血管图像的自动水平集分割方法及装置制造方法及图纸

本发明专利技术公开了一种血管图像的自动水平集分割方法及装置。其中，该方法包括：获取初始血管模型，其中，初始血管模型是基于初始血管模型对应的血管的中心线和半径函数确定的，半径函数用于描述血管区域；在局部流明统计模型的基础上，对初始血管模型进行水平集分割，得到分割后的血管模型，其中，局部流明统计模型包括血管沿中心线上的横截面的流明阈值。本发明专利技术解决了相关技术中采用传统全局阈值水平集无法实现冠状动脉血管进行精准建模的技术问题。

Automatic Level Set Segmentation Method and Device for Vessel Image

【技术实现步骤摘要】
血管图像的自动水平集分割方法及装置
本专利技术涉及计算机辅助医疗中冠状动脉CT造影图像处理
，具体而言，涉及一种血管图像的自动水平集分割方法及装置。
技术介绍
从电子计算机断层扫描(ComputedTomographic，简称CT)、核磁共振或者血管超声等三维医学影像序列中提取人体某些结构的血管(例如，动脉血管)等人体重要血管形态，具有重要的临床价值和实际意义。CT造影图像分割和目标轮廓的提取对于图像理解、图像分析、模式识别、计算机视觉等具有非常重要的意义。Osher等提出的水平集(LevelSet)方法是求解隐式表达偏微分方程的一种具体实现方式，将曲线演化的问题转化为偏微分方程数值求解的问题，由于其能够自动处理拓扑变化的优点，在图像分割中得到了广泛的应用。由于CT造影影像中不同血管CT流明明暗不同，往往二级冠状动脉血管的末端及三级冠状动脉血管的CT图像流明会低于正常二级血管的CT图像流明。然而，传统全局阈值水平集分割方法一般是只使用一套固定的上下阈值，容易出现血管根部流明偏亮，血管末端及部分三级血管流明偏暗，不能同时满足血管根部和血管末端精准建模的要求。另外，对于血管局部软斑病变造成的狭窄处局部流明偏暗的情况，使用全局统一下阈值会造成血管建模时无法精准还原血管狭窄度。再者，对于血管局部钙化斑病变造成的狭窄处局部流明偏亮的情况，使用全局统一上阈值会造成血管建模时无法精准还原血管狭窄度。针对上述相关技术中采用传统全局阈值水平集无法实现对血管进行精准建模的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种血管图像的自动水平集分割方法及装置，以至少解决相关技术中采用传统全局阈值水平集无法实现冠状动脉血管进行精准建模的技术问题。根据本专利技术实施例的一个方面，提供了一种血管图像的自动水平集分割方法，包括：获取初始血管模型，其中，所述初始血管模型是基于所述初始血管模型对应的血管的中心线和半径函数确定的，所述半径函数用于描述血管区域；在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割，得到分割后的血管模型，其中，所述局部流明统计模型包括所述血管沿中心线上的横截面的流明阈值。可选地，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割之后，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割之后，该血管图像的自动水平集分割方法还包括：利用分割后的血管模型对所述中心线和所述半径函数进行修正，以得到修正后的初始血管模型，直至所述中心线和所述半径函数满足第一预定条件；利用分割后的血管模型对所述局部流明统计模型进行修正，以对所述局部流明统计模型的流明阈值进行修正，直到所述局部流明统计模型满足第二预定条件；在修正后的局部流明统计模型的基础上，基于水平集分割方式对修正后的初始血管模型进行水平集分割。可选地，获取所述初始血管模型包括：获取所述初始血管模型对应的血管图像；对所述血管图像进行预处理，得到初始血管模型；其中，对所述血管图像进行预处理，得到初始血管模型包括：生成所述血管图像对应的血管的初始中心线，同时建立所述血管图像对应的血管的初始半径函数；基于所述初始中心线以及所述初始半径函数进行建模，得到所述初始血管模型。可选地，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割包括：在所述局部流明统计模型的基础上，确定所述初始血管模型对应的血管沿中心线的多个横截面中每个横截面处所述水平集分割方式的分割阈值，其中，所述分割阈值包括：上限阈值和下限阈值；利用所述分割阈值对所述初始血管模型进行分割。可选地，在所述局部流明统计模型的基础上，确定所述初始血管模型对应的血管沿中心线的多个横截面中每个横截面处所述水平集分割方式的分割阈值包括：通过第一公式确定所述多个横截面中每个横截面的分割阈值的上限阈值，其中，所述第一公式为：Tupper＝μ+pupper*ρ，Tupper表示所述分割阈值中的上限阈值，μ表示所述多个横截面中每个横截面的平均流明值，pupper表示所述上限阈值的百分比，ρ表示所述多个横截面中每个横截面的流明值标准差；以及，通过第二公式确定所述多个横截面中每个横截面的分割阈值的下限阈值，其中，所述第二公式为：Tlower＝μ-plower*ρ，Tlower表示所述分割阈值中的上限阈值，μ表示所述多个横截面中每个横截面的平均流明值，pupper表示所述下限阈值的百分比，ρ表示所述多个横截面中每个横截面的流明值标准差。可选地，在对所述血管图像进行预处理，得到初始血管模型之前，该血管图像的自动水平集分割方法还包括：对所述血管图像进行图像识别，以得到图像识别后的血管图像，其中，所述图像识别后的血管图像为去除以下部分的图像：骨骼、肌肉组织、脂肪组织。可选地，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割包括：通过第三公式对所述中心线、所述初始血管模型以及所述局部流明统计模型进行迭代处理，以对所述初始血管模型进行水平集分割，其中，所述第三公式为：φ表示所述水平集分割方式对应的水平集函数，t表示分割时间，vimage表示所述局部流明统计模型确定的第一速度函数，vmodel表示所述初始血管模型的形状函数确定的第二速度函数，vinternal表示所述中心线确定的第三速度函数，α、β以及γ分别为所述第一速度函数、所述第二速度函数以及所述第三速度函数的权重，并且0<α<1、0<β<1、0<γ<1。可选地，所述第一速度函数为：其中，S表示所述局部流明统计模型中不同区域中每个区域的上流明阈值和下流明阈值的平均值，I(x)表示所述局部流明统计模型中不同区域的流明值，S表示所述局部流明统计模型中不同区域的上流明阈值和下流明阈值的差值；所述第二速度函数为：vinternal＝κ(x)，其中，κ(x)表示所述初始血管模型的形状函数对应的血管的表面曲率函数；所述第三速度函数为：dm表示所述初始血管模型的形状函数。根据本专利技术实施例的另外一个方面，还提供了一种血管图像的自动水平集分割装置，包括：获取单元，用于获取初始血管模型，其中，所述初始血管模型是基于所述初始血管模型对应的血管的中心线和半径函数确定的，所述半径函数用于描述血管区域；分割单元，用于在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割，得到分割后的血管模型，其中，所述局部流明统计模型包括所述血管沿中心线上的横截面的流明阈值。可选地，该血管图像的自动水平集分割装置还包括：第一修正单元，用于在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割之后，利用分割后的血管模型对所述中心线和所述半径函数进行修正，以得到修正后的初始血管模型，直至所述中心线和所述半径函数满足第一预定条件；第二修正单元，用于利用分割后的血管模型对所述局部流明统计模型进行修正，以对所述局部流明统计模型的流明阈值进行修正，直到所述局部流明统计模型满足第二预定条件；所述分割单元，用于在修正后的局部流明统计模型的基础上，基于水平集分割方式对修正后的初始血管模型进行水平集分割。可选地，所述获取单元包括：获取子单元，用于获取所述初始血管模型对应的血管图像；预处理子单元，用于对所述血管图像进行预处理，得到初始血管模型；其中，本文档来自技高网...

【技术保护点】
1.一种血管图像的自动水平集分割方法，其特征在于，包括：获取初始血管模型，其中，所述初始血管模型是基于所述初始血管模型对应的血管的中心线和半径函数确定的，所述半径函数用于描述血管区域；在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割，得到分割后的血管模型，其中，所述局部流明统计模型包括所述血管沿中心线上的横截面的流明阈值。

【技术特征摘要】
1.一种血管图像的自动水平集分割方法，其特征在于，包括：获取初始血管模型，其中，所述初始血管模型是基于所述初始血管模型对应的血管的中心线和半径函数确定的，所述半径函数用于描述血管区域；在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割，得到分割后的血管模型，其中，所述局部流明统计模型包括所述血管沿中心线上的横截面的流明阈值。2.根据权利要求1所述的方法，其特征在于，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割之后，还包括：利用分割后的血管模型对所述中心线和所述半径函数进行修正，以得到修正后的初始血管模型，直至所述中心线和所述半径函数满足第一预定条件；利用分割后的血管模型对所述局部流明统计模型进行修正，以对所述局部流明统计模型的流明阈值进行修正，直到所述局部流明统计模型满足第二预定条件；在修正后的局部流明统计模型的基础上，基于水平集分割方式对修正后的初始血管模型进行水平集分割。3.根据权利要求1所述的方法，其特征在于，获取所述初始血管模型包括：获取所述初始血管模型对应的血管图像；对所述血管图像进行预处理，得到初始血管模型；其中，对所述血管图像进行预处理，得到初始血管模型包括：生成所述血管图像对应的血管的初始中心线，同时建立所述血管图像对应的血管的初始半径函数；基于所述初始中心线以及所述初始半径函数进行建模，得到所述初始血管模型。4.根据权利要求2所述的方法，其特征在于，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割包括：在所述局部流明统计模型的基础上，确定所述初始血管模型对应的血管沿中心线的多个横截面中每个横截面处所述水平集分割方式的分割阈值，其中，所述分割阈值包括：上限阈值和下限阈值；利用所述分割阈值对所述初始血管模型进行分割。5.根据权利要求4所述的方法，其特征在于，在所述局部流明统计模型的基础上，确定所述初始血管模型对应的血管沿中心线的多个横截面中每个横截面处所述水平集分割方式的分割阈值包括：通过第一公式确定所述多个横截面中每个横截面的分割阈值的上限阈值，其中，所述第一公式为：Tupper＝μ+pupper*ρ，Tupper表示所述分割阈值中的上限阈值，μ表示所述多个横截面中每个横截面的平均流明值，pupper表示所述上限阈值的百分比，ρ表示所述多个横截面中每个横截面的流明值标准差；以及，通过第二公式确定所述多个横截面中每个横截面的分割阈值的下限阈值，其中，...

【专利技术属性】
技术研发人员：王纯亮，张超，赵清华，毛益进，
申请(专利权)人：深圳市阅影科技有限公司，
类型：发明
国别省市：广东,44