基于OCT图像的冠脉血管内支架检测方法及检测系统技术方案

本发明专利技术公开了一种基于OCT图像的冠脉血管内支架检测方法及检测系统，该方法包括：获取原始的OCT冠脉血管图像，并置于极坐标环境；将原始的OCT冠脉血管图像进行预处理，所述预处理包括检测OCT冠脉血管图像中导管所在位置，并去除导管区域；获取在导丝回撤过程中形成的图像序列，在笛卡尔坐标环境下，形成三维重建体数据；利用多尺度Frangi对预处理后的冠脉血管图像进行滤波增强，增强图像中支架阴影结构；对增强后的图像，检测支架阴影位置，确定支架位置；利用三维重建体数据检测导丝的位置和检测出的支架位置，分割出导丝区域去除导丝。本方法利用多尺度Frangi滤波增强后，进行支架阴影位置检测，去除导丝，减少了噪声影响，得到高保真的图像。高保真的图像。高保真的图像。

【技术实现步骤摘要】
基于OCT图像的冠脉血管内支架检测方法及检测系统


[0001]本专利技术涉及医疗图像处理
，尤其涉及一种基于OCT图像的冠脉血管内支架检测方法及检测系统。

技术介绍

[0002]全球范围内，心脑血管疾病已经成为了威胁人类健康的主要疾病之一，冠状动脉粥样硬化是心脑血管疾病的主要病因。目前，冠脉支架介入性治疗方法因其创伤小、效果好，已经成为治疗冠状动脉粥样硬化疾病的一个主要治疗方案。在治疗的过程中，支架通过处理被放在冠状动脉里面，以降低血管再狭窄和形成血栓的概率。
[0003]光学相干断层成像(optical coherence tomography，OCT) 是当前诊断心脑血管疾病的一种最新的血管内影像学技术。OCT利用近红外光，是一种高分辨率的影像学技术，可探查生物组织微米级结构。它的轴向分辨率为 10
µ
m左右，横向的分辨率为 20
µ
m左右，探测深度约为2mm。
[0004]通过使用OCT技术对植入支架后的冠脉血管成像，观测者可以清晰观察各种粥样硬化斑块特征，评估支架是否贴壁良好，以及是否存在支架位置覆盖、组织脱垂、组织撕裂、支架内再狭窄、斑块或者血栓等，这些对于临床诊断和治疗都有重要意义。然而，手动的标记支架是一项耗时耗力且效率较低的工程。因此，专利技术一种高效可行的支架自动检测算法以辅助医生的诊断和治疗十分必要。
[0005]近年来，国外已有不少期刊发表对冠状动脉支架检测的研究。Matheus和Diego等人提出了一种基于形态学重建结合特征提取的自动分割算法，可以有效地分割出支架，但是精度较低并且没能找出支架点的位置。Nico Bruining和Kenji Sihan等在OCT图像基础上，提出了一种基于K近邻的支架检测方法，实现了OCT序列的批操作，但对于聚类算法和伪影的问题依然有待后来者深入研究。Hong Lu等人通过提取OCT图像在极坐标下每条A
‑
lines上的一些特征，从而组成特征向量，采用机器学习的方法，利用决策分类树进行训练和分类，检测出支架的位置。该算法对于特征不明显，强度较弱的支架会存在漏检的情况，并且采用机器学习的方法，时间开销较大，满足实时性的要求仍然具有挑战性。目前大部分的支架检测算法鲁棒性和效率不高，存在多检或漏检的情况，并且对于导丝的影响没有较好的解决方法。

技术实现思路

[0006]因此，本专利技术的目的在于提供一种基于OCT图像的冠脉血管内支架检测方法及检测系统，能够对获取的图像进行处理后，排除图像中导丝的影响，实现对不同尺寸支架的监测。为了实现上述目的，本专利技术的一种基于OCT图像的冠脉血管内支架检测的方法，包括以下步骤:S1、获取原始的OCT冠脉血管图像，并将原始的OCT冠脉血管图像置于极坐标环境；
S2、将原始的OCT冠脉血管图像进行预处理，所述预处理包括检测OCT冠脉血管图像中导管所在位置，并去除导管区域；S3、获取在导丝回撤过程中预处理后形成的图像序列，在笛卡尔坐标环境下，形成三维重建体数据；S4、利用多尺度Frangi对预处理后的冠脉血管图像进行滤波增强，增强图像中支架阴影结构；S5、对增强后的图像，检测支架阴影位置，确定支架位置；S6、利用三维重建体数据检测导丝的位置和检测出的支架位置，分割出导丝区域，去除导丝。
[0007]进一步优选的，在S4中，所述在对去除导丝后的图像，利用多尺度Frangi进行滤波增强，包括以下步骤：S401、对预处理后的冠脉血管图像，按照设置的尺度空间和步长，计算图像的高斯函数的二阶偏导数；S402、计算图像与高斯二阶偏导的卷积，生成Hessian矩阵；S403、计算Hessian矩阵特征值，求出不同尺度对应的滤波响应；S404、计算图像中每一个像素的不同尺度中滤波响应的最大值，作为滤波输出。
[0008]在上述任意一项实施例中进一步优选的，在S5中，所述检测支架阴影位置确定支架位置，包括如下步骤：S501、对多尺度Frangi滤波后图像的每条A
‑
line进行灰度累计，得到一个灰度分布曲线；S502、求取所述灰度分度曲线的波峰、波谷的强度值和位置；S503、两个波谷之间存在潜在的阴影区域，再根据设定的阈值范围，得到最终检测出的支架阴影位置。
[0009]在上述任意一项实施例中进一步优选的，在S503中，得到最终检测出的支架阴影位置，具体包括如下步骤：将灰度分布曲线的波峰的强度值，记为最大值，并标记为潜在的支架位置；将波谷的强度值，记为最小值；计算最大值的2/3处的最大峰值带宽，将设定的最小值和最大峰值带宽，与预设阈值进行比较，确定是否是支架位置；将检测出的输入同一个支架阴影区的支架点进行聚类，从而得到极坐标下支架的位置。
[0010]在上述任意一项实施例中进一步优选的，在S6中，所述分割出导丝区域，去除导丝，包括以下步骤：将读取的原始OCT血管图像以及检测出的支架位置转化到笛卡尔坐标下，对于每帧图像，根据之前利用三维体数据检测出的导丝位置，求取导丝与检测支架点的欧氏距离，将距离最小的支架点作为导丝点去掉，得到了最终的检测结果。
[0011]本专利技术还提供一种基于OCT图像的冠脉血管内支架检测的系统，包括图像获取模块、三维重建模块、图像增强模块、支架监测模块和导丝去除模块；所述图像获取模块，用于获取极坐标环境下的原始的OCT冠脉血管图像， S2、将原
始的OCT冠脉血管图像进行预处理，所述预处理包括检测OCT冠脉血管图像中导管所在位置，并去除导管区域；所述三维重建模块，获取在导丝回撤过程中预处理后形成的图像序列，在笛卡尔坐标环境下，形成三维重建体数据；所述图像增强模块，利用多尺度Frangi对预处理后的冠脉血管图像进行滤波增强，增强图像中支架阴影结构；所述支架监测模块，对增强后的图像，检测支架阴影位置，确定支架位置；所述导丝去除模块，用于将极坐标环境下获取，利用三维重建体数据检测导丝的位置和检测出的支架位置转换到笛卡尔坐标下，并分割出导丝区域，去除导丝。
[0012]在上述任意一项实施例中进一步优选的，所述图像增强模块，在对去除导丝后的图像，利用多尺度Frangi进行滤波增强，执行以下操作：对预处理后的冠脉血管图像，按照设置的尺度空间和步长，计算图像的高斯函数的二阶偏导数；计算图像与高斯二阶偏导的卷积，生成Hessian矩阵；计算Hessian矩阵特征值，求出不同尺度对应的滤波响应；计算图像中每一个像素的不同尺度中滤波响应的最大值，作为滤波输出在上述任意一项实施例中进一步优选的，所述支架监测模块在检测支架时，包括对多尺度Frangi滤波后图像的每条A
‑
line进行灰度累计，得到一个灰度分布曲线；求取所述灰度分度曲线的波峰、波谷的强度值和位置；两个波谷之间存在潜在的阴影区域，再根据设定的阈值范围，得到最终检测出的支架阴影位置。
[0013]在上述任意一项实施例中进一步优选的，所述根据两个波谷之间存在潜在的阴影区域，再根据设定的阈值范围，得到最终检测出的支架阴影位置，包括将灰度分布曲线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于OCT图像的冠脉血管内支架检测的方法，其特征在于，包括以下步骤:S1、获取原始的OCT冠脉血管图像，并将原始的OCT冠脉血管图像置于极坐标环境；S2、将原始的OCT冠脉血管图像进行预处理，所述预处理包括检测OCT冠脉血管图像中导管所在位置，并去除导管区域；S3、获取在导丝回撤过程中预处理后形成的图像序列，在笛卡尔坐标环境下，形成三维重建体数据；S4、利用多尺度Frangi对预处理后的冠脉血管图像进行滤波增强，增强图像中支架阴影结构；S5、对增强后的图像，检测支架阴影位置，确定支架位置；S6、利用三维重建体数据检测导丝的位置和检测出的支架位置，分割出导丝区域，去除导丝。2.根据权利要求1所述的基于OCT图像的冠脉血管内支架检测的方法，其特征在于，在S4中，所述在对去除导丝后的图像，利用改进的多尺度Frangi进行滤波增强，包括以下步骤：S401、对预处理后的冠脉血管图像，按照设置的尺度空间和步长，计算图像的高斯函数的二阶偏导数；S402、计算图像与高斯二阶偏导的卷积，生成Hessian矩阵；S403、计算Hessian矩阵特征值，调节滤波参数，求出不同尺度对应的滤波响应；S404、计算图像中每一个像素的不同尺度中滤波响应的最大值，作为滤波输出。3.根据权利要求1所述的基于OCT图像的冠脉血管内支架检测的方法，其特征在于，在S5中，所述检测支架阴影位置确定支架位置，包括如下步骤：S501、对多尺度Frangi滤波后图像的每条A
‑
line进行灰度累计，得到一个灰度分布曲线；S502、求取所述灰度分度曲线的波峰、波谷的强度值和位置；S503、两个波谷之间存在潜在的阴影区域，再根据设定的阈值范围，得到最终检测出的支架阴影位置。4.根据权利要求2所述的基于OCT图像的冠脉血管内支架检测的方法，其特征在于，在S503中，得到最终检测出的支架阴影位置，具体包括如下步骤：将灰度分布曲线的波峰的强度值，记为最大值，并标记为潜在的支架位置；将波谷的强度值，记为最小值；计算最大值的2/3处的最大峰值带宽，将设定的最小值和最大峰值带宽，与预设阈值进行比较，确定是否是支架位置；将检测出的输入同一个支架阴影区的支架点进行聚类，从而得到极坐标下支架的位置。5.根据权利要求1所述的基于OCT图像的冠脉血管内支架检测的方法，其特征在于，在S6中，所述分割出导丝区域，去除导丝，包括以下步骤：将读取的原始OCT血管图像以及检测出的支架位置转化到笛卡尔坐标下，对于每帧图像，根据之前利用三维体数据检测出的导丝位置，求取导丝与检测支架点的欧氏距离，将距离最小的支架点作为导丝点去掉，得到了最终的检测结果。
6.一种基于OCT图像的冠脉血管内支架检...

【专利技术属性】
技术研发人员：武西宁，赵士勇，
申请(专利权)人：天津恒宇医疗科技有限公司，
类型：发明
国别省市：