用于血管内动脉瘤手术的血管配准方法、系统和装置制造方法及图纸

本发明专利技术属于图像数据处理领域，具体涉及了一种用于血管内动脉瘤手术的血管配准方法、系统和装置，旨在解决现有的图像配准技术生成的配准图像较为模糊，耗时长干扰多的问题。本发明专利技术包括：将获取的CTA图像转化为主动脉血管三维图像，并进一步转化为主动脉血管二维图像，同时将DSA图像转化为主动脉血管二值图像，通过基于回归器子网络、空间变换子网络和重采样子网络构建的基于深度学习的血管配准网络获取配准后的图像。本发明专利技术仅可以解决术中DSA影像模糊的问题，还能够在目前X光透射图像中更快速和准确的找到腹主动脉瘤位置，可以达到在血管内动脉瘤修复手术中实时协助医生的要求。血管内动脉瘤修复手术中实时协助医生的要求。血管内动脉瘤修复手术中实时协助医生的要求。

【技术实现步骤摘要】
用于血管内动脉瘤手术的血管配准方法、系统和装置


[0001]本专利技术属于图像数据处理领域，具体涉及了一种用于血管内动脉瘤手术的血管配准方法、系统和装置。

技术介绍

[0002]腹部主动脉瘤(Abdominal aortic aneurysm,AAA)是最常见的一种动脉瘤。通常腹部主动脉瘤在破裂之前不会伴随其他症状，因此会导致85％到90％的患者去世。临床研究表明，血管内动脉瘤修复(Endovascular aneurysm repair，EVAR)可以有效降低患者在围手术期的发病率和死亡率。同时，近年来科技的发展也使得血管内动脉瘤修复可以成为大多数病人治疗腹部主动脉瘤的一个选择。
[0003]血管内动脉瘤修复的关键步骤是医生在一个复杂的介入通道内将介入器械(例如导丝)送至病变处。通常，介入通道往往是在血管中输入造影剂并在X射线下显影出来，经过多次造影剂注入及X光显影，导丝导管等手术器械才能送往目标位置。因此，在手术中对介入路径的显示非常重要。然而，介入路径血管的显影有以下几部分难点：(1)X光图像有较低的信噪比，背景噪音会血管显影有较强的干扰；(2)由于DSA影像为投射影像，只能显示二维信息，产生大量血管信息丢失；(3)多次打入造影剂对人体伤害较大。
[0004]目前针对血管内动脉瘤修复治疗方法中血管配准的研究相对较少。Dibildox G提出了3D-3D之间的血管配准方法，通过术前CTA影像对血管进行三维重建并提取中心线，然后与术中的双边造影的血管模型通过高斯混合模型算法进行配准。该方法以双边造影的DSA影像作为配准影像，虽然能够获得精确的血管三维影像，但由于仪器成本高，不适合普遍使用。
[0005]Ghoshhajra B通过现有的技术手段提取术前CTA影像血管三维模型的中心线和DSA影像中心线，通过全局仿射变换进行配准。在配准过程中，通过正交的ECG信号以提高配准精度，并且着重验证了使用配准后对血管钙化斑块的影响。虽然通过ECG信号对准减少血管移动，但其配准方法需要大量时间，不能满足实时配准的临床需求。
[0006]Tony C.W.Mok等人提出了使用快速对称微分同胚的算法改进输入图像需要标注固定图像和配准图像的问题，并通过引入局部惩罚项进一步提高配准精度。虽然通过深度学习的方法大大提高了配准速度，但是由于医生通常以DSA影像作为临床手术标准，其同时改变了两幅图像的形状，并不能适用此配准需求。

技术实现思路

[0007]为了解决现有技术中的上述问题，即现有的血管图像配准方法得出的配准图噪音过多、精确度不足、生成图像时间过长无法满足手术的实时性需要和不能标注固定图像的问题，本专利技术提供了一种用于血管内动脉瘤手术的血管配准方法，所述方法包括：
[0008]步骤S100，获取CTA序列图像和DSA序列图像；
[0009]步骤S200，基于所述CTA序列图像，通过种子点法及区域生长方法获取主动脉血管三维图像，基于所述主动脉血管三维图像获取主动脉血管二维图像；
[0010]基于所述DSA序列图像，通过第一合成方法获取主动脉血管造影二值图像；
[0011]步骤S300，基于所述主动脉血管二维图像和主动脉血管造影二值图像，通过训练好的基于深度学习的血管配准网络获取配准后图像；
[0012]其中，所述训练好的基于深度学习的血管配准网络包括回归器子网络、空间变换子网络和重采样子网络；
[0013]所述回归器子网络基于卷积神经网络构建，包括依次连接的第一卷积层、第一平均池化层、两个第二卷积层、第二平均池化层和全连接层，所述第一卷积层和第二卷积层均采用elu激活函数；
[0014]所述空间变换子网络基于二次B样条构建。
[0015]进一步地，所述通过种子点法及区域生长方法获取血管三维模型，其方法为：
[0016]步骤A100，基于所述CTA序列图像，根据时间顺序选取第一帧CTA序列图像，通过人机交互的方式确定所述第一帧CTA图像中的主动脉血管区域的种子点，然后使用种子点法确定血管区域；
[0017]步骤A200，计算所述主动脉血管区域的血管中心点和血管面积，将所述血管中心点作为下一帧图像的初始点；
[0018]步骤A300，将下一帧图像设置为当前帧；
[0019]步骤A400，基于所述初始点，搜索预设面积的区域内像素的灰度值，将灰度值大于预设的第一阈值的小区域设定为标记小区域；
[0020]步骤A500，将距离所述初始点距离最近的标记小区域作为当前帧的主动脉血管区域；
[0021]步骤A600，重复步骤A200-A500，直至当前帧的所述标记小区域的数量大于或等于上一帧的小区域数量时，计算所述血管中心点至次近邻标记小区域的第一距离，若所述第一距离小于预设的分叉阈值时，将所述次近邻标记小区域设定为待定分叉血管区域；其中，所述次近邻标记小区域表示距离所述血管中心点距离第二近的标记小区域；
[0022]步骤A700，当所述待定分叉血管区域满足预设的分叉血管判定条件时，将所述待定分叉血管区域设定为分叉血管区域；所述预设的分叉血管判定条件为：待定分叉血管区域的周长小于60像素、离心率小于0.8、区域面积与边界外接框面积的比率大于0.4且当前帧的两个或两个以上待定分叉血管区域的总面积与上一帧的血管与区面积之差小于200像素；
[0023]步骤A800，将下一帧图像设置为当前帧，重复步骤A200-A700，直至所述CTA序列图像全部完成区域计算，将所有带有标记小区域的图像数据在VTK软件中进行三维处理并可视化计算，获得所述主动脉血管三维图像。
[0024]进一步地，所述基于所述主动脉血管三维图像获取主动脉血管二维图像，其方法为将所述主动脉血管三维图像对y轴方向进行投影，得到xz轴的二维投影图像，将所述二维投影图像设定为主动脉血管二维图像。
[0025]进一步地，所述通过第一合成方法获取主动脉血管造影二值图像，其方法为：
[0026]步骤B100，基于所述DSA序列影像，对每一帧DSA序列影像进行加权计算并进通过双边滤波方法进行滤波，再合称为1张清晰的造影图像；
[0027]步骤B200，基于所述清晰的造影图像，通过高斯滤波方法和frangi滤波方法滤波并二值化生成主动脉血管造影二值图像。
[0028]进一步地，步骤S300包括：
[0029]步骤S310，基于所述主动脉血管二维图像X，通过所述回归器子网络获取待配准图像一维向量；
[0030]基于所述主动脉血管造影二值图像Y，通过所述回归器子网络获取标准图像一维向量；
[0031]步骤S320，通过所述回归器子网络将所述待配准图像一维向量和标准图像一维向量重新变形为128*128大小的待配准图像二维向量和标准图像二维向量；
[0032]步骤S330，将待配准图像二维向量dx、标准图像二维向量dy以及CTA影像X进行2D仿射变换，所述2D仿射变换包括平移、旋转、缩放；所述的仿射变换还可包含本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于血管内动脉瘤手术的血管配准方法，其特征在于，所述方法包括：步骤S100，获取CTA序列图像和DSA序列图像；步骤S200，基于所述CTA序列图像，通过种子点法及区域生长方法获取主动脉血管三维图像，基于所述主动脉血管三维图像获取主动脉血管二维图像；基于所述DSA序列图像，通过第一合成方法获取主动脉血管造影二值图像；步骤S300，基于所述主动脉血管二维图像和主动脉血管造影二值图像，通过训练好的基于深度学习的血管配准网络获取配准后图像；其中，所述训练好的基于深度学习的血管配准网络包括回归器子网络、空间变换子网络和重采样子网络；所述回归器子网络基于卷积神经网络构建，包括依次连接的第一卷积层、第一平均池化层、两个第二卷积层、第二平均池化层和全连接层，所述第一卷积层和第二卷积层均采用elu激活函数:所述空间变换子网络基于二次B样条构建。2.根据权利要求1所述的用于血管内动脉瘤手术的血管配准方法，其特征在于，所述通过种子点法及区域生长方法获取血管三维模型，其方法为：步骤A100，基于所述CTA序列图像，根据时间顺序选取第一帧CTA序列图像，通过人机交互的方式确定所述第一帧CTA图像中的主动脉血管区域的种子点，然后使用种子点法确定血管区域；步骤A200，计算所述主动脉血管区域的血管中心点和血管面积，将所述血管中心点作为下一帧图像的初始点；步骤A300，将下一帧图像设置为当前帧；步骤A400，基于所述初始点，搜索预设面积的区域内像素的灰度值，将灰度值大于预设的第一阈值的小区域设定为标记小区域；步骤A500，将距离所述初始点距离最近的标记小区域作为当前帧的主动脉血管区域；步骤A600，重复步骤A200-A500，直至当前帧的所述标记小区域的数量大于或等于上一帧的小区域数量时，计算所述血管中心点至次近邻标记小区域的第一距离，若所述第一距离小于预设的分叉阈值时，将所述次近邻标记小区域设定为待定分叉血管区域；其中，所述次近邻标记小区域表示距离所述血管中心点距离第二近的标记小区域；步骤A700，当所述待定分叉血管区域满足预设的分叉血管判定条件时，将所述待定分叉血管区域设定为分叉血管区域；所述预设的分叉血管判定条件为：待定分叉血管区域的周长小于60像素、离心率小于0.8、区域面积与边界外接框面积的比率大于0.4且当前帧的两个或两个以上待定分叉血管区域的总面积与上一帧的血管与区面积之差小于200像素；步骤A800，将下一帧图像设置为当前帧，重复步骤A200-A700，直至所述CTA序列图像全部完成区域计算，将所有带有标记小区域的图像数据在VTK软件中进行三维处理并可视化计算，获得所述主动脉血管三维图像。3.根据权利要求2所述的用于血管内动脉瘤手术的血管配准方法，其特征在于，所述基于所述主动脉血管三维图像获取主动脉血管二维图像，其方法为将所述主动脉血管三维图
像对y轴方向进行投影，得到xz轴的二维投影图像，将所述二维投影图像设定为主动脉血管二维图像。4.根据权利要求1所述的用于血管内动脉瘤手术的血管配准方法，其特征在于，所述通过第一合成方法获取主动脉血管造影二值图像，其方法为：步骤B100，基于所述DSA序列影像，对每一帧DSA序列影像进行加权计算并进通过双边滤波方法进行滤波，再合称为1张清晰的造影图像；步骤B200，基于所述清晰的造影图像，通过高斯滤波方法和frangi滤波方法滤波并二值化生成主...

【专利技术属性】
技术研发人员：刘市祺，谢晓亮，周小虎，侯增广，刘暴，来志超，张勃，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：