基于CTA影像的自动冠脉分割及中心线提取方法技术

基于CTA影像的自动冠脉分割及中心线提取方法，属于心脏冠脉图像处理领域，为了解决对CTA影像的自动冠脉分割及中心线提取方法对问题，包括S1.输入心脏CTA数据；S2.分割升主动脉；S3.冠脉种子点搜索；S4.冠脉分割；S5.冠脉中心点提取，效果是提高分割及提取的速度，并保持精度。

Automatic coronary segmentation and centerline extraction based on CTA image

The automatic coronary segmentation and centerline extraction method based on CTA image belongs to the field of coronary heart image processing. In order to solve the problem of automatic coronary segmentation and centerline extraction method for CTA image, including S1. Input cardiac CTA data; S2. Segment ascending aorta; S3. Coronary seed point search; S4. Coronary artery segmentation; S5. Coronary center point extraction, the effect is to improve the speed of segmentation and extraction And maintain accuracy.

【技术实现步骤摘要】
基于CTA影像的自动冠脉分割及中心线提取方法
本专利技术属于心脏冠脉图像处理领域，涉及一种基于CTA影像的自动冠脉分割及中心线提取方法。
技术介绍
心血管疾病己成为当前威胁人类生命的重要疾病，如何快速准确地诊断心血管疾病成为治疗的关键。心血管疾病大多是由于冠状动脉病变引起的。冠状动脉血管造影(CTA，CTangiography)是心脏疾病诊断的重要方法，从CTA数据中准确分割冠脉血管，不仅能提供对血管结构的定量描述，还可以观察比较血管的几何变化，对疾病的诊断和治疗具有重要意义。目前，随着影像设备分辨率的大幅提高，数据量也急剧上升，这给医生增加了很大的阅片负担。因此，借助计算机辅助诊断技术，处理分析心脏影像进而诊断心血管疾病成为目前国内外研究热点。有效地处理CTA数据，实现冠状动脉的自动分割和相关参数的计算，能够给医生带来直观的结果，辅助医生进行更加准确的临床诊断，减轻医生的阅片负担，缩短医生的诊断时间。除冠脉分割任务之外，从已分割出的冠脉轮廓中提取出中心线也是影像分析和显示过程中一个关键的需求。只有提取出冠脉的中心线，才能够创建出曲面的多平面重建视图。冠脉的分割和中心线提取为血管狭窄、斑块等病变的分析和诊断提供了有力支持。现有的冠脉分割方法主要有基于模式识别技术、基于模型的方法、基于追踪的方法和基于人工智能的方法等。中心线提取方法主要有基于拓扑细化的方法、基于距离变换的方法和基于路径规划的方法等。在实际应用中，大量的CTA数据需要快速的分割以及中心线的提取，但是算法的精度与计算速度往往成反比。所以，本专利技术立足于保证精度可接受的前提下，尽量缩短算法的运行时间，在每一环节中都能最大化的提升效率。
技术实现思路
为了解决对CTA影像的自动冠脉分割及中心线提取方法对问题，提高分割及提取的速度，并保持精度，本专利技术提出如下技术方案：一种基于CTA影像的自动冠脉分割及中心线提取方法，包括：S1.输入心脏CTA数据；S2.分割升主动脉；S3.冠脉种子点搜索；S4.冠脉分割；S5.冠脉中心点提取。有益效果：能够自动分割出冠脉区域并提取用于后续诊断分析的中心线，提高分割及提取的速度，并保持精度。附图说明图1为本方法的流程图。具体实施方式实施例1：一种心脏冠脉分割及中心线提取方法，包括如下步骤：S1、输入心脏CTA数据。S2、分割升主动脉。为利于冠脉定位，需先自动分割出升主动脉，再基于升主动脉信息进行后续操作。其中，涉及到以下方法：(1)本专利技术提出自动识别单层搜索升主动脉的感兴趣区域。选择合理阈值，将图像二值化，分别按行按列求取出各行及各列图像的累积值，通过直方图的分布的拐点，找到搜索升主动脉的感兴趣区域。(2)查找升主动脉的第一个种子点并计算升主动脉分割阈值。其中，涉及到以下方法：a引入冠脉直径的经验值范围，并将其转换为参数，对感兴趣区域使用霍夫变换b本专利技术将霍夫变换后的值降序排列，筛选待定中心点，并提出筛选条件c本专利技术再将以最终筛选出的中心点及其半径做圆，计算出圆内的统计信息，并提出初始阈值设定规则d若以上方法未取得合适的中心点或阈值，则说明所取层不含有升主动脉区域，则向下切换其他层数据重复上述过程(3)遍历数据各层按动态阈值分割出各层的升主动脉区域。其中，涉及到以下方法：a向下遍历各层数据，按一定规则分割出升主动脉b本专利技术基于不同层的差异信息提出了区域生长的停止条件S3、冠脉种子点搜索。根据S2分割出的升主动脉区域，利用冠脉与升主动脉的空间位置信息，确定出冠脉的感兴趣数据体，在该体数据中搜索冠脉的种子点。其中，涉及到以下方法：(1)根据心脏与冠脉的常规位置信息，分别切割出左右冠脉感兴趣数据体，该过程减少数据量，为后续过程减少计算量(2)本专利技术利用基于Hessian矩阵的Frangi滤波算法的思想，提出识别冠脉种子点的方法。部分将Frangi算法应用在三维数据中采用了三维的Hessian矩阵，计算量较大。由于本专利技术中的该步骤仅为确定种子点，并非需将所有冠脉区域精确提取，所以此处采用二维的Frangi算法，并且挑选采样层来做Frangi滤波，以减少计算量。由于冠脉不同位置，血管的直径范围不同，所以，将更多的资源使用在Frangi滤波中的尺度选择中，从而能更广泛检测到冠脉种子点。(3)本专利技术提出筛选种子点方法。给出筛选条件，筛选步骤(2)中计算出的备选种子点。其中，涉及到以下方法：a由于不需过多种子点，所以需要减少备选点的数量b根据本专利技术的判断条件筛选备选种子点S4、冠脉自动分割。依据步骤S3中提取出的种子点列表，使用层间区域生长算法，分割出冠脉区域。其中，涉及到以下方法：(1)依次在种子点列表中提取出种子点，计算冠脉的分割阈值。(2)使用优化的基于分支的层间区域生长法分割冠脉。其中，涉及到以下方法：a以所选种子点为种子点做层间区域生长，其中生长过程中阈值分为三类判定条件——确定区间、待定区间、否定区间，判定条件依据所归属种子点在步骤(1)所计算出的前景区的参数组合决定b由于冠脉会包含多条分支，本专利技术基于分支处理的思想，提出较快捷的分支判断条件。引入了层次聚类方法，将单次生长出的所有点进行聚类，再根据聚类结果结合本专利技术提出的判断条件来判断是否有分支。c停止条件。生长过程停止分为两大类情况，一是自然生长完，生长到冠脉末梢，直径非常小无需继续生长；二是生长过程有溢出，本专利技术给出了溢出判断及生长截止条件。S5、冠脉中心线提取。依据步骤S4中生成的冠脉分割结果，提取出冠脉的中心线的点集。其中，涉及到以下方法：(1)使用经典的骨架提取算法提取出含冠脉中心线的掩膜数据(2)本专利技术将掩膜数据转换为有序的中心线点集，标注出根节点、父节点、子节点。为后续CPR显示的效果，本专利技术提出采样方法实施例2：根据实施例1记载的技术方案，具体的方案说明如下：步骤S1是由外部输入的CTA数据体。步骤S2，根据人体组织的特点，升主动脉可以辅助定位冠脉区域，所以首先分割出升主动脉，若有其他方法定位亦可无需此和和步骤。本专利技术中，对升主动脉的分割运用了以下两个步骤：(1)提出自动识别升主动脉感兴趣区域的方法。由于升主动脉与降主动脉在横断面均为类圆型，所以为去除降主动脉的干扰以及缩小参与检测的范围，先识别出升主动脉的感兴趣区域。由于升主动脉一般位于CTA数据的上半部分，所以该过程尽量取上层数据，但一般为消除异常数据，不取前两层。确定所选层后，取出该层对应的二维数据Img_Aorta，根据升主动脉的CT值常规范围确定分割阈值T_Ori。对于数据Img_Aorta，CT值大于T_Ori的置为1、CT值小于T_Ori的置为，最终得到二值化后的数据Img_Aorta_Bin。接下来寻找升主动脉的本文档来自技高网...

【技术保护点】
1.一种基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，/nS1.输入心脏CTA数据；/nS2.分割升主动脉；/nS3.冠脉种子点搜索；/nS4.冠脉分割；/nS5.冠脉中心点提取。/n

【技术特征摘要】
1.一种基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，
S1.输入心脏CTA数据；
S2.分割升主动脉；
S3.冠脉种子点搜索；
S4.冠脉分割；
S5.冠脉中心点提取。


2.如权利要求1所述的基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，所述步骤S2.分割升主动脉，包括：
S2.1识别升主动脉ROI；
S2.2查找升主动脉种子点；
S2.3分割升主动脉。


3.如权利要求2所述的基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，所述步骤S2.1识别升主动脉ROI：
取CTA数据的上层数据，确定所选层后，取出该层对应的二维数据Img_Aorta；
根据升主动脉的CT值常规范围确定分割阈值T_Ori，并应用该阈值T_Ori对二维数据Img_Aorta分割处理，得到二值化数据Img_Aorta_Bin；
分别按行、按列求出数据Img_Aorta_Bin中的各行、各列数据的累积值，得到对应行、列方向的直方图，通过两个直方图的谷值点信息切割出包含升主动脉的感兴趣区域。


4.如权利要求2所述的基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，所述步骤S2.2查找升主动脉种子点：
S2.2.1对升主动脉的感兴趣区域进行霍夫变换，将升主动脉的半径范围的经验值作为霍夫变换的参数列表；
S2.2.2变换后得到每个点对应的霍夫变换值，选取升主动脉的种子点：
对得到的每个点对霍夫变换值按降序排列，去除最大值点及空心点，将第一个满足条件的点作为升主动脉的种子点(x0,y0)，并提取出该点所对应的半径参数r0；
S2.2.3确定升主动脉的初始阈值T_ori及初始面积Area_ori：
以最终选择的种子点及其半径做圆；
计算出圆内的均值mean及方差std；
计算T_ori＝mean-2*std，将其作为升主动脉的初始阈值；
计算初始面积：Area_ori＝π*r0*r0；
S2.2.4若未找到种子点，则说明所选层不包含升主动脉，则再向下移动区域，重新选择所选层并得到该层对应的升主动脉的感兴趣区域，再重复步骤S2.1和S2.2，直至找到种子点，并确定升主动脉的初始阈值T_ori及初始面积Area_ori。


5.如权利要求2所述的基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，所述步骤S2.3分割升主动脉：
确定种子点后，向下遍历各层数据按以下规则分割升主动脉，遍历的每一层数据以其上一层数据的中心点及阈值作为初始条件，将上一层数据的中心点XY方向坐标作为该层数据区域生长的种子点，将上一层计算出的阈值作为该层数据生长阈值条件，进行区域生长，生长出该层升主动脉区域，并计算出该层的中心点及阈值作为下一层的初始条件；
停止条件包括两点，当前层生长出的区域与上一层区域相比较，若两层数据中心点的偏移距离超出阈值或面积差超出阈值，则停止向下生长。


6.如权利要求1所述的基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，
所述步骤S3.冠脉种子点搜索，包括：
S3.1切割左右冠脉VOI；
S3.2识别冠脉种子点；
S3.3筛选冠脉种子点。


7.如权利要求6所述的基于CTA影像的自动冠脉分割及中心线提取方法，其特征在于，
所述步骤S3.2识别冠脉种子点：分别将左、右冠脉的直径范围转换为滤波参数中的多尺度检测，得到不同尺度范围的冠脉种子点作为备选点；
所述步骤S3.3筛选冠脉种子点：
S3.3.1对每层数据使用层次聚类方法将备选点聚类，使用欧几里得距离，若两备选点的欧几里得距离大于阈值则认为两点为不同类簇，每一类簇提取出中心点；
S3.3.2计算当前备选点邻域的局部均值local_mean及方差local_std，同时满足如下条件则判断为冠脉种子点：
CTValue>local_mean
local_std>5*l...

【专利技术属性】
技术研发人员：王兴维，邰从越，刘龙，王慧，刘慧芳，史黎鑫，
申请(专利权)人：心医国际数字医疗系统大连有限公司，
类型：发明
国别省市：辽宁;21