本發(fā)明涉及醫(yī)療器械技術(shù)領(lǐng)域，尤其涉及一種基于OCT影像的生物可降解支架的自動檢測的方法及裝置。

背景技術(shù)：

冠狀動脈粥樣硬化性心臟病，簡稱冠心病(coronary artery disease，CAD)，是世界范圍內(nèi)死亡的主因。目前冠心病的治療主要采用的是經(jīng)皮冠狀動脈介入治療術(shù)，即采用支架重構(gòu)血管。第一代支架是裸金屬支架(bare metal stent，BMS)，其缺點是術(shù)后血管再狹窄率高。第二代支架是藥物涂層支架(drug-eluting stent，DES)，其顯著降低了血管再狹窄率，但會引起晚期支架貼壁不良，從而導(dǎo)致血栓的發(fā)生。第三代支架是生物可降解支架(bioresorbable vascular scaffold，BVS)，其可以提供一個臨時的徑向強度，避免血管急性回縮，在一段時間之后，會被完全吸收，從而完成血管重構(gòu)，恢復(fù)血運。在冠心病介入治療方面，生物可降解支架得到了越來越廣泛的使用。

血管內(nèi)光學(xué)相干斷層掃描(intravascular optical coherence tomography，IVOCT)技術(shù)是一個新的造影技術(shù)，其軸向分辨率可達5-15um，縱向分辨率約為25um，探測深度約為2mm。由于生物可降解支架主要為聚合物材料，對近紅外光具有半透性，因而很適合采用IVOCT進行造影分析。

在支架植入后需要分析支架的貼壁情況，判斷支架是否貼壁良好。目前大多數(shù)生物可降解支架的檢測都采用的是人工分析方法。在一個IVOCT回拉中包含大量支架，人工分析效率很低，分析一次回拉所得到圖像通常需要5～7小時，而且不同醫(yī)生的分析標準不同，因此有必要對支架的位置實現(xiàn)自動檢測，從而對基線支架的貼壁情況進行定量分析和判斷。

技術(shù)實現(xiàn)要素：

為了解決上述問題，本發(fā)明提出一種基于OCT影像的生物可降解支架的自動檢測的方法及裝置，能夠自動檢測生物可降解支架的貼壁情況，提升了檢測效率、增加了檢測結(jié)果的準確性。

本發(fā)明提出的具體技術(shù)方案為：提供一種基于OCT影像的生物可降解支架的自動檢測的方法，所述方法包括以下步驟：

獲取冠狀動脈OCT圖像；

將所述冠狀動脈OCT圖像變換為極坐標空間的OCT圖像；

檢測所述極坐標空間的OCT圖像中生物可降解支架的中心點；

檢測所述極坐標空間的OCT圖像中導(dǎo)絲的上邊界和下邊界；

將所述上邊界和所述下邊界的圖像進行擬合得到血管的內(nèi)壁輪廓；

判斷所述生物可降解支架的中心點是否為假陽性支架中心點；

若所述生物可降解支架的中心點不是假陽性支架中心點，則根據(jù)所述生物可降解支架的中心點檢測所述生物可降解支架的輪廓；

判斷所述生物可降解支架的輪廓是否是假陽性支架的輪廓；

若所述生物可降解支架的輪廓不是假陽性支架的輪廓，則根據(jù)所述生物可降解支架的輪廓與所述內(nèi)壁輪廓是否相交獲得所述生物可降解支架的貼壁情況；

對所述生物可降解支架的貼壁情況進行顯示。

進一步地，檢測所述極坐標空間的OCT圖像中生物可降解支架的中心點步驟包括：

將所述極坐標空間的OCT圖像轉(zhuǎn)換為梯度圖像；

根據(jù)設(shè)定的閾值將所述梯度圖像轉(zhuǎn)換為二值圖像；

對所述二值圖像的連通區(qū)域進行標記，在標記的點的個數(shù)達到預(yù)定數(shù)目時停止標記，則標記的點形成所述二值圖像的連通區(qū)域；

獲取所述連通區(qū)域的中心點，則所述中心點為所述生物可降解支架的中心點。

進一步地，獲取所述連通區(qū)域的中心點的公式為：

其中，(c_ρ，c_θ)表示所述連通區(qū)域的中心點的坐標，θ和ρ分別表示標記的點在極坐標空間下的橫坐標和縱坐標。

進一步地，判斷所述生物可降解支架的中心點是否為假陽性支架中心點步驟包括：

提取所述極坐標空間的OCT圖像中的感興趣區(qū)域，利用動態(tài)規(guī)劃算法在所述感興趣區(qū)域中檢測導(dǎo)管的邊界；

判斷所述生物可降解支架的中心點是否在所述導(dǎo)管的邊界和所述血管的內(nèi)壁輪廓之間，若所述生物可降解支架的中心點在所述導(dǎo)管的邊界和所述血管的內(nèi)壁輪廓之間，則所述生物可降解支架的中心點不是假陽性中心點。

進一步地，若所述生物可降解支架的中心點不是假陽性支架中心點，則根據(jù)所述生物可降解支架的中心點檢測所述生物可降解支架的輪廓步驟包括：

將所述極坐標空間的OCT圖像轉(zhuǎn)換為笛卡爾坐標空間的OCT圖像；

計算所述笛卡爾坐標空間的OCT圖像中所述生物可降解支架的中心點的鄰域的半徑，以獲得所述生物可降解支架的中心點的鄰域；

將所述生物可降解支架的中心點的鄰域轉(zhuǎn)換為極坐標空間的鄰域；

在所述極坐標空間的鄰域中利用動態(tài)規(guī)劃的算法檢測所述生物可降解支架的輪廓；

將極坐標空間中的所述生物可降解支架的輪廓轉(zhuǎn)換為笛卡爾坐標空間中的生物可降解支架的輪廓。

進一步地，計算所述笛卡爾坐標空間的OCT圖像中所述生物可降解支架的中心點的鄰域的半徑的公式為：

r_x＝maxx-minx

r_y＝maxy-miny

r＝max(r_x,r_y)

其中，x和y分別表示所述笛卡爾坐標空間的OCT圖像中的像素點的橫坐標和縱坐標，r表示所述生物可降解支架的中心點的鄰域的半徑。

進一步地，判斷所述生物可降解支架的輪廓是否是假陽性支架的輪廓步驟包括：

將笛卡爾坐標空間中的所述生物可降解支架的輪廓轉(zhuǎn)換為極坐標霍夫空間中的生物可降解支架的輪廓；

檢測極坐標霍夫空間中的生物可降解支架的輪廓中的峰值點，判斷所述峰值點是否滿足閾值條件，若所述峰值點滿足閾值條件，則所述生物可降解支架的輪廓不是假陽性支架的輪廓。

進一步地，所述峰值點的數(shù)目為四個，所述閾值條件為：

其中，(ρ₁,θ₁)，(ρ₂,θ₂)，(ρ₃,θ₃)，(ρ₄,θ₄)分別表示四個峰值點的坐標，ρ_T1，ρ_T2，θ_T1，θ_T2分別表示四個閾值。

本發(fā)明還提供了一種基于OCT影像的生物可降解支架的自動檢測的裝置，所述裝置包括依次連接的探測單元、光信號處理單元、成像單元、數(shù)據(jù)處理單元及顯示單元，所述數(shù)據(jù)處理單元包括：

圖像獲取模塊，用于接收所述成像單元的冠狀動脈OCT圖像；

坐標變換模塊，用于將所述冠狀動脈OCT圖像變換為極坐標空間的OCT圖像；

支架中心點檢測模塊，用于檢測所述極坐標空間的OCT圖像中生物可降解支架的中心點；

導(dǎo)絲分割模塊，用于檢測所述極坐標空間的OCT圖像中導(dǎo)絲的上邊界和下邊界；

內(nèi)壁分割模塊，用于將所述上邊界和所述下邊界的圖像進行擬合得到血管的內(nèi)壁輪廓；

第一判斷模塊，用于判斷所述生物可降解支架的中心點是否為假陽性支架中心點；

支架輪廓檢測模塊，用于在所述生物可降解支架的中心點不是假陽性支架中心點時根據(jù)所述生物可降解支架的中心點檢測所述生物可降解支架的輪廓；

第二判斷模塊，用于判斷所述生物可降解支架的輪廓是否是假陽性支架的輪廓；

支架貼壁情況分析模塊，用于在所述生物可降解支架的輪廓不是假陽性支架的輪廓時根據(jù)所述生物可降解支架的輪廓與所述內(nèi)壁輪廓是否相交獲得所述生物可降解支架的貼壁情況并將所述生物可降解支架的貼壁情況發(fā)送給所述顯示單元進行顯示。

進一步地，所述數(shù)據(jù)處理單元還包括導(dǎo)管分割模塊，所述導(dǎo)管分割模塊用于檢測導(dǎo)管的邊界。

本發(fā)明提出的基于OCT影像的生物可降解支架的自動檢測的方法及裝置，通過內(nèi)壁分割模塊檢測血管的內(nèi)壁輪廓，通過支架中心點檢測模塊和支架輪廓檢測模塊檢測生物可降解支架的位置，再通過支架貼壁情況分析模塊根據(jù)所述生物可降解支架的輪廓與所述內(nèi)壁輪廓是否相交獲得所述生物可降解支架的貼壁情況，從而實現(xiàn)自動檢測所述生物可降解支架的位置并判斷所述生物可降解支架的貼壁情況，提升了檢測效率、增加了檢測結(jié)果的準確性。

附圖說明

通過結(jié)合附圖進行的以下描述，本發(fā)明的實施例的上述和其它方面、特點和優(yōu)點將變得更加清楚，附圖中：

圖1為基于OCT影像的生物可降解支架的自動檢測的裝置的模塊示意圖；

圖2為圖1中探測單元的結(jié)構(gòu)示意圖；

圖3為數(shù)據(jù)處理單元的模塊示意圖；

圖4為圖3中支架輪廓檢測模塊的模塊示意圖；

圖5為基于OCT影像的生物可降解支架的自動檢測的方法的流程圖；

圖6為圖5中步驟S3的流程圖；

圖7為圖5中步驟S4的流程圖；

圖8為圖5中步驟S5的流程圖；

圖9為擬合前和擬合后的血管的內(nèi)壁輪廓的結(jié)構(gòu)示意圖；

圖10為圖5中步驟S6的流程圖；

圖11為圖5中步驟S7的流程圖；

圖12為圖5中步驟S8的流程圖；

圖13為手動優(yōu)化系統(tǒng)的模塊示意圖。

具體實施方式

以下，將參照附圖來詳細描述本發(fā)明的實施例。然而，可以以許多不同的形式來實施本發(fā)明，并且本發(fā)明不應(yīng)該被解釋為限制于這里闡述的具體實施例。相反，提供這些實施例是為了解釋本發(fā)明的原理及其實際應(yīng)用，從而使本領(lǐng)域的其他技術(shù)人員能夠理解本發(fā)明的各種實施例和適合于特定預(yù)期應(yīng)用的各種修改。

參照圖1，本實施例提供的基于OCT影像的生物可降解支架的自動檢測的裝置包括依次連接的探測單元1、光信號處理單元2、成像單元3、數(shù)據(jù)處理單元4及顯示單元5。本實施例中血管為冠狀動脈，探測單元1用于采集血管內(nèi)的光信號，光信號處理單元2用于對光信號進行處理，成像單元3用于將處理后的光信號以圖像的形式呈現(xiàn)，數(shù)據(jù)處理單元4用于對圖像進行處理，以實現(xiàn)自動檢測生物可降解支架和血管壁的位置并判斷生物可降解支架的貼壁情況，顯示單元5用于對支架的貼壁情況進行顯示。為了描述方便，以下描述中所有的支架都是指生物可降解支架。

參照圖2，探測單元1包括探頭11、光纖12、導(dǎo)絲13及導(dǎo)管14。導(dǎo)絲13用于將導(dǎo)管14引入血管，探頭11和光纖12置于導(dǎo)管14內(nèi)，支架位于血管內(nèi)，通過探頭11可以對血管進行成像，從而經(jīng)處理后便可以獲得支架的位置信息。

參照圖3，數(shù)據(jù)處理單元4包括依次連接的圖像獲取模塊40、坐標變換模塊41、支架中心點檢測模塊42、導(dǎo)絲分割模塊43、內(nèi)壁分割模塊44、第一判斷模塊45、支架輪廓檢測模塊46、第二判斷模塊47、支架貼壁情況分析模塊48及導(dǎo)管分割模塊49。

圖像獲取模塊40用于接收成像單元3的冠狀動脈OCT圖像，其中，冠狀動脈OCT圖像包括一次回拉過程中產(chǎn)生的多個OCT圖像幀，多個OCT圖像幀組成一幅連續(xù)的冠狀動脈OCT圖像，其反映的是一段冠狀動脈的情況，每個OCT圖像幀的大小為1024×1024，每個OCT圖像幀可為8位灰度圖，即圖像中的像素點的灰度值范圍為0～255，這里，冠狀動脈OCT圖像的坐標空間為笛卡爾坐標空間。

坐標變換模塊41用于將冠狀動脈OCT圖像變換為極坐標空間的OCT圖像。支架中心點檢測模塊42用于檢測極坐標空間的OCT圖像中支架的中心點，其包括Prewitt邊緣濾波器，通過Prewitt邊緣濾波器將極坐標空間的OCT圖像轉(zhuǎn)換為梯度圖像。

導(dǎo)絲分割模塊43用于檢測極坐標空間的OCT圖像中導(dǎo)絲13的上邊界和下邊界。極坐標空間的OCT圖像包括左半部分和右半部分，左半部分位于導(dǎo)絲13的左邊，右半部分位于導(dǎo)絲13的右邊，其中左半部分和右半部分斷開的地方即為導(dǎo)絲13遮擋的地方，導(dǎo)絲13的上邊界即為導(dǎo)絲13與左半部分的分界處，導(dǎo)絲13的下邊界即為導(dǎo)絲13與右半部分的分界處。

內(nèi)壁分割模塊44用于將導(dǎo)絲13的上邊界的圖像和下邊界的圖像進行擬合得到血管的內(nèi)壁輪廓，這里，導(dǎo)絲13的上邊界的圖像即為左半部分，下邊界的圖像即為右半部分。

導(dǎo)管分割模塊49用于檢測導(dǎo)管14的邊界。第一判斷模塊45用于判斷支架中心點檢測模塊44檢測出的支架的中心點是否為假陽性支架中心點，若支架中心點檢測模塊44檢測出的支架的中心點為假陽性支架中心點，則不對該點進行檢測并將其排除。一般情況下，支架不會過多地嵌入到血管的內(nèi)壁中，而導(dǎo)管14的內(nèi)部也不會出現(xiàn)支架的中心點，因此，第一判斷模塊45通過判斷檢測出的支架的中心點是否位于血管的內(nèi)壁輪廓之外或?qū)Ч?4的內(nèi)部并可以確定支架的中心點是否為假陽性支架中心點。

參照圖4，支架輪廓檢測模塊46用于在支架的中心點不是假陽性支架中心點時根據(jù)支架的中心點檢測支架的輪廓。具體的，支架輪廓檢測模塊46包括前級坐標變換模塊100、計算模塊101、極坐標變換模塊102、輪廓檢測模塊103及后級坐標變換模塊104。

前級坐標變換模塊100用于將極坐標空間的OCT圖像轉(zhuǎn)換為笛卡爾坐標空間的OCT圖像；計算模塊101用于計算笛卡爾坐標空間的OCT圖像中支架的中心點的鄰域的半徑，以獲得支架的中心點的鄰域；極坐標變換模塊102用于將支架的中心點的鄰域轉(zhuǎn)換為極坐標空間的鄰域；輪廓檢測模塊103用于在極坐標空間的鄰域中利用動態(tài)規(guī)劃的算法檢測支架的輪廓；后級坐標變換模塊104用于將極坐標空間中的支架的輪廓轉(zhuǎn)換為笛卡爾坐標空間中的支架的輪廓。

第二判斷模塊47用于判斷支架的輪廓是否是假陽性支架的輪廓。支架輪廓檢測模塊46檢測到的支架的輪廓可能會包含一些形狀不規(guī)則的支架輪廓。但是，在IVOCT圖像中可降解支架的輪廓形狀一般都較為規(guī)則，接近矩形，因此，第二判斷模塊47在判斷出支架的輪廓是假陽性支架的輪廓時將其排除。

支架貼壁情況分析模塊48用于在支架的輪廓不是假陽性支架的輪廓時根據(jù)支架的輪廓與內(nèi)壁輪廓是否相交獲得支架的貼壁情況并將支架的貼壁情況發(fā)送給顯示單元5進行顯示。其中，若支架的輪廓與內(nèi)壁輪廓相交則支架的貼壁情況良好，若支架的輪廓與內(nèi)壁輪廓不相交則支架的貼壁不良。

除此之外，數(shù)據(jù)處理單元4還包括圖像輸出模塊50，其用于將支架的貼壁情況輸出至顯示單元5進行顯示。

參照圖5，本實施例還提供了一種基于OCT影像的生物可降解支架的自動檢測的方法，所述方法包括以下步驟：

步驟S1、獲取冠狀動脈OCT圖像，其中，通過圖像獲取模塊40獲取冠狀動脈OCT圖像，冠狀動脈OCT圖像的坐標空間為笛卡爾坐標空間。

步驟S2、將冠狀動脈OCT圖像變換為極坐標空間的OCT圖像。

具體的，通過坐標變換模塊41將冠狀動脈OCT圖像變換為極坐標空間的OCT圖像。坐標變換模塊41通過下面的式子來將笛卡爾坐標空間的冠狀動脈OCT圖像變換為極坐標空間的冠狀動脈OCT圖像：

θ＝arctan(y/x)

其中，x和y分別表示冠狀動脈OCT圖像中的像素點在笛卡爾坐標空間下的橫坐標和縱坐標，θ和ρ分別表示冠狀動脈OCT圖像中的像素點在極坐標空間下的橫坐標和縱坐標。

步驟S3、檢測極坐標空間的OCT圖像中支架的中心點。

其中，通過支架中心點檢測模塊42檢測極坐標空間的OCT圖像中支架的中心點。參照圖6，步驟S3具體包括：

S31、將極坐標空間的OCT圖像轉(zhuǎn)換為梯度圖像；通過Prewitt邊緣濾波器將極坐標空間的OCT圖像轉(zhuǎn)換為梯度圖像。

S32、根據(jù)設(shè)定的閾值將梯度圖像轉(zhuǎn)換為二值圖像。

S33、對二值圖像的連通區(qū)域進行標記，在標記的點的個數(shù)達到預(yù)定數(shù)目時停止標記，則標記的點形成二值圖像的連通區(qū)域；其中，標記的點的預(yù)定數(shù)目可以為5～15，例如，預(yù)定數(shù)目為8，則在標記的點的數(shù)目達到8時停止標記，獲得的8個點形成二值圖像的連通區(qū)域。

S34、獲取連通區(qū)域的中心點，則中心點為所述支架的中心點。

在步驟S34中，獲取連通區(qū)域的中心點的公式為：

其中，(c_ρ，c_θ)表示連通區(qū)域的中心點的坐標，θ和ρ分別表示標記的點在極坐標空間下的橫坐標和縱坐標。

步驟S4、檢測極坐標空間的OCT圖像中導(dǎo)絲的上邊界和下邊界。

其中，通過導(dǎo)絲分割模塊43檢測極坐標空間的OCT圖像中導(dǎo)絲的上邊界和下邊界。參照圖7，步驟S4具體包括：

S41、對極坐標空間的OCT圖像進行圖像映射變換獲得第一灰度圖像；其中，圖像映射變換過程如下：

若一次回拉產(chǎn)生的冠狀動脈OCT圖像包括n個OCT圖像幀，則極坐標空間的OCT圖像包括n個極坐標空間下的OCT圖像幀，對n個極坐標空間下的OCT圖像幀在ρ軸方向上進行灰度值累加平均，得到一個列向量a_j，a_j可表示為：

a_j＝(a_1,j，a_2,j，...，a_i,j，...，a_m,j)^T

其中，j表示當前OCT圖像幀在n個OCT圖像幀中的次序，j滿足1≤j≤n；m表示在θ軸方向上的像素點的數(shù)目；i滿足1≤i≤m。

對在ρ軸方向上灰度值累加平均后所得的n個向量a_j依次排列得到一個矩陣A，表示如下：

S42、對第一灰度圖像即A分別進行兩次動態(tài)規(guī)劃獲得與第一灰度圖像即A大小相等的上邊界的圖像和下邊界的圖像；其中，對第一灰度圖像進行第一次動態(tài)規(guī)劃過程獲得上邊界的圖像的過程如下：

對于A中每個灰度值為a_i,j的像素點，其目標函數(shù)為：

其中，表示像素點灰度值的平均值；w₁表示平均值計算時所用到的窗的長度。

確定目標函數(shù)后遞推得到代價函數(shù)，導(dǎo)絲的上邊界所對應(yīng)的代價函數(shù)為：

C₁(i,j)＝f₁(i,j) j＝1

其中，d₁決定了i^*的搜索范圍，表明了導(dǎo)絲的連續(xù)性，計算出代價函數(shù)的值后可以得到與第一灰度圖像即A大小相等的上邊界的圖像。

對第一灰度圖像進行第二次動態(tài)規(guī)劃過程獲得下邊界的圖像的過程如下：

對于A中每個灰度值為a_i,j的像素點，其目標函數(shù)為：

其中，表示像素點灰度值的平均值；w₁表示平均值計算時所用到的窗的長度。

確定目標函數(shù)后遞推得到代價函數(shù)，導(dǎo)絲的下邊界所對應(yīng)的代價函數(shù)為：

C₂(i,j)＝f₁(i,j) j＝1

其中，d₁決定了i^*的搜索范圍，表明了導(dǎo)絲的連續(xù)性，計算出代價函數(shù)的值后可以得到與第一灰度圖像即A大小相等的下邊界的圖像。

S43、分別對上邊界的圖像和下邊界的圖像進行回溯得到導(dǎo)絲的上邊界和下邊界。其中，通過回溯可找到全局最優(yōu)路徑，即導(dǎo)絲的上下邊界。

步驟S5、將上邊界的圖像和下邊界的圖像進行擬合得到血管的內(nèi)壁輪廓。其中，通過內(nèi)壁分割模塊44將上邊界的圖像和下邊界的圖像進行擬合得到血管的內(nèi)壁輪廓。經(jīng)過導(dǎo)絲分割模塊43檢測出導(dǎo)絲的上邊界和下邊界后，每個OCT圖像幀中導(dǎo)絲的位置已經(jīng)確定。

參照圖8，步驟S5具體包括：

S51、分別將上邊界的圖像和下邊界的圖像中位于上邊界和下邊界之間的區(qū)域刪除得到第一圖像和第二圖像，其中，位于上邊界和下邊界之間的區(qū)域指的是被導(dǎo)絲遮擋的區(qū)域。

S52、將第一圖像和第二圖像進行拼接得到拼接后的圖像。

S53、對拼接后的圖像進行動態(tài)規(guī)劃得到第三圖像；其中，動態(tài)規(guī)劃過程如下：

對于第三圖像中坐標為(i,j)的像素點，其目標函數(shù)為：

其中，表示像素點灰度值的平均值；w₂表示平均值計算時所用到的窗的長度。

確定目標函數(shù)后遞推得到代價函數(shù)如下：

C₃(i,j)＝f₂(i,j) i＝1

其中，d₂決定了j^*的搜索范圍，表明了血管的內(nèi)壁輪廓的連續(xù)性，n₂表示去除導(dǎo)絲所在行后θ軸方向上像素點的個數(shù)。計算出代價函數(shù)的值后便得到第三圖像。

S54、對第三圖像進行回溯得到第四圖像，其中，通過回溯可找到全局最優(yōu)路徑，全局最優(yōu)路徑即為第四圖像。

S55、將上邊界所在的行及下邊界所在的行插入第四圖像得到內(nèi)壁輪廓。這里的內(nèi)壁輪廓是不包括被導(dǎo)絲遮擋部分的內(nèi)壁輪廓，即內(nèi)壁輪廓的兩端是斷開的，圖9(a)示出了笛卡爾坐標空間下的不包括被導(dǎo)絲遮擋部分的內(nèi)壁輪廓。

S56、將內(nèi)壁輪廓的兩端進行擬合得到血管的內(nèi)壁輪廓。其中，擬合得到的血管的內(nèi)壁輪廓包括被導(dǎo)絲遮擋部分的內(nèi)壁輪廓即為一個完整的血管的內(nèi)壁輪廓，圖9(b)示出了笛卡爾坐標空間下的擬合后得到的血管的內(nèi)壁輪廓。

步驟S6、判斷支架的中心點是否為假陽性支架中心點。

其中，通過第一判斷模塊45來判斷支架的中心點是否為假陽性支架中心點。參照圖10，步驟S6包括：

S61、提取極坐標空間的OCT圖像中的感興趣區(qū)域(ROI)，利用動態(tài)規(guī)劃算法在ROI中檢測導(dǎo)管的邊界，其中ROI為一固定大小的區(qū)域，該區(qū)域中不包括導(dǎo)絲和血管的內(nèi)壁，從而排除導(dǎo)絲和血管的內(nèi)壁的干擾。

其中，動態(tài)規(guī)劃算法如下：

對于ROI中坐標為(i,j)的像素點，其目標函數(shù)為：

其中，I表示坐標為(i,j)的像素點的灰度值，表示一定范圍內(nèi)的像素點的灰度值的平均值；w₃表示平均值計算時所用到的窗的長度。

確定目標函數(shù)后遞推得到代價函數(shù)如下：

C₄(i,j)＝f₃(i,j) i＝1

其中，d₃決定了j^*的搜索范圍，表明了導(dǎo)管的邊界的連續(xù)性，n₃表示ROI中θ軸方向上像素點的個數(shù)。計算出代價函數(shù)的值后，通過回溯可確定最優(yōu)路徑，即為導(dǎo)管的邊界。

S62、根據(jù)檢測到的導(dǎo)管的邊界及血管的內(nèi)壁輪廓來判斷檢測到的支架的中心點是否在導(dǎo)管的邊界和血管的內(nèi)壁輪廓之間，若支架的中心點在導(dǎo)管的邊界和血管的內(nèi)壁輪廓之間，則檢測到的支架的中心點不是假陽性中心點。若支架的中心點在導(dǎo)管內(nèi)或在血管的內(nèi)壁輪廓之外，則檢測到的支架的中心點為假陽性中心點，將該支架的中心點去除。

步驟S7、若支架的中心點不是假陽性支架中心點，則根據(jù)支架的中心點檢測支架的輪廓，通過支架輪廓檢測模塊46檢測支架的輪廓。

具體的，參照圖11，步驟S7具體包括以下步驟：

S71、將極坐標空間的OCT圖像轉(zhuǎn)換為笛卡爾坐標空間的OCT圖像；其中，通過前級坐標變換模塊100將極坐標空間的OCT圖像轉(zhuǎn)換為笛卡爾坐標空間的OCT圖像。通過下面的式子將極坐標空間的OCT圖像轉(zhuǎn)換為笛卡爾坐標空間的OCT圖像：

x＝ρ×cosθ

y＝ρ×sinθ

其中，x和y分別表示笛卡爾坐標空間的OCT圖像的像素點的橫坐標和縱坐標，θ和ρ分別表示極坐標空間的OCT圖像的像素點的橫坐標和縱坐標。

S72、計算笛卡爾坐標空間的OCT圖像中支架的中心點的鄰域的半徑，以獲得支架的中心點的鄰域；其中，通過計算模塊101計算笛卡爾坐標空間的OCT圖像中支架的中心點的鄰域的半徑，計算公式如下：

r_x＝maxx-minx

r_y＝maxy-miny

r＝max(r_x,r_y)

其中，x和y分別表示笛卡爾坐標空間的OCT圖像中的像素點的橫坐標和縱坐標，r表示支架的中心點的鄰域的半徑。得到的半徑為r的鄰域包含完整的支架的輪廓。

S73、將支架的中心點的鄰域轉(zhuǎn)換為極坐標空間的鄰域；通過極坐標變換模塊102將笛卡爾坐標空間的支架的中心點的鄰域轉(zhuǎn)換為極坐標空間的鄰域。

S74、在極坐標空間的鄰域中利用動態(tài)規(guī)劃的算法檢測支架的輪廓；通過輪廓檢測模塊103檢測支架的輪廓，動態(tài)規(guī)劃算法如下：

對于鄰域中坐標為(i,j)的像素點，其目標函數(shù)為：

其中，I表示鄰域中坐標為(i,j)的像素點的灰度值，表示像素點灰度值的平均值；w₄表示平均值計算時所用到的窗的長度。

確定目標函數(shù)后遞推得到代價函數(shù)如下：

C₅(i,j)＝f₄(i,j) i＝1

其中，d₄決定了j^*的搜索范圍，表明了支架的輪廓的連續(xù)性，n₄表示鄰域中θ軸方向上像素點的個數(shù)。計算出代價函數(shù)的值后，通過回溯可確定最優(yōu)路徑，即為支架的輪廓。

S75、將極坐標空間中的支架的輪廓轉(zhuǎn)換為笛卡爾坐標空間中的支架的輪廓，通過后級坐標變換模塊104將極坐標空間中的支架的輪廓轉(zhuǎn)換為笛卡爾坐標空間中的支架的輪廓。

步驟S8、判斷支架的輪廓是否是假陽性支架的輪廓，通過第二判斷模塊47判斷支架的輪廓是否是假陽性支架的輪廓。

參照圖12，步驟S8包括以下步驟：

S81、將笛卡爾坐標空間中的支架的輪廓轉(zhuǎn)換為極坐標霍夫空間中的支架的輪廓，變換公式如下：

ρ＝xcosθ+ysinθ

變換后的原點位于支架的輪廓的幾何中心，笛卡爾坐標空間中的每個點都對應(yīng)于極坐標霍夫空間的一條曲線，而笛卡爾坐標空間中的一條直線對應(yīng)于極坐標霍夫空間中的一族有公共交點的曲線。

S82、檢測極坐標霍夫空間中的支架的輪廓中的特征點，判斷特征點是否滿足閾值條件，若特征點滿足閾值條件，則該支架的輪廓不是假陽性支架的輪廓。

本實施例中的支架的輪廓為矩形，經(jīng)過變換后每個象限中會出現(xiàn)一個峰值點，這四個峰值點即為特征點分別對應(yīng)矩形輪廓的四條邊，所述閾值條件為：

其中，(ρ₁,θ₁)，(ρ₂,θ₂)，(ρ₃,θ₃)，(ρ₄,θ₄)分別表示四個峰值點的坐標，ρ_T1，ρ_T2，θ_T1，θ_T2分別表示四個閾值。如果其中有一個條件不滿足，則該支架的輪廓為假陽性支架的輪廓，將該支架的輪廓去除。

步驟S9、若支架的輪廓不是假陽性支架的輪廓，則根據(jù)支架的輪廓與內(nèi)壁輪廓是否相交獲得支架的貼壁情況，其中，通過支架貼壁情況分析模塊48獲得支架的貼壁情況，若支架的輪廓與內(nèi)壁輪廓相交則支架的貼壁情況良好，若支架的輪廓與內(nèi)壁輪廓不相交則支架的貼壁不良。

步驟S10、對支架的貼壁情況進行顯示，通過顯示單元5對支架的貼壁情況進行顯示。如圖9(b)所示，通過實心白色區(qū)域表示貼壁良好的支架，用擬合的樣條曲線表示貼壁不良的支架。

為了提高檢測的準確率，本實施例還提出了自動檢測的方法與手動優(yōu)化過程相結(jié)合的方式。在上述自動檢測的基礎(chǔ)上，增加了手動優(yōu)化過程和手動優(yōu)化系統(tǒng)20。本實施例手動優(yōu)化系統(tǒng)20從三個方面進行手動優(yōu)化：

1)在自動檢測的基礎(chǔ)上，手動去除自動檢測的方法所不能識別的假陽性支架。在自動檢測結(jié)果中，若存在人工易于識別的假陽性支架，則在此過程中，可通過手動去除單元200手動去除這些假陽性支架。

2)在自動檢測的基礎(chǔ)上，手動拖動支架輪廓進行優(yōu)化。若自動檢測到的支架位置相對合理，而支架輪廓與人工分析有較大差別時，可通過手動拖動單元201手動拖動支架輪廓進行優(yōu)化。

3)通過支架中心點手動選擇單元202手動選擇未被自動檢測過程檢測到的支架中心點。在支架中心點檢測過程中，有少數(shù)中心點未被檢測到，相應(yīng)的支架輪廓也不會被檢測到，這將對支架貼壁情況的分析產(chǎn)生很大影響。因此對于人工分析明確認定的支架，采用手動方式選擇支架的中心點，然后自動檢測該中心點所對應(yīng)的支架輪廓。

圖13示出了手動優(yōu)化過程的結(jié)構(gòu)框圖，以上三個手動優(yōu)化過程可在人機界面上進行相應(yīng)的功能選擇。

在實際臨床應(yīng)用中，關(guān)于本實施例的基于OCT影像的生物可降解支架的自動檢測的方法及裝置的具體實施過程如下：

臨床醫(yī)生基于冠狀動脈的X光造影圖像，通過經(jīng)皮冠狀動脈介入將生物可降解支架植入到病灶位置，即冠狀動脈堵塞最狹窄處；

通過對球囊加壓，將支架撐開，但在X光造影圖像中不能觀察到支架撐開后的貼壁情況；

通過血管內(nèi)光學(xué)相干斷層掃描技術(shù)對植入支架的冠狀動脈段進行掃描成像；

在人機界面上選擇自動檢測功能，確定支架與冠狀動脈內(nèi)壁之間的貼壁情況，并輸出反映冠狀動脈內(nèi)支架貼壁情況的圖像提供給臨床醫(yī)生；

臨床醫(yī)生根據(jù)輸出的圖像確定是否進行手動優(yōu)化，并在人機界面上選擇相應(yīng)的優(yōu)化方式對檢測和分析結(jié)果進行優(yōu)化，從而得到優(yōu)化后的最終輸出圖像；

最后，臨床醫(yī)生根據(jù)最終輸出圖像來對貼壁不良的支架進行調(diào)整。

本實施例提出的基于OCT影像的生物可降解支架的自動檢測的方法及裝置，通過內(nèi)壁分割模塊44檢測血管的內(nèi)壁輪廓，通過支架中心點檢測模塊42和支架輪廓檢測模塊46檢測支架的位置，再通過支架貼壁情況分析模塊48根據(jù)所述支架的輪廓與所述內(nèi)壁輪廓是否相交獲得所述支架的貼壁情況，從而實現(xiàn)自動檢測所述支架的位置并判斷所述支架的貼壁情況，提升了檢測效率、增加了檢測結(jié)果的準確性，指導(dǎo)臨床醫(yī)生將支架調(diào)整到完全貼壁的位置，從而提高冠狀動脈介入治療手術(shù)的成功率，有效降低術(shù)后支架血栓的發(fā)生率。

以上所述僅是本申請的具體實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本申請原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本申請的保護范圍。