一种血管显影方法及装置制造方法
【专利摘要】本发明实施例公开了一种血管显影方法及装置，其中方法为：扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像；然后，在所述增强图像中检测所述待检测血管的血管区域；最后在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。可见本发明能够使得减影图像中保留了穿越骨骼的血管。
【专利说明】—种血管显影方法及装置【技术领域】
[0001]本发明涉及医学图像【技术领域】，特别是涉及一种血管显影方法及装置。
【背景技术】
[0002]血管疾病是严重影响人类健康的疾病之一，因此对于血管显影技术的要求越来越高，由于人体中血管形态结构复杂，使得部分血管被骨骼遮挡，在三维体绘制结果中很难直观的显示血管的全部形态和结构。比如:头颈部血管从心脏出发穿过颅骨底部骨骼区域进入大脑，颈动脉穿过颅骨、椎动脉穿过六块脊椎骨进入颅骨内部等。
[0003]目前，通常利用减影技术减除图像中的骨骼区域，以保留全部的血管区域。现有减影技术的实现是需要对患者进行两次扫描，并且在第二次扫描时，需要对患者注射显影剂，这样就导致第一步扫描与第二部扫描之间的时间间隔较长。由于患者很难长时间保持相同体位，两次扫描过程中患者的被检测区域会发生运动位移，这样会引起血管穿越骨骼的部分被误认为是骨骼区域而减除问题，因此，利用现有减影技术生成的减影图像无法准确完整地显示血管区域的结构。
【发明内容】
[0004]为了解决上述技术问题，本发明中提供了一种血管显影方法及装置，通过检测增强图中的待检测血管区域，将待检测血管区域与减影图像对齐融合得到待检测血管的显影图像。这样处理能够保证穿过骨骼被误认为是骨骼部分而减去的血管图像完整保留下来，提高显影成像的准确性和可靠性。
[0005]本发明公开了如下技术方案:
[0006]本发明提供了一种血管显影方法，包括:
[0007]扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像；
[0008]在所述增强图像中检测所述待检测血管的血管区域；
[0009]在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
[0010]优选的，在所述增强图像中检测所述待检测血管的血管区域，包括:
[0011]在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径；
[0012]利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径；
[0013]按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。
[0014]优选的，所述在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径，包括:
[0015]将所述增强图像 与所述待检测血管穿越的骨骼区域模型匹配，确定在所述增强图像中骨骼的位置；
[0016]依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置；
[0017]计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的位置点组成起止位置间的一条血管路径。
[0018]优选的，所述利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径，包括:
[0019]计算所述血管路径上各位置点的不同尺度半径范围内的灰度平滑度；
[0020]选择满足平滑度阈值条件的最大半径作为该路径位置点处的血管半径。
[0021]优选的，所述依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置，包括:
[0022]预先建立至少一种尺度下的血管截面灰度分布模板；
[0023]依据所述待检测骨骼的位置估计待检测血管所在的感兴趣区域，在所述感兴趣区域内逐层与所述血管截面灰度分布模板进行匹配得到待检测血管所在的感兴趣区域中的潜在位置；
[0024]采用聚类算法对所述待检测血管所在的感兴趣区域的潜在位置进行定位分类，根据待检测血管与所处骨骼的位置起止关系选择最大类的定位点作为待检测血管的起止位置。
[0025]优选的，若待检测血管为头颈部的血管时，
[0026]所述依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置，包括:
[0027]预先建立至少一种尺度下的血管截面灰度分布模板；
[0028]依据颅骨的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管在感兴趣区域的终止潜在位置；
[0029]依据颅骨的位置估计颈部的位置，利用边缘检测算法和圆形检测算子对所述颈部位置的增强图像逐层检测得到待检测血管在感兴趣区域的起始潜在位置；
[0030]采用聚类算法对所述起始潜在位置和终止潜在位置分别进行定位分类，分别选择最大类的定位点作为待检测血管的起止位置。
[0031]优选的，还包括:
[0032]利用三维体绘制显示所述待检测血管的显影图像。
[0033]本发明还提供了一种血管显影装置，包括:
[0034]扫描单元，用于扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像；
[0035]检测单元，用于在所述增强图像中检测所述待检测血管的血管区域；
[0036]融合单元，用于在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
[0037]优选的,所述检测单元,包括:
[0038]估计子单元，用于在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径；
[0039]确定子单元，用于利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径；[0040]分割子单元，用于按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。
[0041]优选的，所述估计子单元，包括:
[0042]第一匹配模块，用于将所述增强图像与所述待检测血管穿越的骨骼区域模型匹配，确定在所述增强图像中骨骼的位置；
[0043]第二匹配模块，用于依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置；
[0044]第一选择模块，用于计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的位置点组成起止位置间的一条血管路径。
[0045]优选的，所述确定子单元，包括:
[0046]第一计算模块，用于计算所述血管路径上各位置点的不同尺度半径范围内的灰度平滑度；
[0047]第二选择模块，用于选择满足平滑度阈值条件的最大半径作为该路径位置点处的血管半径。
[0048]优选的，所述第二匹配模块，包括:
[0049]建立子模块，用于预先建立至少一种尺度下的血管截面灰度分布模板；
[0050]匹配子模块，用于依据所述待检测骨骼的位置估计待检测血管所在的感兴趣区域，在所述感兴趣区域内逐层与所述血管截面灰度分布模板进行匹配得到待检测血管所在的感兴趣区域中的潜在位置；
[0051]选择子模块，用于采用聚类算法对所述待检测血管所在的感兴趣区域的潜在位置进行定位分类，根据待检测血管与所处骨骼的位置起止关系选择最大类的定位点作为待检测血管的起止位置。
[0052]优选的，若待检测血管为头颈部的血管时，
[0053]所述第二匹配模块，具体包括:
[0054]建立子模块，用于预先建立至少一种尺度下的血管截面灰度分布模板；
[0055]匹配子模块，用于依据颅骨的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管在感兴趣区域的终止潜在位置；
[0056]检测子模块，用于依据颅骨的位置估计颈部的位置，利用边缘检测算法和圆形检测算子对所述颈部位置的增强图像逐层检测得到待检测血管在感兴趣区域的起始潜在位置；
[0057]选择子模块，用于采用聚类算法对所述起始潜在位置和终止潜在位置分别进行定位分类，分别选择最大类的定位点作为待检测血管的起止位置。
[0058]优选的，还包括:绘制单元，用于利用三维体绘制显示所述待检测血管的显影图像。
[0059]本发明的血管显影方法及装置，为了确保血管显影过程中待检测血管穿越骨骼的血管区域被正确显示，首先扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像；然后，在所述增强图像中检测所述待检测血管的血管区域；这样处理能够确定出待检测血管在增强图像中的血管区域此血管区域就是待检测血管穿越骨骼或者临近骨骼部分被误减除的血管区域，最后，在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。可见本发明的有益效果在于:在增强图像中检测出待检测血管的血管区域，然后在减影图像的基础上融合待检测血管的血管区域图像，保留穿越骨骼或者临近骨骼的血管不被减除，从而确保待检测血管区域结构完整的被显示。
[0060]【专利附图】
【附图说明】
[0061]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0062]图1为本发明实施例血管显影方法实施例1的流程图；
[0063]图2为本发明实施例血管显影方法实施例2的流程图；
[0064]图3为本发明实施例血管显影装置实施例1的示意图；
[0065]图4为本发明实施例血管显影装置实施例2的示意图。
【具体实施方式】
[0066]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例进行详细描述。
[0067]需要说明的是本发明的方法可以用于对血管扫描显示的系统，比如:CT(C0mpUtedTomography)电子计算机 X 射线扫描系统、PET-CT (Positron Emission Tomography)正电子发射断层成像扫描系统、MRI (Magnetic Resonance` Imaging)磁共振成像系统等系统。
[0068]参见图1，示出了本发明实施例血管显影方法实施例1的流程图，所述方法包括:步骤101 一步骤103。
[0069]步骤101，扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像。
[0070]在实际扫描过程中，针对不同的待检测血管确定对应的扫描区域，比如当需要检测心血管时则扫描患者的胸腔区域、需要检测头颈部血管则扫描患者的头颈部区域等。当确定待检测血管所在区域后，首先，扫描待检测区域的断层图像得到平扫图像，可以通过阈值分割平扫图像确定平扫图像中的骨骼区域；然后，对患者注射显影剂再扫描待检测血管所在区域得到增强图像；然后将增强图像与平扫图像按照配准方法对齐，并在增强图像中减除对应的骨骼区域得到减影图像。
[0071]步骤102，在所述增强图像中检测所述待检测血管的血管区域。
[0072]针对上述步骤102本发明实施例提供了一种实现方式，可以包括:步骤1021 —步骤 1023。
[0073]步骤1021，在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径。
[0074]步骤1022，利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径。
[0075]步骤1023，按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。
[0076]针对上述步骤1021本发明实施例提供了一种确定血管路径的实现方式，可以包括:步骤1021A 一步骤1021C,
[0077]步骤1021A，将所述增强图像与所述待检测血管穿越的骨骼区域模型匹配，确定在所述增强图像中骨骼的位置。
[0078]本步骤的骨骼区域模型可以使用主动轮廓模型(Actuve Shape Models,ASM)或者主动表现模型(Active Appearance Model, AAM)。本步骤的匹配操作可以采用寻优匹配比如:共轭梯度法、powell寻优法等。
[0079]步骤1021B，依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置。
[0080]步骤1021C，计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的位置点组成起止位置间的一条血管路径。
[0081]针对上述步骤1022本发明实施例提供了一种确定血管半径的实现方式，可以包括:步骤1022A和步骤1022B。
[0082]步骤1022A，计算所述血管路径上各位置点的不同尺度半径范围内的灰度平滑度； [0083]步骤1022B，选择满足平滑度阈值条件的最大半径作为该路径位置点处的血管半径。
[0084]步骤103，在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
[0085]本步骤的融合可以采用将待检测血管的血管区域按照坐标位置对应的填充到减影图像中。
[0086]本发明血管显影过程实质上通过扫描待检测血管所在区域得到增强图像，对所述增强图像进行减影处理得到减影图像；然后在所述增强图像中检测所述待检测血管的血管区域；最后，在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。可见:本发明将被误删减的血管区域融合在减影图像中，使得在减影图像基础上保留穿越骨骼的血管区域，确保血管区域结构完整。
[0087]针对上述步骤1021B本发明实施例还给出了的一种实现方式，可以包括:
[0088]预先建立至少一种尺度下的血管截面灰度分布模板；
[0089]依据所述待检测骨骼的位置估计待检测血管所在的感兴趣区域，在所述感兴趣区域内逐层与所述血管截面灰度分布模板进行匹配得到待检测血管所在的感兴趣区域中的潜在位置；
[0090]采用聚类算法对所述待检测血管所在的感兴趣区域的潜在位置进行定位分类，根据待检测血管与所处骨骼的位置起止关系选择最大类的定位点作为待检测血管的起止位置。
[0091]由于人体不同部位的骨骼和血管结构特点复杂程度不同，比如:头颈部、胸部、腿部等部位的血管与骨骼之间的结构完全不同。其中，头颈部的结构最为复杂，血管从心脏出发穿过颅骨底部骨骼区域进入大脑，头颈部区域主要包括四条血管:左颈动脉、右颈动脉、左椎动脉、右椎动脉。为了更快速更准确的检测出这四根血管，最重要的步骤是快速准确的确定出待检测血管的起止位置。因此，为了保证确定头颈部的血管显影的精确性，本发明实施例提供了一种优选方案。
[0092]参见图2，示出了本发明实施例血管显影方法实施例2的示意图，所述方法包括:
[0093]步骤201，扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像。
[0094]步骤202，预先建立至少一种尺度下的血管截面灰度分布模板。
[0095]不同患者的血管粗细程度不同，为了满足不同患者的扫描需求，为了使得后续的匹配处理得到潜在中心位置精准度较高，需要获取多种不同尺度下的血管截面灰度分布模板，当然只采用一种常规尺度下的血管截面灰度分布模板也是可以的。
[0096]步骤203，依据颅骨的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管在感兴趣区域的终止潜在位置。
[0097]在步骤202中确定的颅骨的位置的基础上，估计出这四根血管的终止潜在位置。所谓终止潜在位置是考虑到血管从心脏出发进入脑部，所以将颅骨内部的血管位置称之为终止位置，同时将颈部的血管位置称为起始位置。
[0098]根据医学临床经验中人体的颅骨中动脉位置关系，可以依据颅骨的位置估计出待检测血管的潜在位置，比如:左颈动脉在颅骨中心的左侧、左椎动脉在颅骨中心的右侧、两椎动 脉在颅骨底部枕骨大孔内，左椎动脉在左颈动脉的右侧，右椎动脉在左椎动脉的右侧。
[0099]在实际应用中通常使用颅骨内威利斯环感兴趣区域和基底动脉感兴趣区域，所谓威利斯环感兴趣区域包括:左前交通动脉感兴趣区域和右前交通感兴趣区域。左颈动脉在左前交通动脉感兴趣区域左侧方向延伸，右颈动脉在右前交通感兴趣区域右侧方向延伸。所谓基底动脉感兴趣区域是由左椎动脉和右椎动脉交汇合并成的一个动脉。因此，常常根据颅骨内脑组织的定位确定出威利斯环感兴趣区域和基底动脉感兴趣区域；然后，在这两个感兴趣区域内分别估计这四根血管的潜在位置。
[0100]根据颅骨的位置估计出这几根血管的潜在位置，还只是一个大概的区域范围，然后利用血管截面灰度分布模板与这些大概区域范围进行匹配能够得出待检测血管的终止潜在中心位置。这样找出的待检测血管的终止位置较为准确且缩小了查找范围。
[0101]步骤204，依据颅骨的位置估计颈部的位置，利用边缘检测算法和圆形检测算子对所述颈部位置的增强图像逐层检测得到待检测血管在感兴趣区域的起始潜在位置。
[0102]步骤205，采用聚类算法对所述起始潜在位置和终止潜在位置分别进行定位分类，分别选择最大类的定位点作为待检测血管的起止位置。
[0103]上述步骤204和步骤205能够得出四根血管的终止位置、起始位置，终止位置和起始位置分别是位置区域，每个位置区域中都有多个定位点。利用聚类算法将定位点进行分类，剔除错误定位点，将具有最大类的定位点作为待检测血管的起止位置，由于在头颈部区域存在四根待检测血管，可以通过血管解剖结构以及相互位置关系，区分出左颈动脉、右颈动脉、左椎动脉、右椎动脉这四根血管各自的起止位置。
[0104]步骤206，计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的位置点组成起止位置间的一条血管路径。
[0105]由于颅骨的血管结构和颈部的血管结构不同，采用步骤204的方法也能够确定待检测血管的起始潜在中心位置。为了更为精确的确定待检测血管的起始潜在中心位置，通过步骤205的方法进行检测。
[0106]灰度相似度就是指各位置点与起止点的灰度差异大小。在实际应用中可以采用在指定全部点与起止点的最小灰度差异并进行归一化处理，再取倒数变到O和I之间的值作为灰度相似度。
[0107]以起始位置为基准位置，首先选择起始位置相邻区域中与起始位置灰度相似度差异最小的位置点，然后再选择该位置点的邻域中与该位置点灰度相似度差异最小的位置点，依次选择出相似度差异最小的位置点，直到选择至终止位置为止，从而根据选择出的所有相似度差异最小的位置点确定一条从起始位置至终止位置的血管路径。
[0108]可以利用优先队列检测连接待检测血管起始和终止点间的具有高相似度的路径，比如:先将血管起始点压入优先队列，迭代将待检测点邻域各点放入优先队列，优先队列弹出与起止点相似度最高的位置点，并记录与前一弹出点的邻接关系，若该点为终止点则停止迭代，否则将弹出点邻域内未检测点压入优先队列，继续迭代过程到优先队列弹出点为血管终止点为止。根据优先弹出点的先后顺序及与相邻接关系，回溯获得从起始点到终止点的最大相似度测度的路径，该路径即为连接血管起止点间的血管路径。
[0109]当然，同样的也可以先以终止位置为基准位置，依次确定灰度相似度差异最小的位置点，直到确定出起始位置为止。
[0110]当然，还可以是从起始位置和终止位置的邻域范围内，选择出多个与其相比相似度值差异最小的位置点，利用这些选择的位置点，确定出一条从起始位置至终止位置的血管路径。
[0111]步骤207，利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径。
[0112]灰度平滑度是用于描述血管半径范围内的全部点的灰度差异程度，灰度平滑度可以采用不同尺度半径范围内的灰度方差来衡量大小，本步骤通过计算各个位置点在不同尺度半径范围内的灰度平滑度，然后分别将这些灰度平衡度与阈值进行比较并选择出大于阈值的灰度平滑度，再从中选择出最大半径作为该位置点处的血管半径。
[0113]步骤208，按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。
[0114]步骤209，在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
[0115]针对头颈部区域的四根待检测血管，将这四根待检测血管的血管区域处的增强图像与减影图像进行融合，使得减影图像中待检测血管穿越骨骼被减去的部分得到保留。
[0116]对应本发明实施例血管显影方法实施例1本发明实施例提供了一种血管显影装置，具体通过以下实施例进行解释说明。
[0117]参见图3，示出了本发明实施例血管显影装置实施例1的示意图，所述装置包括:
[0118]扫描单元301、检测单元302和融合单元303。下面结合该装置的内部结构和工作原理对各个单元进行解释说明。
[0119]扫描单元301，用于扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所 述增强图像进行减影处理得到减影图像；[0120]检测单元302，用于在所述增强图像中检测所述待检测血管的血管区域；
[0121]融合单元303，用于在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
[0122]可选的，所述检测单元，包括:
[0123]估计子单元，用于在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径；
[0124]确定子单元，用于利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径；
[0125]分割子单元，用于按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。[0126]在上述检测单元的基础上，可选的，所述估计子单元，包括:
[0127]第一匹配模块，用于将所述增强图像与所述待检测血管穿越的骨骼区域模型匹配，确定在所述增强图像中骨骼的位置；
[0128]第二匹配模块，用于依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置；
[0129]第一选择模块，用于计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的位置点组成起止位置间的一条血管路径。
[0130]在上述检测单元的基础上所述确定子单元，包括:
[0131]第一计算模块，用于计算所述血管路径上各位置点的不同尺度半径范围内的灰度平滑度；
[0132]第二选择模块，用于选择满足平滑度阈值条件的最大半径作为该路径位置点处的血管半径。
[0133]在上述估计子单元的基础上，可选的，所述第二匹配模块，包括:
[0134]建立子模块，用于预先建立至少一种尺度下的血管截面灰度分布模板；
[0135]匹配子模块，用于依据所述待检测骨骼的位置估计待检测血管所在的感兴趣区域，在所述感兴趣区域内逐层与所述血管截面灰度分布模板进行匹配得到待检测血管所在的感兴趣区域中的潜在位置；
[0136]选择子模块，用于采用聚类算法对所述待检测血管所在的感兴趣区域的潜在位置进行定位分类，根据待检测血管与所处骨骼的位置起止关系选择最大类的定位点作为待检测血管的起止位置。
[0137]本发明首先扫描待检测血管所在区域的增强图像，在所述增强图像中去除所述骨骼区域得到减影图像；然后，在所述增强图像中检测所述待检测血管的血管区域；这样处理能够确定出待检测血管在增强图像中的血管区域此血管区域就是待检测血管穿越骨骼或者临近骨骼部分被误减除的血管区域，最后，在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
[0138]针对头颈部区域的血管进行显影时，本发明还提供了一种血管显影装置，具体是在上述血管显影装置实施I的基础上所述检测单元中的估计子模块中的第二匹配模块与其不同。其他单元和模块都与装置实施例1中的单元相同。具体参见图4，示出了本发明实施例血管显影装置实施例2的示意图，所述装置包括:[0139]该装置中包含扫描单元401、检测单元402和融合单元403。除了检测单元中的第二匹配模块之外，其他单元和模块都与装置实施例1中的单元相同，在此不再赘述。下面对该装置的内部结构和工作原理对各个单元进行解释说明。
[0140]检测单元包括:估计子单元、确定子单元和分割子单元；
[0141]其中，估计子单元包括:第一匹配模块，第二匹配模块和第一选择模块；若待检测血管为头颈部的血管时，
[0142]所述第二匹配模块，具体包括:
[0143]建立子模块，用于预先建立至少一种尺度下的血管截面灰度分布模板；
[0144]匹配子模块，用于依据颅骨的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管在感兴趣区域的终止潜在位置；
[0145]检测子模块，用于依据颅骨的位置估计颈部的位置，利用边缘检测算法和圆形检测算子对所述颈部位置的增强图像逐层检测得到待检测血管在感兴趣区域的起始潜在位置；
[0146]选择子模块，用于采用聚类算法对所述起始潜在位置和终止潜在位置分别进行定位分类，分别选择最大类的定位点作为待检测血管的起止位置。
[0147]本发明实施例是依据头颈部骨骼和血管的结构特征，利用血管截面灰度分布模板匹配、边缘检测算法和圆形检测算子检测分别确定出待检测血管的潜在终止位置和潜在起始位置，这种方式能够更准确的确定潜在位置，减少计算复杂度，提高显影处理速率。
[0148]需要说明的是，在本文中诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0149]需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
[0150]以上对本发明所提供的一种血管显影方法和装置进行了详细介绍，本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
【权利要求】
1.一种血管显影方法，其特征在于，包括: 扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像； 在所述增强图像中检测所述待检测血管的血管区域； 在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
2.根据权利要求1所述的方法，其特征在于，在所述增强图像中检测所述待检测血管的血管区域，包括: 在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径； 利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径； 按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。
3.根据权利要求2所述的方法，其特征在于，所述在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径，包括: 将所述增强图像与所述待检测血管穿越的骨骼区域模型匹配，确定在所述增强图像中骨骼的位置； 依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置； 计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的 位置点组成起止位置间的一条血管路径。
4.根据权利要求2所述的方法，其特征在于，所述利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径,包括: 计算所述血管路径上各位置点的不同尺度半径范围内的灰度平滑度； 选择满足平滑度阈值条件的最大半径作为该路径位置点处的血管半径。
5.根据权利要求3所述的方法，其特征在于，所述依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置，包括: 预先建立至少一种尺度下的血管截面灰度分布模板； 依据所述待检测骨骼的位置估计待检测血管所在的感兴趣区域，在所述感兴趣区域内逐层与所述血管截面灰度分布模板进行匹配得到待检测血管所在的感兴趣区域中的潜在位置； 采用聚类算法对所述待检测血管所在的感兴趣区域的潜在位置进行定位分类，根据待检测血管与所处骨骼的位置起止关系选择最大类的定位点作为待检测血管的起止位置。
6.根据权利要求3所述的方法，其特征在于，若待检测血管为头颈部的血管时， 所述依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置，包括: 预先建立至少一种尺度下的血管截面灰度分布模板； 依据颅骨的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管在感兴趣区域的终止潜在位置； 依据颅骨的位置估计颈部的位置，利用边缘检测算法和圆形检测算子对所述颈部位置的增强图像逐层检测得到待检测血管在感兴趣区域的起始潜在位置；采用聚类算法对所述起始潜在位置和终止潜在位置分别进行定位分类，分别选择最大类的定位点作为待检测血管的起止位置。
7.根据权利要求1至6中任一项所述的方法，其特征在于，还包括: 利用三维体绘制显示所述待检测血管的显影图像。
8.一种血管显影装置，其特征在于，包括: 扫描单元，用于扫描待检测血管所在区域得到平扫图像和增强图像，依据所述平扫图像中骨骼区域对所述增强图像进行减影处理得到减影图像； 检测单元，用于在所述增强图像中检测所述待检测血管的血管区域； 融合单元，用于在所述减影图像中融合所述待检测血管的血管区域得到所述待检测血管的显影图像。
9.根据权利要求8所述的装置，其特征在于，所述检测单元，包括: 估计子单元，用于在所述增强图像中根据血管灰度分布情况估计待检测血管的血管路径; 确定子单元，用于利用灰度平滑度大小关系确定所述血管路径中每一个位置点的血管半径； 分割子单元，用于按照所述血管半径和血管路径分割所述增强图像得到待检测血管的血管区域。
10.根据权利要求9所述的装置，其特征在于，所述估计子单元，包括: 第一匹配模块，用于将所述增强图像与所述待检测血管穿越的骨骼区域模型匹配，确定在所述增强图像中骨骼的位置； 第二匹配模块，用于依据骨骼的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管的起止位置； 第一选择模块，用于计算所述增强图像中各位置与所述待检测血管的起止位置之间的灰度相似度，选择灰度相似度差异最小的位置点组成起止位置间的一条血管路径。
11.根据权利要求9所述的装置，其特征在于，所述确定子单元，包括: 第一计算模块，用于计算所述血管路径上各位置点的不同尺度半径范围内的灰度平滑度； 第二选择模块，用于选择满足平滑度阈值条件的最大半径作为该路径位置点处的血管半径。
12.根据权利要求10所述的装置，其特征在于，所述第二匹配模块，包括: 建立子模块，用于预先建立至少一种尺度下的血管截面灰度分布模板； 匹配子模块，用于依据所述待检测骨骼的位置估计待检测血管所在的感兴趣区域，在所述感兴趣区域内逐层与所述血管截面灰度分布模板进行匹配得到待检测血管所在的感兴趣区域中的潜在位直； 选择子模块，用于采用聚类算法对所述待检测血管所在的感兴趣区域的潜在位置进行定位分类，根据待检测血管与所处骨骼的位置起止关系选择最大类的定位点作为待检测血管的起止位置。
13.根据权利要求10所述的装置，其特征在于，若待检测血管为头颈部的血管时， 所述第二匹配模块，具体包括:建立子模块，用于预先建立至少一种尺度下的血管截面灰度分布模板； 匹配子模块，用于依据颅骨的位置估计待检测血管所在的感兴趣区域，将所述感兴趣区域的增强图像逐层与血管截面灰度分布模板匹配确定待检测血管在感兴趣区域的终止潜在位置； 检测子模块，用于依据颅骨的位置估计颈部的位置，利用边缘检测算法和圆形检测算子对所述颈部位置的增强图像逐层检测得到待检测血管在感兴趣区域的起始潜在位置；选择子模块，用于采用聚类算法对所述起始潜在位置和终止潜在位置分别进行定位分类，分别选择最大类的定位点作为待检测血管的起止位置。
14.根据权利要求8至13中任一项所述的装置，其特征在于，还包括: 绘制单元，用于利用 三维体绘制显示所述待检测血管的显影图像。
【文档编号】A61B5/055GK103876764SQ201310594580
【公开日】2014年6月25日 申请日期:2013年11月21日 优先权日:2013年11月21日
【发明者】赵建, 张博闻 申请人:沈阳东软医疗系统有限公司