面,得到所述三维血管拉直图像。
可选地,该处理模块203,还用于绕所述三维血管拉直图像的中轴线旋转不同角度,得到所述血管的不同角度的二维拉直图像。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种电子设备400的框图。如图8所示,该电子设备400可以是图1所示的终端,该电子设备400可以包括:处理器401,存储器402。该电子设备400还可以包括多媒体组件403,输入/输出(I/O)接口404,以及通信组件405中的一者或多者。
其中,处理器401用于控制该电子设备400的整体操作,以完成上述的血管图像处理方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备400的操作,这些数据例如可以包括用于在该电子设备400上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件403可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器402或通过通信组件405发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口404为处理器401和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件405可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备400可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的血管图像处理方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的血管图像处理方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器402,上述程序指令可由电子设备400的处理器401执行以完成上述的血管图像处理方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的血管图像处理方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (11)
1.一种血管图像处理方法,其特征在于,包括:
获取血管的CTA图像;
根据所述CTA图像得到所述血管的三维分割结果;
根据所述三维分割结果提取所述血管的中心线;
生成所述中心线上每个点基于旋转最小化标架的局部坐标系;
根据所述局部坐标系,得到所述血管对应的三维血管拉直图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述CTA图像得到所述血管的三维分割结果,包括:
通过卷积神经网络从所述CTA图像中获取所述血管的掩膜图像;
叠加所述掩膜图像得到所述血管的三维分割结果。
3.根据权利要求1所述的方法,其特征在于,所述血管为主动脉,所述主动脉包括升主动脉和降主动脉,所述根据所述三维分割结果提取所述血管的中心线,包括:
利用细化算法得到所述主动脉的骨架线;
获取所述骨架线上的多个端点,并生成端点序列;
根据所述端点序列获取所述升主动脉的起始点和所述降主动脉的终止点;
基于所述起始点通过最短路径的方法提取所述主动脉的初始中心线;
对所述初始中心线采集控制点和样条插值后,进行平滑处理,得到所述中心线。
4.根据权利要求3所述的方法,其特征在于,所述获取所述骨架线上的多个端点,并生成端点序列,包括:
基于所述骨架线上的每个点的邻域点数量,将所述每个点分为所述端点、普通连接点或分叉点;
将所述骨架线上的多个所述端点按照指定方向上的位置进行排序,得到端点序列。
5.根据权利要求3所述的方法,其特征在于,所述根据所述端点序列获取所述升主动脉的起始点和所述降主动脉的终止点,包括:
将所述端点序列中有两个连通区域的最上面的端点作为所述升主动脉的起始点;
将所述端点序列中位于所述降主动脉的最下面的端点作为终止点。
6.根据权利要求3所述的方法,其特征在于,所述基于所述起始点通过最短路径的方法提取所述主动脉的初始中心线,包括:
从所述起始点开始依次遍历所述端点序列中的端点;
在当前端点为所述终止点的情况下,停止遍历;
在当前端点为分叉点的情况下,删除所述分叉点后,继续遍历所述端点序列中的端点,直到遍历到所述终止点;
根据遍历到的所述端点提取所述主动脉的初始中心线。
7.根据权利要求1所述的方法,其特征在于,所述根据所述局部坐标系,得到所述血管对应的三维血管拉直图像,包括:
获取用户指定的输出图像的长度和宽度;
根据所述局部坐标系,得到所述血管的每一层二维切面的像素值;
按照所述中心线各点的顺序叠加各层所述二维切面,得到所述三维血管拉直图像。
8.根据权利要求1所述的方法,其特征在于,所述根据所述局部坐标系,得到所述血管对应的三维血管拉直图像之后,包括:
绕所述三维血管拉直图像的中轴线旋转不同角度,得到所述血管的不同角度的二维拉直图像。
9.一种血管图像处理装置,其特征在于,包括:
获取模块,用于获取血管的CTA图像;
分割模块,用于根据所述CTA图像得到所述血管的三维分割结果;
处理模块,用于根据所述三维分割结果提取所述血管的中心线;
生成模块,用于生成所述中心线上每个点基于旋转最小化标架的局部坐标系;
所述处理模块,还用于根据所述局部坐标系,得到所述血管对应的三维血管拉直图像。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
11.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567348.XA CN115731232A (zh) | 2022-12-07 | 2022-12-07 | 血管图像处理方法、装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567348.XA CN115731232A (zh) | 2022-12-07 | 2022-12-07 | 血管图像处理方法、装置、可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115731232A true CN115731232A (zh) | 2023-03-03 |
Family
ID=85300560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211567348.XA Pending CN115731232A (zh) | 2022-12-07 | 2022-12-07 | 血管图像处理方法、装置、可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731232A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153473A (zh) * | 2023-04-20 | 2023-05-23 | 杭州朗博康医疗科技有限公司 | 一种医疗图像显示方法、装置、电子设备及存储介质 |
CN116740164A (zh) * | 2023-06-15 | 2023-09-12 | 强联智创(北京)科技有限公司 | 用于对血管中心线进行提取的方法、设备及存储介质 |
-
2022
- 2022-12-07 CN CN202211567348.XA patent/CN115731232A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153473A (zh) * | 2023-04-20 | 2023-05-23 | 杭州朗博康医疗科技有限公司 | 一种医疗图像显示方法、装置、电子设备及存储介质 |
CN116153473B (zh) * | 2023-04-20 | 2023-09-01 | 杭州朗博康医疗科技有限公司 | 一种医疗图像显示方法、装置、电子设备及存储介质 |
CN116740164A (zh) * | 2023-06-15 | 2023-09-12 | 强联智创(北京)科技有限公司 | 用于对血管中心线进行提取的方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021213124A1 (zh) | 血流特征预测方法、装置、计算机设备和存储介质 | |
CN115731232A (zh) | 血管图像处理方法、装置、可读存储介质及电子设备 | |
CN108701220B (zh) | 用于处理多模态图像的***和方法 | |
CN110914866A (zh) | 用于在图像分析中进行解剖结构分割的***和方法 | |
CN109712163B (zh) | 冠脉提取方法、装置、图像处理工作站和可读存储介质 | |
CN113160189A (zh) | 血管中心线提取方法、装置、设备及存储介质 | |
CN107481254A (zh) | 医学图像的处理方法、装置、介质和电子设备 | |
CN114004793A (zh) | 血流特性获取方法、装置、电子设备及存储介质 | |
CN109949300B (zh) | 解剖树结构分析的方法、***和计算机可读介质 | |
CN113409333B (zh) | 一种三维图像的切割方法及电子设备 | |
US10354349B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
US20220301154A1 (en) | Medical image analysis using navigation processing | |
CN114365188A (zh) | 基于vrds ai下腔静脉影像的分析方法及产品 | |
JPWO2019220871A1 (ja) | 胸部x線画像の異常表示制御方法、異常表示制御プログラム、異常表示制御装置、及びサーバ装置 | |
JP7187680B2 (ja) | 線構造抽出装置及び方法、プログラム並びに学習済みモデル | |
CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
CN114565590B (zh) | 血管数据集扩增方法及装置、电子设备和存储介质 | |
CN112037886B (zh) | 放疗计划制定装置、方法及存储介质 | |
EP3270308A1 (en) | Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product | |
CN115482261A (zh) | 血管配准方法、装置、电子设备及存储介质 | |
CN111738986B (zh) | 一种脂肪衰减指数的生成方法、装置及计算机可读介质 | |
JP2022546303A (ja) | 管状フィーチャのセグメント化 | |
US20240203093A1 (en) | Image processing apparatus, method, and program | |
CN113823385B (zh) | 一种修改dicom图像的方法、装置、设备及介质 | |
JP2023081573A (ja) | 医用画像処理装置、医用画像処理方法及び医用画像処理プログラム |
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 |