【技术实现步骤摘要】
基于血管腔内影像计算血流储备分数的方法、装置、计算设备以及存储介质
[0001]本专利技术属于医学图像处理领域，具体涉及一种基于血管腔内影像计算血流储备分数的方法、装置、计算设备以及存储介质。
技术介绍
[0002]在当今的临床实践中，冠状动脉疾病的诊断大多采用有创成像方式，其中冠状动脉造影是最流行的一种，目前被认为是心导管和血流动力学评估的金标准。然而，冠状动脉造影术产生的光度图只描绘了特定投影角度下管腔的二维投影直径，而没有任何关于管腔或者斑块的几何形态信息。因此，导致最近的冠状动脉造影常常伴随着较新的血管腔内成像技术如血管内超声(Intra Vascular UltraSound,IVUS)和光学相干层析(Optical Coherence Tomography,OCT)等，它们分别采用超声波和近红外光以生成冠状动脉的横断面图像。OCT图像具有极高的图像对比度以及空间分辨率(10
‑
20微米)，其空间分辨率常常可达到IVUS图像的10倍左右，因此可以清晰地表征动脉粥样硬化斑块形态和支架植入状态，包括支...
【技术保护点】
【技术特征摘要】
1.一种基于血管腔内影像计算血流储备分数的方法，其特征在于，包括以下步骤：获取对目标冠脉血管进行血管腔内影像分析得到的图像序列；对图像序列进行粗细分割以确定血管腔边界；将图像序列沿着导管每隔固定角度生成轴向图，并将粗细分割确定的血管腔边界映射到轴向图，以获得多张标记有血管腔边界点的轴向图；通过分析标记有血管腔边界点的轴向图中每个血管腔边界点邻域范围内的边界强度值来筛选疑似分叉点序列；将疑似分叉点序列映射到每帧原图像后，确定疑似分叉点序列形成弧线与导管中心点形成的扇形区域，依据图像序列上的扇形区域的相似度确定导管伪影，并删除疑似分叉点中导管伪影对应的分叉点，得到确定的分叉点；依据确定的分叉点确定分叉血管后，结合依据血管腔边界确定的主血管和分叉血管构建血管模型；根据血管模型计算血流储备分数。2.根据权利要求1所述的基于血管腔内影像计算血流储备分数的方法，其特征在于，所述对图像序列进行粗细分割以确定血管腔边界，包括：粗分割过程：将图像转换成极坐标格式图像后，依据像素点的灰度值计算边界强度值，根据像素点的边界强度值，应用dijksta最小路径算法在极坐标格式图像中搜索血管腔边界，将得到的血管腔边界经平滑后反映到图像，得到粗分割结果；细分割过程：以粗分割结果中管腔边界点为中心，沿外法线方向对原图像进行重采样，应用dijksta最小路径算法在重采样图像中搜索血管腔边界，将得到的血管腔边界经平滑后反映到图像，得到细分割结果；将细分割结果中的血管腔边界映射到相邻的下一帧原图像中作为粗分割结果后，进行细分割过程，对图像序列中的图像依此循环，以实现对图像序列进行粗细分割来确定血管腔边界。3.根据权利要求2所述的基于血管腔内影像计算血流储备分数的方法，其特征在于，所述将图像转换成极坐标格式图像包括：以图像的中心为极点构建包含角度和极轴的极坐标系，在极轴上按照长度间隔度取多个离散像素点，在角度方向按照角度间隔度取多个离散像素点，对每个离散像素点进行插值运算，得到极坐标格式图像。4.根据权利要求2所述的基于血管腔内影像计算血流储备分数的方法，其特征在于，采用以下公式根据像素点的灰度值计算边界强度值：Grad(i,j)＝a*(I(i+1,j)
‑
I(i,j))+b*((I(i+2,j)
‑
I(i
‑
1,j))+(I(i+1,j
‑
1)
‑
I(i,j
‑
1))+(I(i+1,j+1)
‑
I(i,j+1)))+c*((I(i+2,j
‑
1)
‑
I(i
‑
1,j
‑
1))+(I(i+2,j+1)
‑
I(i
‑
1,j+1)))其中，Grad(i,j)表示位置(i,j)处像素点的边界强度值，I(
·
)表示像素点的灰度值，a、b、c分别为距离权重系数；优选地，所述距离权重系数a的取值范围为0.8
–
1.2；所述距离权重系数b的取值范围为0.4
–
0.6；所述距离权重系数c的取值范围为0.2
–
0.3。5.根据权利要求2所述的基于血管腔内影像计算血流储备分数的方法，...
【专利技术属性】
技术研发人员：冯立，刘欣，何京松，冷晓畅，向建平，
申请(专利权)人：杭州脉流科技有限公司，
类型：发明
国别省市：
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。