【技术实现步骤摘要】
基于血管3D/2D匹配的3D导丝跟踪方法及装置
本专利技术涉及医学图像处理的
,尤其涉及一种基于血管3D/2D匹配的3D导丝跟踪方法,以及基于血管3D/2D匹配的3D导丝跟踪装置。
技术介绍
微创介入手术由于其创伤小,恢复时间快的特点,逐渐成为了医生们的主要选择。在介入手术中,医生通过将导管沿血管插入到病变区域,之后通过导管放置支架或药物进行治疗。在导管插入期间,通常使用术中X射线荧光透视图像进行引导。在这种图像中,导管可见,但血管是不可见的。因此,通常需要在引导过程中使用造影剂使血管显影,引导导管的插入过程。然而,二维的血管图像存在交叉等情况,医生通常难以判断实际的血管形状和位置。因此,将3D血管模型叠加到二维的图像上帮助医生引导导管的插入十分重要。CTA又叫做非创伤性血管成像技术,是在增强CT扫描以后进行的重建方法,简单讲就是在扫描时向血管内注入一定的造影剂使血管腔充盈并采集其数据,然后经过计算机重建处理,将非兴趣区的内容删除,仅保留血管的影像并进行整体和多角度的重建,使血管整体外观充分展现,同时也利于病变血管的显示。这个类似于数字减影检查(但CTA可以提供3维图像信息)。有很多学者通过血管3D/2D配准将3D血管模型显示在术中二维图像上,这能够帮助医生理解二维图像中导丝在三维血管中的大致位置,但对于导丝的实际位置并没有一个直观的展示。卷积神经网络在图像处理方面发展迅速,在图像分割等应用场景下达到了非常好的效果。Ronnerberger等人提出了一种称为U-Net的端到端的神经网络结 ...
【技术保护点】
1.基于血管3D/2D匹配的3D导丝跟踪方法,其特征在于:其包括以下步骤:/n(1)血管拓扑的构建:针对3D血管,从术前CTA图像中识别出血管、构建血管表面模型并进行中心线的提取;通过深度学习的方法对2D血管进行分割来提取中心线;构建一个血管图模型G(V,E)来分别描述2D和3D血管的结构,其中,图的节点v
【技术特征摘要】
1.基于血管3D/2D匹配的3D导丝跟踪方法,其特征在于:其包括以下步骤:
(1)血管拓扑的构建:针对3D血管,从术前CTA图像中识别出血管、构建血管表面模型并进行中心线的提取;通过深度学习的方法对2D血管进行分割来提取中心线;构建一个血管图模型G(V,E)来分别描述2D和3D血管的结构,其中,图的节点vi∈V(1≤i≤|V|)代表一个血管段的端点或分叉点,图的边ei∈E(1≤i≤|E|)代表两个血管点之间的血管段;
(2)构建约束关系,找到3D和2D之间所有可能的匹配,通过最大化匹配分数找到最优匹配结果;
(3)采用深度学习对2DX射线图像中的导丝尖端进行分割,模型采用U-Net作为基础结构,网络的输入是一张x射线图像,输出是一张像素值为0到1的概率图,越接近1表示该像素是导丝尖端的概率越大;
(4)构建导丝尖端与2D血管树的对应关系,将2D导丝尖端反投影到3D血管空间中,实现3D导丝尖端的位姿估计。
2.根据权利要求1所述的基于血管3D/2D匹配的3D导丝跟踪方法,其特征在于:所述步骤(1)中,首先使用Mimics交互的对3D血管进行分割,得到较为平滑的血管3D模型,使用一种基于曲率的迭代细化方法提取其中心线,将平均曲率流的思想应用到骨架提取中,迭代进行的细化过程使模型的表面收缩为一条中心线;针对2D血管,选择一帧造影剂充溢的X射线图像,使用基于增强图像引导的神经网络的方法对其进行血管分割,为了能够得到更加平滑的2D血管中心线,在形态学细化方法的基础上,加入了非极大值抑制的策略来优化对血管中心线的提取过程。
3.根据权利要求2所述的基于血管3D/2D匹配的3D导丝跟踪方法,其特征在于:所述步骤(1)中,在分别对2D和3D血管图像进行预处理后,得到2D和3D血管的中心线,由若干个顶点以及边组成;对于2D血管的中心线,通过遍历的方法找到其端点、分叉点以及中心线,规定其8邻域内的点都是连接的;对于3D血管中心线,通过深度优先搜索构建邻接矩阵得到连接关系,识别出端点和分叉点。
4.根据权利要求3所述的基于血管3D/2D匹配的3D导丝跟踪方法,其特征在于:所述步骤(2)中,为了找到最佳匹配,构建一个全局的匹配分数S,通过评估每一个曲线匹配的匹配分数来找出所有匹配中的最佳匹配,匹配分数包含衡量曲线之间的距离以及3D曲线投影后与2D曲线的相似度两个部分,每个可能的曲线匹配集合表示为公式(1):
π=[(R,p)]∪πc1∪πc2…(1)
其中,R表示根节点处的中心线,p表示2D中心线中可能与其匹配的曲线段,πc1等代表去掉已有曲线匹配对的其它曲线匹配;
曲线匹配分数的可分离性允许将曲线匹配分数通过公式(2)独立计算:
S(π)=L(R)·S(R,p)+S(πc1)+S(πc2)…(2)
针对每个子树来计算匹配分数求得最优匹配,而后进行回溯找到全局最优匹配。
5.根据权利要求4所述的基于血管3D/2D匹配的3D导丝跟踪方法,其特征在于:所述步骤(3)中,网络的结构包含四个下采样和四个上采样过程,同时包含跳连接将网络低层特征和高层特征相结合;为了加速网络的收敛,在每个卷积层之后加入了bn层;同时,将U-Net中的卷积块替换为dense-block,还在每个dense-block之后加入了dropout层以避免过拟合;构建的dense-block具有五个卷积层;在第l层,接受所有之前层的输出作为输入,表示为公式(3):
...
【专利技术属性】
技术研发人员:艾丹妮,杨健,范敬凡,郭帅,王涌天,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。