CN117115186A - 基于区域生长的心血管分割方法 - Google Patents
基于区域生长的心血管分割方法 Download PDFInfo
- Publication number
- CN117115186A CN117115186A CN202311384642.1A CN202311384642A CN117115186A CN 117115186 A CN117115186 A CN 117115186A CN 202311384642 A CN202311384642 A CN 202311384642A CN 117115186 A CN117115186 A CN 117115186A
- Authority
- CN
- China
- Prior art keywords
- target
- preset
- initial seed
- seed point
- searching
- 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.)
- Granted
Links
- 230000002526 effect on cardiovascular system Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000011218 segmentation Effects 0.000 title claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 115
- 230000002792 vascular Effects 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 210000004204 blood vessel Anatomy 0.000 description 9
- 230000000694 effects Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 241001632422 Radiola linoides Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像区域分割技术领域,具体涉及基于区域生长的心血管分割方法,该方法包括:对获取的目标心血管图像中的像素点进行分组;确定初始种子点;筛选出与所有预设搜索方向不同的预设延伸方向;分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理;确定每个初始种子点在每个目标延伸方向和每个预设搜索方向之间的灰度变化一致程度;确定每个初始种子点在每个预设搜索方向上的目标区域生长阈值;根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对目标心血管图像进行区域生长,得到目标血管区域。本发明通过对目标心血管图像进行区域分割,提高了心血管分割的准确度。
Description
技术领域
本发明涉及图像区域分割技术领域,具体涉及基于区域生长的心血管分割方法。
背景技术
心血管由心和血管组成,为了便于医生分析血管疾病,往往需要从心血管图像中分割出血管区域。目前,对图像进行区域分割时,通常采用的方式为:通过预设区域生长阈值,对图像进行区域生长,得到所需要的区域。
然而,当通过预设区域生长阈值,对心血管图像进行区域生长时,经常会存在如下技术问题:
由于预设区域生长阈值往往是依据人工经验预先设置的区域生长阈值,所以预设区域生长阈值的设置往往受到人为主观因素的影响,往往导致预设区域生长阈值设置的准确度较低,从而导致心血管分割的准确度较低。
发明内容
本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
为了解决心血管分割的准确度较低的技术问题,本发明提出了基于区域生长的心血管分割方法。
本发明提供了基于区域生长的心血管分割方法,该方法包括:
获取目标心血管图像,并对所述目标心血管图像中的像素点进行分组,得到像素点组;
将每个像素点组中灰度值最小的像素点,确定为初始种子点;
从预设延伸方向集合中筛选出与所有预设搜索方向不同的预设延伸方向,作为目标延伸方向;
分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征;
根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及所述目标延伸方向和所述预设搜索方向之间的夹角,确定所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的灰度变化一致程度;
根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到所述初始种子点在所述预设搜索方向上的目标区域生长阈值;
根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对所述目标心血管图像进行区域生长,得到目标血管区域。
可选地,所述分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,包括:
从所述初始种子点的所述目标延伸方向上筛选出离所述初始种子点最近的第一预设数量个像素点,作为延伸像素点,得到所述初始种子点的所述目标延伸方向上的延伸像素点集合;
从所述初始种子点的所述预设搜索方向上筛选出离所述初始种子点最近的第二预设数量个像素点,作为搜索像素点,得到所述初始种子点的所述预设搜索方向上的搜索像素点集合;
根据所述延伸像素点集合中所有延伸像素点对应的灰度值,确定所述初始种子点在所述目标延伸方向上的灰度变化特征;
根据所述搜索像素点集合中所有搜索像素点对应的灰度值,确定所述初始种子点在所述预设搜索方向上的灰度变化特征。
可选地,所述根据所述延伸像素点集合中所有延伸像素点对应的灰度值,确定所述初始种子点在所述目标延伸方向上的灰度变化特征,包括:
将所述初始种子点对应的灰度值与所述延伸像素点集合中所有延伸像素点对应的灰度值的差值绝对值的均值,确定为所述初始种子点在所述目标延伸方向上的第一变化指标;
根据所述第一变化指标与所述延伸像素点集合中所有延伸像素点对应的灰度值,确定所述初始种子点在所述目标延伸方向上的灰度变化特征。
可选地,所述初始种子点在所述目标延伸方向上的灰度变化特征对应的公式为:
;/>;其中,/>是第i个初始种子点在第j个目标延伸方向上的灰度变化特征;i是初始种子点的序号;j是目标延伸方向的序号;/>是第i个初始种子点在第j个目标延伸方向上的第一变化指标;/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中延伸像素点的数量;/>是第i个初始种子点对应的灰度值;/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中,第a个延伸像素点对应的灰度值;/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中,第a+1个延伸像素点对应的灰度值;a是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中延伸像素点的序号;/>是取绝对值函数;/>是预先设置的大于0的因子。
可选地,所述根据所述搜索像素点集合中所有搜索像素点对应的灰度值,确定所述初始种子点在所述预设搜索方向上的灰度变化特征,包括:
将所述初始种子点对应的灰度值与所述搜索像素点集合中所有搜索像素点对应的灰度值的差值绝对值的均值,确定为所述初始种子点在所述预设搜索方向上的第二变化指标;
根据所述第二变化指标与所述搜索像素点集合中所有搜索像素点对应的灰度值,确定所述初始种子点在所述预设搜索方向上的灰度变化特征。
可选地,所述初始种子点在所述预设搜索方向上的灰度变化特征对应的公式为:
;/>;其中,/>是第i个初始种子点在第b个预设搜索方向上的灰度变化特征;i是初始种子点的序号;b是预设搜索方向的序号;/>是第i个初始种子点在第b个预设搜索方向上的第二变化指标;/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中搜索像素点的数量;/>是第i个初始种子点对应的灰度值;/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中,第c个搜索像素点对应的灰度值;/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中,第c+1个搜索像素点对应的灰度值;c是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中搜索像素点的序号;/>是取绝对值函数;/>是预先设置的大于0的因子。
可选地,所述根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及所述目标延伸方向和所述预设搜索方向之间的夹角,确定所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的灰度变化一致程度,包括:
将所述初始种子点在所述目标延伸方向和所述预设搜索方向上的灰度变化特征的差值的绝对值,确定为所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的特征差异指标;
将所述目标延伸方向和所述预设搜索方向之间的夹角,确定为目标夹角;
根据所述特征差异指标和所述目标夹角,确定所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的灰度变化一致程度,其中,所述特征差异指标和所述目标夹角均与所述灰度变化一致程度呈负相关。
可选地,所述根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到所述初始种子点在所述预设搜索方向上的目标区域生长阈值,包括:
从所述初始种子点在所有目标延伸方向和所述预设搜索方向之间的灰度变化一致程度中筛选出最大的灰度变化一致程度,作为所述初始种子点在所述预设搜索方向上的目标一致程度;
将所述目标一致程度与所述预设区域生长阈值的乘积,确定为所述初始种子点在所述预设搜索方向上的阈值变化量;
将所述预设区域生长阈值与所述阈值变化量的和,确定为所述初始种子点在所述预设搜索方向上的目标区域生长阈值。
可选地,所述根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对所述目标心血管图像进行区域生长,得到目标血管区域,包括:
根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,在对所述目标心血管图像进行区域生长的过程中,得到新的种子点;
确定每个新的种子点在每个目标延伸方向和每个预设搜索方向之间的灰度变化一致程度;
根据每个新的种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,确定所述新的种子点在所述预设搜索方向上的目标区域生长阈值;
根据所有种子点和其在所有预设搜索方向上的目标区域生长阈值,对所述目标心血管图像进行区域生长,得到目标血管区域。
可选地,所述新的种子点在所述预设搜索方向上的目标区域生长阈值对应的公式为:
;其中,/>是第x个新的种子点在第b个预设搜索方向上的目标区域生长阈值;/>是第x个新的种子点在所有目标延伸方向和第b个预设搜索方向之间的灰度变化一致程度中的最大值;/>是将第x个新的种子点生长为种子点的种子点在第b个预设搜索方向上的目标区域生长阈值;x是新的种子点的序号;b是预设搜索方向的序号。
本发明具有如下有益效果:
本发明的基于区域生长的心血管分割方法,通过对目标心血管图像进行区域分割,实现了心血管分割,解决了心血管分割的准确度低下的技术问题,提高了心血管分割的准确度。首先,对目标心血管图像中的像素点进行分组,可以便于后续从每个像素点组中筛选出初始种子点。然后,由于血管对应的灰度值往往相对较低,所以像素点组中灰度值最小的像素点往往是血管中的像素点,将其作为初始种子点,可以便于后续区域生长,得到目标血管区域。继续,由于初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化规律往往影响着后续区域生长阈值的设置,因此量化每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,可以便于后续为每个初始种子点在每个预设搜索方向上精确地设置目标区域生长阈值。之后,综合考虑每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及该目标延伸方向和该预设搜索方向之间的夹角,可以量化该初始种子点在该目标延伸方向和该预设搜索方向之间的灰度变化一致程度,其值越大,往往说明该初始种子点在该预设搜索方向上越可以设置较大的区域生长阈值。因此综合考虑每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,可以得到该初始种子点在该预设搜索方向上较为精确的目标区域生长阈值。最后,基于所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对目标心血管图像进行区域生长,可以得到目标血管区域,并且相较于通过预设区域生长阈值,对心血管图像进行区域生长,本发明量化了多个影响区域生长阈值设置的指标,比如,灰度变化一致程度,并为每个初始种子点在每个预设搜索方向上相对客观地量化了目标区域生长阈值,在一定程度上减少了人为主观因素的影响,从而可以提高对目标心血管图像进行区域生长的准确度,进而可以提高目标血管区域确定的准确度。
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和优点,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的介绍,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它附图。
图1为本发明的基于区域生长的心血管分割方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明提供了基于区域生长的心血管分割方法,该方法包括以下步骤:
获取目标心血管图像,并对目标心血管图像中的像素点进行分组,得到像素点组;
将每个像素点组中灰度值最小的像素点,确定为初始种子点;
从预设延伸方向集合中筛选出与所有预设搜索方向不同的预设延伸方向,作为目标延伸方向;
分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征;
根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及目标延伸方向和预设搜索方向之间的夹角,确定初始种子点在目标延伸方向和预设搜索方向之间的灰度变化一致程度;
根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到初始种子点在预设搜索方向上的目标区域生长阈值;
根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对目标心血管图像进行区域生长,得到目标血管区域。
下面对上述各个步骤进行详细展开:
参考图1,示出了根据本发明的基于区域生长的心血管分割方法的一些实施例的流程。该基于区域生长的心血管分割方法,包括以下步骤:
步骤S1,获取目标心血管图像,并对目标心血管图像中的像素点进行分组,得到像素点组。
在一些实施例中,可以获取目标心血管图像,并对上述目标心血管图像中的像素点进行分组,得到像素点组。
其中,目标心血管图像可以是进行图像预处理后的心血管图像。图像预处理可以包括但不限于:灰度化、图像增强和去噪处理。像素点组可以包括:目标心血管图像中的一行像素点。
需要说明的是,对目标心血管图像中的像素点进行分组,可以便于后续从每个像素点组中筛选出初始种子点。
作为示例,本步骤可以包括以下步骤:
第一步,通过图像采集设备,采集心血管图像,作为初始心血管图像。
其中,图像采集设备可以是用于图像采集的设备。例如,图像采集设备可以是但不限于:X射线成像仪、超声成像仪或核磁共振成像仪。
第二步,对初始心血管图像进行灰度化,并将灰度化后得到的图像,作为目标心血管图像。
第三步,将目标心血管图像中的每行像素点,构成一个像素点组。
步骤S2,将每个像素点组中灰度值最小的像素点,确定为初始种子点。
在一些实施例中,可以将每个像素点组中灰度值最小的像素点,确定为初始种子点。
需要说明的是,由于血管对应的灰度值往往相对较低,所以像素点组中灰度值最小的像素点往往是血管中的像素点,将其作为初始种子点,可以便于后续区域生长,得到目标血管区域。
作为示例,可以从每个像素点组中筛选出灰度值最小的像素点,作为初始种子点。
步骤S3,从预设延伸方向集合中筛选出与所有预设搜索方向不同的预设延伸方向,作为目标延伸方向。
在一些实施例中,可以从预设延伸方向集合中筛选出与所有预设搜索方向不同的预设延伸方向,作为目标延伸方向。
其中,预设延伸方向可以是预先设置的,用于和预设搜索方向作对比的方向。预设搜索方向可以是预先设置的,进行区域生长时的搜索方向,也就是进行区域生长时的生长方向。相邻预设延伸方向之间的夹角可以小于相邻预设搜索方向之间的夹角。
作为示例,若进行区域生长时的邻域是4邻域,则相邻预设搜索方向之间的夹角可以为90°,共有4个预设搜索方向,分别可以为:0°方向、90°方向、180°方向和270°方向。由于相邻预设延伸方向之间的夹角可以小于相邻预设搜索方向之间的夹角,因此预设延伸方向集合包括的各个预设延伸方向依次可以为:0°方向、45°方向、90°方向、135°方向、180°方向、225°方向、270°方向和315°方向。此时目标延伸方向共有4个,分别为45°方向、135°方向、225°方向和315°方向。
步骤S4,分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征。
在一些实施例中,可以分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征。
需要说明的是,由于初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化规律往往影响着后续区域生长阈值的设置,因此量化每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,可以便于后续为每个初始种子点在每个预设搜索方向上精确地设置目标区域生长阈值。
作为示例,本步骤可以包括以下步骤:
第一步,从上述初始种子点的上述目标延伸方向上筛选出离上述初始种子点最近的第一预设数量个像素点,作为延伸像素点,得到上述初始种子点的上述目标延伸方向上的延伸像素点集合。
其中,第一预设数量可以是预先设置的数量。例如,第一预设数量可以是20。
第二步,从上述初始种子点的上述预设搜索方向上筛选出离上述初始种子点最近的第二预设数量个像素点,作为搜索像素点,得到上述初始种子点的上述预设搜索方向上的搜索像素点集合。
其中,第二预设数量可以是预先设置的数量。第一预设数量可以与第二预设数量相等。例如,第二预设数量可以是20。
第三步,根据上述延伸像素点集合中所有延伸像素点对应的灰度值,确定上述初始种子点在上述目标延伸方向上的灰度变化特征可以包括以下子步骤:
第一子步骤,将上述初始种子点对应的灰度值与上述延伸像素点集合中所有延伸像素点对应的灰度值的差值绝对值的均值,确定为上述初始种子点在上述目标延伸方向上的第一变化指标。
第二子步骤,根据上述第一变化指标与上述延伸像素点集合中所有延伸像素点对应的灰度值,确定上述初始种子点在上述目标延伸方向上的灰度变化特征对应的公式可以为:
;/>;其中,/>是第i个初始种子点在第j个目标延伸方向上的灰度变化特征。i是初始种子点的序号。j是目标延伸方向的序号。/>是第i个初始种子点在第j个目标延伸方向上的第一变化指标。/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中延伸像素点的数量。/>是第i个初始种子点对应的灰度值。/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中,第a个延伸像素点对应的灰度值。/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中,第a+1个延伸像素点对应的灰度值。a是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中延伸像素点的序号。/>是取绝对值函数。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以为0.01。
需要说明的是,当越大时,往往说明第i个初始种子点在第j个目标延伸方向上的灰度变化越大,往往说明第i个初始种子点与其第j个目标延伸方向上的像素点之间的灰度值越不相似。当/>越大时,往往说明第a个延伸像素点与第a+1个延伸像素点之间的灰度差异越大,往往说明第a个延伸像素点与第a+1个延伸像素点之间的灰度变化越大,往往说明延伸像素点的灰度值逐渐发生变化。因此,/>可以表征第i个初始种子点在第j个目标延伸方向上的灰度变化特征,其值越大,往往说明第i个初始种子点在第j个目标延伸方向上的灰度变化程度越大。
第四步,根据上述搜索像素点集合中所有搜索像素点对应的灰度值,确定上述初始种子点在上述预设搜索方向上的灰度变化特征可以包括以下子步骤:
第一子步骤,将上述初始种子点对应的灰度值与上述搜索像素点集合中所有搜索像素点对应的灰度值的差值绝对值的均值,确定为上述初始种子点在上述预设搜索方向上的第二变化指标。
第二子步骤,根据上述第二变化指标与上述搜索像素点集合中所有搜索像素点对应的灰度值,确定上述初始种子点在上述预设搜索方向上的灰度变化特征对应的公式可以为:
;/>;其中,/>是第i个初始种子点在第b个预设搜索方向上的灰度变化特征。i是初始种子点的序号。b是预设搜索方向的序号。/>是第i个初始种子点在第b个预设搜索方向上的第二变化指标。/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中搜索像素点的数量。/>是第i个初始种子点对应的灰度值。/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中,第c个搜索像素点对应的灰度值。/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中,第c+1个搜索像素点对应的灰度值。c是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中搜索像素点的序号。/>是取绝对值函数。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以为0.01。
需要说明的是,当越大时,往往说明第i个初始种子点在第b个预设搜索方向上的灰度变化越大,往往说明第i个初始种子点与其第b个预设搜索方向上的像素点之间的灰度值越不相似。当/>越大时,往往说明第c个搜索像素点与第c+1个搜索像素点之间的灰度差异越大,往往说明第c个搜索像素点与第c+1个搜索像素点之间的灰度变化越大,往往说明搜索像素点的灰度值逐渐发生变化。因此,/>可以表征第i个初始种子点在第b个预设搜索方向上的灰度变化特征,其值越大,往往说明第i个初始种子点在第b个预设搜索方向上的灰度变化程度越大。
步骤S5,根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及目标延伸方向和预设搜索方向之间的夹角,确定初始种子点在目标延伸方向和预设搜索方向之间的灰度变化一致程度。
在一些实施例中,可以根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及上述目标延伸方向和上述预设搜索方向之间的夹角,确定上述初始种子点在上述目标延伸方向和上述预设搜索方向之间的灰度变化一致程度。
需要说明的是,综合考虑每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及该目标延伸方向和该预设搜索方向之间的夹角,可以量化该初始种子点在该目标延伸方向和该预设搜索方向之间的灰度变化一致程度,其值越大,往往说明该初始种子点在该预设搜索方向上越可以设置较大的区域生长阈值。
作为示例,本步骤可以包括以下步骤:
第一步,将上述初始种子点在上述目标延伸方向和上述预设搜索方向上的灰度变化特征的差值的绝对值,确定为上述初始种子点在上述目标延伸方向和上述预设搜索方向之间的特征差异指标。
第二步,将上述目标延伸方向和上述预设搜索方向之间的夹角,确定为目标夹角。
第三步,根据上述特征差异指标和上述目标夹角,确定上述初始种子点在上述目标延伸方向和上述预设搜索方向之间的灰度变化一致程度。
其中,上述特征差异指标和上述目标夹角均可以与上述灰度变化一致程度呈负相关。
例如,确定初始种子点在目标延伸方向和预设搜索方向之间的灰度变化一致程度对应的公式可以为:
;其中,/>是第i个初始种子点在第j个目标延伸方向和第b个预设搜索方向之间的灰度变化一致程度。/>是归一化函数。/>是取绝对值函数。/>是第j个目标延伸方向和第b个预设搜索方向之间的夹角,也就是目标夹角。是第i个初始种子点在第j个目标延伸方向上的灰度变化特征。/>是第i个初始种子点在第b个预设搜索方向上的灰度变化特征。i是初始种子点的序号。j是目标延伸方向的序号。b是预设搜索方向的序号。/>是第i个初始种子点在第j个目标延伸方向和第b个预设搜索方向之间的特征差异指标。
需要说明的是,当越小时,往往说明第j个目标延伸方向和第b个预设搜索方向越相似。当/>越小时,往往说明第i个初始种子点在第j个目标延伸方向和第b个预设搜索方向之间的灰度变化特征越相似。因此当/>越大时,往往说明第i个初始种子点在第j个目标延伸方向和第b个预设搜索方向之间的灰度变化越相似,并且往往说明第j个目标延伸方向和第b个预设搜索方向越相似,往往说明第i个初始种子点在第j个目标延伸方向和第b个预设搜索方向之间的灰度变化越一致,此时适度地调大生长阈值可以使区域生长更容易将灰度相似的像素划分到同一区域内,从而可以提高区域生长的生长效果和聚类准确性。因此当/>越大时,往往说明越需要调大其对应的区域生长阈值。
步骤S6,根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到初始种子点在预设搜索方向上的目标区域生长阈值。
在一些实施例中,可以根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到上述初始种子点在上述预设搜索方向上的目标区域生长阈值。
其中,预设区域生长阈值可以是预先设置的用于区域生长时的阈值,也就是预先设置的区域生长阈值。例如,预设区域生长阈值可以是依据人工经验设置的区域生长阈值。
需要说明的是,综合考虑每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,可以得到该初始种子点在该预设搜索方向上较为精确的目标区域生长阈值。
作为示例,本步骤可以包括以下步骤:
第一步,从上述初始种子点在所有目标延伸方向和上述预设搜索方向之间的灰度变化一致程度中筛选出最大的灰度变化一致程度,作为上述初始种子点在上述预设搜索方向上的目标一致程度。
第二步,将上述目标一致程度与上述预设区域生长阈值的乘积,确定为上述初始种子点在上述预设搜索方向上的阈值变化量。
第三步,将上述预设区域生长阈值与上述阈值变化量的和,确定为上述初始种子点在上述预设搜索方向上的目标区域生长阈值。
例如,确定初始种子点在预设搜索方向上的目标区域生长阈值对应的公式可以为:
;其中,/>是第i个初始种子点在第b个预设搜索方向上的目标区域生长阈值。d是预设区域生长阈值。/>是第i个初始种子点在第b个预设搜索方向上的目标一致程度,也就是第i个初始种子点在所有目标延伸方向和第b个预设搜索方向之间的灰度变化一致程度中的最大值。/>是第i个初始种子点在第b个预设搜索方向上的阈值变化量。i是初始种子点的序号。b是预设搜索方向的序号。
需要说明的是,当越大时,往往说明第i个初始种子点在各个目标延伸方向和第b个预设搜索方向之间的灰度变化越一致,往往说明越需要调大其对应的区域生长阈值。因此/>可以表征第i个初始种子点在第b个预设搜索方向上设置的调整后的区域生长阈值。
步骤S7,根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对目标心血管图像进行区域生长,得到目标血管区域。
在一些实施例中,可以根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对上述目标心血管图像进行区域生长,得到目标血管区域。
其中,目标血管区域可以是目标心血管图像中的血管区域。
作为示例,本步骤可以包括以下步骤:
第一步,根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,在对上述目标心血管图像进行区域生长的过程中,得到新的种子点。
其中,新的种子点可以在区域生长过程中新生长出的种子点。
第二步,确定每个新的种子点在每个目标延伸方向和每个预设搜索方向之间的灰度变化一致程度的方法可以为:将新的种子点作为初始种子点,执行步骤S4和步骤S5,得到的灰度变化一致程度即为新的种子点在目标延伸方向和预设搜索方向之间的灰度变化一致程度。
第三步,根据每个新的种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,确定上述新的种子点在上述预设搜索方向上的目标区域生长阈值对应的公式可以为:
;其中,/>是第x个新的种子点在第b个预设搜索方向上的目标区域生长阈值。/>是第x个新的种子点在所有目标延伸方向和第b个预设搜索方向之间的灰度变化一致程度中的最大值。/>是将第x个新的种子点生长为种子点的种子点在第b个预设搜索方向上的目标区域生长阈值。x是新的种子点的序号。b是预设搜索方向的序号。
需要说明的是,当越大时,往往说明第x个新的种子点在各个目标延伸方向和第b个预设搜索方向之间的灰度变化越一致,往往说明越需要调大其对应的区域生长阈值。因此/>可以表征第x个新的种子点在第b个预设搜索方向上设置的调整后的区域生长阈值。/>
第四步,根据所有种子点和其在所有预设搜索方向上的目标区域生长阈值,对上述目标心血管图像进行区域生长,得到目标血管区域。
需要说明的是,为了使目标血管区域更加清晰,也可以对目标血管区域进行去噪处理和图像增强处理。
综上,基于所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对目标心血管图像进行区域生长,可以得到目标血管区域,并且相较于通过预设区域生长阈值,对心血管图像进行区域生长,本发明量化了多个影响区域生长阈值设置的指标,比如,灰度变化一致程度,并为每个初始种子点在每个预设搜索方向上相对客观地量化了目标区域生长阈值,在一定程度上减少了人为主观因素的影响,从而可以提高对目标心血管图像进行区域生长的准确度,进而可以提高目标血管区域确定的准确度。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于区域生长的心血管分割方法,其特征在于,包括以下步骤:
获取目标心血管图像,并对所述目标心血管图像中的像素点进行分组,得到像素点组;
将每个像素点组中灰度值最小的像素点,确定为初始种子点;
从预设延伸方向集合中筛选出与所有预设搜索方向不同的预设延伸方向,作为目标延伸方向;
分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征;
根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及所述目标延伸方向和所述预设搜索方向之间的夹角,确定所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的灰度变化一致程度;
根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到所述初始种子点在所述预设搜索方向上的目标区域生长阈值;
根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对所述目标心血管图像进行区域生长,得到目标血管区域。
2.根据权利要求1所述的一种基于区域生长的心血管分割方法,其特征在于,所述分别对每个初始种子点的每个目标延伸方向和每个预设搜索方向进行灰度变化规律分析处理,得到每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,包括:
从所述初始种子点的所述目标延伸方向上筛选出离所述初始种子点最近的第一预设数量个像素点,作为延伸像素点,得到所述初始种子点的所述目标延伸方向上的延伸像素点集合;
从所述初始种子点的所述预设搜索方向上筛选出离所述初始种子点最近的第二预设数量个像素点,作为搜索像素点,得到所述初始种子点的所述预设搜索方向上的搜索像素点集合;
根据所述延伸像素点集合中所有延伸像素点对应的灰度值,确定所述初始种子点在所述目标延伸方向上的灰度变化特征;
根据所述搜索像素点集合中所有搜索像素点对应的灰度值,确定所述初始种子点在所述预设搜索方向上的灰度变化特征。
3.根据权利要求2所述的一种基于区域生长的心血管分割方法,其特征在于,所述根据所述延伸像素点集合中所有延伸像素点对应的灰度值,确定所述初始种子点在所述目标延伸方向上的灰度变化特征,包括:
将所述初始种子点对应的灰度值与所述延伸像素点集合中所有延伸像素点对应的灰度值的差值绝对值的均值,确定为所述初始种子点在所述目标延伸方向上的第一变化指标;
根据所述第一变化指标与所述延伸像素点集合中所有延伸像素点对应的灰度值,确定所述初始种子点在所述目标延伸方向上的灰度变化特征。
4.根据权利要求3所述的一种基于区域生长的心血管分割方法,其特征在于,所述初始种子点在所述目标延伸方向上的灰度变化特征对应的公式为:
;/>;其中,/>是第i个初始种子点在第j个目标延伸方向上的灰度变化特征;i是初始种子点的序号;j是目标延伸方向的序号;/>是第i个初始种子点在第j个目标延伸方向上的第一变化指标;/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中延伸像素点的数量;/>是第i个初始种子点对应的灰度值;/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中,第a个延伸像素点对应的灰度值;/>是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中,第a+1个延伸像素点对应的灰度值;a是第i个初始种子点在第j个目标延伸方向上的延伸像素点集合中延伸像素点的序号;/>是取绝对值函数;/>是预先设置的大于0的因子。
5.根据权利要求2所述的一种基于区域生长的心血管分割方法,其特征在于,所述根据所述搜索像素点集合中所有搜索像素点对应的灰度值,确定所述初始种子点在所述预设搜索方向上的灰度变化特征,包括:
将所述初始种子点对应的灰度值与所述搜索像素点集合中所有搜索像素点对应的灰度值的差值绝对值的均值,确定为所述初始种子点在所述预设搜索方向上的第二变化指标;
根据所述第二变化指标与所述搜索像素点集合中所有搜索像素点对应的灰度值,确定所述初始种子点在所述预设搜索方向上的灰度变化特征。
6.根据权利要求5所述的一种基于区域生长的心血管分割方法,其特征在于,所述初始种子点在所述预设搜索方向上的灰度变化特征对应的公式为:
;/>;其中,/>是第i个初始种子点在第b个预设搜索方向上的灰度变化特征;i是初始种子点的序号;b是预设搜索方向的序号;/>是第i个初始种子点在第b个预设搜索方向上的第二变化指标;/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中搜索像素点的数量;/>是第i个初始种子点对应的灰度值;/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中,第c个搜索像素点对应的灰度值;/>是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中,第c+1个搜索像素点对应的灰度值;c是第i个初始种子点在第b个预设搜索方向上的搜索像素点集合中搜索像素点的序号;/>是取绝对值函数;/>是预先设置的大于0的因子。
7.根据权利要求1所述的一种基于区域生长的心血管分割方法,其特征在于,所述根据每个初始种子点在每个目标延伸方向和每个预设搜索方向上的灰度变化特征,以及所述目标延伸方向和所述预设搜索方向之间的夹角,确定所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的灰度变化一致程度,包括:
将所述初始种子点在所述目标延伸方向和所述预设搜索方向上的灰度变化特征的差值的绝对值,确定为所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的特征差异指标;
将所述目标延伸方向和所述预设搜索方向之间的夹角,确定为目标夹角;
根据所述特征差异指标和所述目标夹角,确定所述初始种子点在所述目标延伸方向和所述预设搜索方向之间的灰度变化一致程度,其中,所述特征差异指标和所述目标夹角均与所述灰度变化一致程度呈负相关。
8.根据权利要求1所述的一种基于区域生长的心血管分割方法,其特征在于,所述根据每个初始种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,对预设区域生长阈值进行修正,得到所述初始种子点在所述预设搜索方向上的目标区域生长阈值,包括:
从所述初始种子点在所有目标延伸方向和所述预设搜索方向之间的灰度变化一致程度中筛选出最大的灰度变化一致程度,作为所述初始种子点在所述预设搜索方向上的目标一致程度;
将所述目标一致程度与所述预设区域生长阈值的乘积,确定为所述初始种子点在所述预设搜索方向上的阈值变化量;
将所述预设区域生长阈值与所述阈值变化量的和,确定为所述初始种子点在所述预设搜索方向上的目标区域生长阈值。
9.根据权利要求1所述的一种基于区域生长的心血管分割方法,其特征在于,所述根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,对所述目标心血管图像进行区域生长,得到目标血管区域,包括:
根据所有初始种子点和其在所有预设搜索方向上的目标区域生长阈值,在对所述目标心血管图像进行区域生长的过程中,得到新的种子点;
确定每个新的种子点在每个目标延伸方向和每个预设搜索方向之间的灰度变化一致程度;
根据每个新的种子点在所有目标延伸方向和每个预设搜索方向之间的灰度变化一致程度,确定所述新的种子点在所述预设搜索方向上的目标区域生长阈值;
根据所有种子点和其在所有预设搜索方向上的目标区域生长阈值,对所述目标心血管图像进行区域生长,得到目标血管区域。
10.根据权利要求9所述的一种基于区域生长的心血管分割方法,其特征在于,所述新的种子点在所述预设搜索方向上的目标区域生长阈值对应的公式为:
;其中,/>是第x个新的种子点在第b个预设搜索方向上的目标区域生长阈值;/>是第x个新的种子点在所有目标延伸方向和第b个预设搜索方向之间的灰度变化一致程度中的最大值;/>是将第x个新的种子点生长为种子点的种子点在第b个预设搜索方向上的目标区域生长阈值;x是新的种子点的序号;b是预设搜索方向的序号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384642.1A CN117115186B (zh) | 2023-10-25 | 2023-10-25 | 基于区域生长的心血管分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384642.1A CN117115186B (zh) | 2023-10-25 | 2023-10-25 | 基于区域生长的心血管分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115186A true CN117115186A (zh) | 2023-11-24 |
CN117115186B CN117115186B (zh) | 2024-02-02 |
Family
ID=88796987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311384642.1A Active CN117115186B (zh) | 2023-10-25 | 2023-10-25 | 基于区域生长的心血管分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115186B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031019A1 (en) * | 2005-07-28 | 2007-02-08 | David Lesage | System and method for coronary artery segmentation of cardiac CT volumes |
CN104715483A (zh) * | 2015-03-20 | 2015-06-17 | 中国科学院自动化研究所 | 肺部ct影像病变组织的自动分割方法 |
CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
US20200034972A1 (en) * | 2018-07-25 | 2020-01-30 | Boe Technology Group Co., Ltd. | Image segmentation method and device, computer device and non-volatile storage medium |
CN111951277A (zh) * | 2020-07-28 | 2020-11-17 | 杭州电子科技大学 | 一种基于cta图像的冠状动脉分割方法 |
CN115375719A (zh) * | 2022-08-18 | 2022-11-22 | 华科精准(北京)医疗科技有限公司 | 一种血管图像分割方法及装置 |
CN116843714A (zh) * | 2023-07-10 | 2023-10-03 | 复旦大学 | 一种采用区域生长法的ct图像血管重建方法 |
-
2023
- 2023-10-25 CN CN202311384642.1A patent/CN117115186B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031019A1 (en) * | 2005-07-28 | 2007-02-08 | David Lesage | System and method for coronary artery segmentation of cardiac CT volumes |
CN104715483A (zh) * | 2015-03-20 | 2015-06-17 | 中国科学院自动化研究所 | 肺部ct影像病变组织的自动分割方法 |
CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
US20200034972A1 (en) * | 2018-07-25 | 2020-01-30 | Boe Technology Group Co., Ltd. | Image segmentation method and device, computer device and non-volatile storage medium |
CN111951277A (zh) * | 2020-07-28 | 2020-11-17 | 杭州电子科技大学 | 一种基于cta图像的冠状动脉分割方法 |
CN115375719A (zh) * | 2022-08-18 | 2022-11-22 | 华科精准(北京)医疗科技有限公司 | 一种血管图像分割方法及装置 |
CN116843714A (zh) * | 2023-07-10 | 2023-10-03 | 复旦大学 | 一种采用区域生长法的ct图像血管重建方法 |
Non-Patent Citations (3)
Title |
---|
吴世源 等: "多模态融合技术三维重建岩上静脉", 《中国临床解剖学杂志》, vol. 41, no. 3, pages 270 - 276 * |
於猛 等: "改进区域生长法及其在冠状动脉造影图中的应用", 《厦门大学学报(自然科学版)》, vol. 52, no. 1, pages 38 - 42 * |
谭启路 等: "基于区域生长法的三维心血管模型的分割", 《北京生物医学工程》, vol. 35, no. 5, pages 469 - 475 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115186B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Retinal blood vessel segmentation based on the Gaussian matched filter and U-net | |
CN111784721B (zh) | 基于深度学习的超声内窥图像智能分割与量化方法及*** | |
CN106600571A (zh) | 融合全卷积神经网络和条件随机场的脑肿瘤自动分割方法 | |
CN108364297B (zh) | 血管图像分割方法、终端、存储介质 | |
CN110751636B (zh) | 一种基于改进型编解码网络的眼底图像视网膜动脉硬化检测方法 | |
CN112435263A (zh) | 医学图像分割方法、装置、设备、***及计算机存储介质 | |
CN113361623B (zh) | 一种轻量级cnn结合迁移学习的医学图像分类方法 | |
CN111047607A (zh) | 一种自动分割冠状动脉的方法 | |
CN112750137B (zh) | 基于深度学习的肝脏肿瘤分割方法及*** | |
CN109949288A (zh) | 肿瘤类型确定***、方法及存储介质 | |
CN117689574B (zh) | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN116485819B (zh) | 一种耳鼻喉检查图像分割方法及*** | |
CN117115186B (zh) | 基于区域生长的心血管分割方法 | |
CN117523235A (zh) | 一种用于外科护理的患者伤口智能识别*** | |
CN110619633B (zh) | 一种基于多路滤波策略的肝脏图像分割方法 | |
Kalhor et al. | Assessment of histogram-based medical image contrast enhancement techniques; an implementation | |
CN108447066B (zh) | 胆道图像分割方法、终端、存储介质 | |
CN114612484B (zh) | 基于无监督学习的视网膜oct图像分割方法 | |
CN113763409B (zh) | 一种基于高斯滤波的高维脑核磁图像多阈值分割方法 | |
CN112862089B (zh) | 一种具有可解释性的医学图像深度学习方法 | |
CN115187592A (zh) | 一种适用于核磁共振图像的图像分割方法 | |
CN113034451A (zh) | 一种基于深度学习的胸部dr图像识别方法 | |
CN110647870A (zh) | 一种基于滑动窗计算静息态fMRI数据近似熵的方法 | |
CN117689552B (zh) | 一种心内科介入治疗用冠状动脉造影增强方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |