專利名稱：一種從造影圖像中全自動(dòng)跟蹤提取血管的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種血管造影圖像中血管分割的方法，尤其是ー種全自動(dòng)的血管分割的方法，屬于醫(yī)學(xué)影像處理領(lǐng)域。
背景技術(shù)：
隨著人類生活水平的提高，心腦血管疾病已成為影響人類健康的頭號(hào)死因，據(jù)世界衛(wèi)生組織最近進(jìn)行的人類“十大死因”調(diào)查顯示毎年全世界心腦血管疾病死亡人數(shù)已占所有死亡人數(shù)的23. 6%。因此，對(duì)心腦血管疾病的早期定量診斷和風(fēng)險(xiǎn)評(píng)估對(duì)延長(zhǎng)人類預(yù)期壽命、提高人類的生活質(zhì)量起著非常關(guān)鍵的作用。血管造影是通過(guò)造影劑顯示血管的ー種方法。在臨床的診療中，醫(yī)生往往需要根據(jù)患者的血管造影圖像進(jìn)行分析判斷。而如何根據(jù)造影圖像進(jìn)行血管疾病的診斷，則需要 精確地從圖像中分割出血管的結(jié)構(gòu)，包括血管的中心線、分叉點(diǎn)與直徑的提取。不僅如此，從造影圖像中分割出血管對(duì)于血管三維重建、拓?fù)浣Y(jié)構(gòu)分析、可視化渲染以及血管功能分析都有重要的研究意義。由于血管在造影圖像中呈樹形結(jié)構(gòu)，且灰度分布有其一定規(guī)律，因此若能綜合考慮造影圖像中血管相對(duì)于其他組織結(jié)構(gòu)的特征用于設(shè)計(jì)血管分割方法將能大大提高血管的分割效果。在理想的條件下，造影圖像中的血管有許多特征。如，血管擁有連續(xù)、高亮的中心線；血管擁有兩條平行邊界；血管的寬度與亮度為連續(xù)均勻變化的；因此，在圖像映射到更高一維的灰度超曲面時(shí)，血管中心線表現(xiàn)為由一系列脊點(diǎn)構(gòu)成的脊線。在灰度超曲面上提取脊線則相當(dāng)于血管的中心線。其中，脊點(diǎn)是圖像亮度在某一方向上的局部極值，在血管圖像中表現(xiàn)為垂直血管走向方向上的灰度極值。因此，可以考慮利用血管中心線的脊線特征用于提取血管的中心線結(jié)構(gòu)，再利用提取的中心線信息獲得血管的其他參數(shù)信息(如分叉點(diǎn)、直徑和方向矢量等)。但是目前的基于脊點(diǎn)的血管分割算法存在幾個(gè)方面的問(wèn)題I.傳統(tǒng)的血管分割算法或多或少需要手動(dòng)交互，用于設(shè)置算法的初始條件。造成了分割結(jié)果易受人為因素干擾，且不能復(fù)現(xiàn)。2.在使用跟蹤提取血管的過(guò)程中，常涉及種子點(diǎn)的設(shè)置。一般情況下需要手工在血管中心線上標(biāo)出，在需要大量種子點(diǎn)時(shí)，費(fèi)事費(fèi)力，且標(biāo)注結(jié)果精度不高。3.由于在實(shí)際中能夠獲取的脊點(diǎn)與真實(shí)脊點(diǎn)之間存在誤差，在利用Hessian矩陣描述中心線上的脊點(diǎn)脊點(diǎn)時(shí)，誤差經(jīng)過(guò)二次放大后，Hessian矩陣的特征向量已經(jīng)不能正確描述脊點(diǎn)的跟蹤方向。若利用尺度空間進(jìn)行改進(jìn)，則會(huì)引入大量的卷積計(jì)算而影像算法執(zhí)行效果。

發(fā)明內(nèi)容
從醫(yī)學(xué)影像中分割出血管的結(jié)構(gòu)對(duì)于血管疾病的研究與診療具有重要的意義。在造影圖像中，血管樹是人體三位血管結(jié)構(gòu)經(jīng)X射線后的缺失空間信息的表現(xiàn)形式，并不能清楚地表達(dá)血管的空間結(jié)構(gòu)。因而，精確的血管提取對(duì)于臨床需求尤為重要。傳統(tǒng)的血管提取方法不僅需要大量的人為介入操作，而且涉及算法計(jì)算量大。本發(fā)明提出了ー種全自動(dòng)的血管分割方法，無(wú)需人工干預(yù)即可準(zhǔn)確地提取出血管的拓?fù)浣Y(jié)構(gòu)，可被運(yùn)用于臨床心血管疾病的診療過(guò)程中。本發(fā)明主要包括高斯多尺度血管圖像增強(qiáng)、多階微分血管中心線跟蹤、鄰域空間血管分叉點(diǎn)檢測(cè)與梯度范數(shù)判別血管直徑測(cè)量四個(gè)部分。高斯多尺度血管圖像增強(qiáng)部分實(shí)現(xiàn)了造影圖像中管狀部分區(qū)域的增強(qiáng)，突出血管脊線的特征，減弱了背景中非管狀目標(biāo)的干擾。多階微分血管中心線跟蹤部分實(shí)現(xiàn)了造影圖像中血管中心線的跟蹤提取，過(guò)程包括亮度局部極大值點(diǎn)與跟蹤初始點(diǎn)(種子點(diǎn))的檢測(cè)，跟蹤初始方向的計(jì)算，中心線的跟蹤與偽血管中心線的剔除。鄰域空間血管分叉點(diǎn)檢測(cè)部分基于提取的離散中心線脊點(diǎn)，對(duì)鄰域脊點(diǎn)集基數(shù)進(jìn)行分析，實(shí)現(xiàn)了造影圖像上血管分叉點(diǎn)的檢測(cè)。梯度范數(shù)判別血管直徑測(cè)量部分基于提取的血管中心線，通過(guò)圖像梯度范數(shù)ー階與ニ階導(dǎo)數(shù)構(gòu)造直徑判別函數(shù)計(jì)算出中心線到血管邊界的距離，從而實(shí)現(xiàn)了造影圖像上血
管直徑的測(cè)量。本血管自動(dòng)提取的方法的優(yōu)點(diǎn)在于I.血管提取全過(guò)程完全自動(dòng)化，不需要手動(dòng)交互，排除了人為干擾因素；2.在血管中心線的跟蹤過(guò)程中，能自動(dòng)獲取大量位于血管中心線上的種子點(diǎn)，為中心線的自動(dòng)跟蹤提供了初始條件；提出的脊點(diǎn)跟蹤方向相對(duì)于利用Hessian矩陣的特征向量定義的脊點(diǎn)跟蹤方向，魯棒性更強(qiáng)；在跟蹤結(jié)果中，能自動(dòng)合并真實(shí)的血管中心線，自動(dòng)剔除偽血管中心線，保留了真實(shí)的血管中心線；3.基于提取的血管中心線能自動(dòng)檢測(cè)出造影圖像上血管分叉點(diǎn)的坐標(biāo)，同時(shí)又計(jì)算出中心線上每個(gè)脊點(diǎn)對(duì)應(yīng)的直徑長(zhǎng)度。


圖I是本發(fā)明所提出的工作流程圖；圖2是本發(fā)明所提出的種子點(diǎn)提取示意圖；圖3是本發(fā)明所提出的初始跟蹤方向示意圖；圖4是本發(fā)明所提出的中心線跟蹤示意圖。圖5是本發(fā)明所提出的血管分叉點(diǎn)檢測(cè)示意圖。圖6是本發(fā)明所提出的血管直徑測(cè)量示意圖。
具體實(shí)施例方式關(guān)于本發(fā)明的優(yōu)點(diǎn)與精神可以通過(guò)以下的發(fā)明詳述及附圖得到進(jìn)ー步的了解。步驟S101，讀取血管造影圖像數(shù)據(jù)，數(shù)據(jù)可以是DICOM序列切片圖像，也可以是單
幅ニ維造影圖像。步驟S102，對(duì)造影圖像在多尺度空間進(jìn)行增強(qiáng)，其中對(duì)應(yīng)尺度s下的增強(qiáng)函數(shù)為
權(quán)利要求
1.一種從造影圖像中全自動(dòng)跟蹤提取血管的方法，由四個(gè)關(guān)鍵模塊構(gòu)成，其中包括 (1)高斯多尺度血管圖像增強(qiáng)模塊在高斯線性尺度空間對(duì)原始圖像進(jìn)行增強(qiáng)，使得圖像內(nèi)管狀區(qū)域內(nèi)脊性特征突出； (2)多階微分血管中心線跟蹤模塊在圖像的亮度空間中，檢測(cè)局部極值點(diǎn)，利用圖像一階與二階微分算子自動(dòng)尋找到血管中心線上的種子點(diǎn)，根據(jù)亮度分布自動(dòng)跟蹤提取出血管的中心線，最終根據(jù)中心線的連通性剔除偽血管中心線，保留真實(shí)血管中心線； (3)鄰域空間血管分叉點(diǎn)檢測(cè)模塊對(duì)血管中心線上的離散點(diǎn)進(jìn)行局部鄰域空間分析，篩選出鄰域集合中基數(shù)大于3的脊點(diǎn)作為血管分叉點(diǎn)； (4)梯度范數(shù)判別血管直徑測(cè)量模塊基于圖像梯度范數(shù)在方向正交于血管跟蹤方向上的一階導(dǎo)數(shù)與二階導(dǎo)數(shù)構(gòu)造的直徑判別函數(shù)求得血管中心線到血管邊界的距離，測(cè)量出血管各處直徑的大小。
2.如權(quán)利要求I所述的全自動(dòng)血管提取方法，其中高斯多尺度血管圖像增強(qiáng)模塊，可以實(shí)現(xiàn)造影圖像中血管區(qū)域的增強(qiáng)，突出血管脊線特征。
3.如權(quán)利要求I所述的全自動(dòng)血管提取方法，其中多階微分血管中心線跟蹤模塊，可以實(shí)現(xiàn)在造影圖像中自動(dòng)獲取大量位于血管中心線上的種子點(diǎn)，并從種子點(diǎn)出發(fā)沿中心線跟蹤提取出血管中心線，剔除偽血管中心線，保留真實(shí)血管中心線。
4.如權(quán)利要求I所述的全自動(dòng)血管提取方法，其中鄰域空間血管分叉點(diǎn)檢測(cè)模塊，可以實(shí)現(xiàn)造影圖像中血管分叉點(diǎn)的自動(dòng)提取。
5.如權(quán)利要求I所述的全自動(dòng)血管提取方法，其中梯度范數(shù)判別血管直徑測(cè)量模塊，可以實(shí)現(xiàn)造影圖像中任意位置血管對(duì)應(yīng)直徑長(zhǎng)度的自動(dòng)測(cè)量。
全文摘要
從醫(yī)學(xué)影像中分割出血管的結(jié)構(gòu)對(duì)于血管疾病的研究與診療具有重要的意義。傳統(tǒng)的血管提取方法不僅需要大量的人為介入操作，而且涉及算法計(jì)算量大。本發(fā)明提供了一種在血管造影圖像中自動(dòng)跟蹤提取血管結(jié)構(gòu)的方法，在對(duì)圖像中血管進(jìn)行多尺度脊線增強(qiáng)的基礎(chǔ)上，自動(dòng)檢測(cè)出大量位于血管中心線上的種子點(diǎn)，并計(jì)算出它們的初始跟蹤方向。通過(guò)跟蹤提取血管中心線上脊點(diǎn)的方法獲得候選中心線集，并剔除偽血管中心線。最后，對(duì)中心線上的離散點(diǎn)進(jìn)行分析，判斷出哪些點(diǎn)為血管分叉點(diǎn)，同時(shí)又計(jì)算出血管中心線上脊點(diǎn)對(duì)應(yīng)的血管直徑長(zhǎng)度。本算法運(yùn)行速度快，無(wú)需人工干預(yù)即可準(zhǔn)確地提取出血管的拓?fù)浣Y(jié)構(gòu)，可被運(yùn)用于臨床心血管疾病的診療過(guò)程中。
文檔編號(hào)G06T7/00GK102819823SQ201210009159
公開日2012年12月12日 申請(qǐng)日期2012年1月12日 優(yōu)先權(quán)日2012年1月12日
發(fā)明者楊健, 肖若秀, 劉越, 王涌天 申請(qǐng)人:北京理工大學(xué)