一种基于CTA影像的冠状动脉生长方法及系统技术方案

本发明专利技术提供了一种基于CTA影像的冠状动脉生长方法及系统，对于种子点生成，利用回归算法，求取初次掩膜中的点为种子点的概率，根据与左右冠脉开口点的距离进行第一次筛选，接着根据概率大小与间隔采样进行第二次筛选。对于冠脉生长模型，针对大多数高亮且Hu分布均匀血管进行分割。对于钙化生长模型，针对血管钙化病灶内进行中心线的追踪与识别，提高中心线的稳定性。对于狭窄与小血管生长模式，针对血管狭窄病灶及低Hu下的血管进行追踪与识别。还通过图切割来优化血管分割边缘。过图切割来优化血管分割边缘。过图切割来优化血管分割边缘。

【技术实现步骤摘要】
一种基于CTA影像的冠状动脉生长方法及系统


[0001]本专利技术涉及医学图像处理
，尤其涉及一种基于CTA影像的冠状动脉生长方法及系统。

技术介绍

[0002]CTA(计算机断层扫描血管造影分析)的系统，它是一种通过对身体血管中注射对比剂(增强剂)后，从CT图像上帮助医师诊断和评估心血管疾病和状态的技术系统，比如动脉瘤，动脉阻塞等。
[0003]心脏CTA是心脏早筛的重要手段之一，从CTA数据中准确分割冠脉血管，不仅能提供对血管结构的定量描述，还可以观察比较血管的结构变化，对疾病的诊断和治疗具有重要意义。现有的冠脉分割方法有基于传统图像处理的分割算法，基于Unet等机器学习分割网络的分割算法，基于种子点的生长方法等。Unet直接进行分割速度慢，狭窄与小血管生长断裂或者不生长，使得准确率不高，且训练数据量需求大。而利用传统区域生长方式，精度不高。现有的利用种子点生长的方式，终止条件不稳定；由于钙化病例在总的病例样本中的占比较低，并且钙化区域在钙化病例中的占比也较低，深度学习模型不能够学到太多有用信息，导致对于钙化血管无法较好处理，并且小血管或血管狭窄容易出现断裂或者不生长。
[0004]并且，在实际应用中，算法的精度与速度往往成反比，对大量的CTA数据进行快速的分割冠脉时，通常需要降低精度。

技术实现思路

[0005]为了克服上述技术缺陷，本专利技术的目的在于提供一种分割精度高且分割过程稳定的基于CTA影像的冠状动脉生长方法及系统。
[0006]本专利技术公开了一种基于CTA影像的冠状动脉生长方法，包括如下步骤：依据CTA数据获取冠状动脉的初始掩膜；通过回归算法求取所述初始掩膜中的所有点为种子点的概率，根据预设距离和第一预设概率阈值获取预种子点集和剔除点集；在所述剔除点集中进行二次筛选，获取若干个所述预设距离内的概率最大的点，并与所述预种子点集共同组成种子点集；利用种子点集进行冠状动脉的生长过程，从而获得冠状动脉生长图。
[0007]优选的，所述生长过程包括：以当前种子点为中心切割的n*n*n大小的基图像；通过所述基图像生成若干个方向概率和一个初始半径；在所述若干个方向概率中选取概率最大的方向向量；以当前种子点为圆心、所述初始半径为半径画取基球，所述基球表面与所述方向向量的交接处形成新的种子点；再将所述新的种子点作为中心切割的n*n*n大小的基图像，以此重复上述过程。
[0008]优选的，所述在所述若干个方向概率中选取概率最大的方向向量包括：在所述若干个方向概率中选取概率最大的方向向量为第一方向向量；且与所述第一方向向量的夹角为α或β的若干个方向向量，并从中选出概率最大的一个作为第二方向向量；α角大于90度且小于180度，β大于0度且小于90度；所述基球表面与所述方向向量的交接处形成新的种子点
包括：所述基球表面与所述第二方向向量的交接处形成新的种子点。
[0009]优选的，所述生长过程还包括：求取当前种子点、以及所述当前种子点前的若干已经过上述生长过程的种子点的Hu的平均值，当所述平均值小于预设CT平均值时，则停止生长；根据所有冠状动脉造影血管的最小Hu来获取所述预设CT平均值。
[0010]优选的，所述生长过程还包括：求取始种子点生长每根冠状动脉的长度，当初始种子点生长每根冠状动脉的长度大于预设长度时，则停止生长；根据所有冠状动脉中单根最长的血管的长度来获取所述预设长度。
[0011]优选的，所述生长过程还包括：求取当前种子点与现有冠状动脉中心点或两冠状动脉开口点的距离；当该距离小于预设距离，则停止生长，并将由初始种子点生长的中心线与半径一起加入到冠状动脉列表中。
[0012]优选的，所述生长过程还包括：当Hu平均值小于预设狭窄血管和/或小血管的Hu阈值，则停止生长，并进入狭窄血管与小血管生长过程；根据所有狭窄血管和小血管求取所述预设狭窄血管和/或小血管的Hu阈值。
[0013]优选的，所述生长过程还包括：统计n*n*n图像中大于第一预设Hu的点的Hu的平均值；当n*n*n图像中大于第一预设Hu的点的Hu的平均值高于已经过上述生长过程的所述种子点的数值一预设值时，且存在Hu大于第二预设Hu的点，则判断此处存在钙化，则停止冠状动脉生长进入钙化生长过程；所述第二预设Hu大于所述第一预设Hu。
[0014]优选的，所述利用种子点集进行冠状动脉的生长过程，从而获得冠状动脉生长图之后还包括：根据种子点的中心线与半径生成冠状动脉掩膜，接着将所述冠状动脉掩膜的区域作为已知区域输入图切割算法，以对所述冠状动脉掩膜进行调整，使得在血管钙化处得到更精细的掩膜。
[0015]本专利技术还公开了一种基于CTA影像的冠状动脉生长系统，包括深度学习回归模型、冠状动脉生长模型、狭窄血管与小血管生长模型和钙化生长模型；所述冠状动脉生长模型包括生长模型与停止模型；依据CTA数据获取冠状动脉的初始掩膜；通过所述深度学习回归模型求取所述初始掩膜中的所有点为种子点的概率，根据预设距离和第一预设概率阈值获取预种子点集和剔除点集；在所述剔除点集中进行二次筛选，获取若干个所述预设距离内的概率最大的点，并与所述预种子点集共同组成种子点集；利用种子点集通过所述生长模型与所述停止模型进行冠状动脉的生长过程，并通过所述狭窄血管与小血管生长模型生长狭窄血管与小血管，通过所述钙化生长模型进行钙化生长，从而获得冠状动脉生长图。
[0016]采用了上述技术方案后，与现有技术相比，具有以下有益效果：
[0017]1.通过对种子点进行二次筛选，使得主干冠脉优先生长，以此提高冠状动脉的分割的准确率与效率；通过设置多种生长停止判断条件，对钙化与狭窄、小血管提供了单独的生长模型来处理，使得分割精度更高。
附图说明
[0018]图1为本专利技术提供的基于CTA影像的冠状动脉生长方法的流程图；
[0019]图2为本专利技术提供的冠状动脉生长停止判断条件图；
[0020]图3为本专利技术提供的冠状动脉生长方法的冠状动脉生长血管图；
[0021]图4为本专利技术提供的冠状动脉生长方法的钙化生长图；
[0022]图5为本专利技术提供的冠状动脉生长方法的狭窄血管、小血生长管图；
[0023]图6为本专利技术提供的冠状动脉生长方法的冠脉生长效果图。
具体实施方式
[0024]以下结合附图与具体实施例进一步阐述本专利技术的优点。
[0025]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0026]在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CTA影像的冠状动脉生长方法，其特征在于，包括如下步骤：依据CTA数据获取冠状动脉的初始掩膜；通过回归算法求取所述初始掩膜中的所有点为种子点的概率，根据预设距离和第一预设概率阈值获取预种子点集和剔除点集；在所述剔除点集中进行二次筛选，获取若干个所述预设距离内的概率最大的点，并与所述预种子点集共同组成种子点集；利用种子点集进行冠状动脉的生长过程，从而获得冠状动脉生长图。2.根据权利要求1所述的冠状动脉生长方法，其特征在于，所述生长过程包括：以当前种子点为中心切割的n*n*n大小的基图像；通过所述基图像生成若干个方向概率和一个初始半径；在所述若干个方向概率中选取概率最大的方向向量；以当前种子点为圆心、所述初始半径为半径画取基球，所述基球表面与所述方向向量的交接处形成新的种子点；再将所述新的种子点作为中心切割的n*n*n大小的基图像，以此重复上述过程。3.根据权利要求2所述的冠状动脉生长方法，其特征在于，所述在所述若干个方向概率中选取概率最大的方向向量包括：在所述若干个方向概率中选取概率最大的方向向量为第一方向向量；且与所述第一方向向量的夹角为α或β的若干个方向向量，并从中选出概率最大的一个作为第二方向向量；α角大于90度且小于180度，β大于0度且小于90度；所述基球表面与所述方向向量的交接处形成新的种子点包括：所述基球表面与所述第二方向向量的交接处形成新的种子点。4.根据权利要求3所述的冠状动脉生长方法，其特征在于，所述生长过程还包括：求取当前种子点、以及所述当前种子点前的若干已经过上述生长过程的种子点的Hu的平均值，当所述平均值小于预设CT平均值时，则停止生长；根据所有冠状动脉造影血管的最小Hu来获取所述预设CT平均值。5.根据权利要求4所述的冠状动脉生长方法，其特征在于，所述生长过程还包括：求取始种子点生长每根冠状动脉的长度，当初始种子点生长每根冠状动脉的长度大于预设长度时，则停止生长；根据所有冠状动脉中单根最长的血管的长度来获取所述预设长度。6.根据权利要求5所述的冠状动脉生长方法，...

【专利技术属性】
技术研发人员：张世福，李晓光，叶宏伟，王瑶法，
申请(专利权)人：浙江省明峰核医学影像系统研究院，
类型：发明
国别省市：