CN116071355A - 一种用于外周血管影像的辅助分割***及方法 - Google Patents
一种用于外周血管影像的辅助分割***及方法 Download PDFInfo
- Publication number
- CN116071355A CN116071355A CN202310203922.1A CN202310203922A CN116071355A CN 116071355 A CN116071355 A CN 116071355A CN 202310203922 A CN202310203922 A CN 202310203922A CN 116071355 A CN116071355 A CN 116071355A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- window
- suspected
- area
- region
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种用于外周血管影像的辅助分割***及方法，该方法包括：获取疑似血管像素点及疑似血管区域，获取不同尺寸下对应的窗口区域，以及窗口区域内对应的疑似血管区域的灰度信息均匀度，获取每个窗口区域内的所有边界点的延伸趋势，获取最优窗口尺寸，获取血管区域。本发明通过获取最优窗口尺寸，从而基于最优窗口尺寸并利用局部二值化算法获取血管区域，进而提高了血管影像的血管区域的分割准确度。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种用于外周血管影像的辅助分割***及方法。
背景技术
外周血管为除了心血管及脑血管以外的其他血管，主要有躯干血管、内脏血管以及四肢血管，同时含有其中的动脉、静脉以及毛细血管。血管影像是三维血管结构在投影条件下的二维表达，通过对血管的形态、分布等相关信息的了解，可以辅助分析病人病情、提前做好手术规划，避免因对病情误判或手术过程中破坏到主要血管而对病人造成不必要的伤害，为了清晰的分析血管，需要对外周血管影像中的血管进行分割提取。
现有技术最为常用的外周血管影像分割方法，分为基于区域信息的水平集方法和基于边缘信息的水平集方法两大类，其中，基于边缘的水平集方法通过图像中的边缘信息识别图像中的血管，可适应图像中不同位置亮度不一致的情况，但对图像中的噪声和边缘信息过于敏感，在图像中血管的边缘信息强度较弱的情况下易出现边缘泄露的问题，也容易将图像中其他非血管结构的边缘识别为血管边缘，从而导致血管的提取精度不高。
发明内容
本发明提供一种用于外周血管影像的辅助分割***及方法，以解决现有的基于边缘的水平集方法受噪声和边缘信息影响，导致血管的提取精度不高的问题。
本发明的一种用于外周血管影像的辅助分割方法采用如下技术方案：
获取外周血管影像中的疑似血管像素点及疑似血管区域；
沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻；获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度；
获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势；
根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域对应的疑似血管区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸；
根据最优窗口尺寸获取每个疑似血管像素点对应的最优窗口区域，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域。
优选的，构建目标函数，包括：
式中，表示尺寸为窗口区域对应的目标函数值，其中，；
表示沿疑似血管边界线上的第个窗口区域的延伸趋势；
表示沿疑似血管边界线上的第个窗口区域的延伸趋势；
表示目标函数收敛时，沿着疑似血管边界线上选取的窗口区域的总数；
沿疑似血管边界线上的第个窗口区域对应的疑似血管区域的灰度信息均匀度；
表示选取的窗口区域的总数不同时对应的取值中的最小值。
优选的，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度，包括：
将每个窗口区域内的疑似血管区域作为特征区域；
根据特征区域内疑似血管像素点的数量、特征区域所在的窗口区域内的疑似血管像素点的总数量，以及特征区域内的灰度方差，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度。
优选的，将每个尺寸下相邻两个窗口区域中的后一个窗口区域与前一个窗口区域对应的延伸趋势做差得到相邻两个窗口区域的延伸趋势差值。
优选的，将窗口区域内疑似血管边界线上每个边界点处的切线与水平方向的夹角作为疑似血管边界线上每个边界点处的切线方向。
优选的，将窗口区域内的所有边界点处对应的切线方向的均值作为每个窗口区域内的所有边界点的延伸趋势。
优选的，判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，包括：
根据局部二值化算法获取每个最优窗口区域对应的疑似血管像素点的自适应阈值；
将像素值大于其对应的自适应阈值的疑似血管像素点记为血管像素点。
优选的，获取疑似血管区域，包括：
遍历每个疑似血管像素点的邻域内连续且相邻的疑似血管像素点；
将所有连续且相邻的疑似血管像素点构成的区域作为疑似血管区域。
本发明的一种用于外周血管影像的辅助分割***，包括：
图像处理模块，用于获取外周血管影像中的疑似血管像素点及疑似血管区域；
第一参数获取模块，用于沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度；
第二参数计算模块，用于获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势；
自适应尺寸获取模块，用于根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸；
图像分割模块，用于根据最优窗口尺寸获取每个疑似血管像素点对应的最优窗口区域，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域。
本发明的一种用于外周血管影像的辅助分割***及方法的有益效果是：
通过获取外周血管影像中的疑似血管像素点及疑似血管区域，考虑到受干扰区域对血管区域判断的影响，故根据血管区域内部均匀且边缘延伸平滑的特征来对疑似血管区域进行分析，对于干扰区域其内部灰度混乱且边缘趋势不一致，故先沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻；获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度，然后需要获取疑似血管区域边界线的延伸方向，即获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势，其中，用延伸趋势差值表征每两个窗口区域是否分布在一段趋势连续的边界，延伸趋势差值越小越能突出血管边缘延伸时的一致性和平滑性特征，而灰度信息均匀度越大越均匀说明越是对应的血管边界线，故根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域对应的疑似血管区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸，最后，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域，即本发明考虑到了血管区域内部均匀且边缘延伸平滑的特征，同时还考虑不同边界位置的环境对分割结果的干扰程度，因此，即基于目标函数获取的分割窗时，具有延伸趋势相同且像素环境相似的每一段血管区域可以统一使用相同尺寸的动态阈值分割窗口，而干扰区域不具有均匀性和趋势一致性，其对目标函数适用度较低则会很快收敛，即干扰区域几乎每一处的窗口尺寸均会不一致，这可以使后续分割时血管区域的分割效果比较平滑，而干扰区域分割后仍呈现灰度混乱，从而使得以最优窗口尺寸进行阈值分割时，提高了血管影像的分割准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的一种用于外周血管影像的辅助分割***及方法的实施例的流程图。
具体实施方式
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，所描述的实施例仅仅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，本领域普通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。
本发明的一种用于外周血管影像的辅助分割***及方法的实施例，本实施例的适用场景为：对不同位置明暗程度不同的外周血管影像中的外周血管进行分割，具体的，如图1所示，一种用于外周血管影像的辅助分割方法包括：
S1、获取疑似血管像素点及疑似血管区域；
具体的，获取外周血管影像中的疑似血管像素点及疑似血管区域；其中，外周血管影像是将造影剂注射到血管中，利用X射线不能穿透造影剂的性质得到的X射线图像，X射线图像即为外周血管影像，且外周血管影像为灰度图像，为了避免噪声对图像的影响，本实施例使用中值滤波对外周血管影像进行去噪，其中，中值滤波去噪为公知技术，具体过程不再赘述。
其中，由于X射线不能穿透造影剂，所以血管在图像中对应的位置较暗，即血管对应的区域内像素点对应的灰度值较小，根据血管对应的区域内像素点对应的灰度值较小的特征，将图像中可能为血管部分的疑似血管像素点划分出来，即本实施例对外周血管影像使用最大类间方差得到划分的阈值，将图像中灰度值小于阈值的各像素点筛选出来，灰度值小于阈值的这些像素点即为疑似血管像素点，
其中，由于血管位置各像素点相邻分布，均较暗且较为均匀，即像素点对应的灰度值较小且像素点附近的灰度值较为均匀，故在获取疑似血管区域需要排除孤立的疑似血管像素点，即获取疑似血管区域包括：遍历每个疑似血管像素点的邻域内连续且相邻的疑似血管像素点，将所有连续且相邻的疑似血管像素点构成的区域作为疑似血管区域。
S2、获取不同尺寸下对应的窗口区域，以及窗口区域内对应的疑似血管区域的灰度信息均匀度；
由于动态阈值分割仅发生在边界部分，因此，根据疑似血管区域的疑似血管边界线上的边界点为中心点得到窗口区域，故沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻。
需要说明的是，同尺寸下相邻的两个窗口区域的边缘相邻即为瓦片式排布。
具体的，由于，当管像素点对应血管时，由于X射线不能穿透造影剂，所以血管位置各像素点相邻分布，且均较暗、灰度分布较为均匀，即像素点对应的灰度值较小且像素点附近的灰度值也较为均匀，即当窗口区域内的灰度值越为均匀，则该像素点对应为血管位置的概率越大，而由于像素点所在血管的位置不同，故边界点为中心点获取的窗口区域中的各像素点可能为均为疑似血管像素点，也可能为既有疑似血管像素点，也有其他像素点，所以仅对窗口区域内的疑似血管像素点的均匀度进行分析，其次，由于疑似血管区域的疑似血管边界线上的边界点中可能为血管的边界点也可能为干扰区域边界点，故获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度包括：根据血管区域内各像素点紧密分布的特征，将每个窗口区域内的疑似血管区域作为特征区域，即遍历每个疑似血管像素点的邻域内连续且相邻的疑似血管像素点；将所有连续且相邻的疑似血管像素点构成的区域作为疑似血管区域。
由于，窗口区域内未与窗口区域的中心点相邻的离散的疑似血管像素点不具有关于中心点的特征，所以将离散的疑似血管像素点排除，不作为特征区域内的一部分，然后在对边界点进行判断时，以血管像素点为中心时对应的窗口区域内特征区域的灰度信息度均匀，而以干扰区域边界点为中心点时对应的目标窗口内特征区域灰度信息均匀度较差，故根据特征区域内疑似血管像素点的数量、特征区域所在的窗口区域内的疑似血管像素点的总数量，以及特征区域内的灰度方差，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度。
其中，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度，具体包括：对特征区域内的灰度方差进行负相关计算得到目标灰度方差；获取特征区域内疑似血管像素点，与特征区域所在的窗口区域内的疑似血管像素点的数量比值；将数量比值与目标灰度方差的乘积作为窗口区域对应的疑似血管区域的灰度信息均匀度，窗口区域对应的疑似血管区域的灰度信息均匀度的计算公式为：
式中，表示疑似血管边界线上的第个窗口区域对应的疑似血管区域的灰度信息均匀度；
表示第个窗口区域内的疑似血管像素点的总数量；
表示第个窗口区域内的特征区域中疑似血管像素点的数量；
表示第个窗口区域内的特征区域中的第个疑似血管像素点的灰度值；
表示第个窗口区域内的特征区域中所有疑似血管像素点的灰度均值；
表示以自然常数e为底的指数函数；
需要说明的是，表示特征区域内的灰度方差，即灰度信息均匀度，其越小代表特征区域内的灰度越均匀，越趋向血管区域，表示窗口区域内的特征区域中疑似血管像素点的数量，与窗口区域内的疑似血管像素点的总数量的比值，在此作为影响因子对特征区域的初始灰度信息均匀度进行修正，当窗口区域内的特征区域占窗口区域内疑似血管像素点的数量比值越小，则代表在对该窗口区域对应的中心像素点处进行阈值分割时所受的干扰程度越高，反之，当窗口区域内的特征区域占窗口区域内疑似血管像素点的数量比值越大，则干扰程度越小，简单来说窗口区域内的非特征区域的疑似血管像素点较多时，阈值分割难度较大，而若窗口区域内几乎都是特征区域的疑似血管像素点，那么阈值分割时针对的分割对象为疑似血管像素点和其他像素点，那么分割难度极小，因此，设置影响因子对特征区域的灰度信息均匀度进行修正，影响因子越大，均匀度越高，则灰度信息均匀度越高，那么当利用某个尺寸的窗口进行分割时，灰度信息均匀度，即可以代表其属于血管区域边界的概率越大，且在此处进行阈值分割难度越小。
S3、获取每个窗口区域内的所有边界点的延伸趋势；
由于，在S3步骤中得到了窗口区域对应的疑似血管区域的灰度信息均匀度，灰度信息均匀度反映的是血管像素点的位置特征，从而根据排除疑似血管像素点中其他组织的干扰，但是对于外周血管影像中的其他组织或低照度区域干扰的部分内也会有一些像素点在较小范围内较为均匀，为避免这些像素点被识别为血管部分，所以还需要根据血管在一定范围内延伸方向具有一致性和平滑性特征继续对像素点特征进行分析，减少误判的可能，故在本步骤中需要获取每个窗口区域内的所有边界点的延伸趋势，即先窗口区域内疑似血管边界线的延伸方向，具体的，获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势。
其中，获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向具体的为：将窗口区域内疑似血管边界线上每个边界点处的切线与水平方向的夹角作为疑似血管边界线上每个边界点处的切线方向。
其中，获取每个窗口区域内的所有边界点的延伸趋势具体的为：将窗口区域内的所有边界点处对应的切线方向的均值作为每个窗口区域内的所有边界点的延伸趋势，即对窗口区域内疑似血管边界线上所有边界点处的切线与水平方向对应的夹角求夹角均值，将夹角均值作为窗口区域内的所有边界点的延伸趋势，即窗口区域内疑似血管边界线的延伸方向。
S4、获取最优窗口尺寸；
基于S3步骤得到的了每个窗口区域内对应的疑似血管区域的灰度信息均匀度，及S4步骤得到的窗口区域内的所有边界点的延伸趋势，然后基于延伸趋势来获取一定范围内延伸方向具有一致性和平滑性特征，最后根据灰度信息均匀度和延伸趋势的一致性和平滑性特征确定最优窗口尺寸，具体的，根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸；
其中，构建目标函数的具体公式：
式中，表示尺寸为窗口区域对应的目标函数值，其中，；
表示沿疑似血管边界线上的第个窗口区域的延伸趋势；
表示沿疑似血管边界线上的第个窗口区域的延伸趋势；
表示目标函数收敛时，沿着疑似血管边界线上选取的窗口区域的总数；
沿疑似血管边界线上的第个窗口区域对应的疑似血管区域的灰度信息均匀度；
表示选取的窗口区域的总数不同时对应的取值中的最小值；
需要说明的是，表示沿疑似血管边界线上的第个窗口区域与相邻的沿疑似血管边界线上的第个窗口区域的延伸趋势差值，延伸趋势差值越小则代表窗口区域尺寸为时，尺寸的窗口区域分布在一段趋势连续的边界上，即窗口区域的中心对应的疑似血管像素点以该尺寸的窗口区域进行分割时越能突出血管边缘延伸时的一致性和平滑性特征，以该窗口的尺寸大小进行分割时越为合适，第个窗口区域对应的灰度信息均匀度越大时，说明窗口区域的中心对应的疑似血管像素点越可能是血管像素点，故在越小时，以该窗口区域的尺寸大小进行分割越为合适，在越小，且越小时，以该尺寸大小的窗口进行分割越合适，所以选取的连续相邻窗口区域中两个相邻窗口区域为一组，所有组对应的延伸趋势差值的均值，所选取的相邻窗口区域对应的灰度信息均匀度的均值，来构建目标函数。
直至目标函数收敛，得到每个尺寸下对应的目标函数值，然后选取所有尺寸下对应的目标函数值中的最小目标函数值，将最小目标函数值对应的窗口尺寸作为最优窗口尺寸。
S5、获取血管区域；
根据最优窗口尺寸获取每个疑似血管像素点对应的最优窗口区域，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域。
具体的，根据局部二值化算法（Sauvola算法）获取每个最优窗口区域对应的疑似血管像素点的自适应阈值；将像素值大于其对应的自适应阈值的疑似血管像素点记为血管像素点，其中，Sauvola算法为现有技术算法，本实施例不再赘述；然后将所有血管像素点构成的区域作为血管区域。
本发明的一种用于外周血管影像的辅助分割***，包括：图像处理模块、第一参数获取模块、第二参数计算模块、自适应尺寸获取模块及图像分割模块，具体的，图像处理模块用于获取外周血管影像中的疑似血管像素点及疑似血管区域；第一参数获取模块用于沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻；获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度；第二参数计算模块用于获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势；自适应尺寸获取模块用于根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸；图像分割模块用于根据最优窗口尺寸获取每个疑似血管像素点对应的最优窗口区域，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域。
本发明的一种用于外周血管影像的辅助分割***及方法，通过获取外周血管影像中的疑似血管像素点及疑似血管区域，考虑到受干扰区域对血管区域判断的影响，故根据血管区域内部均匀且边缘延伸平滑的特征来对疑似血管区域进行分析，对于干扰区域其内部灰度混乱且边缘趋势不一致，故先沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻；获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度，然后需要获取疑似血管区域边界线的延伸方向，即获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势，其中，用延伸趋势差值表征每两个窗口区域是否分布在一段趋势连续的边界，延伸趋势差值越小越能突出血管边缘延伸时的一致性和平滑性特征，而灰度信息均匀度越大越均匀说明越是对应的血管边界线，故根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域对应的疑似血管区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸，最后，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域，即本发明考虑到了血管区域内部均匀且边缘延伸平滑的特征，同时还考虑不同边界位置的环境对分割结果的干扰程度，因此，即基于目标函数获取的分割窗时，具有延伸趋势相同且像素环境相似的每一段血管区域可以统一使用相同尺寸的动态阈值分割窗口，而干扰区域不具有均匀性和趋势一致性，其对目标函数适用度较低则会很快收敛，即干扰区域几乎每一处的窗口尺寸均会不一致，这可以使后续分割时血管区域的分割效果比较平滑，而干扰区域分割后仍呈现灰度混乱，从而使得以最优窗口尺寸进行阈值分割时，提高了血管影像的分割准确度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种用于外周血管影像的辅助分割方法，其特征在于，包括：
获取外周血管影像中的疑似血管像素点及疑似血管区域；
沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻；获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度；
获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势；
根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域对应的疑似血管区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸；
根据最优窗口尺寸获取每个疑似血管像素点对应的最优窗口区域，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域。
2.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，构建目标函数，包括：
式中，表示尺寸为窗口区域对应的目标函数值，其中，；
表示沿疑似血管边界线上的第个窗口区域的延伸趋势；
表示沿疑似血管边界线上的第个窗口区域的延伸趋势；
表示目标函数收敛时，沿着疑似血管边界线上选取的窗口区域的总数；
沿疑似血管边界线上的第个窗口区域对应的疑似血管区域的灰度信息均匀度；
表示选取的窗口区域的总数不同时对应的取值中的最小值。
3.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度，包括：
将每个窗口区域内的疑似血管区域作为特征区域；
根据特征区域内疑似血管像素点的数量、特征区域所在的窗口区域内的疑似血管像素点的总数量，以及特征区域内的灰度方差，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度。
4.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，将每个尺寸下相邻两个窗口区域中的后一个窗口区域与前一个窗口区域对应的延伸趋势做差得到相邻两个窗口区域的延伸趋势差值。
5.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，将窗口区域内疑似血管边界线上每个边界点处的切线与水平方向的夹角作为疑似血管边界线上每个边界点处的切线方向。
6.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，将窗口区域内的所有边界点处对应的切线方向的均值作为每个窗口区域内的所有边界点的延伸趋势。
7.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，包括：
根据局部二值化算法获取每个最优窗口区域对应的疑似血管像素点的自适应阈值；
将像素值大于其对应的自适应阈值的疑似血管像素点记为血管像素点。
8.根据权利要求1所述的一种用于外周血管影像的辅助分割方法，其特征在于，获取疑似血管区域，包括：
遍历每个疑似血管像素点的邻域内连续且相邻的疑似血管像素点；
将所有连续且相邻的疑似血管像素点构成的区域作为疑似血管区域。
9.一种用于外周血管影像的辅助分割***，其特征在于，包括：
图像处理模块，用于获取外周血管影像中的疑似血管像素点及疑似血管区域；
第一参数获取模块，用于沿疑似血管区域的疑似血管边界线，以疑似血管边界线上的边界点为中心点，获取不同尺寸下对应的窗口区域，其中，同尺寸下相邻的两个窗口区域的边缘相邻，获取每个窗口区域内对应的疑似血管区域的灰度信息均匀度；
第二参数计算模块，用于获取每个窗口区域内疑似血管边界线上每个边界点处的切线方向，根据每个窗口区域内所有边界点处的切线方向，获取每个窗口区域内的所有边界点的延伸趋势；
自适应尺寸获取模块，用于根据每个尺寸下每两个相邻的窗口区域对应的延伸趋势差值，以及窗口区域的灰度信息均匀度构建目标函数，将所有尺寸下对应的目标函数值中的最小目标函数值对应的窗口尺寸作为最优窗口尺寸；
图像分割模块，用于根据最优窗口尺寸获取每个疑似血管像素点对应的最优窗口区域，利用局部二值化算法判断每个最优窗口区域对应的疑似血管像素点是否为血管像素点，根据所有血管像素点得到血管区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203922.1A CN116071355A (zh) | 2023-03-06 | 2023-03-06 | 一种用于外周血管影像的辅助分割***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203922.1A CN116071355A (zh) | 2023-03-06 | 2023-03-06 | 一种用于外周血管影像的辅助分割***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116071355A true CN116071355A (zh) | 2023-05-05 |
Family
ID=86182097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310203922.1A Withdrawn CN116071355A (zh) | 2023-03-06 | 2023-03-06 | 一种用于外周血管影像的辅助分割***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116071355A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542966A (zh) * | 2023-06-28 | 2023-08-04 | 贵州医科大学附属医院 | 用于儿童内分泌异常检测的骨龄智能分析方法 |
| CN116993628A (zh) * | 2023-09-27 | 2023-11-03 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强*** |
| CN117252893A (zh) * | 2023-11-17 | 2023-12-19 | 科普云医疗软件(深圳)有限公司 | 一种乳腺癌病理图像的分割处理方法 |
| CN117422628A (zh) * | 2023-12-18 | 2024-01-19 | 三亚中心医院(海南省第三人民医院、三亚中心医院医疗集团总院) | 一种心脏血管超声检查数据优化增强方法 |
| CN117557460A (zh) * | 2024-01-12 | 2024-02-13 | 济南科汛智能科技有限公司 | 一种血管造影图像增强方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101127117A (zh) * | 2007-09-11 | 2008-02-20 | 华中科技大学 | 一种利用序列数字减影血管造影图像分割血管数据的方法 |
| CN101833757A (zh) * | 2009-03-11 | 2010-09-15 | 深圳迈瑞生物医疗电子股份有限公司 | 血管图像组织结构的边缘检测及血管内膜检测方法和*** |
| CN107292890A (zh) * | 2017-06-19 | 2017-10-24 | 北京理工大学 | 一种医学图像分割方法和装置 |
| US20180137612A1 (en) * | 2015-04-27 | 2018-05-17 | Wuhan Wuda Zoyon Science And Technology Co., Ltd. | A stepwise refinement detection method for pavement cracks |
| CN109544525A (zh) * | 2018-11-15 | 2019-03-29 | 北京工业大学 | 一种基于自适应窗口模型匹配的眼底图片血管识别方法 |
| CN109658406A (zh) * | 2018-12-25 | 2019-04-19 | 广州天鹏计算机科技有限公司 | 血管图像的识别方法、装置、计算机设备和存储介质 |
| CN110276229A (zh) * | 2018-03-14 | 2019-09-24 | 京东方科技集团股份有限公司 | 目标物体区域中心定位方法和装置 |
| CN112308846A (zh) * | 2020-11-04 | 2021-02-02 | 赛诺威盛科技（北京）有限公司 | 血管分割方法、装置及电子设备 |
| CN113570570A (zh) * | 2021-07-27 | 2021-10-29 | 蒋庆贺 | 一种从肺部掩膜影像中分割肺血管装置 |
| WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
| CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
-
2023
- 2023-03-06 CN CN202310203922.1A patent/CN116071355A/zh not_active Withdrawn
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101127117A (zh) * | 2007-09-11 | 2008-02-20 | 华中科技大学 | 一种利用序列数字减影血管造影图像分割血管数据的方法 |
| CN101833757A (zh) * | 2009-03-11 | 2010-09-15 | 深圳迈瑞生物医疗电子股份有限公司 | 血管图像组织结构的边缘检测及血管内膜检测方法和*** |
| US20180137612A1 (en) * | 2015-04-27 | 2018-05-17 | Wuhan Wuda Zoyon Science And Technology Co., Ltd. | A stepwise refinement detection method for pavement cracks |
| CN107292890A (zh) * | 2017-06-19 | 2017-10-24 | 北京理工大学 | 一种医学图像分割方法和装置 |
| CN110276229A (zh) * | 2018-03-14 | 2019-09-24 | 京东方科技集团股份有限公司 | 目标物体区域中心定位方法和装置 |
| US20210334998A1 (en) * | 2018-03-14 | 2021-10-28 | Beijing Boe Optoelectronics Technology Co., Ltd. | Image processing method, apparatus, device and medium for locating center of target object region |
| CN109544525A (zh) * | 2018-11-15 | 2019-03-29 | 北京工业大学 | 一种基于自适应窗口模型匹配的眼底图片血管识别方法 |
| CN109658406A (zh) * | 2018-12-25 | 2019-04-19 | 广州天鹏计算机科技有限公司 | 血管图像的识别方法、装置、计算机设备和存储介质 |
| WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
| CN112308846A (zh) * | 2020-11-04 | 2021-02-02 | 赛诺威盛科技（北京）有限公司 | 血管分割方法、装置及电子设备 |
| CN113570570A (zh) * | 2021-07-27 | 2021-10-29 | 蒋庆贺 | 一种从肺部掩膜影像中分割肺血管装置 |
| CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
Non-Patent Citations (4)
| Title |
|---|
| BUKET TOPTAS¸ ET AL.: "Retinal blood vessel segmentation using pixel-based feature vector", 《BIOMEDICAL SIGNAL PROCESSING AND CONTROL》, pages 1 - 12 * |
| 刘帅 等: "自适应局部区域型水平集分割算法", 《计算机***应用》, vol. 26, no. 11, pages 145 - 151 * |
| 姜平: "眼底图像分割方法研究", 《中国博士学位论文全文数据库》, pages 1 - 105 * |
| 王卓英: "冠状动脉造影图像分割算法研究", 《中国优秀硕士学位论文全文数据库》, pages 1 - 70 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542966A (zh) * | 2023-06-28 | 2023-08-04 | 贵州医科大学附属医院 | 用于儿童内分泌异常检测的骨龄智能分析方法 |
| CN116542966B (zh) * | 2023-06-28 | 2023-09-08 | 贵州医科大学附属医院 | 用于儿童内分泌异常检测的骨龄智能分析方法 |
| CN116993628A (zh) * | 2023-09-27 | 2023-11-03 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强*** |
| CN116993628B (zh) * | 2023-09-27 | 2023-12-08 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强*** |
| CN117252893A (zh) * | 2023-11-17 | 2023-12-19 | 科普云医疗软件(深圳)有限公司 | 一种乳腺癌病理图像的分割处理方法 |
| CN117252893B (zh) * | 2023-11-17 | 2024-02-23 | 科普云医疗软件(深圳)有限公司 | 一种乳腺癌病理图像的分割处理方法 |
| CN117422628A (zh) * | 2023-12-18 | 2024-01-19 | 三亚中心医院(海南省第三人民医院、三亚中心医院医疗集团总院) | 一种心脏血管超声检查数据优化增强方法 |
| CN117422628B (zh) * | 2023-12-18 | 2024-03-05 | 三亚中心医院(海南省第三人民医院、三亚中心医院医疗集团总院) | 一种心脏血管超声检查数据优化增强方法 |
| CN117557460A (zh) * | 2024-01-12 | 2024-02-13 | 济南科汛智能科技有限公司 | 一种血管造影图像增强方法 |
| CN117557460B (zh) * | 2024-01-12 | 2024-03-29 | 济南科汛智能科技有限公司 | 一种血管造影图像增强方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116071355A (zh) | 一种用于外周血管影像的辅助分割***及方法 | |
| WO2021129323A1 (zh) | 超声图像病灶描述方法、装置、计算机设备和存储介质 | |
| CN109064476B (zh) | 一种基于水平集的ct胸片肺组织图像分割方法 | |
| EP2188779B1 (en) | Extraction method of tongue region using graph-based approach and geometric properties | |
| CN116109663B (zh) | 基于多阈值分割的胃部ct影像分割方法 | |
| US5960102A (en) | X-ray image processing method and device for performing that method in which a portion corresponding to an x-ray absorption filter is selectively processed | |
| CN110610498A (zh) | 乳腺钼靶图像处理方法、***、存储介质及设备 | |
| CN116152505A (zh) | 基于x光数据的骨骼目标识别分割方法 | |
| CN117422628B (zh) | 一种心脏血管超声检查数据优化增强方法 | |
| CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强*** | |
| CN114820663B (zh) | 用于确定射频消融治疗的辅助定位方法 | |
| CN111127373B (zh) | 一种基于局部截面分析的血管图像提取方法及装置 | |
| CN111105427B (zh) | 一种基于连通区域分析的肺部图像分割方法及*** | |
| CN116485814A (zh) | 一种基于ct影像的颅内血肿区域分割方法 | |
| CN107564021A (zh) | 高衰减组织的检测方法、装置及数字***x线摄影*** | |
| CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
| CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
| US8160336B2 (en) | Reducing false positives for automatic computerized detection of objects | |
| CN111127404B (zh) | 一种医疗影像轮廓快速提取方法 | |
| CN111861984A (zh) | 一种确定肺部区域的方法及装置、计算机设备及存储介质 | |
| CN116596810A (zh) | 一种脊柱内镜影像自动增强方法 | |
| CN112634280B (zh) | 基于能量泛函的mri图像脑肿瘤分割方法 | |
| CN111161285B (zh) | 一种基于特征分析的心包区域定位方法、装置及*** | |
| CN111402284A (zh) | 一种基于三维连通性的图像阈值测定方法及装置 | |
| EP0635804A1 (en) | Image processing method and device for performing that method |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230505 |