图像显示方法、装置、计算机设备和存储介质与流程

本发明涉及医学图像显示技术领域，尤其涉及一种图像显示方法、装置、计算机设备和存储介质。

背景技术：

医学图像三维重建方法及其可视化技术是将医学图像数据转换为图形或图像在屏幕上显示出来，该技术是当前医学图像处理领域的研究热点，对临床医学有着重大的意义和应用价值。

目前，常用的医学图像三维重建方法有多种，如多层面重建、最大密度投影、表面阴影遮盖和容积漫游等技术。其中，多层面重建与最大密度投影技术均是将医学图像数据从三维立体数据投影到二维平面上，得到二维图像，利用二维图像综合显示三维立体数据的信息；表面阴影遮盖技术可以呈现所有表面体素的立体图形，该方法能够得到较为逼真的三维效果；容积漫游技术可以通过伪彩色显示出器官的形态与位置信息。

但是，利用上述的医学图像三维重建方法对血管等诊疗器官进行显示时，均不能反映hu(hounsfiedunit,hu)值信息，不利于医生对诊疗器官进行诊断。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够有效反映hu值信息的图像显示方法、装置、计算机设备和存储介质。

一种图像显示方法，所述方法包括：

根据医学图像数据确定血管结构的第一特性信息；

根据所述第一特性信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；

根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；

根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

在其中一个实施例中，所述根据所述第一特性信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：

根据所述第一特性信息和所述血管中心线，确定所述血管中心线上各点对应的横截面的第三特征信息；

根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；所述映射关系包括横截面的第三特征信息与边缘点的第二特征信息之间的转换关系。

在其中一个实施例中，所述根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：

对所述血管中心线上各点对应的横截面进行骨架化处理，得到各所述横截面的截面中心线；

根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息。

在其中一个实施例中，所述根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：

确定各所述横截面的每个边缘点到对应的截面中心线的最短距离；

根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息。

在其中一个实施例中，所述根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息，包括：根据所述最短距离对所述第三特征信息进行积分求平均处理，确定各所述横截面的每个边缘点的第二特征信息。

在其中一个实施例中，所述根据医学图像数据确定血管结构的第一特征信息，包括：

采用图像分割技术对所述医学图像数据进行处理，得到血管图像数据；

采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息。

在其中一个实施例中，所述采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息之后，所述方法还包括：对所述血管图像数据进行骨架化处理，得到所述血管中心线。

一种图像显示装置，所述装置包括：

第一确定模块，用于根据医学图像数据确定血管结构的第一特征信息；

第二确定模块，用于根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；

第三确定模块，用于根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；

显示模块，用于根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据医学图像数据确定第一特征信息；

根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；

根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；

根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

根据医学图像数据确定血管结构的第一特征信息；

根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；

根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；

根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

本申请实施例提供的图像显示方法、装置、计算机设备和存储介质。根据医学图像数据确定血管结构的第一特征信息；根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。由于在本申请中，第二特征信息是根据第一特征信息和血管中心线确定的，因此，第二特征信息可以反映第一特征信息的变化情况。又因为第二特征信息对应的色彩信息可以显示在血管结构的图像中，所以，利用本方案的图像显示方法可以在血管结构的图像上反映第二特征信息。医生在诊疗过程中，通过观察血管结构图像中第二特征信息的色彩变化情况，就可以对诊疗对象的血管疾病作出快速的诊断，提高诊疗效率。

附图说明

图1为一个实施例中计算机设备的内部结构图；

图2为一个实施例提供的一种图像显示方法的流程图；

图2a为一段血管结构的几何形状示意图；

图3为图2中的s102的一种可能的实现方式的流程图；

图3a为另一段血管结构的几何形状示意图；

图4为图3中的s202的一种可能的实现方式的流程图；

图4a为一种血管结构的圆形横截面示意图；

图4b为一种血管结构的椭圆形横截面示意图；

图4c为一种血管结构的不规则形横截面示意图；

图5为图4中的s302的一种可能的实现方式的流程图；

图5a为另一种血管结构的不规则形横截面示意图；

图6为图2中的s101的一种可能的实现方式的流程图；

图7为一个实施例提供的图像显示装置的结构示意图；

图8为另一个实施例提供的图像显示装置的结构示意图；

图9为另一个实施例提供的图像显示装置的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的一种图像显示方法可适用于如图1所示的计算机设备中。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像显示方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。利用传统的图像显示方法对血管等诊疗器官进行显示时，在图像上不能反映hu值信息，不利于医生对诊疗器官进行诊断。

本发明实施例提供一种图像显示方法，旨在解决现有技术的不能反映hu值信息问题。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。

图2为一个实施例提供的一种图像显示方法的流程图。本实施例涉及的是对血管结构进行诊疗时，在血管结构的显示图像中通过色彩信息反映hu值信息的过程。该方法的执行主体为图1中的计算机设备，如图2所示，该方法包括以下步骤：

s101、根据医学图像数据确定血管结构的第一特征信息。

其中，医学图像数据是以数字影像和通信(digitalimagingandcommunicationsinmedicine，dicom)文件格式的形式存储在图1的计算机设备中。所述dicom文件格式中保存着诊疗对象的诊疗信息，比如：诊疗对象姓名、性别、年龄，还有一些医疗图像的数据，医生可以根据该医学图像数据作出诊断。血管结构可以包括动脉血管结构、静脉血管结构或毛细血管结构等。第一特征信息是医生对诊疗对象的血管结构进行诊疗时，医疗成像设备对血管结构进行成像，计算机设备对成像数据进行分析得到的用于表示诊疗对象的血管结构病变程度的信息。可选地，该第一特征信息可以为hu值，所述hu值是测定人体某一局部组织或器官密度大小的一种计量单位,通常称亨氏单位(hounsfieldunit,hu)。医生根据血管结构的图像进行诊疗时，沿血管结构hu值的变化情况可以直接反映该血管钙化的严重程度。hu值越高，血管钙化程度越严重。

在本实施例中，计算机设备可以对医学图像数据进行分析，得到血管结构和血管结构对应的第一特征信息。例如，若医学图像数据主要反映冠脉情况，则计算机设备对dicom文件中的数据进行分析，可以得到冠脉结构和冠脉结构上的每个点对应的hu值信息。

s102、根据第一特征信息和血管结构的血管中心线，确定血管中心线上各点对应的横截面上各边缘点的第二特征信息。

其中，血管中心线为血管结构各横截面的几何中心点连成的线段。如图2a所示，图2a为一段血管结构的几何形状示意图，图中线段ab为该血管结构的血管中心线。计算机设备可以根据预设的提取血管中心线技术提取该血管结构的血管中心线，在常用的血管诊疗技术中，提取血管中心线技术是一种对血管图像进行量化分析的一种方法。例如，可以采用骨架化技术提取血管结构的血管中心线。横截面是血管结构与血管中心线的垂直相交截面，血管结构可以包括多个横截面，且血管中心线上的各点与血管结构的各横截面一一对应。

在本实施例中，计算机设备根据上述s101的方法得到第一特征信息，利用血管中心线提取技术得到该血管结构的血管中心线，根据所述第一特征信息和所述血管中心线，可以得到血管中心线上各点对应的横截面上各边缘点的第二特征信息。例如，若第一特征信息为hu值信息，可以根据血管结构的hu值信息得到血管中心线上的各点对应的横截面上各边缘点的hu信息，则该第二特征信息是血管结构各横截面上各边缘点的hu值。由于可以得到血管结构各横截面上各边缘点上的hu信息，因此可以获得血管结构的表面的hu值信息的分布情况。

s103、根据特征信息与色彩模型之间的对应关系，确定各第二特征信息对应的色彩信息。

其中，色彩模型是用一组数值来描述颜色的数学模型，通常有rgb模型、hsv模型、hsi模型、cmyk模型等多种色彩模型，本实施例可以根据实际要求选择相应色彩模型来显示图像，本实施例对此不做限制。色彩信息是根据色彩模型确定的单一颜色，比如深蓝色、蓝色、红色、深红色等颜色。特征信息与色彩信息一一对应，可以预先建立特征信息与色彩模型之间的对应关系，比如，当特征信息为hu值时，可以是颜色越深，表示hu值越大，或者，采用不同的颜色表示不同的hu值。具体的hu值与颜色的对应关系可以根据实际要求由用户自定义，也可以按照常规对应规则定义。再例如，若选择rgb模型作为本发明中的色彩模型，则hu值从小到大的变化时，对应图像显示的颜色可以由蓝到红渐变，比如，若hu值为-1024，则对应的颜色为深蓝色；若hu值为1024，则对应的颜色为深红色。

s104、根据各第二特征信息对应的色彩信息，显示血管结构的图像。

其中，血管结构的图像是计算机设备根据医疗成像设备对诊疗对象的血管进行图像数据采集，进而再对该图像数据进行处理后得到的图像，该图像可以是带色彩的二维图片或三维立体图像。

本实施例中，根据各第二特征信息对应的色彩信息，显示血管结构的图像。该过程是将第二特征信息用颜色进行标识，在血管结构的图像中显示出来，以便医生能够直接从血管结构的图像中观察到第二特征信息。比如若一段血管结构的图像显示的颜色为深蓝色时，则代表该血管结构的hu值很低；可选的，若图像显示的颜色为深红色时，则代表该血管结构的hu值很高，该图像可以通过不同的色彩来显示血管结构的特征信息，使得医疗人员可以直观的看到血管的病变程度

利用传统的图像显示方法对血管结构进行显示时，在图像上不能反映hu值信息，不利于医生对血管疾病的诊断。本申请实施例中，根据医学图像数据确定血管结构的第一特征信息；根据第一特征信息和血管结构的血管中心线，确定血管中心线上各点对应的横截面上各边缘点的第二特征信息；根据特征信息与色彩模型之间的对应关系，确定各第二特征信息对应的色彩信息；根据各第二特征信息对应的色彩信息，显示血管结构的图像。由于在本实施例中，第二特征信息是根据第一特征信息和血管中心线确定的，因此，第二特征信息可以反映第一特征信息的变化情况。又因为第二特征信息对应的色彩信息可以显示在血管结构的图像中，所以，利用本方案的图像显示方法可以在血管结构的图像上反映第二特征信息，医生在诊疗过程中，通过观察血管结构图像中第二特征信息的色彩变化情况，就可以对诊疗对象的血管疾病作出快速的诊断，提高诊疗效率。

图3为图2中的s102的一种可能的实现方式的流程图，本实施例涉及的是第二特征信息的具体获取过程，如图3所示，s102“根据血管结构的第一特征信息和血管结构的血管中心线，确定血管中心线上各点对应的横截面上各边缘点的第二特征信息”包括：

s201、根据第一特征信息和血管中心线，确定血管中心线上各点对应的横截面的第三特征信息。

其中，血管中心线上各点对应的横截面为血管结构与血管中心线的垂直相交截面。例如，图3a为另一段血管结构的几何形状示意图，如图3a所示，可以根据第一特征信息和血管结构1的血管中心线2，确定血管中心线2的上o点所在横截面的第三特征信息。

s202、根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；所述映射关系包括横截面的第三特征信息与边缘点的第二特征信息之间的转换关系。

其中，预设的映射关系可以是将横截面的第三特征信息转换成横截面上各边缘点的第二特征信息的一种计算方法。该计算方法可以采用加权平均、均方根误差或积分求平均等常用的数值计算方法。

本实施例提供的图像显示方法，根据第一特征信息和血管中心线，确定血管中心线上各点对应的横截面的第三特征信息，根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，由于映射关系包括横截面的第三特征信息与边缘点的第二特征信息之间的转换关系，可以精确的计算出各边缘点的第二特征信息，也即，可以精确得到血管结构表面的特征信息的分布，保证的图像显示的准确性。可选的，如图4所示，s202“根据预设的映射关系和所述第三特征信息，确定血管中心线上各点对应的横截面上各边缘点的第二特征信息”包括：

s301、对血管中心线上各点对应的横截面进行骨架化处理，得到各横截面的截面中心线。

其中，骨架化是一种对组织器官结构进行中心线提取的技术。本实施例中，利用骨架化处理方法得到血管中心线上各点对应的横截面的截面中心线。因为该横截面的几何形状是根据血管结构的形状确定的，因此，该横截面可以有多种几何形状，比如圆形，椭圆形和不规则形等几何形状。而横截面的截面中心线的形式与该横截面的几何形状相关。例如，图4a为一种血管结构的圆形横截面示意图，从图中可以看出，该圆形横截面10的截面中心线11为一个点；图4b为一种血管结构的椭圆形横截面示意图，从图中可以看出，该椭圆形横截面20的截面中心线21为一条线段ab；图4c为一种血管结构的不规则形横截面示意图，从图中可以看出，该不规则形横截面30的截面中心线31为一条曲线段cd。

s302、根据映射关系、第三特征信息和各横截面的截面中心线，确定血管中心线上各点对应的横截面上各边缘点的第二特征信息。

其中，第三特征信息分布在所述横截面上，为横截面上的每个点对应的特征信息，第二特征信息分布在横截面上的各边缘点上。例如，分布在血管结构的第三特征信息为各横截面上各点的hu值，分布在血管结构的各横截面上的各边缘点的第二特征信息可以为各边缘点的hu值。第二特征信息与第三特征信息之间存在映射关系，计算机设备可以采用该映射关系，将横截面上每个点的第三特征信息映射到各边缘点的第二特征信息，也即，采用各边缘点的第二特征信息就可以表示整个横截面的第三特征信息。

进一步地，如图5所示，图5为图4中的s302的一种可能的实现方式的流程图。s302“根据映射关系、第三特征信息和各横截面的截面中心线，确定血管中心线上各点对应的横截面上各边缘点的第二特征信息”，包括：

s401、确定各横截面的每个边缘点到对应的截面中心线的最短距离。

其中，最短距离是截面中心线上各点到横截面的边缘各点之间的最短直线距离。例如，图5a为另一种血管结构的不规则形横截面示意图，从图中可以看出，该不规则形横截面40的截面中心线41上的点g到该不规则形横截面40边缘上的点h之间的距离gh为最短距离。

s402、根据第三特征信息和最短距离，确定各横截面的每个边缘点的第二特征信息。

在本实施例中，计算机设备可以采用预设的算法，根据第三特征信息和最短距离，确定各横截面的每个边缘点的第二特征信息，例如，采用积分求平均方法计算各横截面的每个边缘点的第二特征信息，或者，采用加权平均法计算各横截面的每个边缘点的第二特征信息等。

进一步地，s402“根据第三特征信息和最短距离，确定各横截面的每个边缘点的第二特征信息”，包括：根据最短距离对第三特征信息进行积分求平均处理，确定各横截面的每个边缘点的第二特征信息。

本实施例涉及的是获取第二特征信息的一种计算方法，即获取血管各横截面的每个边缘点的hu值，采用积分求平均的数值计算方法计算边缘点的hu值。示例性的，针对每个截面边缘的点，选取每个截面边缘的点到截面中心线的最短距离gh(如图5a所示)，沿着gh对hu值进行积分求平均，具体计算公式如下：

其中，center表示截面中心线上的点，outer表示截面边缘上的点。

在图2所示实施例的基础上，其中一个实施例涉及到获取第一特征信息的具体过程。图6为图2中的s101的一种可能的实现方式的流程图。如图6所示，s101“根据医学图像数据确定第一特征信息”包括：

s501、采用图像分割技术对医学图像数据进行处理，得到血管图像数据。

其中，图像分割技术就是把图像分成若干个特定的、具有独特性质的区域，并提出感兴趣区域的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。本实施例对此方法不做限制。血管图像数据为感兴趣区域的数据，即表示血管结构的图像数据。

在本实施例中，采用图像分割技术对医学图像数据进行处理，将所述医学图像数据分成若干个数据区域，进而从若干个数据区域中提取出血管图像数据。例如，所述医学图像数据可以分成心脏图像数据、头骨图像数据、冠脉图像数据和血管图像数据等不同的组织器官图像数据。

s502、采用预设的乘法运算规则，对医学图像数据和血管图像数据进行处理，得到第一特征信息。

在本实施例中，医学图像数据可以包括血管图像数据和hu值信息，因此，采用预设的乘法运算规则，将医学图像数据和血管图像数据进行相乘运算处理，则可以得到第一特征信息，即具有hu值信息的血管结构。

在其中一个实施例中，在图2所示实施例的基础上，采用预设的乘法运算规则，对医学图像数据和血管图像数据进行处理，得到第一特征信息之后，所述方法还包括：对血管图像数据进行骨架化处理，得到血管中心线。

其中，血管图像数据是通过图像分割技术对医学图像数据进行处理后得到的，是血管结构的图像数据。骨架化处理是将血管结构简化生成一条线段的过程，是一种提取血管中心线的常用技术。

应该理解的是，虽然图2-图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

图7为一个实施例提供的图像显示装置的结构示意图，如图7所示，所述装置包括：第一确定模块50、第二确定模块51、第三确定模块52和显示模块53，其中：

第一确定模块50，用于根据医学图像数据确定血管结构的第一特征信息；第二确定模块51，用于根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息。

第三确定模块52，用于根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息。

显示模块53，用于根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

在其中一个实施例中，如图8所示，在图7所述的图像显示装置基础上，所述第二确定模块51包括：

第一确定单元511，用于根据所述第一特征信息和所述血管中心线，确定所述血管中心线上各点对应的横截面的第三特征信息。

第二确定单元512，用于根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；所述映射关系包括横截面的第三特征信息与边缘点的第二特征信息之间的转换关系。

在其中一个实施例中，如图9所示，在图8所述的图像显示装置基础上，所述第二确定单元512具体用于对所述血管中心线上各点对应的横截面进行骨架化处理，得到各所述横截面的截面中心线，并根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息。

在其中一个实施例中，所述第二确定单元512根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：所述第二确定单元512确定各所述横截面的每个边缘点到对应的截面中心线的最短距离；根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息。

在其中一个实施例中，所述第二确定单元512根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息，包括：所述第二确定单元512根据所述最短距离对所述第三特征信息进行积分求平均处理，确定各所述横截面的每个边缘点的第二特征信息。

在其中一个实施例中，如图9所示，在图7所述的图像显示装置基础上，所述第一确定模块50包括：

第二处理单元501，用于采用图像分割技术对所述医学图像数据进行处理，得到血管图像数据。

获取单元502，用于采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息。

在其中一个实施例中，所述获取单元502之后还包括：对所述血管图像数据进行骨架化处理，得到所述血管中心线。

关于图像显示装置的具体限定可以参见上文中对于图像显示方法的限定，在此不再赘述。上述图像显示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

根据医学图像数据确定血管结构的第一特征信息；

根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；

根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；

根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：根据所述第一特征信息和所述血管中心线，确定所述血管中心线上各点对应的横截面的第三特征信息；根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；所述映射关系包括横截面的第三特征信息与边缘点的第二特征信息之间的转换关系。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：对所述血管中心线上各点对应的横截面进行骨架化处理，得到各所述横截面的截面中心线；根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：确定各所述横截面的每个边缘点到对应的截面中心线的最短距离；根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息。

在一个实施例中，处理器执行计算机程序时还实现：所述根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息，包括：根据所述最短距离对所述第三特征信息进行积分求平均处理，确定各所述横截面的每个边缘点的第二特征信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述根据医学图像数据确定血管结构的第一特征信息，包括：采用图像分割技术对所述医学图像数据进行处理，得到血管图像数据；采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息。

在一个实施例中，处理器执行计算机程序时还实现：所述采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息之后，所述方法还包括：对所述血管图像数据进行骨架化处理，得到所述血管中心线。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时还实现以下步骤：

根据医学图像数据确定血管结构的第一特征信息；

根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；

根据特征信息与色彩模型之间的对应关系，确定各所述第二特征信息对应的色彩信息；

根据各所述第二特征信息对应的色彩信息，显示所述血管结构的图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据所述第一特征信息和所述血管结构的血管中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：根据所述第一特征信息和所述血管中心线，确定所述血管中心线上各点对应的横截面的第三特征信息；根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息；所述映射关系包括横截面的第三特征信息与边缘点的第二特征信息之间的转换关系。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据预设的映射关系和所述第三特征信息，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：对所述血管中心线上各点对应的横截面进行骨架化处理，得到各所述横截面的截面中心线；根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据所述映射关系、所述第三特征信息和各所述横截面的截面中心线，确定所述血管中心线上各点对应的横截面上各边缘点的第二特征信息，包括：确定各所述横截面的每个边缘点到对应的截面中心线的最短距离；根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息。

在一个实施例中，计算机程序被处理器执行时还实现：所述根据所述第三特征信息和所述最短距离，确定各所述横截面的每个边缘点的第二特征信息，包括：根据所述最短距离对所述第三特征信息进行积分求平均处理，确定各所述横截面的每个边缘点的第二特征信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据医学图像数据确定血管结构的第一特征信息，包括：采用图像分割技术对所述医学图像数据进行处理，得到血管图像数据；采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息。

在一个实施例中，计算机程序被处理器执行时还实现：所述采用预设的乘法运算规则，对所述医学图像数据和所述血管图像数据进行处理，得到所述第一特征信息之后，所述方法还包括：对所述血管图像数据进行骨架化处理，得到所述血管中心线。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双倍数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。