WO2022199403A1 - 血管中心线的提取方法及装置 - Google Patents

血管中心线的提取方法及装置 Download PDF

Info

Publication number
WO2022199403A1
WO2022199403A1 PCT/CN2022/080425 CN2022080425W WO2022199403A1 WO 2022199403 A1 WO2022199403 A1 WO 2022199403A1 CN 2022080425 W CN2022080425 W CN 2022080425W WO 2022199403 A1 WO2022199403 A1 WO 2022199403A1
Authority
WO
WIPO (PCT)
Prior art keywords
blood vessel
point
centerline
segment
center line
Prior art date
Application number
PCT/CN2022/080425
Other languages
English (en)
French (fr)
Inventor
毛益进
张超
赵清华
高唱
刘伟
Original Assignee
北京阅影科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北京阅影科技有限公司 filed Critical 北京阅影科技有限公司
Publication of WO2022199403A1 publication Critical patent/WO2022199403A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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

Definitions

  • segmenting the coronary artery and extracting the coronary centerline are the primary tasks of the research.
  • the lesion coefficient can better assist doctors in clinical diagnosis and treatment.
  • judging the quality of an algorithm usually depends on the following indicators: whether the skeleton is broken, whether the skeleton can retain the topology information of the blood vessel, whether the skeleton is centered, whether the width of the skeleton is 1, etc.
  • the filtering module includes: a traversal sub-module for performing layer-by-layer traversal on the blood vessel image; a first determination sub-module for determining a current point to be traversed and a neighborhood of the current point; filtering A sub-module for performing simple point filtering on the blood vessel image by using the current point and its neighborhood and the simple point template.
  • the simple point template when using the simple point template to filter the blood vessel image, only the blood vessel image is retained or deleted, and the blood vessel image is deleted layer by layer inward from the boundary points. filter.
  • the obtaining unit includes: a third obtaining module, configured to obtain the end segment mark of each segment in the preprocessing centerline; In all end segments, it is determined whether each segment is a redundant segment according to the segment length; the deletion sub-module is used to delete the redundant segment.
  • the apparatus for extracting the blood vessel centerline further includes: a second determining module, configured to traverse all the blood vessel point sets before acquiring the end segment mark of each segment in the preprocessed centerline, and calculate each The number of center points in the point neighborhood, when it is judged that the center point has only one neighborhood, in addition to the starting point, the center point is determined as the end point; the marking module is used to fork the end point to the upper level The segment in the middle of the dot is used as the end segment, and the end segment is labeled.
  • a second determining module configured to traverse all the blood vessel point sets before acquiring the end segment mark of each segment in the preprocessed centerline, and calculate each The number of center points in the point neighborhood, when it is judged that the center point has only one neighborhood, in addition to the starting point, the center point is determined as the end point; the marking module is used to fork the end point to the upper level The segment in the middle of the dot is used as the end segment, and the end segment is labeled.
  • At least one embodiment of the present disclosure provides a non-volatile computer-readable storage medium including a stored computer program, wherein the non-volatile computer program is processed When the computer is running, the device where the computer storage medium is located is controlled to execute the method for extracting the blood vessel centerline described in any one of the above.
  • Figure 2 (a) is a schematic diagram of multiple bifurcation modules appearing in the centerline of a blood vessel extracted according to the Fast Marching algorithm in the related art;
  • FIG. 4(b) is a second schematic diagram of a simple point template according to an embodiment of the present disclosure.
  • 4(c) is a schematic diagram 3 of a simple point template according to an embodiment of the present disclosure.
  • FIG. 4(d) is a schematic diagram 4 of a simple point template according to an embodiment of the present disclosure.
  • FIG. 5(a) is a schematic diagram of a coronary artery to be subjected to centerline extraction according to an embodiment of the present disclosure
  • FIG. 5( b ) is a schematic diagram of the vessel centerline of the coronary artery obtained by extraction according to an embodiment of the present disclosure
  • FIG. 5( c ) is a schematic diagram of overlapping the coronary artery to be centerline extraction and the extracted blood vessel centerline of the coronary artery according to an embodiment of the present disclosure
  • FIG. 6 is a flowchart of an optional method for extracting blood vessel centerlines according to an embodiment of the present disclosure
  • FIG. 7 is a schematic diagram of an extraction device for a blood vessel centerline according to an embodiment of the present disclosure.
  • the current algorithm flow for extracting coronary arteries and their centerlines is as follows: First, a threshold-based method is used to obtain a rough coronary artery and initial centerline. The starting point, end point and waypoint of the centerline are known. Within the initial outline of the coronary artery, Fast The Marching algorithm extracts the centerline of the blood vessel branch, which is used to update the initial centerline, and then obtains a new coronary contour. Continue to use the Fast Marching algorithm to extract the centerline, and repeat the above steps until the results of multiple iterations are basically unchanged. Terminate and take the result of the last iteration as the final result for the coronary arteries and centerlines. But the current algorithm has many problems:
  • Figure 1(a) is based on the Fast Marching algorithm in the related art to extract the center of the blood vessel.
  • 1(b) is a schematic diagram of information loss at the bending of the blood vessel center line extracted according to the Fast Marching algorithm in the related art.
  • FIG. 1(c) is a schematic diagram of extracting the centerline of the blood vessel according to the Fast Marching algorithm in the related art, which causes the centerline to be outside the target due to background noise.
  • the black thick solid line in the figure is the target outline, and the black The solid point is the background noise, the dashed line is the real skeleton, and the thin solid line is the actual extraction result of the centerline.
  • the Fast Marching algorithm has serious distortion of the centerline extraction results for blood vessels with complex shapes.
  • the schematic diagram of the module lists one of the cases.
  • the three points P, A, and B are 26-neighborhoods of each other. The distance between them is 1, and they all have three neighbors each, but only one point P in the middle of them is the real bifurcation point.
  • the segmentation rule is correct, the segmentation result is as follows: CP, PD, and PE are divided into three segments; Multiple redundant short segments are generated, and the segmentation results are as follows: CP, PA, PB, AB, AD, and BE have a total of six segments.
  • Figure 2(b) is based on the Fast Marching algorithm in the related art.
  • a schematic diagram of a segment, as shown in Figure 2(b) results in an error in the length and number of segments.
  • FIG. 3 is a flowchart of a method for extracting a blood vessel centerline according to an embodiment of the present disclosure. As shown in FIG. 3 , the method for extracting a blood vessel centerline includes the following steps:
  • step S302 the predetermined blood vessel is refined by means of topology refinement to obtain the initial centerline of the predetermined blood vessel.
  • the blood vessel image of the predetermined blood vessel is traversed multiple times by means of topology refinement, so as to extract the initial centerline of the predetermined blood vessel.
  • the predetermined blood vessel here may be a tubular arterial blood vessel, or may be other blood vessels, which is not specifically limited in the embodiments of the present disclosure.
  • Step S304 starting from the root node of the initial center line, marking the initial center line in segments to obtain the pre-processed center line.
  • the obtained initial centerline is preprocessed.
  • Step S306 performing redundant segment deletion operation on the preprocessed centerline to obtain the target centerline of the predetermined blood vessel.
  • the predetermined blood vessel is refined by means of topology refinement to obtain the initial centerline of the predetermined blood vessel, which may include: acquiring a blood vessel image of the predetermined blood vessel; acquiring a simple point template for filtering the blood vessel image , wherein the simple point template includes simple points that do not affect the predetermined blood vessel topology after deletion, and the simple point is at least one of the following: a boundary point of the simple point template, a non-isolated point in the simple point template, and a non-isolated point in the simple point template. End point, non-center point in simple point template; use simple point template to filter the blood vessel image to obtain the initial center line of the predetermined blood vessel.
  • the simple point template here may be a preset condition for denoising the original data of the predetermined blood vessel, which may include boundary points of the simple point template, non-isolated points of the simple point template, and non-endpoints in the simple point template. , a non-center point in a simple point template.
  • the blood vessel contour can be input to the GPU accelerator to process the blood vessel image by the GPU accelerator, specifically, the operation on the original data point (the blood vessel image) is only reserved or deleted, that is, The point set of the centerline will not increase the unexpected pixels of the target vessel, so the centerline result must be inside the target vessel.
  • the simple point template when used to filter the blood vessel image, only the blood vessel image is retained or deleted, and the blood vessel image is filtered in a layer-by-layer manner from boundary points.
  • FIG. 4( c ) is a schematic diagram 3 of a simple point template according to an embodiment of the present disclosure, as shown in FIG. 4( c ) , the current point P is an isolated point and cannot be deleted.
  • FIG. 4(e) is a schematic diagram 5 of a simple point template according to an embodiment of the present disclosure, as shown in FIG. 4(e).
  • the current point P is the center point of the skeleton and cannot be deleted.
  • the above-mentioned filtering of the blood vessel image by using the simple point template may include: traversing the blood vessel image layer by layer; determining the traversed current point and the neighborhood of the current point; Click Filter.
  • the idea of depth-first search can be adopted to store the center points in the neighborhood of the current point in order.
  • marking the initial center line segmentally including: determining the root node of the initial center line, wherein the root node is determined as the initial search point of each segment of the initial center line ;Take the root node as the starting point to traverse the initial center line, and store the center points in the neighborhood of the current point in order; when the bifurcation point is searched, select any path of the bifurcation point to continue the search until the center line is found. end point, and when the end point of the centerline is reached, the search operation is continued from the other path of the bifurcation point.
  • the root node can be used as the starting search point of each segment of the initial center line, and pushed into the stack; then the initial center line data can be traversed with the root node as the starting point; Traverse the neighborhood of the current point along the branch, and push the center point (that is, the point with two neighborhoods) on the stack.
  • the bifurcation point is searched, all the traversed points are pushed onto the stack as the public segment of the next segment. , continue to search from any neighborhood point of the bifurcation, until the search reaches the end point (a point with a neighborhood), the segment ends, and the current recursive program is exited. Then continue to traverse the next neighborhood point of the bifurcation point, and repeat the above steps until all programs are exited, and the segmentation ends.
  • any path of the bifurcation point is selected to search until the end point of the center line is searched, and no cross-level search is performed, and then the search is continued from other paths of the bifurcation point. Search makes the traversal process more orderly and avoids traversal confusion.
  • the non-cross-level search here is because all segments start from the starting point and end at the end point. The points traversed at the bifurcation point will be marked, and repeated traversal will be placed to ensure that Figure 4(f) ( Figure 4(f) is based on this In the case of the A-type bifurcation shown in the schematic diagram of the A-type bifurcation of the disclosed embodiments), the different root vessels will not be connected.
  • selecting any path of the bifurcation point to continue searching including: traversing the neighborhood points of the bifurcation point, and when there is a point on the center line in the neighborhood point, saving the point on the center line;
  • the public segment before the fork is temporarily stored and used as the public segment of the next segment.
  • the redundant segment deletion operation is performed on the preprocessing centerline, including: acquiring the end segment mark of each segment in the preprocessing centerline; Determine whether each segment is a redundant segment according to the segment length; delete the redundant segment.
  • the method for extracting the blood vessel centerline further includes: traversing all the blood vessel point sets, and calculating the number of center points in the neighborhood of each point.
  • the center point has only one neighborhood, in addition to the starting point, the center point is determined as the end point; the segment from the end point to the upper-level bifurcation point is used as the end segment, and the end segment is marked.
  • a new segmentation rule is also adopted during segmentation to ensure that the segmentation at the bifurcation point is correct, and at the same time It has functions such as pruning, smoothing and GPU acceleration, which improves the efficiency of program operation and has good robustness while ensuring the accuracy of the center line.
  • the centerline is extracted by using the method for extracting blood vessel centerline provided by the embodiment of the present disclosure.
  • the centerline of the coronary arteries can be extracted through the following steps: Match the original blood vessel data point by point with the simple point template, delete the pixels that conform to the simple point template, and keep the points that do not conform, including points on the centerline and endpoints, The bifurcation point is obtained to obtain the centerline point set; then the end point of the centerline is used as the starting point of each segment, and the segmentation rule proposed in the embodiment of the present disclosure is used to realize the segmentation of the centerline; then the end skeleton segment is marked and cut When branching, only the skeleton segment of the end segment with the segment length less than a certain predetermined value and marked is removed.
  • GPU acceleration is adopted to improve the running efficiency of the program.
  • FIG. 5( a ) is a schematic diagram of a coronary artery to be subjected to centerline extraction according to an embodiment of the present disclosure
  • FIG. 5( b ) is a schematic diagram of a blood vessel centerline of a coronary artery obtained by extraction according to an embodiment of the present disclosure
  • FIG. 5 ( c) is a schematic diagram of overlapping the coronary artery to be centerline extraction and the extracted coronary artery centerline according to the embodiment of the present disclosure.
  • the feasibility and accuracy of the extraction method can accurately extract the endpoints, bifurcation points and center points, ensure that the extracted centerline width is 1 and the position is centered, and the topology information of blood vessels is fully preserved.
  • the segment rule ensures the correct length and number of segments at the bifurcation point, and also improves the efficiency of program operation.
  • FIG. 6 is a flowchart of an optional method for extracting blood vessel centerline according to an embodiment of the present disclosure.
  • an initial image ie, a medical image to be extracted for a blood vessel centerline
  • the initial image is refined, and the end point of the center line is used as the starting point of each segment
  • the center line is segmented using the segmentation rule provided by the embodiment of the present disclosure, and a pruning operation is performed after segment statistics to obtain the center line Wire. Because in the process of extracting the centerline of the blood vessel, the program is accelerated by the GPU, which improves the running efficiency of the program.
  • This method is suitable for two-dimensional or
  • the centerline extraction of 3D tubular structure data does not require manual setting of start and end points and path points.
  • the algorithm ensures that the extracted centerline width is 1 and the position is centered, which fully retains the topology information of blood vessels; the segmentation operation can ensure that the number of segments and the Correct lengths, especially key positions of the backbone like bifurcation points, ensure that no redundant segments are created.
  • the method for extracting the centerline of the blood vessel uses the method of topology refinement to extract the centerline of the coronary artery, which at least solves the problems of knotting, breaking, and offset of the centerline and tracking the centerline to the outside of the target blood vessel.
  • this scheme can accurately extract endpoints, bifurcation points and center points, ensure that the extracted centerline width is 1 and the position is centered, and the topology information of blood vessels is fully preserved.
  • a new segmentation rule is adopted to ensure that the length and number of segments at the bifurcation point are correct, and that no redundant segments are generated at the bifurcation point; the marking of the end skeleton segment during pruning , to avoid the short internal connection skeleton segment being cut by mistake, causing the skeleton to break; the program uses GPU acceleration, which improves the program running speed.
  • the method for extracting the blood vessel centerline is not limited to the centerline extraction of three-dimensional data, but also includes the centerline extraction of two-dimensional data.
  • the application is not limited to the extraction of the coronary artery centerline, but also includes the centerline extraction of other tubular structure data, such as the pulmonary artery and its branches.
  • the topology refinement algorithm is used, and the current point and its neighborhood are matched with the simple point template by traversing the original image for many times.
  • the points that are deleted during the refinement process and do not affect the topology of the original data the current point is deleted if it is satisfied, and the skeleton with a width of 1 is left if it is not satisfied.
  • the skeleton extracted by this method has no fracture phenomenon and no knotting phenomenon, which fully guarantees the topological structure of the target blood vessel without distortion, and ensures that the center line is located inside the target blood vessel, and the width of the skeleton is one pixel. time and increase the operating speed.
  • the segmentation marking of a single complete blood vessel is realized, at least the problem of redundant segments at the bifurcation point is solved, and the length and number of segments are guaranteed to be accurate.
  • FIG. 7 is a schematic diagram of an apparatus for extracting a blood vessel centerline according to an embodiment of the present disclosure.
  • the apparatus for extracting a blood vessel centerline includes: The refinement processing unit 71 , the segment marking unit 73 , and the acquisition unit 75 .
  • the apparatus for extracting the blood vessel centerline will be described below.
  • the thinning processing unit 71 is configured to perform thinning processing on the predetermined blood vessel by means of topology thinning to obtain the initial centerline of the predetermined blood vessel.
  • the thinning processing unit can perform thinning processing on the predetermined blood vessel in the manner of topology thinning, so as to obtain the initial centerline of the predetermined blood vessel; Starting from the root node, the initial center line is segmented and marked to obtain the pre-processing center line; and the redundant segment deletion operation is performed on the pre-processing center line by the acquisition unit to obtain the target center line of the predetermined blood vessel.
  • the refinement processing unit includes: a first acquisition module for acquiring a blood vessel image of a predetermined blood vessel; a second acquisition module for acquiring a simple point template for filtering the blood vessel image , wherein the simple point template includes simple points that do not affect the predetermined blood vessel topology after deletion, and the simple point is at least one of the following: a boundary point of the simple point template, a non-isolated point in the simple point template, and a non-isolated point in the simple point template.
  • the endpoints, the non-center points in the simple point template; the filtering module is used to filter the blood vessel image by using the simple point template to obtain the initial center line of the predetermined blood vessel.
  • the filtering module includes: a traversal sub-module for traversing the blood vessel image layer by layer; a first determination sub-module for determining the current point to be traversed and the neighborhood of the current point; filtering Submodule for simple point filtering of vessel images using the current point and its neighbors and simple point templates.
  • the simple point template when used to filter the blood vessel image, only the blood vessel image is retained or deleted, and the blood vessel image is filtered in a layer-by-layer manner from boundary points.
  • the segment marking unit includes: a first determining module, configured to determine the root node of the initial centerline, wherein the root node is determined as the starting search point of each segment of the initial centerline ;
  • the storage module is used to traverse the initial center line with the root node as the starting point, and store the center points in the neighborhood of the current point in order;
  • the search module is used to select any path of the bifurcation point when the bifurcation point is searched The search continues until the end point of the centerline is reached, and when the end point of the centerline is reached, the search operation is continued from the other path of the bifurcation point.
  • the search module includes: a saving sub-module for traversing the neighborhood points of the bifurcation point, and when there are points on the center line in the neighborhood points, saving the points on the center line ;
  • the storage sub-module is used to temporarily store the public segment before the fork point and use it as the public segment of the next segment.
  • the obtaining unit includes: a third obtaining module, configured to obtain the end segment mark of each segment in the preprocessing centerline; In all the end segments, it is determined whether each segment is a redundant segment according to the segment length; the delete sub-module is used to delete redundant segments.
  • the apparatus for extracting the blood vessel centerline further includes: a second determining module, configured to traverse all the blood vessel point sets before acquiring the end segment mark of each segment in the preprocessing centerline, And calculate the number of center points in the neighborhood of each point.
  • the marking module is used to place the end point to the middle of the upper-level bifurcation point.
  • the segment is used as the end segment, and the end segment is labeled.
  • At least one embodiment in accordance with the present disclosure provides a non-volatile computer-readable storage medium comprising a stored computer program, wherein the non-volatile computer program is executed by a processor At the same time, the device where the computer storage medium is located is controlled to execute any one of the above methods for extracting the blood vessel centerline.
  • the disclosed technical content can be implemented in other ways.
  • the device embodiments described above are only illustrative, for example, the division of the units may be a logical function division, and there may be other division methods in actual implementation, for example, multiple units or components may be combined or Integration into another system, or some features can be ignored, or not implemented.
  • the shown or discussed mutual coupling or direct coupling or communication connection may be through some interfaces, indirect coupling or communication connection of units or modules, and may be in electrical or other forms.
  • the units described as separate components may or may not be physically separated, and components shown as units may or may not be physical units, that is, may be located in one place, or may be distributed to multiple units. Some or all of the units may be selected according to actual needs to achieve the purpose of the solution in this embodiment.
  • each functional unit in each embodiment of the present disclosure may be integrated into one processing unit, or each unit may exist physically alone, or two or more units may be integrated into one unit.
  • the above-mentioned integrated units may be implemented in the form of hardware, or may be implemented in the form of software functional units.
  • the integrated unit if implemented in the form of a software functional unit and sold or used as an independent product, may be stored in a computer-readable storage medium.
  • the technical solutions of the present disclosure can be embodied in the form of software products in essence, or the parts that contribute to related technologies, or all or part of the technical solutions, and the computer software products are stored in a storage medium.
  • a computer device which may be a personal computer, a server, or a network device, etc.
  • the aforementioned storage medium includes: U disk, read-only memory (ROM, Read-Only Memory), random access memory (RAM, Random Access Memory), mobile hard disk, magnetic disk or optical disk and other media that can store program codes .

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种血管中心线的提取方法及装置。其中，该方法包括：采用拓扑细化的方式对预定血管进行细化处理，得到预定血管的初始中心线；从初始中心线的根节点出发，对初始中心线进行分段标记，得到预处理中心线；对预处理中心线进行冗余段删除操作，得到预定血管的目标中心线。本公开至少解决了相关技术中进行血管中心线提取的方式可靠性较低的技术问题。

Description

血管中心线的提取方法及装置
本公开要求于2021年03月26日提交中国专利局、申请号为202110328632.0、申请名称“血管中心线的提取方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本公开涉及计算机辅助医疗技术领域，具体而言，涉及一种血管中心线的提取方法及装置。
背景技术
目前，在计算机辅助诊断冠状动脉疾病的研究中，分割冠状动脉、提取冠状动脉中心线是研究的首要工作，准确的轮廓和中心线能建立精确的血管树模型，能得到精确的狭窄和钙化等病变系数，能更好地辅助医生进行临床诊治。在提取血管中心线时，判断一个算法的好坏通常取决于以下几个指标：骨架是否出现断裂情况，骨架是否能保留血管的拓扑信息，骨架是否居中，骨架是否宽度为1等。
由于冠脉分支与心脏组织连接密切，难以使用某种特定算法实现精准分割，所以需要运用迭代思想，逐步逼近得到真实的结果。
公开内容
本公开至少一个实施例提供了一种血管中心线的提取方法，包括：采用拓扑细化的方式对预定血管进行细化处理，得到所述预定血管的初始中心线；从所述初始中心线的根节点出发，对所述初始中心线进行分段标记，得到预处理中心线；对所述预处理中心线进行冗余段删除操作，得到所述预定血管的目标中心线。
可选地，采用拓扑细化的方式对预定血管进行细化处理，得到所述预定血管的初始中心线，包括：获取所述预定血管的血管图像；获取用于对所述血管图像进行过滤的简单点模板，其中，所述简单点模板中包括删除后不影响所述预定血管拓扑结构的简单点，所述简单点为以下至少之一：所述简单点模板的边界点、所述简单点模板中的非孤立点、所述简单点模板中的非端点、所述简单点模板中的非中心点；利用所述简单点模板对所述血管图像进行过滤，得到所述预定血管的初始中心线。
可选地，利用所述简单点模板对所述血管图像进行过滤，包括：对所述血管图像进行逐层遍历；确定遍历的当前点以及所述当前点的邻域；利用所述当前点以及其邻域和所述简单点模板对所述血管图像进行简单点过滤。
可选地，在利用所述简单点模板对所述血管图像进行过滤时，仅对所述血管图像进行保留或删除操作，并且采用从边界点逐层向内删除的方式对所述血管图像进行过滤。
可选地，从所述初始中心线的根节点出发，对所述初始中心线进行分段标记，包括：确定所述初始中心线的根节点，其中，所述根节点被确定为所述初始中心线的每一段的起始搜索点；以所述根节点为起始点遍历所述初始中心线，并按顺存储当前点邻域内的中心点；当搜索到分叉点时，选取所述分叉点的任意一条路径继续进行搜索，直到搜索到所述中心线的末端点，并在搜索到所述中心线的末端点时，从所述分叉点的其他路径继续执行搜索操作。
可选地，选取所述分叉点的任意一条路径继续进行搜索，包括：遍历所述分叉点的邻域点，并在所述邻域点中存在所述中心线上的点时，保存所述中心线上的点；将所述分叉点前面的公共段暂存，并作为下一段的公共段。
可选地，对所述预处理中心线进行冗余段删除操作，包括：获取所述预处理中心线中每一分段的末端段标记；基于所述每一分段的末端段标记，在全部末端段中根据段长度确定所述每一分段是否为冗余段；删除所述冗余段。
可选地，在获取所述预处理中心线中每一分段的末端段标记之前，该血管中心线的提取方法还包括：遍历全部血管点集，并计算每一个点邻域内中心点的个数，当判断所述中心点只有一个邻域时，除起点外，确定所述中心点为末端点；将所述末端点到上一级分叉点中间的段作为末端段，并对所述末端段进行标记。
本公开至少一个实施例提供了一种血管中心线的提取装置，包括：细化处理单元，用于采用拓扑细化的方式对预定血管进行细化处理，得到所述预定血管的初始中心线；分段标记单元，用于从所述初始中心线的根节点出发，对所述初始中心线进行分段标记，得到预处理中心线；获取单元，用于对所述预处理中心线进行冗余段删除操作，得到所述预定血管的目标中心线。
可选地，所述细化处理单元，包括：第一获取模块，用于获取所述预定血管的血管图像；第二获取模块，用于获取用于对所述血管图像进行过滤的简单点模板，其中，所述简单点模板中包括删除后不影响所述预定血管拓扑结构的简单点，所述简单点为以下至少之一：所述简单点模板的边界点、所述简单点模板中的非孤立点、所述简单 点模板中的非端点、所述简单点模板中的非中心点；过滤模块，用于利用所述简单点模板对所述血管图像进行过滤，得到所述预定血管的初始中心线。
可选地，所述过滤模块，包括：遍历子模块，用于对所述血管图像进行逐层遍历；第一确定子模块，用于确定遍历的当前点以及所述当前点的邻域；过滤子模块，用于利用所述当前点以及其邻域和所述简单点模板对所述血管图像进行简单点过滤。
可选地，在利用所述简单点模板对所述血管图像进行过滤时，仅对所述血管图像进行保留或删除操作，并且采用从边界点逐层向内删除的方式对所述血管图像进行过滤。
可选地，所述分段标记单元，包括：第一确定模块，用于确定所述初始中心线的根节点，其中，所述根节点被确定为所述初始中心线的每一段的起始搜索点；存储模块，用于以所述根节点为起始点遍历所述初始中心线，并按顺存储当前点邻域内的中心点；搜索模块，用于当搜索到分叉点时，选取所述分叉点的任意一条路径继续进行搜索，直到搜索到所述中心线的末端点，并在搜索到所述中心线的末端点时，从所述分叉点的其他路径继续执行搜索操作。
可选地，所述搜索模块，包括：保存子模块，用于遍历所述分叉点的邻域点，并在所述邻域点中存在所述中心线上的点时，保存所述中心线上的点；存储子模块，用于将所述分叉点前面的公共段暂存，并作为下一段的公共段。
可选地，所述获取单元，包括：第三获取模块，用于获取所述预处理中心线中每一分段的末端段标记；第二确定子模块，用于基于所述每一分段的末端段标记，在全部末端段中根据段长度确定所述每一分段是否为冗余段；删除子模块，用于删除所述冗余段。
可选地，该血管中心线的提取装置还包括：第二确定模块，用于在获取所述预处理中心线中每一分段的末端段标记之前，遍历全部血管点集，并计算每一个点邻域内中心点的个数，当判断所述中心点只有一个邻域时，除起点外，确定所述中心点为末端点；标记模块，用于将所述末端点到上一级分叉点中间的段作为末端段，并对所述末端段进行标记。
本公开至少一个实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质包括存储的计算机程序，其中，在所述非易失性计算机程序被处理器运行时控制所述计算机存储介质所在设备执行上述中任一项所述的血管中心线的提取方法。
本公开至少一个实施例提供了一种处理器，所述处理器用于运行计算机程序，其 中，所述计算机程序运行时执行上述中任一项所述的血管中心线的提取方法。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1(a)是根据相关技术中的Fast Marching算法提取血管中心线出现打结的示意图；
图1(b)是根据相关技术中的Fast Marching算法提取血管中心线出现弯曲处信息丢失的示意图；
图1(c)是根据相关技术中的Fast Marching算法提取血管中心线出现背景噪声导致中心线在目标外的示意图
图2(a)是根据相关技术中的Fast Marching算法提取血管中心线出现多个分叉模块的示意图；
图2(b)是根据相关技术中的Fast Marching算法提取血管中心线出现错误分段的示意图；
图3是根据本公开实施例的血管中心线的提取方法的流程图；
图4(a)是根据本公开实施例的简单点模板的示意图一；
图4(b)是根据本公开实施例的简单点模板的示意图二；
图4(c)是根据本公开实施例的简单点模板的示意图三；
图4(d)是根据本公开实施例的简单点模板的示意图四；
图4(e)是根据本公开实施例的简单点模板的示意图五；
图4(f)是根据本公开实施例的A型分叉的示意图；
图5(a)是根据本公开实施例的待进行中心线提取的冠状动脉的示意图；
图5(b)是根据本公开实施例的提取得到的冠状动脉的血管中心线的示意图；
图5(c)是根据本公开实施例的将待进行中心线提取的冠状动脉与提取得到的冠状动脉的血管中心线进行重叠的示意图；
图6是根据本公开实施例的可选的血管中心线的提取方法的流程图；
图7是根据本公开实施例的血管中心线的提取装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，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，都应当属于本公开保护的范围。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前提取冠状动脉及其中心线的算法流程如下：首先使用基于阈值的方法得到粗略的冠状动脉及初始中心线，已知中心线起点、终点和路径点，在冠状动脉的初始轮廓内，使用Fast Marching算法提取血管分支的中心线，用于更新初始中心线，进而得到新的冠状动脉轮廓，继续使用Fast Marching算法提取中心线，重复以上步骤，直到经过多次迭代的结果基本不变时，迭代终止，将最后一步迭代的结果作为冠状动脉和中心线的最终结果。但是目前的算法存在诸多问题：
第一，细化过程。其中，Fast Marching是一种基于距离变化的中心线提取方法，该方法是水平集方法的一种，通过不同的速度函数计算不同的速度场，该算法需已知起点、终点以及少量的路径点，使用梯度下降法寻找点与点之间的最短路径将其作为该段血管的中心线。该方法引用了波传递的思想，效率高，常用于医学图像处理、计算流体动力学分析，和路径规划等领域的研究。但是，该方法对于形态学复杂、弯曲角度较大、或者直径大小不均匀的血管，会发生严重失真。在分叉点或较粗的造影不均匀的血管处，中心线沿着梯度下降最快的方向搜索时会出现打结现象，图1(a)是根据相关技术中的Fast Marching算法提取血管中心线出现打结的示意图，如图1(a)所示，出现了打结；在弯曲角度较大的血管处，该算法在寻找路径时，为了寻求最短路径必然会丢掉弯曲处的信息，图1(b)是根据相关技术中的Fast Marching算法提 取血管中心线出现弯曲处信息丢失的示意图，为了能够求取最短路径舍弃了弯曲出的信息，使得提取得到的血管出现失真，图中黑色粗实线为目标轮廓，虚线为真实骨架，细实线为实际提取中心线结果；在背景有噪声的情况下，中心线在搜索时会进入到背景区域，出现中心线泄漏到目标以外的现象，图1(c)是根据相关技术中的Fast Marching算法提取血管中心线出现背景噪声导致中心线在目标外的示意图，如图1(c)所示，图中黑色粗实线为目标轮廓，黑色实心点为背景噪声，虚线为真实骨架，细实线为实际提取中心线结果；以上多种原因导致Fast Marching算法对于形态复杂的血管，中心线提取结果失真严重。
第二，分段过程。学者针对中心线上的点一般有如下定义：在26邻域内，只有一个邻域的点被称作端点，有两个邻域的点被称作中心点，有三个及以上邻域的点被称作分叉点，于是在针对此定义的分段规则中，存在一条规则：当遍历到分叉点时该段结束。但是，经过分析，当距离满足条件时，存在三个及以上邻域的点不是真正的分叉点，图2(a)是根据相关技术中的Fast Marching算法提取血管中心线出现多个分叉模块的示意图，如图2(a)所示，列举了其中一种情况，在图2(a)中所示P点的26邻域内，P、A、B三个点互为26邻域，它们之间的距离分别是
Figure PCTCN2022080425-appb-000001
1，并且它们都各自存在三个邻域，但是它们中间只有一个点P是真正的分叉点。若分段规则正确，分段结果如下：CP、PD、PE共三段；若按上述错误规则分段，程序会将P、A、B三个点一同认为是三个分叉点，将会产生多个冗余的短段，分段结果如下：CP、PA、PB、AB、AD、BE共六段，图2(b)是根据相关技术中的Fast Marching算法提取血管中心线出现错误分段的示意图，如图2(b)所示，导致段的长度和数目发生错误。
根据本公开实施例，提供了一种血管中心线的提取方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图3是根据本公开实施例的血管中心线的提取方法的流程图，如图3所示，该血管中心线的提取方法包括如下步骤：
步骤S302，采用拓扑细化的方式对预定血管进行细化处理，得到预定血管的初始中心线。
在该实施例中，通过拓扑细化的方式对预定血管的血管图像进行多次遍历，以提取得到预定血管的初始中心线。
其中，这里的预定血管，可以为管状动脉血管，也可以为其他血管，在本公开实 施例中不做具体限定。
步骤S304，从初始中心线的根节点出发，对初始中心线进行分段标记，得到预处理中心线。
在采用上述步骤S302中的方式得到预定血管的初始中心线后，为了获取比较准确的血管中心线，对得到的初始中心线进行预处理。
步骤S306，对预处理中心线进行冗余段删除操作，得到预定血管的目标中心线。
在该步骤中，可以对预处理后得到的中心线进行冗余段删除处理，从而得到预定血管的目标中心线。
由上可知，在本公开实施例中，采用拓扑细化的方式对预定血管进行细化处理，得到预定血管的初始中心线；从初始中心线的根节点出发，对初始中心线进行分段标记，得到预处理中心线；对预处理中心线进行冗余段删除操作，得到预定血管的目标中心线，实现了使用拓扑细化方式提取预定血管的中心线，使得在血管中心线提取的过程中可以删除不影响血管原始数据点的目的，至少达到了提高血管中心线的可靠性的技术效果。
因此，通过本公开一些实施例提供的血管中心线的提取方法，至少解决了相关技术中进行血管中心线提取的方式可靠性较低的技术问题。
在上述步骤S302中，采用拓扑细化的方式对预定血管进行细化处理，得到预定血管的初始中心线，可以包括：获取预定血管的血管图像；获取用于对血管图像进行过滤的简单点模板，其中，简单点模板中包括删除后不影响预定血管拓扑结构的简单点，简单点为以下至少之一：简单点模板的边界点、简单点模板中的非孤立点、简单点模板中的非端点、简单点模板中的非中心点；利用简单点模板对血管图像进行过滤，得到预定血管的初始中心线。
在该实施例中，可以基于拓扑细化的原理，将血管图像逐点与简单点模板进行匹配，以不断删除边界点，最终得到预定血管(例如，冠状动脉)的中心线。
这里的简单点模板可以是预先设置的用于对预定血管的原始数据进行去噪的一个条件，其可以包括简单点模板的边界点、简单点模板的非孤立点、简单点模板***非端点、简单点模板中的非中心点。
任取一种简单点模板用来说明，符合该模板的像素点需要删除，图4(a)是根据本公开实施例的简单点模板的示意图一，在该模板中包括上述中任意一种形式的像素点。
需要说明的是，在本公开实施例中，在与简单点模板进行匹配时，符合简单点模板能够删除的点是不影响血管拓扑结构的边界点，图4(b)是根据本公开实施例的简单点模板的示意图二，如图4(b)所示，当前点P是内部点不是边界点，所以该点不能删除。
进一步地，在与简单点模板进行匹配时，可以向GPU加速器输入血管轮廓，以利用GPU加速器对血管图像进行处理，具体地，对原始数据点(血管图像)的操作只有保留或删除，即，在中心线的点集中不会增加目标血管意外的像素点，所以中心线结果一定会在目标血管的内部。
因此，在本公开实施例中，在利用简单点模板对血管图像进行过滤时，仅对血管图像进行保留或删除操作，并且采用从边界点逐层向内删除的方式对血管图像进行过滤。
示例性的，删除简单点的时候是从边界一层一层向内删除，所以在提取中心线的过程中，任意一个切面的轮廓内不会出现空洞或多个孤立中心点的情况，即，不会出现打结现象。
其中，删除简单点的时候是从边界一层一层向内删除，相当于血管到的边界轮廓同时向中心腐蚀细化，所以最终得到的中心线居中效果优异，居中的中心线使得三维重构的结果更加真实可靠。
另外，在与简单点模板进行匹配时，GPU加速器的算法能够保证孤立点不被删除，图4(c)是根据本公开实施例的简单点模板的示意图三，如图4(c)所示，当前点P是孤立点，不能删除。
需要说明的是，在与简单点模板进行匹配时，GPU加速器算法能够保证骨架的端点不被删除，保证骨架的长度不会损失较多信息，图4(d)是根据本公开实施例的简单点模板的示意图四，如图4(d)所示，当前点P是骨架的端点，不能删除。此外，GPU加速器算法也能够保证骨架的中心点不被删除，保证骨架不会断裂，图4(e)是根据本公开实施例的简单点模板的示意图五，如图4(e)所示，当前点P是是骨架的中心点，不能删除。
上述利用简单点模板对血管图像进行过滤，可以包括：对血管图像进行逐层遍历；确定遍历的当前点以及当前点的邻域；利用当前点以及其邻域和简单点模板对血管图像进行简单点过滤。
在该实施例中，可以采用深度优先搜索的思想，按顺序存储当前点的邻域内的中心点。
示例性的，从初始中心线的根节点出发，对初始中心线进行分段标记，包括：确定初始中心线的根节点，其中，根节点被确定为初始中心线的每一段的起始搜索点；以根节点为起始点遍历初始中心线，并按顺存储当前点邻域内的中心点；当搜索到分叉点时，选取分叉点的任意一条路径继续进行搜索，直到搜索到中心线的末端点，并在搜索到中心线的末端点时，从分叉点的其他路径继续执行搜索操作。
例如，可以从初始中心线的根节点出发，将根节点作为初始中心线的每一个段的起始搜索点，压入堆栈；接着以根节点为起始点遍历初始中心线数据；具体地，可以沿着分支遍历当前点的邻域，将中心点(即，有两个邻域的点)压栈，当搜索到分叉点时，将遍历过的点全部压栈，作为下一段的公共段，从分叉带你的任一邻域点继续搜索，直到搜索到末端点(有一个邻域的点)，该段结束，退出当前递归程序。接着继续遍历分叉点的下一个邻域点，重复上述步骤，直到将全部程序退出时，分段结束。
由于在该实施例中，当搜索到分叉点时，选取分叉点的任意一条路径进行搜索，直到搜索到中心线的末端点，不跨级搜索，然后从分叉点的其他路径进行继续搜索，使得遍历过程比较有次序，避免出现遍历混乱。这里的不跨级搜索是由于全部段都从起点出发到末端点截止，分叉点处遍历过的点会进行标记，放置重复遍历，保证图4(f)(图4(f)是根据本公开实施例的A型分叉的示意图)中所示的A型分叉情况下，不同根血管不会相连。
示例性的，选取分叉点的任意一条路径继续进行搜索，包括：遍历分叉点的邻域点，并在邻域点中存在中心线上的点时，保存中心线上的点；将分叉点前面的公共段暂存，并作为下一段的公共段。
由于将分叉点前面的公共段暂存，作为下一段的公共段，从而减少了公共段的遍历时间，提高了处理效率。
在上述步骤S306中，对预处理中心线进行冗余段删除操作，包括：获取预处理中心线中每一分段的末端段标记；基于每一分段的末端段标记，在全部末端段中根据段长度确定每一分段是否为冗余段；删除冗余段。
在该实施例中，主要是采用GPU加速器的算法对预处理后的中心线进行剪枝处理。具体地，可以利用GPU加速器对预处理中心线的全部端点进行标记，相当于对末端的骨架段进行标记，将其与内部骨架段进行区别，目的是为了在剪枝过程中只能减掉末端不符合条件的骨架段，如毛刺，而不会减掉内部连接的关键骨架段，造成骨架断裂。这一步骤可以完善剪枝的条件，判断该段是否应该被减掉不仅取决于段的长度，而且还需要该段有末端段标记，从而可以有效避免内部连接骨架段被误剪，造成骨架断裂。
因此，在获取预处理中心线中每一分段的末端段标记之前，该血管中心线的提取方法还包括：遍历全部血管点集，并计算每一个点邻域内中心点的个数，当判断中心点只有一个邻域时，除起点外，确定中心点为末端点；将末端点到上一级分叉点中间的段作为末端段，并对末端段进行标记。
由于在本公开一些实施例中采用GPU加速，使得算法在细化步骤时大大提高了程序运行效率，与相关技术相比，利用拓扑细化算法，提取冠状动脉的中心线，同时适用于二维和三维的管状结构，至少解决了中心线打结、断裂、偏移，和中心线在目标血管外部，以及程序运行效率较低的问题，该方法无需人工设置起止点，能够准确地提取出端点、分叉以及中心点等，保证提取的中心线的宽度为1且位置居中，充分保留了血管的拓扑信息，分段时还采用了新的分段规则，保证分叉点处分段正确，同时具备了剪枝、平滑和GPU加速等功能，在保证中心线准确的同时，提高了程序运行效率，具有良好的鲁棒性。
下面以冠状动脉数据为例，使用本公开实施例提供的血管中心线的提取方法提取中心线，血管数据可以为三维数据，血管形态复杂多样，弯曲程度不一，粗细不均。可以经过以下步骤来提取冠状动脉的中心线：将血管原始数据逐点与简单点模板进行匹配，将符合简单点模板的像素点删除，不符合的点保留，包括中心线上的点以及端点、分叉点，得到中心线点集；然后将中心线的端点作为每段的起点，使用本公开实施例中提出的分段规则，实现对中心线的分段；接着给末端骨架段标记，剪枝时只能去除段长小于某一预定值且有标记的末端段骨架段。而且，在本公开实施例中，采用GPU加速，提高了程序的运行效率。
图5(a)是根据本公开实施例的待进行中心线提取的冠状动脉的示意图，图5(b)是根据本公开实施例的提取得到的冠状动脉的血管中心线的示意图，图5(c)是根据本公开实施例的将待进行中心线提取的冠状动脉与提取得到的冠状动脉的血管中心线进行重叠的示意图，通过这三幅图验证了本公开实施例提供的血管中心线的提取方法的可行性与准确性，能够准确地提取得到端点、分叉点以及中心点，保证提取的中心线宽度为1且位置居中，充分保留了血管的拓扑信息，分段时采用性的分段规则，保证分叉点处分段长度、数目正确，同时也提高了程序运行效率。
图6是根据本公开实施例的可选的血管中心线的提取方法的流程图，如图6所示，可以在获取初始图像(即，待进行血管中心线提取的医学影像图)后，对该初始图像进行细化处理，并将中心线的端点作为每段的起点，使用本公开实施例提供的分段规则进行中心线的分段，在分段统计后进行剪枝操作，以得到中心线。由于在进行血管的中心线的提取过程中，程序使用GPU进行加速，提高了程序的运行效率。通过该方 法，使用拓扑细化方法提取中心线，通过模板匹配将符合简单点模板的像素点删除，不符合模板的点保留，包括端点、分叉点以及中心点，进而得到血管中心线点集；并且使用一种深度搜索的方法对中心线点集进行分段处理；算法使用GPU加速；增加剪枝功能；增加平滑功能。应用本方案可以实现计算机对冠状动脉中心线的自动提取，解决了中心线打结、断裂、偏移，中心线跟踪到目标血管外部，以及程序运行效率低的问题，该方法适用于二维或三维管状结构数据的中心线提取，无需人工设置始末点和路径点，同时，算法保证提取的中心线宽度为1且位置居中，充分保留了血管的拓扑信息；分段操作可以保证分段数目和长度正确，尤其像分叉点的骨架关键位置，确保没有冗余的段产生。
因此，通过本公开实施例提供的血管中心线的提取方法使用拓扑细化的方法提取冠状动脉的中心线，至少解决了中心线打结、断裂、偏移，中心线跟踪到目标血管外部的问题，本方案能够准确地提取出端点、分叉点和中心点，保证提取的中心线宽度为1且位置居中，充分保留了血管的拓扑信息。另外，运用搜索定位的思想，采用新的分段规则分段，保证分叉点处分段长度、数目正确，保证在分叉点处无冗余的段生成；剪枝时对末端骨架段的标记，避免较短的内部连接骨架段被误剪，造成骨架断裂；程序使用GPU加速，提高了程序运行速率。
而且，本公开实施例提供的血管中心线的提取方法，不限于三维数据的中心线提取，还包括二维数据的中心线提取。此外，也应用不限于冠状动脉中心线的提取，还包括其他管状结构数据的中心线提取，如肺动脉及其分支。
综上所述，通过本公开实施例提供的血管中心线的提取方法，采用拓扑细化算法，通过多次遍历原图，将当前点及其邻域与简单点模板进行匹配，简单点就是可以在细化过程中删除且不影响原始数据的拓扑结构的点，满足则将当前点删除，不满足则保留，直到最后剩下宽度为1的骨架。该方法提取的骨架无断裂现象，无打结现象，充分保证了目标血管的拓扑结构，不失真，保证中心线位于目标血管内部，骨架宽度为一个像素大小，同时算法采用GPU加速，减少程序遍历的时间，提高运行速率。另外，通过深度搜索的思想，实现单根完整血管的分段标记，至少解决分叉点处出现冗余段的问题，保证分段的长度、数目准确。
本公开至少一个实施例提供了一种血管中心线的提取装置，图7是根据本公开实施例的血管中心线的提取装置的示意图，如图7所示，该血管中心线的提取装置包括：细化处理单元71、分段标记单元73以及获取单元75。下面对该血管中心线的提取装置进行说明。
细化处理单元71，用于采用拓扑细化的方式对预定血管进行细化处理，得到预定 血管的初始中心线。
分段标记单元73，用于从初始中心线的根节点出发，对初始中心线进行分段标记，得到预处理中心线。
获取单元75，用于对预处理中心线进行冗余段删除操作，得到预定血管的目标中心线。
此处需要说明的是，上述细化处理单元71、分段标记单元73以及获取单元75对应于实施例1中的步骤S302至S306，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
由上可知，在本公开实施例中，可以通过细化处理单元采用拓扑细化的方式对预定血管进行细化处理，得到预定血管的初始中心线；并利用分段标记单元从初始中心线的根节点出发，对初始中心线进行分段标记，得到预处理中心线；以及利用获取单元对预处理中心线进行冗余段删除操作，得到预定血管的目标中心线。通过本公开实施例提供的血管中心线的提取装置，实现了使用拓扑细化方式提取预定血管的中心线，使得在血管中心线提取的过程中可以删除不影响血管原始数据点的目的，达到了提高血管中心线的可靠性的技术效果，解决了相关技术中进行血管中心线提取的方式可靠性较低的技术问题。
在一种可选的实施例中，细化处理单元，包括：第一获取模块，用于获取预定血管的血管图像；第二获取模块，用于获取用于对血管图像进行过滤的简单点模板，其中，简单点模板中包括删除后不影响预定血管拓扑结构的简单点，简单点为以下至少之一：简单点模板的边界点、简单点模板中的非孤立点、简单点模板中的非端点、简单点模板中的非中心点；过滤模块，用于利用简单点模板对血管图像进行过滤，得到预定血管的初始中心线。
在一种可选的实施例中，过滤模块，包括：遍历子模块，用于对血管图像进行逐层遍历；第一确定子模块，用于确定遍历的当前点以及当前点的邻域；过滤子模块，用于利用当前点以及其邻域和简单点模板对血管图像进行简单点过滤。
在一种可选的实施例中，在利用简单点模板对血管图像进行过滤时，仅对血管图像进行保留或删除操作，并且采用从边界点逐层向内删除的方式对血管图像进行过滤。
在一种可选的实施例中，分段标记单元，包括：第一确定模块，用于确定初始中心线的根节点，其中，根节点被确定为初始中心线的每一段的起始搜索点；存储模块，用于以根节点为起始点遍历初始中心线，并按顺存储当前点邻域内的中心点；搜索模 块，用于当搜索到分叉点时，选取分叉点的任意一条路径继续进行搜索，直到搜索到中心线的末端点，并在搜索到中心线的末端点时，从分叉点的其他路径继续执行搜索操作。
在一种可选的实施例中，搜索模块，包括：保存子模块，用于遍历分叉点的邻域点，并在邻域点中存在中心线上的点时，保存中心线上的点；存储子模块，用于将分叉点前面的公共段暂存，并作为下一段的公共段。
在一种可选的实施例中，获取单元，包括：第三获取模块，用于获取预处理中心线中每一分段的末端段标记；第二确定子模块，用于基于每一分段的末端段标记，在全部末端段中根据段长度确定每一分段是否为冗余段；删除子模块，用于删除冗余段。
在一种可选的实施例中，该血管中心线的提取装置还包括：第二确定模块，用于在获取预处理中心线中每一分段的末端段标记之前，遍历全部血管点集，并计算每一个点邻域内中心点的个数，当判断中心点只有一个邻域时，除起点外，确定中心点为末端点；标记模块，用于将末端点到上一级分叉点中间的段作为末端段，并对末端段进行标记。
根据本公开至少一个实施例提供了一种非易失性计算机可读存储介质，该非易失性计算机可读存储介质包括存储的计算机程序，其中，在非易失性计算机程序被处理器运行时控制计算机存储介质所在设备执行上述中任一项的血管中心线的提取方法。
根据本公开至少一个实施例提供了一种处理器，处理器用于运行计算机程序，其中，计算机程序运行时执行上述中任一项的血管中心线的提取方法。
上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
在本公开的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到 多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本公开的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本公开原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本公开的保护范围。

Claims (13)

  1. 一种血管中心线的提取方法，包括：
    采用拓扑细化的方式对预定血管进行细化处理，得到所述预定血管的初始中心线；
    从所述初始中心线的根节点出发，对所述初始中心线进行分段标记，得到预处理中心线；
    对所述预处理中心线进行冗余段删除操作，得到所述预定血管的目标中心线。
  2. 根据权利要求1所述的方法，其中，采用拓扑细化的方式对预定血管进行细化处理，得到所述预定血管的初始中心线，包括：
    获取所述预定血管的血管图像；
    获取用于对所述血管图像进行过滤的简单点模板，其中，所述简单点模板中包括删除后不影响所述预定血管拓扑结构的简单点，所述简单点为以下至少之一：所述简单点模板的边界点、所述简单点模板中的非孤立点、所述简单点模板中的非端点、所述简单点模板中的非中心点；
    利用所述简单点模板对所述血管图像进行过滤，得到所述预定血管的初始中心线。
  3. 根据权利要求2所述的方法，其中，利用所述简单点模板对所述血管图像进行过滤，包括：
    对所述血管图像进行逐层遍历；
    确定遍历的当前点以及所述当前点的邻域；
    利用所述当前点以及其邻域和所述简单点模板对所述血管图像进行简单点过滤。
  4. 根据权利要求3所述的方法，其中，在利用所述简单点模板对所述血管图像进行过滤时，仅对所述血管图像进行保留或删除操作，并且采用从边界点逐层向内删除的方式对所述血管图像进行过滤。
  5. 根据权利要求1所述的方法，其中，从所述初始中心线的根节点出发，对所述初始中心线进行分段标记，包括：
    确定所述初始中心线的根节点，其中，所述根节点被确定为所述初始中心线的每一段的起始搜索点；
    以所述根节点为起始点遍历所述初始中心线，并按顺存储当前点邻域内的中心点；
    当搜索到分叉点时，选取所述分叉点的任意一条路径继续进行搜索，直到搜索到所述中心线的末端点，并在搜索到所述中心线的末端点时，从所述分叉点的其他路径继续执行搜索操作。
  6. 根据权利要求5所述的方法，其中，选取所述分叉点的任意一条路径继续进行搜索，包括：
    遍历所述分叉点的邻域点，并在所述邻域点中存在所述中心线上的点时，保存所述中心线上的点；
    将所述分叉点前面的公共段暂存，并作为下一段的公共段。
  7. 根据权利要求1至6中任一项所述的方法，其中，对所述预处理中心线进行冗余段删除操作，包括：
    获取所述预处理中心线中每一分段的末端段标记；
    基于所述每一分段的末端段标记，在全部末端段中根据段长度确定所述每一分段是否为冗余段；
    删除所述冗余段。
  8. 根据权利要求7所述的方法，其中，在获取所述预处理中心线中每一分段的末端段标记之前，所述方法还包括：
    遍历全部血管点集，并计算每一个点邻域内中心点的个数，当判断所述中心点只有一个邻域时，除起点外，确定所述中心点为末端点；
    将所述末端点到上一级分叉点中间的段作为末端段，并对所述末端段进行标记。
  9. 根据权利要求2所述的方法，其中，所述简单点模板为预先设置的用于对预定血管的原始数据进行去噪的条件。
  10. 根据权利要求2所述的方法，其中，在将所述血管图像与所述简单点模板进行匹配时，通过将所述血管图像输入到GPU加速器中以利用所述GPU加速器对所述血 管图像进行处理，得到所述预定血管的初始中心线。
  11. 一种血管中心线的提取装置，包括：
    细化处理单元，设置为采用拓扑细化的方式对预定血管进行细化处理，得到所述预定血管的初始中心线；
    分段标记单元，设置为从所述初始中心线的根节点出发，对所述初始中心线进行分段标记，得到预处理中心线；
    获取单元，设置为对所述预处理中心线进行冗余段删除操作，得到所述预定血管的目标中心线。
  12. 一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质包括存储的计算机程序，其中，在所述非易失性计算机程序被处理器运行时控制所述计算机存储介质所在设备执行权利要求1至8中任一项所述的血管中心线的提取方法。
  13. 一种处理器，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述中任一项所述的血管中心线的提取方法。
PCT/CN2022/080425 2021-03-26 2022-03-11 血管中心线的提取方法及装置 WO2022199403A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110328632.0 2021-03-26
CN202110328632.0A CN112884826B (zh) 2021-03-26 2021-03-26 血管中心线的提取方法及装置

Publications (1)

Publication Number Publication Date
WO2022199403A1 true WO2022199403A1 (zh) 2022-09-29

Family

ID=76042600

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/080425 WO2022199403A1 (zh) 2021-03-26 2022-03-11 血管中心线的提取方法及装置

Country Status (2)

Country Link
CN (1) CN112884826B (zh)
WO (1) WO2022199403A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495668A (zh) * 2023-12-29 2024-02-02 柏意慧心(杭州)网络科技有限公司 用于确定主血管路径和分支血管路径的方法、设备和介质
CN117495667A (zh) * 2023-12-29 2024-02-02 柏意慧心(杭州)网络科技有限公司 用于确定血管中心线的方法、计算设备和介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884826B (zh) * 2021-03-26 2023-03-24 北京阅影科技有限公司 血管中心线的提取方法及装置
CN115511773B (zh) * 2021-06-21 2023-08-29 数坤(上海)医疗科技有限公司 一种血管中心线提取方法、装置、设备和可读存储介质
CN113538618A (zh) * 2021-08-30 2021-10-22 复旦大学附属中山医院 多模态多对比度医学图像的快速曲面重建方法及存储介质
CN114332202B (zh) * 2021-12-30 2023-11-24 北京阅影科技有限公司 血管模型的处理方法及其装置、计算机可读存储介质
CN115953636B (zh) * 2023-03-10 2023-05-16 南京博视医疗科技有限公司 血管分级方法、血管迂曲度计算方法及装置
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
CN117474938A (zh) * 2023-11-02 2024-01-30 首都医科大学附属北京朝阳医院 血管树自动分段方法、装置、计算机设备及存储介质
CN117911490A (zh) * 2024-01-24 2024-04-19 强联智创（北京）科技有限公司 用于生成血管中心线的方法、设备和计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107644420A (zh) * 2017-08-31 2018-01-30 西北大学 基于中心线提取的血管图像分割方法、核磁共振成像***
US20180049721A1 (en) * 2015-03-31 2018-02-22 Centre For Imaging Technology Commercialization 3d ultrasound image stitching
CN109919904A (zh) * 2018-12-29 2019-06-21 北京理工大学 一种x射线造影图像的血管拓扑结构分析方法及装置
CN110490040A (zh) * 2019-05-30 2019-11-22 浙江理工大学 一种识别dsa冠状动脉图像中局部血管狭窄程度的方法
CN112884826A (zh) * 2021-03-26 2021-06-01 北京阅影科技有限公司 血管中心线的提取方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393644B (zh) * 2008-08-15 2010-08-04 华中科技大学 一种肝门静脉血管树建模方法及其***
CN107067409A (zh) * 2017-05-09 2017-08-18 上海联影医疗科技有限公司 一种血管分离方法及***
CN109785347A (zh) * 2018-04-27 2019-05-21 京东方科技集团股份有限公司 图像处理方法、图像处理***及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180049721A1 (en) * 2015-03-31 2018-02-22 Centre For Imaging Technology Commercialization 3d ultrasound image stitching
CN107644420A (zh) * 2017-08-31 2018-01-30 西北大学 基于中心线提取的血管图像分割方法、核磁共振成像***
CN109919904A (zh) * 2018-12-29 2019-06-21 北京理工大学 一种x射线造影图像的血管拓扑结构分析方法及装置
CN110490040A (zh) * 2019-05-30 2019-11-22 浙江理工大学 一种识别dsa冠状动脉图像中局部血管狭窄程度的方法
CN112884826A (zh) * 2021-03-26 2021-06-01 北京阅影科技有限公司 血管中心线的提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Master Thesis", 1 April 2013, COLLEGE OF COMPUTER SCIENCE OF CHONGQING UNIVERSITY, Chongqing, China, article PENG WANG: "3D Topological Model Construction of Virtual Hepatic Vascular Tree and Its Application", pages: 1 - 62, XP055969414 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495668A (zh) * 2023-12-29 2024-02-02 柏意慧心(杭州)网络科技有限公司 用于确定主血管路径和分支血管路径的方法、设备和介质
CN117495667A (zh) * 2023-12-29 2024-02-02 柏意慧心(杭州)网络科技有限公司 用于确定血管中心线的方法、计算设备和介质
CN117495667B (zh) * 2023-12-29 2024-03-22 柏意慧心(杭州)网络科技有限公司 用于确定血管中心线的方法、计算设备和介质
CN117495668B (zh) * 2023-12-29 2024-03-29 柏意慧心(杭州)网络科技有限公司 用于确定主血管路径和分支血管路径的方法、设备和介质

Also Published As

Publication number Publication date
CN112884826B (zh) 2023-03-24
CN112884826A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
WO2022199403A1 (zh) 血管中心线的提取方法及装置
CN102903115B (zh) 一种管状物体中心线的提取方法
CN116051580A (zh) 一种血管分离方法及***
CN111696089A (zh) 一种动静脉确定方法、装置、设备和存储介质
JP2008521461A5 (zh)
CN112700490B (zh) 一种基于最大半径搜索的冠脉中心线生成方法及装置
CN110796670A (zh) 一种夹层动脉分割方法及装置
JP4564233B2 (ja) 画像処理装置、画像データ処理方法、及びプログラム
CN117373070B (zh) 血管分段标注的方法及装置、电子设备和存储介质
CN111179298A (zh) 基于ct图像的三维肺自动分割与左右肺分离方法及其***
CN111724402A (zh) 一种医疗影像标注方法、***及装置
CN114332013A (zh) 基于肺动脉树分级的ct图像靶肺段识别方法
CN114299057A (zh) 血管中心线的提取方法和存储介质
CN114533002A (zh) 一种颈动脉中心线提取方法、装置、存储介质及电子设备
CN114155193A (zh) 一种基于特征强化的血管分割方法及装置
CN115953636B (zh) 血管分级方法、血管迂曲度计算方法及装置
JP2024059614A (ja) ユーザ入力に基づいて血管映像を処理する方法及び装置
CN115908418A (zh) 一种主动脉ct图像中心线确定方法、***、设备及介质
CN111354008A (zh) 基于局部特征的肝静脉门静脉分离方法及装置
CN114511512B (zh) 一种基于交互指导的血管图像分割方法
CN108198213A (zh) 一种标记管状结构的方法及装置、管状结构的处理终端
CN113628346A (zh) 一种自由浏览vb的方法以及进行标记的方法和***
KR102227921B1 (ko) 로브기준으로 폐혈관을 정량화하는 방법
KR102304100B1 (ko) 로브기준으로 폐혈관을 정량화하는 방법
CN113487616B (zh) 一种使用连续多帧图像构建完整结构血管树结构的方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22774065

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22774065

Country of ref document: EP

Kind code of ref document: A1