医学图像中提取血管中心线的方法及其装置与流程

本发明涉及医学图像处理领域，尤其是在医学图像中提取血管中心线的方法及其装置。
背景技术：
：磁共振血管成像是临床常用的一种血管诊断方法，在磁共振血管成像所得的医学图像中，血管部位相对于其它组织器官呈现更明或者更暗的灰度值。与计算机断层扫描图像区别在于，磁共振图像中的血管没有固定的阈值，且由于血液流动的影响，血管内部的亮度分布并不均匀，从而难以准确确定血管的范围，也因此难以准确提取磁共振图像中血管的中心线。现有血管中心线提取技术，大致有两类实现方式：第一种实现需要人工手动点击两点，以此为初始点，在两点间寻找一定测度下的最短路径，以此路径作为中心线，例如采用水平集方法先计算水平集的场，最后将两点之间用梯度下降等方法寻找一条最优路线作为中心线。这种方法的缺点是需要人工干预，尤其对于复杂的血管树系统来说，缓慢而麻烦，尤其是对于磁共振血管图像来说，由于血管内部灰度值分布不均匀，采用此种方法会导致血管中心线难以形成光滑的沿血管中心的一条线，而可能呈现弯曲的不规则状。第二类方法：首先分割出准确的目标区域，在此目标区域中寻找出一个中心点，由此点出发寻找到每个端点之间的中心线。这种方法的缺点是要求分割必须准确，否则将错误提取血管的中心线。技术实现要素：本发明所要解决的技术问题是提供一种医学图像中提取血管中心线及其装置，用以解决现有技术中因血管阈值的不确定性导致错误提取中心线的问题。本发明为解决上述技术问题，提供一种医学图像中提取血管中心线的方法，包括如下步骤：采集医学图像，并获取所述医学图像的掩膜图像；识别所述掩膜图像中至少一个目标区域；确定所述目标区域中至少两个端点，包括第一端点和第二端点；基于至少一个图像变换函数处理所述医学图像和/或所述掩膜图像，获取变换图像；根据所述变换图像，连接任一个目标区域中所述第一端点和第二端点之间的至少一条中心线路径，获取所述目标区域的中心线。进一步地，获取所述掩膜图像的方法包括：基于所述医学图像的特征，确定至少一个第一阈值；基于所述第一阈值分割所述医学图像，获取所述掩膜图像；进一步地，确定所述第一阈值的方法包括：统计所述医学图像的直方图，基于所述直方图的特征，确定所述第一阈值。进一步地，识别所述目标区域的方法包括如下任一种方法：根据掩膜图像中各连通域之间的对称性划分对称区域，选择所述对称区域内的最大连通域，即为所述目标区域。或者，计算所述掩膜图像中各连通域的尺寸，选择尺寸最大的连通域，即为所述目标区域。进一步地，确定所述目标区域中至少两个端点，包括：基于所述目标区域，选择起始点；沿着第一方向追踪所述目标区域，获取所述第一端点；沿着第二方向追踪所述目标区域，获取所述第二端点。进一步地，所述确定所述目标区域中至少两个端点，还包括：根据所述初始点，基于水平集算法，获取至少两个端点，包括所述第一端点和第二端点。进一步地，所述图像变换函数包括第一变换函数和第二变换函数。进一步地，所述获取变换图像包括如下步骤：根据第一图像变换函数，对所述医学图像和/或所述掩膜图像进行变换，获取第一变换图像；根据第二图像变换函数，对医学图像和/或所述掩膜图像进行变换，获取第二变换图像；对所述第一变换图像和所述第二变换图像进行权重组合，获取所述变换图像；或者，所述变换图像为所述第一图像或者所述第二图像进一步地，所述图像变换函数包括：所述第一图像变换函数为灰度变换函数，或者距离场变换函数，或者灰度变换函数和距离场变换函数的权重组合；所述第二图像变换函数为灰度变换函数，或者距离场变换函数，或者灰度变换函数和距离场变换函数的权重组合。进一步地，对所述掩膜图像进行膨胀操作。本发明为解决上述技术问题，还提供一种医学图像中提取血管中心线的装置，包括：存储单元，存储有采集的医学图像；显示单元，显示对应的医学图像，和/或对应的掩膜图像；输入单元，选取任一目标区域的起始点；图像处理单元，用于：采集医学图像，并获取所述医学图像的掩膜图像；识别所述掩膜图像中至少一个目标区域；确定所述目标区域中至少两个端点，包括第一端点和第二端点；基于至少一个图像变换函数处理所述医学图像和/或所述掩膜图像，获取变换图像；根据所述变换图像，连接任一个目标区域中所述第一端点和第二端点之间的至少一条中心线路径，获取所述目标区域的中心线。本发明对比现有技术：获取粗分割的掩膜图像，识别掩膜图像中至少一个目标区域，确定所述目标区域中至少两个端点；基于至少一个图像变换函数处理所述所述医学图像和/或所述掩膜图像，获取变换图像，根据所述变换图像提取中心线。通过本发明可以获取以下有益效果：无需精确分割掩膜图像，即可实现自动端点的选择；根据变换图像提取中心线，充分利用医学图像信息和掩膜信息，一方面可以在粗分割的掩膜图像中，中心线仍旧沿血管的走向，另一方面可弥补由于血管强度分布的不均匀造成中心线的不规则形状，从而有效提高提取中心线的准确性和效率。【附图说明】图1为本发明一个实施例的提取血管中心线的方法流程示意图；图2为本发明一个实施例的提取血管中心线的方法流程示意图；图3为本发明一个实施例中获取变换图像的方法流程示意图；图4a和4b为现有技术中提取血管中心线的结果示意图；图5为本发明一个实施例中提取血管中心线的结果示意图；图6为本发明一个实施例的提取血管中心线装置的结构示意图。【具体实施方式】下面结合附图和实施例对本发明作进一步的描述。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此，本发明不受下面公开的具体实施的限制。其次，本发明利用示意图进行详细描述，在详述本发明的具体实施例时，为便于说明，所述示意图只是适用于具体的实施例，应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作，因此其在此不应限制本发明保护的范围。为了解决现有技术中因血管阈值的不确定性导致错误提取血管中心线的问题，本发明提供一种医学图像中提取中心线的方法。图1为一个实施例的提取血管中心线的方法流程示意图，包括如下步骤：执行步骤S110：采集医学图像，并获取所述医学图像的掩膜图像。在一些实施例中，所述医学图像通过各类模态的成像系统扫描采集获得三维或二维图像，也可以通过诸如存储系影像归档和通信系统(PictureArchivingandCommunicationSystems，PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(PositronEmissionTomography，PET)等一种或多种的组合。所述掩膜图像的获取可以基于一种或多种算法，包括阈值法、区域生长法、基于能量函数的方法、水平集方法、区域分割和/或合并、边缘跟踪分割法、统计模式识别方法、均值聚类分割法、模型法、基于可变形模型的分割法、人工神经网络方法、最小路径分割法、跟踪法、基于规则的分割法、耦合表面分割法等，或者上述分割方法的任意组合。在一些实施例中，可以根据医学图像的特征，确定至少一个第一阈值。所述医学图像的特征可以为所述医学图像中的形态学特征，也可以是所述医学图像的概率分布特征，例如计算所述医学图像的直方图，然后根据阈值，选择满足阈值的像素点(或体素点)，进而通过阈值分割获取所述医学图像的掩膜图像。直方图的特征可以包括直方图的形状、面积、或分布等。在一些实施例中，在选择阈值过程中，可以对直方图进行拟合。根据不同的图像成像方式，直方图可以采用不同的拟合方法，或者直方图的拟合可以采用不同的模型。例如，直方图拟合模型可以包括高斯分布模型、韦伯分布模型、K分布模型、皮尔逊分布模型等，或者上述模型的任意组合。基于上述算法获取的掩膜图像可以为包含有目标区域和其它非目标区域的粗分割结果。进一步地，由于分割过程中可能导致获取的掩膜图像在目标区域产生各类噪声，例如空洞，可以通过膨胀操作处理所述掩膜图像以填实空洞，便于后续图像处理。执行步骤S120：识别所述掩膜图像中至少一个目标区域。所述识别方法可以基于所述目标区域的特征进行识别。例如在一些实施例中，根据掩膜图像中各连通域之间的对称性划分对称区域，选择所述对称区域内的最大连通域，即为所述目标区域。又例如，在一些实施例中，计算所述掩膜图像中各连通域的尺寸，选择尺寸最大的连通域，即为所述目标区域。其中，所述目标区域可以是血管组织与器官、机体、物体、机能障碍、肿瘤等一种或多种的组合。在一些实施例中，所述目标区域可以是血管组织与头部、胸腔、器官、骨骼、血管等一种或多种的组合。执行步骤S130：确定所述目标区域中至少两个端点，包括第一端点和第二端点。在一些实施例中，确定端点之前，首先基于所述目标区域选择起始点。起始点可以是位于所述目标区域内部的一个或多个像素点(或体素点)。在一些实施例中，起始点可以位于所述目标区域的中心或者靠近中心位置。在一些实施例中，起始点可以位于所述目标区域的边界，或者靠近所述目标区域的边界的位置。在一些实施例中，起始点还可以根据灰度值选取，例如，选取灰度值大于某一阈值的像素点(或体素点)为起始点。在另一些实施例中，起始点还可以根据灰度和位置的复合规则选取。所述起始点的确定可以基于医学图像、掩膜图像或识别目标区域的掩膜图像等，本发明对此不作具体限定。所述起始点的选取可以是全自动、半自动、或手动进行。接着，基于所述起始点确定至少两个端点。在一些实施例中，起始点可以为端点。在一些实施例中，端点的追踪可以由目标区域与其它目标区域的端点为起始点进行追踪。在一些实施例中，根据所述起始点，沿着第一方向追踪所述目标区域，获取所述第一端点；沿着第二方向追踪所述目标区域，获取所述第二端点。在另一些实施例中，还可以根据所述初始点，基于水平集算法，获取至少两个端点，包括所述第一端点和第二端点。执行步骤S140：基于至少一个图像变换函数处理所述医学图像和/或所述掩膜图像，获取变换图像。在一些实施例中，根据所述第一图像变换函数，对所述医学图像和/或所述掩膜图像进行变换，获取第一变换图像；根据所述第二图像变换函数，对医学图像和/或所述掩膜图像进行变换，获取第二变换图像；对所述第一变换图像和所述第二变换图像进行权重组合，获取所述变换图像。在一些实施例中，获取所述变换图像可以基于至少一种图像变换函数来实现。例如，傅里叶变换函数、小波变换函数、余弦变换函数、指数函数、基于灰度概率分布的变换函数、基于距离场的变换函数等，或者上述函数的任意组合。用于权重组合的图像可以是变换之前的图像、和/或变换之后的图像。例如，可以将变换的医学图像或掩膜图像和变换后的灰度变换图像进行组合。又如，可以将变换前的医学图像或掩膜图像和距离场变换图像进行组合。再如，可以将变换后的灰度图像和距离场图像进行组合。权重组合可以指两个或多个图像中相同像素点(或体素点)的数据的组合。需要说明的是，所述变换图像可以采用多种组合方式，例如，加、减、乘、或除运算、或它们的任意组合运算方法。例如，在一些实施例中，图像组合可以采用权重组合的方式。例如，给第一个图像赋予权重一，给第二个图像赋予权重二，然后将两个图像的数据进行带权重的加、减、乘、或除运算，或它们的任意组合运算。执行步骤S150：根据所述变换图像，连接任一个目标区域中所述第一端点和第二端点之间的至少一条中心线路径，获取所述目标区域的中心线。所述中心线可以根据显示需求，在所述医学图像，掩膜图像或者各种中间处理过程获取的图像上显示。连接可以采用一种或多种算法，例如，梯度下降法、阈值法、区域生长法、水平集方法、区域分割和/或合并、边缘跟踪分割法、统计模式识别方法、均值聚类分割法、手动标定法、拓扑细化法、距离变换法等，或者上述方法的任意组合，确认端点之间中心线上的像素点(或体素点)的集合。获取所述中心线可以是全自动、半自动、或手动进行的。综上所述，本实施例提供一种医学图像中提取中心线的方法，基于图像变换函数构造变换图像，根据所述变换图像提取中心线，充分利用医学图像信息和掩膜信息，从而提高了提取中心线的准确性和效率。为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合磁共振医学图像中提取血管中心线的一个实施例对本发明做详细的说明。图2为一个实施例中提取血管中心线的方法流程示意图，包括如下步骤：执行步骤S210～S220：采集医学图像；根据图像特征，确定至少一个第一阈值，分割所述医学图像。本实施例中，所述医学图像优选为磁共振图像，可以通过MR等模态呈现获取或者通过PACS系统等内、外部存储系统传输获取。本实施例中优选采用阈值分割的方法分割所述磁共振图像，所述阈值可以通过计算所述医学图像的直方图确定。该分割对所述医学图像中血管的粗提取，例如，所述分割结果可以包括一部分非血管数据的信息，有一部分血管数据可能被遗漏，血管的边界可以不必特别精确。又如，所述粗分割结果可以是包含血管区域的二值的化掩膜图像。需要说明的是，本实施例中，所述血管区域可以是动脉血管、静脉血管等部位的数据，或者上述数据的任意组合。动脉血管的数据可以是头动脉、颈动脉、胸动脉、腹动脉、腋动脉、肱动脉等数据，或者上述数据的任意组合。静脉血管的数据可以是头静脉、颈静脉、胸静脉、肺静脉等数据，或者上述数据的任意组合。在一些实施例中，血管数据还可以包括微动脉、微静脉、和/或毛细血管等。执行步骤S230：膨胀所述分割结果，获取掩膜图像。在一些实施例中，所述掩膜图像可以通过血管粗分割进行提取。在一些实施例中，所述掩膜图像也可以包括一部分非血管的图像，例如少量的表现非血管的组织或器官的轮廓的数据。又如，因磁共振图像中，血管内部的灰度值分布不均匀而存在诸如空洞等不规则噪音，可以通过膨胀操作处理所述掩膜图像以填实空洞，便于后续图像处理。基于掩膜图像的获取方法已于前一个实施例中详述，在此不再赘述。执行步骤S240：识别所述掩膜图像中至少一个血管区域。在一些实施例中，识别血管区域可以包括对特定血管的识别，例如，左(或右)颈总动脉、左(或右)颈内动脉、左(或右)椎动脉、腹主动脉等。在一些实例中，血管识别可以基于分割结果，例如基于掩膜图像识别血管区域，还可以基于医学图像识别血管区域。在一些实施例中，可以根据血管的特征进行血管数据的提取。血管特征可以包括血管的对称性、血管的尺寸(例如，面积、直径、半径等)、血管连通域的面积、血管的位置等中的一种或多种。例如，对于头颈部的血管(例如，左右颈总动脉、左右椎动脉等)具有对称性，可以根据对称性寻找具有最大连通域的血管，从而识别这四条血管。又如，对于腹部的血管，腹主动脉径向尺寸最粗，可以根据血管直径(或半径)寻找腹部医学图像或掩膜图像中具有最大直径的连通域，从而识别腹主动脉。执行步骤S250：选取血管区域中的初始点，根据所述初始点确定至少两个端点。初始点可以是位于血管内部的一个或多个像素点(或体素点)。在一些实施例中，初始点可以位于血管的中心，或者靠近血管中心的位置。初始点还可以是于血管的边界，或者靠近血管边界的位置。初始点的选取可以基于医学数据、掩膜图像、血管分割结果等。在一些实施例中，初始点的选取可以是自动识别的点、半自动或者手动进行。例如，可以选择灰度值最高的点作为初始点。又如，可以选择血管中某个部位的中心点作为初始点。确定所述至少两个端点，是对血管端点的追踪，可以将初始点作为起点，寻找血管端点。在一些实施例中，血管端点的追踪可以根据该血管或其他血管的端点为初始点进行追踪。例如，腹主动脉的端点可以根据腹主动脉的初始点进行追踪。又如，与腹主动脉相连的小动脉血管的端点也可以根据腹主动脉的初始点进行追踪。在一些实施例中，可以通过直径较大的血管的初始点追踪直径较小的血管的端点。在一些实施例中，可以通过直径较小的血管的初始点追踪直径较大的血管的端点。在一些实施例中，初始点可以是血管端点。确定血管端点的方法，在一些实施例中，可以根据血管数据直接选取血管端点。例如，对于直径较大的血管，可以直接选取血管端点。在一些实施例中，可以采用一种或多种算法选取血管端点。例如，对于有分叉的血管，可以采用图像分割、水平集算法等方法选取血管端点。血管端点的选取可以是全自动、半自动、或手动进行的。在一些实施例中，可以基于连通域的计算、和/或水平集方法等。在一些实施例中，对于直径比较均匀的血管，可以根据初始点，分别沿着血管的两个延伸方向，通过判断初始点的连通域，分别追踪位于血管两个延伸方向的端部的两个端点。在一些实施例中，可以根据初始点，采用水平集方法寻找到血管端点。执行步骤S260：基于至少一个图像变换函数构造变换图像。由于血液流动原因，磁共振图像中血管的灰度值分布不均，如果直接在医学图像或提取血管区域的掩膜图像上提取中心，将导致错提中心线或者中心线形状不规则。因此本实施例提出在所述构造的变换图像上进心中心线提取，以提高提取中心线的准确性。在一些实施例中，获取所述变换图像可以基于至少一种图像变换函数来构造变换图像，例如根据所述第一图像变换函数，对所述医学图像和/或所述掩膜图像进行变换，获取第一变换图像；根据所述第二图像变换函数，对医学图像和/或所述掩膜图像进行变换，获取第二变换图像；对所述第一变换图像和所述第二变换图像进行权重组合，获取所述变换图像。此外，所述变换函数也可以是所述第一变换图像或者所述第二变换图像。本实施例中，采用灰度变换函数和距离场变换函数构造所述变换图像，图3为本发明一个实施例中获取变换图像的方法流程示意图，包括如下步骤：执行步骤S261：根据医学图像计算灰度变换以获取灰度变换图像。所述灰度变换可以针对一个或多个图像，例如医学图像。根据灰度变换函数进行灰度变换处理。进一步地，获取所述灰度变换图像可以基于一个或多个灰度变换函数G(x)。例如若图像数据中某个像素点(或体素点)的灰度值为g，经过灰度变换函数G(x)计算之后，该像素点(或体素点)的灰度值变换为g’＝G(g)。在一些实施例中，灰度变换函数G(x)可以是分段函数、幂函数、指数函数、三角函数、对数函数等中一种函数或多种函数的组合。在一些实施例中，灰度可以对图像数据进行两级或多级变换。例如，假设灰度变换函数为G1(x)、G2(x)、G3(x)、……、Gn(x)，其中n为正整数。对于灰度值为g的像素点(或体素点)，进行第一级灰度变换之后灰度值为G1(g)；再进行第二级灰度变换之后的灰度值为G2(G1(g))；按照这种方式，可计算得到n级灰度变换之后的值。在一些实施例中，灰度变换函数G(x)可以基于图像的灰度概率分布。在一些实施例中，灰度概率分布的确定可以基于一个或多个阈值。例如阈值可以是根据磁共振图像的直方图计算的阈值，例如所述第一阈值。在一些实施例中，灰度变换函数G(x)可以表示为公式(1)：G(x)＝kBf(x)+c(1)其中，k、B、和c表示常数，x表示图像中当前像素点(体素点)的灰度值，以及f(x)表示中间函数。系数k、B、和/或c可以是系统/用户预先设定的值，和/或通过对医学图像、掩膜图像等各类图像计算得到的值。例如，k可以设定为1；c可以设定为0；以及，B可以设定为自然常数e。在一些实施例中，G(x)可以是分段函数，如公式(2)所示：G(x)=k1Bf(x)+c1,x≥I0k2Bf(x)+c2,x<I0---(2)]]>其中，k1、c1、k2、和c2表示常数，以及I0表示参考灰度值。k1、c1、k2、c2、和/或I0可以是系统预先设定的值，用户设定的经验值值，和/或通过对图像进行计算得到的值。例如，k1和k2可以设定为1；c1和c2可以设定为0；以及，B可以设定为自然常数e。在一些实施例中，参考灰度值I0可以指灰度参考基准。参考灰度值I0可以根据图像的灰度概率分布计算得出。具体地，在一些实施例中，I0可以根据公式(3)计算：I0＝rImin+d(Imax-Imin)(3)其中，r、d、Imin、和Imax表示常数。r、d、Imin、和/或Imax可以是系统预先设定的值，用户设定的经验值值，和/或通过对图像进行计算得到的值。例如，Imin可以表示图像数据中最小的灰度值；Imax可以表示图像数据中最大的灰度值。进一步地，在一些实施例中，r可以设定为1；以及，d可以设定为1/5。在一些实施例中，中间函数f(x)可以是分段函数，如公式(4)所示：f(x)=-(x-I0)/w1,x≥I0(x-I0)/w2,x<I0---(4)]]>其中，w1和w2表示常数。在一些实施例中，w1和w2可以表示灰度范围的控制参数。w1和w2的值越大，中间函数f(x)的绝对值可以相应减小。w1和w2可以是系统预先设定的值，用户设定的经验值，和/或通过对图像进行计算得到的值。例如，w1和w2可以根据医学图像的灰度概率分布计算得出。在一些实施例中w1和w2可以分别表示为公式(5)和(6)：w1＝m(Imax-I0)+p(5)w2＝n(I0-Imin)+q(6)其中，m、n、p和q表示常数。m、n、p和/或q可以是系统预先设定的值，用户设定的经验值，和/或通过对图像进行计算得到的值。例如，m可设定为1/4；n可设定为1/2；以及，p和q可以设定为0。结合公式(4)、(5)和(6)，w1和w2可以用于调整或控制需要变换的区域。例如，在w1和w2之间的区域，两个或多个像素点(或体素点)的灰度值之间的差异可以被增大；在w1和w2之外的区域，两个或多个像素点(或体素点)的灰度值之间的差异可以被减小。具体地，在一些实施例中，利用公式(4)、(5)和(6)进行处理，可以使得血管(边界及内部)的灰度值与周围灰度值的差异增大。根据公式(2)和(4)，可以确定灰度变换函数G(x)的表达式。在一些实施例中，G(x)可以表示为公式(7)：G(x)={exp(-(x-I0)/w1)/2,x≥I01-exp((x-I0)/w2)/2,x<I0---(7)]]>由于磁共振图像中血管的像素点(体素点)灰度值分布不均，从200-2000左右，灰度值较高的像素点(体素点)个数在图像中所占比例较少，但是将大大影响提取中心线算法的赚钱行，通过本实施例，经过灰度图像的变换，在参考灰度值附近，灰度区分度可以得到增强，血管灰度值越高的像素点(或体素点)，变换后的值可以越小；而血管灰度值越低的像素点(或体素点)，变换后的值可以越大。在一些实施例中，血管中心部位的像素点(或体素点)，相比于血管边缘部位的像素点(或体素点)，变换后的值可以较低。通过本实施例的灰度变换，有效降低少量灰度极大值的像素点(体素点)对中心线提取的影响，避免如图4a所示为现有技术中提取血管中心线的结果示意图，如图4a方框中所示，中心线提取过程中因图像中灰度值分布不均导致中心线绕过血管中较暗区域，而导致错误提取中心线。通过本实施例，可以使得中心线可以从变换值较低的部位经过，保持中心线位于血管中心。执行步骤S262：根据掩膜图像计算距离场，获取距离场变换图像。所述距离场可以指对图像中的一个或多个像素点(或体素点)定义一个距离值；图像中一个或多个像素点(或体素点)的距离值就形成了一个距离场。在一些实施例中，可以根据一个或多个规则计算距离值。规则可以指图像中的某个像素点(或体素点)与基准之间的距离。基准可以是一个或多个像素点(或体素点)、线、和/或面。距离可以是垂直距离，例如，血管中某像素点(或体素点)距离血管边界线的垂直距离。进一步地，距离可以是像素点(或体素点)与基准形成某个角度θ的距离。θ可以取0°至360°之间的任何数值。进一步地，在一些实施例中，θ等于90°时即为垂直距离。例如，假设血管边缘的像素点(或体素点)的距离值为0，可以定义血管内部某一像素点(或体素点)与血管边缘的垂直距离为该点的距离值。又如，假设血管中心的像素点(或体素点)的距离值为0，可以定义血管其他部位某一像素点(或体素点)与血管中心的直线距离为该点的距离值。在一些实施例中，可以对距离值进行进一步处理。距离值的处理可以包括但不限于，归一化处理、求取倒数、对数变换、求取变化梯度、中心化变换、极差标准化等一种或多种方法的组合。距离场变换图像可以指以可视化形式表现的距离场的图像。在一些实施例中，距离场图像可以指对距离场中的距离值进行一定的变换之后得到的图像。基于距离场变换函数的计算可以基于距离值d。在一些实施例中，距离场图像的计算可以基于血管的掩膜图像计算距离场，也可是原始的磁共振图像。在一些实施例中，为了提高处理速度，可以只计算掩膜图像中血管区域的距离场。在一些实施例中，像素点(或体素点)的距离值d可以根据一定的初始值直接定义。在一些实施例中，像素点(或体素点)的距离值d可以根据一定的计算规则计算得出。例如，将位于血管边界的像素点(或体素点)的距离值d定义为0，而血管内部其他像素点(或体素点)的距离值d根据该点与血管边缘的垂直距离进行计算。在一些实施例中，同一条血管可以具有左右两个边界，可以同时计算某个像素点(或体素点)距离血管左边界和右边界的垂直距离，并取其中较小的距离作为该点的距离值d。在一些实施例中，距离场图像的计算可以基于一个或多个距离值变换函数D(d)。在一些实施例中，距离值变换函数D(d)可以是分段函数、幂函数、指数函数、三角函数、对数函数等，或者上述函数的任意组合。距离值变换函数D(d)可以表示为公式(8)：D(d)＝aAf(d)+b(8)其中，a、b和A表示常数，以及，f(d)表示中间函数。a、b和/或A可可以是系统/用户预先设定的值，和/或通过对医学图像、掩膜图像等各类图像计算得到的值。例如，a可以设定为1，以及，b可以设定为0。又如，A可以设定为自然常数e。在一些实施例中，f(d)可以进一步表示为公式(9)：f(d)＝hd+l(9)其中，h和l表示常数。h和l可以是系统预先设定的值，可以是系统/用户预先设定的值，和/或通过对医学图像、掩膜图像等各类图像计算得到的值。例如，h可以设定为-1，以及，l可以设定为0。根据公式(8)和(9)，可以确定距离值变换函数D(d)的表达式。在一些实施例中，D(d)可以表示为公式(10)：D(d)＝1/expf(d),(10)在一些实施例中，当像素点(或体素点)位于血管边缘时，距离值变换函数D(d)可以是1，而靠近血管中心方向，D(d)值逐渐减小。本步骤通过基于距离场变换函数，获取距离场变换图像，有效避免如图4b现有技术中提取血管中心线的结果示意图，如图4b的方框所示在掩膜图像的血管区域提取中心线时，急剧弯曲的血管走向时发生中心线穿越血管壁的情况。执行步骤S263：将灰度变换图像和距离场变换图像进行权重组合，获取变换图像。根据前述步骤S261和S262获取的所述灰度变换图像和距离场变换图像，可以图像组合获取所述变换图像。在一些实施例中，图像组合可以基于两个或多个图像进行权重组合，例如某个图像可以用数据矩阵Image1表示，另一个图像可以用数据矩阵Image2表示。图像的权重组合可以用公式(11)表示：IMAGE＝F(W1·Image1，W2·Image2)(11)其中，IMAGE表示图像组合之后的数据矩阵，F表示图像组合函数，W1表示Image1的权重，以及W2表示Image2的权重。W1和/或W2可以是常数，例如，正的常数、负的常数、或者0。函数F可以是加、减、乘、除、求倒、分段函数、幂函数、指数函数、三角函数、对数函数等运算，或者上述运算方式的任意组合。在一些实施例中，图像组合可以采用加权组合的方式，如公式(12)所示：IMAGE＝W1·Image1+W2·Image2。(12)本实施例通过组合图像获取所述变换图像，充分利用图像信息，提高后续提取中心线的准确性。执行步骤S270：根据所述变换图像，提取血管中心线。血管中心线可以指位于血管内部的沿着血管走向的一条线。血管中心线可以包括血管中一个或多个像素点(或体素点)的集合。血管可以包括血管边界线及血管边界线以内的像素点(或体素点)的集合在一些实施例中，通过上一步获取的变换图像中，对于靠近血管中心部位、和图像灰度值较高的部位的像素点(或体素点)的值可以较小；血管中心线可以从值较低的部位经过，如图5本发明一个实施例中提取血管中心线的结果示意图所示。在一些实施例中，连接可以采用一种或多种算法，例如，梯度下降法、阈值法、区域生长法、水平集方法、区域分割和/或合并、边缘跟踪分割法、统计模式识别方法、均值聚类分割法、手动标定法、拓扑细化法、距离变换法等，或者上述方法的任意组合，确认端点之间中心线上的像素点(或体素点)的集合。获取所述中心线可以是全自动、半自动、或手动进行的。综上所述，本实施例中基于灰度变换图像和距离场变换图像的组合，可以有效提高血管中心线的提取效果。一方面可以使得血管中心线跟随弯曲血管，不会从血管边缘处经过；另一方面可以使得血管中心线不会回避血管中亮度较暗的区域，从而保持血管中心线位于血管中心区域。为解决上述技术问题，本发明还提供一种医学图像中提取中心线的装置，如图6所示，所述装置包括：采集单元U10、存储单元U20、图像处理单元U30、显示单元U40和输入单元U50。所述采集单元U10，通过各类模态的成像系统扫描采集获得三维或二维图像，所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(PositronEmissionTomography，PET)等一种或多种的组合。所述存储单元U20，存储采集单元获取的原始医学图像，和存储系影像归档和通信系统(PictureArchivingandCommunicationSystems，PACS)等内部或外部存储系统传输获得医学图像，以及图像处理单元处理的诸如掩膜图像，提取中心线后的医学图像等各类中间过程产生的图像。所述显示单元U40，显示来来自于采集单元U10、存储单元U20、图像处理单元U30的图像。所述输入单元U50，用于输入一些原始参数或设置相应图像处理的初始化条件，例如选取任一目标区域的起始点、设置图像图像变换函数的参数等。图像处理单元U30用于：获取所述医学图像的掩膜图像；识别所述掩膜图像中至少一个目标区域；确定所述目标区域中至少两个端点，包括第一端点和第二端点；基于至少一个图像变换函数处理所述医学图像和/或所述掩膜图像，获取变换图像；根据所述变换图像，连接任一个目标区域中所述第一端点和第二端点之间的至少一条中心线路径，获取所述目标区域的中心线。需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明的部分或全部可借助软件并结合必需的通用硬件平台来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质，这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本发明的实施例来执行操作。机器可读介质可包括，但不限于，软盘、光盘、CD-ROM(紧致盘-只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。当前第1页1 2 3