用于分析血管的医学图像的方法、装置和系统制造方法及图纸

本发明专利技术涉及用于分析血管的医学图像的方法以及相应装置和系统，所述方法包括以下步骤：a）通过对医学图像应用第一分类器来对在至少一个医学图像中表示的至少一个血管的周围进行分类，由此将血管的周围指定成至少两个周围类别中的一个，以及b）依据已经将血管的周围指定成的周围类别来对至少一个血管进行分割。本发明专利技术允许医学图像中表示的血管的可靠分割和/或形状检测（特别是分叉检测）。

Method, device and system for medical image analysis of blood vessels

The present invention relates to a method for analyzing a medical image of a blood vessel and a corresponding device and system. The method includes the following steps: a) classifying the surrounding of at least one blood vessel represented in at least one medical image by applying a first classifier to a medical image, thereby specifying at least two blood vessels. One of the surrounding categories, and b) is to segment at least one blood vessel according to the peripheral categories specified around the blood vessel. The invention allows reliable segmentation and / or shape detection of blood vessels represented in medical images (especially bifurcation detection).

【技术实现步骤摘要】
【国外来华专利技术】用于分析血管的医学图像的方法、装置和系统
本专利技术涉及根据独立权利要求的用于分析血管的医学图像的方法以及对应装置和系统。
技术介绍
诸如动脉粥样硬化和狭窄的脉管疾病常常影响人类血管并且可以导致严重的问题，包括心脏病发作、中风或者甚至死亡。为了及时诊断和治疗此类疾病，医学成像技术广泛地与特别适用于制作身体各个部位的血管和组织的详细图像的计算机断层扫描血管造影术（CTA）一起使用。图像处理和机器学习技术可以帮助加速和促进医生的日常工作。血管的鲁棒分割和标记对于准确的钙化、斑块和管腔分割是重要的。因此，这可以帮助更好地识别症状且诊断许多危险的脉管疾病。为了表示完整的血管树形态测定，除了精确的血管分割外，还需要诸如分叉之类的血管标志的检测。血管分叉是指在那里出现血管被分成两个更小的血管的点。用于分叉检测的准确算法可用于对现有被跟踪血管进行后处理，校正已回归的分叉标志或成为更大的血管跟踪或血管标记系统的一部分。
技术实现思路
本专利技术的一个目标是提供一种用于分析血管的医学图像以允许对图像中表示的血管进行可靠的分割和/或形状检测（特别是分叉检测）的方法、装置和系统。通过根据独立权利要求的方法、装置和系统来实现该目标。一种根据本专利技术的方面的用于分析血管的医学图像的方法包括以下步骤：通过对医学图像应用第一分类器来对在至少一个医学图像中表示的至少一个血管的周围进行分类，由此将血管的周围指定成至少两个周围类别中的一个，以及依据已经将血管的周围指定成的周围类别来对至少一个血管进行分割。一种根据本专利技术的另一方面的用于分析血管的医学图像的装置包括：图像处理单元，其被配置成通过对医学图像应用第一分类器来对在至少一个医学图像中表示的至少一个血管的周围进行分类，由此将血管的周围指定成至少两个周围类别中的一个，以及依据已经将血管的周围指定成的周围类别来对该至少一个血管执行分割。一种根据本专利技术的又一方面的用于分析血管的医学图像的系统包括被配置成获取血管的医学图像的医学成像装置和根据本专利技术的方面的装置。本专利技术的方面基于用来提供用于自动化（特别是全自动）血管分割和/或检测（特别是血管分叉分割和/或检测）的方法的途径，其中首先对图像中表示的血管周围进行分类，之后是图像中表示的血管的分割。用于血管分割的分割方法取决于血管周围的分类的结果。例如，如果将血管的周围指定成第一周围类别，则应用第一分割方法，并且如果将血管的周围指定成第二周围类别，则应用不同于第一分割方法的第二分割方法。在本专利技术的意义中，关于血管的术语“周围”优选地与在血管周围和/或血管附近的任何区有关。通过将第一分类器应用于图像来执行该分类。优选地，在所标记的图像集合上训练第一分类器。通过基于已经将图像中表示的血管的周围指定的周围类别应用图像分割，实现对图像中血管（特别是血管的分叉）的可靠和准确的分割和/或检测。总之，本专利技术允许对医学图像中表示的血管的可靠分割和/或形状检测（特别是分叉检测）。优选地，就靠近血管和/或在血管附近存在的骨骼结构的密度（concentration）而言，该至少两个周围类别是不同的。这方面基于这样的概念，即血管往往位于靠近骨骼并且图像中表示的血管和骨骼的强度通常是非常相似的，因此血管和骨骼之间的边缘是模糊的。通过将不同分割方法应用于示出就靠近血管的骨骼结构的存在而言的不同类型的血管周围的图像，对于图像中表示的每种血管周围来说可以将最合适的分割方法应用于该图像。因此，实现血管的特别可靠的分割。此外，优选地该至少两个周围类别包括第一周围类别和第二周围类别，其中第一周围类别的血管附近存在的骨骼结构的密度高于第二周围类别的血管附近存在的骨骼结构的密度。通过提供仅两个周围类别，血管周围的分类仍然是简单的并且关于两种不同分割方法中的一种的选择是高效的以便实现可靠的血管分割。优选地，如果图像中表示的血管的周围被指定成第一周围类别，则血管的分割包括将基于学习的射线投射算法应用于图像。通过将基于学习的射线投射算法用于接近和/或靠近骨骼结构的血管的分割，实现特别可靠的分割。备选地或另外地，优选地，如果图像中表示的血管的周围被指定成第二周围类别，则血管的分割包括将基于无边缘形态学活动轮廓（MACWE）的算法应用于图像。通过将MACWE用于不接近和/或不靠近骨骼结构的血管的分割，实现特别可靠的分割。根据另一优选实施例，通过利用针对至少两个周围类别的特征向量训练分类器来获得第一分类器。优选地，每个特征向量都是八维特征向量，通过计算图像块的八个子块与图像块的基准子块的均值强度的强度差来获得其分量。优选地，基准子块处于被分成九个子块的图像块的中心。通过前面提到的实施例中的一个或多个，以简单的方式来实现两个不同类别的血管周围之间的特别可靠的区别。优选地，该第一分类器是被配置成将图像中表示的血管的周围指定成其k个最近邻域之中最常见的周围类别的k最近邻(KNN)分类器，其中k是正整数。优选地，在训练阶段，基于利用针对以下两个周围类别的特征向量训练图像以构建针对KNN分类器的KD树，即没有位于血管近旁的骨骼的正常情况（也被称为“第二周围类别”）和血管位于骨骼近旁的情况（也被称为“第一周围类别”）。在对于每个新图像样本的分类阶段中，KNN分类器被用于决定该图像样本更可能属于哪个类别。使用KNN分类器是用于确定适当分割方法的简单且又可靠方法。根据又一优选实施例，该方法进一步包括以下步骤：通过将第二分类器应用于经分割的血管壁来对血管的经分割的血管壁的至少一个区段的形状进行分类，由此将经分割的血管壁的至少一个区段指定至少两个形状类别中的一个。优选地，该至少两个形状类别包括与展示出分叉的血管形状有关的第一形状类别。以这种方式，执行“级联分类”以便检测血管的形状（特别是（一个或多个）分叉），其中将该第一和第二分类器训练成两个分开的分类步骤，即将第一分类器训练成将图像中表示的血管周围区分成血管近旁的不同密度的骨骼结构（如在上面详细解释的），并且将第二分类器训练成将经分割的对象（血管）区分成不同形状（特别是分叉）。此外，优选地，通过利用针对至少两个形状类别的一个或多个边界描述符训练分类器来获得第二分类器。边界描述符包含图像中表示的已分割血管的边界特性的描述。优选地，为了计算边界描述符，通过首先使用形态学算子（膨胀然后减法）并且然后将最小边界矩形拟合到分割的轮廓上来画出分割的轮廓。优选地，该一个或多个边界描述符与经分割的血管壁的以下特征中的至少一个有关：伸长率、离心率、凸度、固性（solidity）、径向距离的标准偏差。借助于上面提到的实施例中的一个或多个，实现经分割的血管的特别可靠的形状检测（特别是分叉检测）。根据再一优选实施例，该第二分类器基于近似最近邻（ANN）算法和/或支持向量机（SVM）算法。附图说明根据以下附图的以下描述，本专利技术的其他优点、特征和示例将是显而易见的：图1示出根据本专利技术的装置和系统的一个示例；图2示出不具有位于靠近血管或在血管附近的骨骼或骨骼结构的块（上面的行）和具有该骨骼或骨骼结构的块（下面的行）的示例；图3示出（a）正常血管、（b）分叉、（c）双分叉、和（d）通过骨骼的血管的横截面图像；图4示出对于像素强度方向导数（DDPI）描述符的特征生成的示意性表示；图5示出在腿研究中获得的本文档来自技高网...

【技术保护点】
一种用于分析血管的医学图像的方法，所述方法包括以下步骤：a）通过对医学图像应用第一分类器来对在至少一个医学图像中表示的至少一个血管的周围进行分类，由此将血管的周围指定成至少两个周围类别中的一个，以及b）依据已经将血管的周围指定成的周围类别来对至少一个血管进行分割。

【技术特征摘要】
【国外来华专利技术】2015.09.10 EP 15184638.31.一种用于分析血管的医学图像的方法，所述方法包括以下步骤：a）通过对医学图像应用第一分类器来对在至少一个医学图像中表示的至少一个血管的周围进行分类，由此将血管的周围指定成至少两个周围类别中的一个，以及b）依据已经将血管的周围指定成的周围类别来对至少一个血管进行分割。2.根据权利要求1所述的方法，其中就血管附近存在的骨骼结构的密度而言，该至少两个周围类别是不同的。3.根据权利要求2所述的方法，该至少两个周围类别包括第一周围类别和第二周围类别，其中第一周围类别的血管附近存在的骨骼结构的密度高于第二周围类别的血管附近存在的骨骼结构的密度。4.根据权利要求3所述的方法，如果图像中表示的血管的周围被指定成第一周围类别，则血管的分割包括将基于学习的射线投射算法应用于图像。5.根据权利要求3所述的方法，其中如果图像中表示的血管的周围被指定成第二周围类别，则血管的分割包括将基于无边缘形态学活动轮廓（MACWE）的算法应用于图像。6.根据前述权利要求中的任一项所述的方法，其中通过利用针对至少两个周围类别的特征向量训练分类器来获得第一分类器。7.根据权利要求6所述的方法，其中该第一分类器是被配置成将血管的周围指定成其k个最近邻域之中最常见的周围类别的k最近邻(KNN)分类器，其中k是正整数。...

【专利技术属性】
技术研发人员：A诺维科夫，D马乔尔，M维姆梅，K布伊勒，
申请(专利权)人：爱克发医疗保健公司，VRVIS虚拟现实和形象化公司，
类型：发明
国别省市：奥地利,AT