一种冠脉优势型的分类方法、分类装置及存储介质制造方法及图纸

本申请涉及一种冠脉优势型的分类方法、分类装置及存储介质。该分类方法包括：获取包含冠脉血管的三维CTA图像，并基于获得的CTA图像，利用处理器提取冠脉血管分割蒙版和冠脉血管中心线。基于获得的冠脉血管中心线，利用处理器对CTA图像和冠脉血管分割蒙版进行球面展开，获得CTA图像和血管分割蒙版的球面展开图。基于获得的CTA图像和血管分割蒙版的球面展开图，利用处理器通过最大投影的方法分别获得CTA图像和血管分割蒙版的最大密度投影图。基于CTA图像和血管分割蒙版的球面展开图的最大密度投影图，由处理器利用分类模型获得冠脉优势型分类。使冠脉血管及其周边的组织相互位置及供血关系更加直观，提升冠脉优势型判定的准确性。确性。确性。

【技术实现步骤摘要】
一种冠脉优势型的分类方法、分类装置及存储介质


[0001]本申请涉及医学图像处理领域，更具体地，涉及一种冠脉优势型的分类方法、分类装置及存储介质。

技术介绍

[0002]一般通过左冠状动脉、右冠状动脉心脏血管供血情况来区分冠状动脉的分布，冠状动脉的分布分三种优势型，包括左优势型、右优势型和均衡型。医生通过对冠脉优势型的分类，方便进行冠脉血管进行分析和治疗。现有一般通过观察冠状动脉造影图像，根据冠状动脉造影图像上获得的冠状动脉的图像信息和经验来区分冠状动脉的分布优势型。但是仅根据二维或三维冠状动脉造影图像所显示的图像信息具有一定的局限性，可能造成冠脉优势型判断不准确的情况。

技术实现思路

[0003]提供了本申请以解决现有技术中存在的上述缺陷。需要一种冠脉优势型的分类方法、分类装置及存储介质，使三维CTA图像转换为能够更直观表达冠脉血管及其周边的组织相互位置及供血关系的球面展开图，能够提高对冠脉的优势型的判断的准确性。
[0004]根据本申请的第一方案，提供了一种冠脉优势型的分类方法，所述分类方法包括：可以获取包含冠脉血管的三维CTA图像，并基于获得的所述CTA图像，利用处理器提取冠脉血管分割蒙版和冠脉血管中心线。基于获得的所述冠脉血管中心线，可以利用所述处理器，对所述CTA图像和所述冠脉血管分割蒙版进行球面展开，获得所述CTA图像和所述血管分割蒙版的球面展开图。基于获得的所述CTA图像和所述血管分割蒙版的球面展开图，可以利用所述处理器，通过最大投影的方法分别获得所述CTA图像和所述血管分割蒙版的最大密度投影图。基于所述CTA图像和所述血管分割蒙版的球面展开图的最大密度投影图，可以由所述处理器利用分类模型获得冠脉优势型分类。
[0005]根据本申请的第二方案，提供了一种冠脉优势型的分类装置，其特征在于，包括接口和处理器，所述接口可以配置为获取包含冠脉血管的三维CTA图像。所述处理器可以配置为执行根据本申请中各个实施例所述的冠脉优势型的分类方法。
[0006]根据本申请的第三方案，提供了一种非暂时性计算机可读介质，其上存储有指令，其中当由处理器执行时，所述指令执行根据本申请中各个实施例所述的冠脉优势型的分类方法的步骤。
[0007]本申请各个实施例提供的冠脉优势型的分类方法、分类装置及存储介质，利用包含冠脉血管的三维CTA图像提取冠脉血管分割蒙版和冠脉血管中心线，基于冠脉血管的中心线，对包含冠脉血管的三维CTA图像和冠脉血管分割蒙版数据转换成球面展开图，球面展开后的图像可以使冠脉血管及其周边的组织相互位置及供血关系更加直观，可以大幅度提升冠脉优势型判定的准确性。将得到的球面展开图通过最大投影的方法，得到最大密度投影图，能够更好的显示冠脉血管的形态等特征。CTA图像的球面展开图的最大密度投影图和
血管分割蒙版的球面展开图的最大密度投影图相互结合，共同输入到分类模型中，得到优势型分类结果，有利于得到更为准确的优势型分类结果。
附图说明
[0008]图1示出根据本申请实施例的冠脉优势型的分类方法的流程图；图2示出了不同冠脉优势型的血管走势图和解剖结构图；图3示出根据本申请另一实施例的冠脉优势型的分类方法的流程图；图4示出根据本申请实施例的获得球面展开图过程的流程图；图5示出根据本申请实施例的获得球面展开图的拓展三维图像过程的流程图；图6示出根据本申请实施例的获得球面展开图的获取灰度值的过程的流程图；图7示出根据本申请实施例的基于最大密度投影图获得优势型分类的过程的流程图；图8示出根据本申请另一实施例的基于最大密度投影图获得优势型分类的过程的流程图；图9示出根据本申请实施例的基于最大密度投影图获得优势型的分类过程图；以及图10示出根据本申请实施例的冠脉优势型的分类装置的示意性框图。
具体实施方式
[0009]为使本领域技术人员更好的理解本申请的技术方案，下面结合附图和具体实施方式对本申请作详细说明。下面结合附图和具体实施例对本申请的实施例作进一步详细描述，但不作为对本申请的限定。
[0010]本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。
[0011]图1示出根据本申请实施例的冠脉优势型的分类方法的流程图。在步骤101，获取包含冠脉血管的三维CTA图像。所述包含冠脉血管的三维CTA图像可以通过对冠状动脉进行计算机断层扫描血管造影得到或通过二维CTA图像的三维重建得到。通过三维CTA图像能够更好的体现冠脉血管与周边组织的相互位置，有利于经过球面展开后更加直观的得到冠脉血管与周边的组织位置关系和供血关系。
[0012]在步骤102，基于获得的所述CTA图像，利用处理器提取冠脉血管分割蒙版和冠脉血管中心线。处理器利用三维CTA图像，得到表示冠脉血管分割结果的冠脉血管分割蒙版。处理器中可以集成血管分割方法，血管分割方法可以包括水平集（level set）、对图像中每个像素点周围进行多尺度求解二阶导（Frangi Filter）的方法等。处理器中可以集成神经网络模型用于从三维CTA图像提取冠脉血管中心线，神经网络模型可以是深度神经网络（DNN，Deep Neural Networks）、卷积神经网络（CNN，Convolutional Neural Networks）或循环神经网络等，卷积神经网络CNN可以是V
‑
Net分割模型、U
‑
Net分割模型等。
[0013]在步骤103，基于获得的所述冠脉血管中心线，利用所述处理器，对所述CTA图像和所述冠脉血管分割蒙版进行球面展开，获得所述CTA图像和所述血管分割蒙版的球面展开
图（curved projection reformation，CPR图像）。基于中心线，对CTA图像和冠脉血管分割蒙版球面展开，使包含环绕心脏一周的三维的冠脉血管的图像更加直观的展现，统一展现出整体的冠脉信息，可以更加清晰的看到左冠状动脉和右冠状动脉整体上的分布特点、分布位置等，方便进行比较，可以得到冠状动脉的走向和趋势。可以更直观的获得冠脉血管及其周边的组织相互位置及供血关系，有利于提高冠脉优势型判定的准确性。处理器中可以集成球面展开方法，球面展开方法可以包括深度神经网络DNN、卷积神经网络CNN或循环神经网络等。
[0014]在步骤104，基于获得的所述CTA图像和所述血管分割蒙版的球面展开图，利用所述处理器，通过最大投影的方法分别获得所述CTA图像和所述血管分割蒙版的最大密度投影图。利用最大密度投影的方法，将CTA图像和血管分割蒙版的球面展开图投影到二维平面上，得到最大密度投影图（MIP，Maximum Intensity Projection）。通过二维的最大密度投影图能够更好的显示冠脉血管的形态及血管的狭窄等等特征，有利于准确判断冠脉优势型。
[0015]在步骤105，基于所述CTA图像和所述血管分割蒙版的球面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冠脉优势型的分类方法，其特征在于，所述分类方法包括：获取包含冠脉血管的三维CTA图像；基于获得的所述CTA图像，利用处理器提取冠脉血管分割蒙版和冠脉血管中心线；基于获得的所述冠脉血管中心线，利用所述处理器，对所述CTA图像和所述冠脉血管分割蒙版进行球面展开，获得所述CTA图像和所述血管分割蒙版的球面展开图；基于获得的所述CTA图像和所述血管分割蒙版的球面展开图，利用所述处理器，通过最大投影的方法分别获得所述CTA图像和所述血管分割蒙版的最大密度投影图；基于所述CTA图像和所述血管分割蒙版的球面展开图的最大密度投影图，由所述处理器利用分类模型获得冠脉优势型分类。2.根据权利要求1所述的分类方法，其特征在于，包括：基于获得的所述CTA图像，利用所述处理器还提取冠脉血管的特征信息；基于所述CTA图像和所述血管分割蒙版的球面展开图的最大密度投影图，由所述处理器利用分类模型获得冠脉优势型分类具体包括：基于所述CTA图像、所述血管分割蒙版的球面展开图的最大密度投影图和所述特征信息，利用分类模型获得冠脉优势型分类。3.根据权利要求1所述的分类方法，其特征在于，基于获得的所述冠脉血管中心线，对所述CTA图像和所述冠脉血管分割蒙版进行球面展开，获得所述CTA图像和所述血管分割蒙版的球面展开图具体包括：获取所述冠脉血管中心线上各个点的三维正交坐标；将所述冠脉血管中心线上各个点的三维正交坐标变换为各个点的球面坐标；根据所述冠脉血管中心线上各个点的球面坐标，获取各个半径对应的二维图像，利用层厚将所述二维图像拓展为三维图像；获取与所述三维图像上的球面坐标点相对应的CTA图像和血管分割蒙版的灰度值，从而分别得到CTA图像和血管分割蒙版的球面展开图。4.根据权利要求3所述的分类方法，其特征在于，将所述冠脉血管中心线上各个点的三维正交坐标变换为各个点的球面坐标具体包括：将所述冠脉血管中心线所有中心点的重心作为球心坐标，对所述冠脉血管中心线上每个点进行坐标变换。5.根据权利要求3所述的分类方法，其特征在于，根据所述冠脉血管中心线上各个点的球面坐标，获取各个半径对应的二维图像，利用层厚将所述二维图像拓展为三维图像具体包括：根据所述冠脉血管中心线上各个点的球面坐...

【专利技术属性】
技术研发人员：李俊环，蓝重洲，王洋，张洪凯，李育威，曹坤琳，马健，姚立欣，袁绍锋，黄晓萌，
申请(专利权)人：深圳科亚医疗科技有限公司，
类型：发明
国别省市：