且只要数据分布满足有限二阶矩，则K主曲线始终存在； 其次，以最短的第一主成分直线作为初始曲线fi，n，然后迭代算法，每次迭代时都在前 次获得的曲线44"线上增加一个新的顶点，以增加曲线的段数；在加入新顶点后，以前的 顶点位置在内循环加以更新，使得惩罚距离函数最小化，从而形成新的曲线f lv算法在k 超过阈值时停止；内循环由投影步和最优化步组成； 最后，在投影步中，数据点按照其投影的顶点或线段被分成不同区域；在最优化步， 通过最小均方距离来确定每个顶点新的位置，其中均方距离函数受局部曲率惩罚；投影步 与最优化步两个步骤反复执行直到收敛，曲线生成，最终得到冠状动脉树中心线即血管骨 架； 所述步骤7识别冠状动脉树左或右优势类型和追踪标记血管16节段的方法如下： 首先，基于步骤3已标记的各血管片段和步骤5中所计算的血管方向，依据SYNTAX评 分中冠脉16节段法，对已标号的" 1"像素连通区域进行扫描；对肝位的冠脉造影图像从直 径值最大的右冠血管片段端点的像素坐标开始扫描，对步骤4中判断为同一支的血管，从 血管片段端点沿中心线方向进行追踪，对已标号的连通区域根据SYNTAX评分中冠脉16节 段编号进行顺序标号，判断冠脉树是否具有后降支和后侧支，包括：4.右冠-后降支，16.右 冠-后降支，16a.右冠-后侧支第一分支，16b.右冠-后侧支第二分支，和16c.右冠-后 侧支第三分支，若具有，则为右优势型冠脉树；否则，则为左优势型冠脉树；对右前斜位的 冠脉造影图像进行如上方法追踪，判断冠脉树是否具有15.回旋支-后降支，若具有，则为 左优势型冠脉树；否则，则为右优势型冠脉树； 所述步骤8识别血管病变的方法如下： 在SYNTAX冠状动脉评分体系中，对血管狭窄、完全闭塞、三叉病变、分叉病变、开口病 变、严重扭曲、血管病变长度、钙化、血栓、弥漫病变等血管病变进行评分； 第一，判断血管狭窄程度并进行评分；根据步骤4获得的直径多I. 5mm的血管宽度衰 减函数来判断血管是否狭窄；若某一位置血管片段横截面宽度由多1.5mm突然衰减至0,即 多I. 5mm的血管片段横截面沿中心线方向的下一个相邻的血管横截面为0,则判定该像素 位置的血管为完全闭塞，标记该位置，同时设置弹窗询问其完全闭塞时间是否大于3个月， 并进行打分；若某一位置血管片段横截面宽度沿该血管方向的相邻血管横截面宽度衰减率 多50%，即判定该像素位置的血管为狭窄，标记该位置，并进行打分； 第二，识别分叉病变包括三分叉病变和双分叉病变，并进行评分；三分叉病变的判定 包括3步：第1步，已知步骤4所得血管片段的端点像素坐标，判定是否同时有3个直径 多I. 5mm血管片段端点的像素位置在同一个步骤4中所设计的基于Gabor滤波器的半径为 阈值的圆内，其中包括一根主干血管片段和2根边支血管片段，并且判断3根血管片段的端 点方向两两所成角度是否小于70° ;第2步，若有符合上述要求的三个血管片段的端点在 同一个半径为阈值的圆内，则继续判断其血管边支节段编号是否为下述边支：3/4/16/16a、 5/6/ll/12、ll/12a/12b/13、6/7/9/9a和7/8/10/10a ;第3步，若边支血管符合上述节段编 号，则继续判定已标记的血管狭窄位置是否在上述半径阈值的圆内，如果存在，统计其狭窄 数量如果相邻病变间距〈3个参考直径，则作为一个病变计分，否则认为是两个病变，并综 合第1、2步进行评分； 双分叉的病变包括3步：第1步，已知步骤4所得血管片段的端点像素坐标，判定是否 同时有2个直径彡I. 5mm血管片段端点的像素位置在同一个步骤4中所设计的基于Gabor 滤波器的半径为阈值圆内，其中包括一根主干血管片段和1根边支血管片段，并且判断2 根血管片段的端点方向所呈角度是否小于70° ;第2步，若有符合上述要求的2个血管片 段在同一个半径为阈值的圆内，则继续判断其血管边支节段编号是否为下述边支：5/6/11、 6/7/9、7/8/10、ll/13/12a、13/14/14a、3/4/16 和 13/14/15 ;第 3 步，若边支血管符合上述 节段编号，则继续判定已标记的血管狭窄位置是否在上述半径阈值的圆内，如果存在，统计 其狭窄数量（如果相邻病变间距〈3个参考直径，则作为一个病变计分，否则认为是两个病 变），并综合第1、2步进行评分； 第三，识别开口病变，并进行评分；分别对肝位冠脉造影的第1节段和右前斜位冠脉造 影的第5、6、11节段的血管片段的近端，即片段端点所在横截面至沿中心线方向3_处像素 点所在的横截面之间，是否存在50%以上的血管狭窄；如果第1和第5节段存在，则为冠脉 的主动脉开口病变；如果第6和第11节段存在，则为回旋支双开口病变；并且，根据SYNTAX 评分标准对其进行评分； 第四，识别血管扭曲，并进行评分；首先，基于步骤5中提取的血管中心线，对每个标号 的血管片段的中心线上的像素点，通过该点前后两点间距离与该点到整个连线距离比作为 近似曲率，提取中心线上所有像素点的曲率；其次，通过计算出轮廓上每一点的曲率，进而 分别在每个血管片段中找出各自的局部最大值点，并将其作为特征点；最后，如果某段血管 存在1或多个多90°的特征点或者3个或更多45-90°的特征点，则该片段存在血管扭曲， 并进彳T评分； 第五，识别血管钙化点，并进行评分；首先，对肝位和右前斜位两张处理后的造影二值 图像中已标记的血管片段像素位置分别对应到原始灰度图像中，并标记为相同的标号；其 次，采用分段拉伸函数，设原始图像总灰度级数为M，而其中大部分的灰度分布在[a，b]区 间，只有少部分的灰度在此区间外，则可以在[a，b]区间内做线性变换如下
其中，g(x，y)为变换后的灰度值，[d，c]为对[a，b]段灰度进行拉伸之后的灰度值；根 据冠状动脉造影的平均灰度直方图可得冠状动脉部分的灰度变化范围，其余为背景部分， 灰度值为〇,对原始图像进行灰度拉伸，然后采用Otsu法分割，可得到钙化点；最后，如果在 该血管片段区域存在除钙化点外均为背景，则可判定该血管片段已发生钙化，并对应到分 割后的二值图像中，根据钙化位置进行评分； 第六，识别大于20mm的长病变，并进行评分；判断某血管片段中是否存在横截面宽度 衰减多50 %的狭窄，且该狭窄沿其中心线方向长度多20mm，若存在，则为多20mm的长病变， 根据SYNTAX评分标准进行评分； 第七，识别小血管病变，并进行评分；首先，判断各血管片段中是否存在横截面宽度介 于I. 5mm和2mm的片段区域；其次，如果存在该区域，判断该区域内的中心线像素和在整个 血管片段长中心线像素和的占比是否多75%，如果是，则其发生了小血管病变；最后，根据 SYNTAX评分标准进行评分； 所述步骤9, SYNTAX自动评分的方法如下： 将步骤8中对血管狭窄、完全闭塞、三叉病变、分叉病变、开口病变、严重扭曲、血管病 变长度、钙化、血栓、弥漫病变等血管病变特征每项的评分结果，根据SYNTAX评分标准中冠 脉树各节段所占的权重因数和病变程度自动叠加或相乘，最终给出SYNTAX评分结果，从而 辅助医生确定最优的手术方式。 表1为所述SYNTAX评分标准的冠脉16节段各节段的权重因数
【专利摘要】基于冠状动脉造影图像分割的SYNTAX自动评分方法，所述方法依据患者冠状动脉造影图像，采用血管边支分离和再连接及K主曲线的方法，分割和提取冠状动脉血管树和中心线，生成冠状动脉血管树二值图像；基于SYNTAX评分标准，采用沿中心线方向的追踪方法，自动匹配血管节段编号，选择冠脉左(右)优势类型，结合血管横截面宽度衰减程度和中心线曲率变化，识别和评分冠脉病变不良特征，并计算上述评分，给出合理评分结果，辅助医生确定最优的手术方式。本发明规避了临床上现有的人工计算SYNTAX评分的计算量大、计算步骤繁琐、评分标准复杂、计算时间长等问题。
【IPC分类】G06T7-00
【公开号】CN104867147
【申请号】CN201510262450
【发明人】刘有军, 赵夕, 杨阳, 张慧霞
【申请人】北京工业大学
【公开日】2015年8月26日
【申请日】2015年5月21日