专利名称：一种从造影图像中全自动跟踪提取血管的方法
技术领域：
本发明涉及ー种血管造影图像中血管分割的方法，尤其是ー种全自动的血管分割的方法，属于医学影像处理领域。
背景技术：
随着人类生活水平的提高，心脑血管疾病已成为影响人类健康的头号死因，据世界卫生组织最近进行的人类“十大死因”调查显示毎年全世界心脑血管疾病死亡人数已占所有死亡人数的23. 6%。因此，对心脑血管疾病的早期定量诊断和风险评估对延长人类预期寿命、提高人类的生活质量起着非常关键的作用。血管造影是通过造影剂显示血管的ー种方法。在临床的诊疗中，医生往往需要根据患者的血管造影图像进行分析判断。而如何根据造影图像进行血管疾病的诊断，则需要 精确地从图像中分割出血管的结构，包括血管的中心线、分叉点与直径的提取。不仅如此，从造影图像中分割出血管对于血管三维重建、拓扑结构分析、可视化渲染以及血管功能分析都有重要的研究意义。由于血管在造影图像中呈树形结构，且灰度分布有其一定規律，因此若能综合考虑造影图像中血管相对于其他组织结构的特征用于设计血管分割方法将能大大提高血管的分割效果。在理想的条件下，造影图像中的血管有许多特征。如，血管拥有连续、高亮的中心线；血管拥有两条平行边界；血管的宽度与亮度为连续均匀变化的；因此，在图像映射到更高一维的灰度超曲面时，血管中心线表现为由一系列脊点构成的脊线。在灰度超曲面上提取脊线则相当于血管的中心线。其中，脊点是图像亮度在某一方向上的局部极值，在血管图像中表现为垂直血管走向方向上的灰度极值。因此，可以考虑利用血管中心线的脊线特征用于提取血管的中心线结构，再利用提取的中心线信息获得血管的其他參数信息(如分叉点、直径和方向矢量等)。但是目前的基于脊点的血管分割算法存在几个方面的问题I.传统的血管分割算法或多或少需要手动交互，用于设置算法的初始条件。造成了分割结果易受人为因素干扰，且不能复现。2.在使用跟踪提取血管的过程中，常涉及种子点的设置。一般情况下需要手工在血管中心线上标出，在需要大量种子点时，费事费力，且标注结果精度不高。3.由于在实际中能够获取的脊点与真实脊点之间存在误差，在利用Hessian矩阵描述中心线上的脊点脊点时，误差经过二次放大后，Hessian矩阵的特征向量已经不能正确描述脊点的跟踪方向。若利用尺度空间进行改进，则会引入大量的卷积计算而影像算法执行效果。
发明内容
从医学影像中分割出血管的结构对于血管疾病的研究与诊疗具有重要的意义。在造影图像中，血管树是人体三位血管结构经X射线后的缺失空间信息的表现形式，并不能清楚地表达血管的空间结构。因而，精确的血管提取对于临床需求尤为重要。传统的血管提取方法不仅需要大量的人为介入操作，而且涉及算法计算量大。本发明提出了ー种全自动的血管分割方法，无需人工干预即可准确地提取出血管的拓扑结构，可被运用于临床心血管疾病的诊疗过程中。本发明主要包括高斯多尺度血管图像增强、多阶微分血管中心线跟踪、邻域空间血管分叉点检测与梯度范数判别血管直径測量四个部分。高斯多尺度血管图像增强部分实现了造影图像中管状部分区域的增强，突出血管脊线的特征，减弱了背景中非管状目标的干扰。多阶微分血管中心线跟踪部分实现了造影图像中血管中心线的跟踪提取，过程包括亮度局部极大值点与跟踪初始点(种子点)的检测，跟踪初始方向的计算，中心线的跟踪与伪血管中心线的剔除。邻域空间血管分叉点检测部分基于提取的离散中心线脊点，对邻域脊点集基数进行分析，实现了造影图像上血管分叉点的检测。梯度范数判别血管直径測量部分基于提取的血管中心线，通过图像梯度范数ー阶与ニ阶导数构造直径判别函数计算出中心线到血管边界的距离，从而实现了造影图像上血
管直径的測量。本血管自动提取的方法的优点在于I.血管提取全过程完全自动化，不需要手动交互，排除了人为干扰因素；2.在血管中心线的跟踪过程中，能自动获取大量位于血管中心线上的种子点，为中心线的自动跟踪提供了初始条件；提出的脊点跟踪方向相对于利用Hessian矩阵的特征向量定义的脊点跟踪方向，鲁棒性更强；在跟踪结果中，能自动合并真实的血管中心线，自动剔除伪血管中心线，保留了真实的血管中心线；3.基于提取的血管中心线能自动检测出造影图像上血管分叉点的坐标，同时又计算出中心线上每个脊点对应的直径长度。
图I是本发明所提出的工作流程图；图2是本发明所提出的种子点提取示意图；图3是本发明所提出的初始跟踪方向示意图；图4是本发明所提出的中心线跟踪示意图。图5是本发明所提出的血管分叉点检测示意图。图6是本发明所提出的血管直径測量示意图。
具体实施例方式关于本发明的优点与精神可以通过以下的发明详述及附图得到进ー步的了解。步骤S101，读取血管造影图像数据，数据可以是DICOM序列切片图像，也可以是单
幅ニ维造影图像。步骤S102，对造影图像在多尺度空间进行增强，其中对应尺度s下的增强函数为
权利要求
1.一种从造影图像中全自动跟踪提取血管的方法，由四个关键模块构成，其中包括 (1)高斯多尺度血管图像增强模块在高斯线性尺度空间对原始图像进行增强，使得图像内管状区域内脊性特征突出； (2)多阶微分血管中心线跟踪模块在图像的亮度空间中，检测局部极值点，利用图像一阶与二阶微分算子自动寻找到血管中心线上的种子点，根据亮度分布自动跟踪提取出血管的中心线，最终根据中心线的连通性剔除伪血管中心线，保留真实血管中心线； (3)邻域空间血管分叉点检测模块对血管中心线上的离散点进行局部邻域空间分析，筛选出邻域集合中基数大于3的脊点作为血管分叉点； (4)梯度范数判别血管直径测量模块基于图像梯度范数在方向正交于血管跟踪方向上的一阶导数与二阶导数构造的直径判别函数求得血管中心线到血管边界的距离，测量出血管各处直径的大小。
2.如权利要求I所述的全自动血管提取方法，其中高斯多尺度血管图像增强模块，可以实现造影图像中血管区域的增强，突出血管脊线特征。
3.如权利要求I所述的全自动血管提取方法，其中多阶微分血管中心线跟踪模块，可以实现在造影图像中自动获取大量位于血管中心线上的种子点，并从种子点出发沿中心线跟踪提取出血管中心线，剔除伪血管中心线，保留真实血管中心线。
4.如权利要求I所述的全自动血管提取方法，其中邻域空间血管分叉点检测模块，可以实现造影图像中血管分叉点的自动提取。
5.如权利要求I所述的全自动血管提取方法，其中梯度范数判别血管直径测量模块，可以实现造影图像中任意位置血管对应直径长度的自动测量。
全文摘要
从医学影像中分割出血管的结构对于血管疾病的研究与诊疗具有重要的意义。传统的血管提取方法不仅需要大量的人为介入操作，而且涉及算法计算量大。本发明提供了一种在血管造影图像中自动跟踪提取血管结构的方法，在对图像中血管进行多尺度脊线增强的基础上，自动检测出大量位于血管中心线上的种子点，并计算出它们的初始跟踪方向。通过跟踪提取血管中心线上脊点的方法获得候选中心线集，并剔除伪血管中心线。最后，对中心线上的离散点进行分析，判断出哪些点为血管分叉点，同时又计算出血管中心线上脊点对应的血管直径长度。本算法运行速度快，无需人工干预即可准确地提取出血管的拓扑结构，可被运用于临床心血管疾病的诊疗过程中。
文档编号G06T7/00GK102819823SQ201210009159
公开日2012年12月12日 申请日期2012年1月12日 优先权日2012年1月12日
发明者杨健, 肖若秀, 刘越, 王涌天 申请人:北京理工大学