【技术实现步骤摘要】
本专利技术涉及图像数据处理领域，具体涉及一种介入手术前后血管造影智能对比分析方法。
技术介绍
1、随着技术的不断进步，介入性手术在治疗心血管、神经和其他疾病方面变得越来越普及。这些手术通常使用血管造影来引导医生进行精确的操作，所以对手术前后的血管造影图像进行智能对比分析变得至关重要，当然在分析血管造影图像之前对于图像的增强也尤为重要，这不仅牵扯医生准确地定位和评估血管结构，更关系手术的精确度和安全性。
2、通过直方图均衡化对血管造影图像直接进行图像增强时，其内部不同区域血管粗细程度、分布状况以及背景干扰等不同，这可能部分区域局部对比度失真，难以体现其血管的部分细节，降低了手术前后血管造影对比分析的准确性。
技术实现思路
1、本专利技术提供一种介入手术前后血管造影智能对比分析方法，以解决现有的问题。
2、本专利技术的一种介入手术前后血管造影智能对比分析方法采用如下技术方案：
3、本专利技术一个实施例提供了一种介入手术前后血管造影智能对比分析方法，该方法包括以下步骤：
4、获取手术前后的血管造影图像以及边缘检测后的血管造影图像中的边缘像素点；
5、根据边缘像素点灰度值的大小，获得边缘像素点的第一边缘曲线和第二边缘曲线；根据每个边缘像素点的第一边缘曲线和第二边缘曲线，获得每一个边缘像素点的血管特征置信度；
6、构建每一个边缘像素点的窗口区域；根据每一个边缘像素点的第一边缘曲线和第二边缘曲线上像素点之间的距离，获得每一
7、根据每个边缘像素点的血管特征置信度，对所有边缘像素点进行聚类操作，得到若干个聚类簇；根据每一个边缘像素点的血管特征置信度、血管特征置信度的调整系数和每一个边缘像素点所处聚类簇的边缘像素点数量，获得每一个边缘像素点的血管特征最终置信度；
8、根据每一个边缘像素点的血管特征最终置信度，获得增强后的血管造影图像；根据增强后的血管造影图像，获得手术前后血管造影对比结果；
9、其中，所述根据边缘像素点灰度值的大小，获得边缘像素点的第一边缘曲线和第二边缘曲线，包括的具体步骤如下：
10、利用区域生长算法，根据像素点灰度大小获得每个边缘像素点的连通域，将每个边缘像素点的连通域记为每个边缘像素点的第一边缘曲线，根据每个边缘像素点的连通域中像素点的灰度最大值和灰度最小值确定每个边缘像素点对应的第一灰度范围，以每个边缘像素点为中心，构建大小的局部区域，所述为预设的边缘长度，在每个边缘像素点的局部区域内，根据局部区域中像素点的灰度最大值和灰度最小值确定每个边缘像素点对应的第二灰度范围，在局部区域内除第一边缘曲线之外的所有像素点中，标记出灰度值处于第二灰度范围内的像素点，对标记出的像素点利用最小二乘法进行曲线拟合，得到每个边缘像素点的第二边缘曲线；
11、其中，所述根据每个边缘像素点的第一边缘曲线和第二边缘曲线，获得每一个边缘像素点的血管特征置信度，包括的具体公式如下：
12、；
13、其中，表示第个边缘像素点的血管特征置信度，表示第个边缘像素点对应的第一边缘曲线上的像素点数量，表示第个边缘像素点对应的第二边缘曲线上的像素点数量，表示以自然常数为底的指数函数，表示绝对值函数，表示第个边缘像素点对应的第一边缘曲线中第个像素点与第个像素点所形成直线的斜率，表示第个边缘像素点对应的第二边缘曲线中第个像素点和第个像素点所形成直线的斜率，表示第个边缘像素点对应的第一边缘曲线中第个像素点与第二边缘曲线中第个像素点之间的距离，表示第个边缘像素点对应的第一边缘曲线中第个像素点和第二边缘曲线中第个像素点之间的距离；
14、其中，所述构建每一个边缘像素点的窗口区域，包括的具体步骤如下：
15、以每个边缘像素点为中心点，构建大小为的窗口区域作为每个边缘像素点的窗口区域，所述为预设的边长；
16、进一步地，所述根据每一个边缘像素点的第一边缘曲线和第二边缘曲线上像素点之间的距离，获得每一个边缘像素点的疑似血管宽度，包括的具体步骤如下：
17、将第个边缘像素点的第一边缘曲线中第个点与第二边缘曲线中第个点的距离与第个边缘像素点的第一边缘曲线中第个点和第二边缘曲线中第个点的距离的比值记为第个边缘像素点的第一比值，根据每一个边缘像素点的第一比值与每个边缘像素点的第一边缘曲线、第二边缘曲线中的像素点数量的最小值，获得每一个边缘像素点的疑似血管宽度；
18、其中，所述根据每一个边缘像素点的第一比值与每个边缘像素点的第一边缘曲线、第二边缘曲线中的像素点数量的最小值，获得每一个边缘像素点的疑似血管宽度，包括的具体公式如下：
19、；
20、其中，表示第个边缘像素点的疑似血管宽度，和分别表示第个边缘像素点的第一边缘曲线、第二边缘曲线中的像素点数量，表示第个边缘像素点的第一边缘曲线中第个点与第二边缘曲线中第个点的距离，表示第个边缘像素点的第一边缘曲线中第个点和第二边缘曲线中第个点的距离，表示和的最小值，为第个边缘像素点的第一比值；
21、其中，所述根据每一个边缘像素点的窗口区域内的边缘像素点的疑似血管宽度，获得每个边缘像素点的血管特征置信度的调整系数，包括的具体公式如下：
22、；
23、其中，表示第个边缘像素点血管特征置信度的调整系数，表示当前第个边缘像素点的窗口区域内除中心点外存在的边缘像素点数量，表示第个边缘像素点窗口区域内除中心点外的第个边缘像素点的疑似血管宽度，表示第个边缘像素点的疑似血管宽度；
24、其中，所述根据每一个边缘像素点的血管特征置信度、血管特征置信度的调整系数和每一个边缘像素点所处聚类簇的边缘像素点数量，获得每一个边缘像素点的血管特征最终置信度，包括的具体步骤如下：
25、将第个边缘像素点的血管特征置信度、第个边缘像素点血管特征置信度的调整系数和第个边缘像素点所处聚类簇中的边缘像素点数量的乘积，将所述乘积的归一化值记为第个边缘像素点的血管特征最终置信度。
26、进一步地，所述根据每一个边缘像素点的血管特征最终置信度，获得增强后的血管造影图像，包括的具体步骤如下：
27、根据每一个边缘像素点的血管特征最终置信度，利用聚类算法对所有边缘像素点重新进行聚类，获得多个新聚类簇，利用凸包算法确定每个新聚类簇的边界，根据所有新聚类簇的边界将血管造影图像划分为多个区域，使用自适应直方图均衡化，分别对每个区域进行增强，得到若干增强区域；将所有增强区域构成的图像，记为增强后的血管造影图像。
28、进一步地，所述根据增强后的血管造影图像，获得手术前后血管造影对比结果，包括的具体步骤如下：
29、利用图像配准对增强后的手术前后的血管造影图像进行对齐，获得手术前后的血管造影图像中的异常区域。
30本文档来自技高网...
【技术保护点】
1.一种介入手术前后血管造影智能对比分析方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种介入手术前后血管造影智能对比分析方法，其特征在于，所述根据每一个边缘像素点的血管特征最终置信度，获得增强后的血管造影图像，包括的具体步骤如下：
3.根据权利要求1所述一种介入手术前后血管造影智能对比分析方法，其特征在于，所述根据增强后的血管造影图像，获得手术前后血管造影对比结果，包括的具体步骤如下：
【技术特征摘要】
1.一种介入手术前后血管造影智能对比分析方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种介入手术前后血管造影智能对比分析方法，其特征在于，所述根据每一个边缘像素点的血管特征最终置信度，获...
【专利技术属性】
技术研发人员：马强，王慰敏，王吉昌，张波，庞宏刚，孟燕，
申请(专利权)人：西安交通大学医学院第一附属医院，
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。