一种腹主动脉参数自动测量方法技术

本发明专利技术公开了一种腹主动脉参数自动测量方法，属于腹主动脉参数自动测量技术领域，所述方法包括获取腹主动脉瘤体素模型，并对体素模型进行预处理；基于细化算法生成体素模型的中心线；通过区域生长算法生成血管的像素级节点列表，使用树结构存储像素级节点得到血管树像素级节点结构；对血管树像素级节点结构进行递归访问得到血管段，对得到的血管段进行下采样后得到血管下采样结构；对血管下采样结构进行递归访问得到血管段，对得到的血管段进行插值上采样后生成血管上采样结构；通过血管上采样结构建立中心线的分段列表，并构造每个分段对应的空间截面；根据中心线和空间截面计算腹主动脉的几何形态学参数。主动脉的几何形态学参数。主动脉的几何形态学参数。

【技术实现步骤摘要】
一种腹主动脉参数自动测量方法


[0001]本专利技术属于腹主动脉参数自动测量
，具体涉及一种腹主动脉参数自动测量方法。

技术介绍

[0002]腹主动脉瘤（abdominal aortic aneurysm, AAA）是一种多发于老年的主动脉瘤样扩张疾病。腹主动脉瘤破裂后死亡率超过70%，因此针对瘤体的风险评估对腹主动脉瘤发展检测与预后评估十分重要，尤其是建立腹主动脉自动分割系统，通过腹主动脉自动分割系统进行瘤体的自动风险评估。
[0003]目前，临床上通常使用手动分割建模的方式检测腹主动脉的形状变化，监测指标主要使用腹主动脉瘤瘤体直径，并将体积参数作为评价指标。然而，使用手动建模的方式耗费时间长，无法快速准确获取能够作用于血流动力学计算的高质量模型。同时，不同医生提取模型的差异性导致单一的评价指标难以准确反映预后情况，而腹主动脉瘤没有特殊的临床症状，一旦破裂则存在着巨大风险，严重威胁患者的生命健康。现有的临床建议中选用腹主动脉瘤体最大直径是否超过5.5cm与直径扩张速率是否超过1cm/年作为风险阈值。然而有研究表明，上述判据并不能准确的判定腹主动脉瘤破裂风险与瘤体生长情况。已有部分学者将血流动力学参数与几何形态学参数用于腹主动脉瘤的测量与评估。其中，针对腹主动脉的形态学分析主要包括：基于中心线的长度量纲参数分析、基于空间截面的面积量纲参数分析、基于空间区域划分的体积量纲参数分析等。而针对有限三维封闭几何内部进行中心线生成和空间截面的计算容易受到建模边界复杂、局部曲率过高等因素的影响。可见，腹主动脉瘤形态学参数的测量分析仍是一项极其复杂与困难的工作。
[0004]因此临床上快速且可靠的腹主动脉瘤自动分割与计算评估体系亟待提出。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的一项或多项不足，提供一种腹主动脉参数自动测量方法。
[0006]本专利技术的目的是通过以下技术方案来实现的：一种腹主动脉参数自动测量方法，包括：获取腹主动脉瘤体素模型，并对体素模型进行预处理；基于细化算法生成体素模型的中心线；自中心线选取种子节点，并基于种子节点和预设的邻接判定准则，通过区域生长算法生成血管的像素级节点列表，使用树结构存储像素级节点得到血管树像素级节点结构；对血管树像素级节点结构进行递归访问得到血管段，对得到的血管段进行下采样后得到血管下采样结构；对血管下采样结构进行递归访问得到血管段，对得到的血管段进行插值上采样后
生成血管上采样结构；以插值上采样时形成的每个插值点作为分割点，建立血管上采样结构中心线的分段列表，并构造每个分段对应的空间截面，所述空间截面为该分段的切面与体素模型取交得到的截面，所述切面的法向量为处于该分段上的插值点的切矢量；根据中心线和空间截面计算腹主动脉的几何形态学参数。
[0007]优选地，所述方法还包括：对血管上采样结构进行节点递归后建立血管树逻辑结构；对血管树逻辑结构进行递归扫描后得到血管树上各个节点的深度；根据血管树逻辑结构和各个节点的深度进行分支命名。
[0008]优选地，所述通过血管上采样结构建立中心线的分段列表，并构造每个分段对应的空间截面之后还包括：使用空间截面的法向量初始化对应分段的搜索矢量方向，并以找到该分段对应的最小空间截面为搜索目标，执行用于优化所述空间截面的空间四叉树搜索；空间四叉树搜索收敛后保留的搜索矢量方向记为优化后的矢量方向，将优化后的矢量方向作为法向量构建与体素模型相交的截平面，将该截平面记为优化后的空间截面。
[0009]优选地，所述方法还包括：将计算得到的几何形态学参数以报表形式进行可视化输出。
[0010]优选地，所述获取腹主动脉瘤体素模型，并对体素模型进行预处理，具体为：读入二值化的腹主动脉瘤体素模型；进行二值化图像的连通性判定，并截取体积最大连通区域的二值化图像作为目标二值化图像；通过执行图像闭操作和图像开操作对目标二值化图像进行边缘光滑；所述基于细化算法生成体素模型的中心线，具体为：通过医学图像处理软件包中预置的细化算法对边缘光滑后的目标二值化图像进行中心线提取，得到体素模型的中心线。
[0011]优选地，所述自中心线选取种子节点，并基于种子节点和预设的邻接判定准则，通过区域生长算法生成血管的像素级节点列表，使用树结构存储像素级节点得到血管树像素级节点结构，具体为：从上往下扫描中心线，记录第一个非零值坐标，并将第一个非零值坐标对应的节点作为血管树原点，将血管树原点作为种子节点；根据预设的邻接判定准则进行邻接判定；建立队列结构Q，血管树原点通过加入队列结构Q而构成队列结构Q的一个元素，对队列结构Q内每一元素进行邻接判定，将判定得到的该元素的邻接节点也加入队列结构Q中，将执行过邻接判定的元素从队列结构Q中剔除且加入血管像素级节点列表，循环分析队列结构Q，直至队列结构Q长度为0；使用树结构存储血管像素级节点列表中的各个像素级节点，得到血管树像素级节点结构，血管树像素级节点结构的原始节点对应血管树原点；其中，预设的邻接判定准则为：若像素26邻域内存在相同二值化像素，则两像素邻
接。
[0012]优选地，所述对血管树像素级节点结构进行递归访问得到血管段，对得到的血管段进行下采样后得到血管下采样结构，具体为：从血管树像素级节点结构的原始节点开始进行递归访问，分析血管树上每个节点的子节点个数，若节点的子节点个数大于1，则将该节点记为分支节点，两相邻分支节点间的路径记为血管段；在每个血管段中进行跳跃采样；其中，跳跃采样过程为：令跳跃间隔数为n，从血管段前端点开始，间隔n
‑
1取点，到血管段后端点终止，由前端点、后端点与所有取点构成血管下采样结构。
[0013]优选地，所述对血管下采样结构进行递归访问得到血管段，对得到的血管段进行插值上采样后生成血管上采样结构，具体为：对血管下采样结构进行递归访问，分析血管树上每个节点的子节点个数，若节点的子节点个数大于1，则将该节点记为分支节点，两相邻分支节点间的路径记为血管段；对每个血管段进行样条曲线插值，由插值后的所有血管段构成血管上采样结构。
[0014]优选地，所述以插值上采样时形成的每个插值点作为分割点，建立血管上采样结构中心线的分段列表，并构造每个分段对应的空间截面，所述空间截面为该分段的切面与体素模型取交得到的截面，所述切面的法向量为处于该分段上的插值点的切矢量，具体为：以插值上采样时形成的各个插值点作为分割点，建立血管上采样结构中心线的分段列表；以处于每个分段上的插值点作为取样点且记为P
j
，取该取样点前后插值点且分别记为P
j
‑1与P
j+1
，令P
j+1
指向P
j
‑1的矢量V
j
为P
j
点上的原始切矢量，并将该切矢量作为面法向量构建切面f
j
，记切面f
j
与体素模型取交得到的截面为P
j
点处的空间截面；所述使用空间截面的法向量初始化对应分段的搜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种腹主动脉参数自动测量方法，其特征在于，包括：获取腹主动脉瘤体素模型，并对体素模型进行预处理；基于细化算法生成体素模型的中心线；自中心线选取种子节点，并基于种子节点和预设的邻接判定准则，通过区域生长算法生成血管的像素级节点列表，使用树结构存储像素级节点得到血管树像素级节点结构；对血管树像素级节点结构进行递归访问得到血管段，对得到的血管段进行下采样后得到血管下采样结构；对血管下采样结构进行递归访问得到血管段，对得到的血管段进行插值上采样后生成血管上采样结构；以插值上采样时形成的每个插值点作为分割点，建立血管上采样结构中心线的分段列表，并构造每个分段对应的空间截面，所述空间截面为该分段的切面与体素模型取交得到的截面，所述切面的法向量为处于该分段上的插值点的切矢量；根据中心线和空间截面计算腹主动脉的几何形态学参数。2.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述方法还包括：对血管上采样结构进行节点递归后建立血管树逻辑结构；对血管树逻辑结构进行递归扫描后得到血管树上各个节点的深度；根据血管树逻辑结构和各个节点的深度进行分支命名。3.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述通过血管上采样结构建立中心线的分段列表，并构造每个分段对应的空间截面之后还包括：使用空间截面的法向量初始化对应分段的搜索矢量方向，并以找到该分段对应的最小空间截面为搜索目标，执行用于优化所述空间截面的空间四叉树搜索；空间四叉树搜索收敛后保留的搜索矢量方向记为优化后的矢量方向，将优化后的矢量方向作为法向量构建与体素模型相交的截平面，将该截平面记为优化后的空间截面。4.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述方法还包括：将计算得到的几何形态学参数以报表形式进行可视化输出。5.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述获取腹主动脉瘤体素模型，并对体素模型进行预处理，具体为：读入二值化的腹主动脉瘤体素模型；进行二值化图像的连通性判定，并截取体积最大连通区域的二值化图像作为目标二值化图像；通过执行图像闭操作和图像开操作对目标二值化图像进行边缘光滑；所述基于细化算法生成体素模型的中心线，具体为：通过医学图像处理软件包中预置的细化算法对边缘光滑后的目标二值化图像进行中心线提取，得到体素模型的中心线。6.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述自中心线选取种子节点，并基于种子节点和预设的邻接判定准则，通过区域生长算法生成血管的像素级节点列表，使用树结构存储像素级节点得到血管树像素级节点结构，具体为：从上往下扫描中心线，记录第一个非零值坐标，并将第一个非零值坐标对应的节点作
为血管树原点，将血管树原点作为种子节点；根据预设的邻接判定准则进行邻接判定；建立队列结构Q，血管树原点通过加入队列结构Q而构成队列结构Q的一个元素，对队列结构Q内每一元素进行邻接判定，将判定得到的该元素的邻接节点也加入队列结构Q中，将执行过邻接判定的元素从队列结构Q中剔除且加入血管像素级节点列表，循环分析队列结构Q，直至队列结构Q长度为0；使用树结构存储血管像素级节点列表中的各个像素级节点，得到血管树像素级节点结构，血管树像素级节点结构的原始节点对应血管树原点；其中，预设的邻接判定准则为：若像素26邻域内存在相同二值化像素，则两像素邻接。7.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述对血管树像素级节点结构进行递归访问得到血管段，对得到的血管段进行下采样后得到血管下采样结构，具体为：从血管树像素级节点结构的原始节点开始进行递归访问，分析血管树上每个节点的子节点个数，若节点的子节点个数大于1，则将该节点记为分支节点，两相邻分支节点间的路径记为血管段；在每个血管段中进行跳跃采样；其中，跳跃采样过程为：令跳跃间隔数为n，从血管段前端点开始，间隔n
‑
1取点，到血管段后端点终止，由前端点、后端点与所有取点构成血管下采样结构。8.根据权利要求1所述的一种腹主动脉参数自动测量方法，其特征在于，所述对血管下采样结构进行递归访问得到血管段，对得到的血管段进行插值上采样后生成血管上采样结构，具体为：对血管下采样结构...

【专利技术属性】
技术研发人员：白马腾，郑庭辉，王仪，袁丁，翁诚馨，
申请(专利权)人：四川大学，
类型：发明
国别省市：