一种血管分割方法、装置、电子设备及存储介质与流程

1.本公开涉及影像处理技术领域，尤其涉及一种血管分割的方法、装置、电子设备及存储介质。


背景技术：

2.血管分割是医学影像领域中一个重要的研究方向，精准的血管分割是进行医疗诊断、制定外科手术方案的基础。目前，已有多种算法用于血管分割，然而血管分割的结果是否合适，还需要进一步的评估确定。
3.虽然当前已有多种指标用于对血管分割性能进行评估，但进行评估时通常是基于整体的血管进行的，而血管延伸较长，哪怕同一种血管的尺寸差异也可能较大，例如肺动脉中肺动脉干与末端分支，直径之间存在数十倍的差异，因此若直接提取血管分割的整体图像，对血管分割的整体结果进行评估，对后续的评估来说，难以确定当前使用的血管提取的方法的合理性。


技术实现要素：

4.本公开提供一种血管分割方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
5.本公开一方面提供一种血管分割方法，包括：
6.获取同一血管的血管图像和骨架图像；
7.获取所述血管图像所有体素对应的数值，并将数值按照体素位置排列形成图像矩阵；
8.根据所述血管图像和所述骨架图像，确定尺寸矩阵，所述尺寸矩阵中的有效元素对应于血管沿骨架分布的若干个血管横截面的尺寸；
9.对于预设的每个尺寸范围，确定所述尺寸矩阵中属于所述尺寸范围的元素，并将剩余的元素置为无效，得到与所述尺寸范围对应的尺寸子矩阵，所述尺寸子矩阵与所述图像矩阵为同型矩阵；
10.对所述尺寸子矩阵的数值二值化并进行形态学运算的处理，将处理后的尺寸子矩阵与所述图像矩阵中相同位置的元素相乘，得到所述尺寸范围对应的图像子矩阵，将所述图像子矩阵还原为血管子图像。
11.在一可实施方式中，所述将所述图像子矩阵还原为血管子图像之后，该方法还包括：
12.对所述血管子图像进行性能评估，得到相应的尺寸范围对应的评估结果。
13.在一可实施方式中，所述尺寸所对应的参数为血管的半径。
14.在一可实施方式中，所述根据所述血管图像和所述骨架图像，确定尺寸矩阵包括：
15.获取所述血管图像中血管区域的体素，确定每个血管区域的体素到血管区域边缘的最小距离，得到若干个最小距离；
16.获取所述骨架图像的骨架图像矩阵；
17.对所有最小距离构建距离矩阵，所述距离矩阵与所述骨架图像矩阵为同型矩阵，所述距离矩阵中对应于最小距离的元素按照各自对应的血管区域的体素位置进行排列，剩余的元素置为无效；
18.将所述距离矩阵与所述骨架图像矩阵中相同位置的元素相乘，得到所述尺寸矩阵。
19.在一可实施方式中，所述获取同一血管的血管图像和骨架图像之前，该方法还包括：
20.获取血管区域的图像，对所述血管区域的图像使用分割模型进行提取，得到所述血管图像；
21.对所述血管图像进行提取，得到所述骨架图像。
22.本公开另一方面提供一种血管分割装置，包括：
23.获取模块，用于获取同一血管的血管图像和骨架图像。
24.所述获取模块，还用于获取所述血管图像所有体素对应的数值，并将数值按照体素位置排列形成图像矩阵。
25.计算模块，用于根据所述血管图像和所述骨架图像，确定尺寸矩阵，所述尺寸矩阵中的有效元素对应于血管沿骨架分布的若干个血管横截面的尺寸。
26.所述计算模块，还用于对于预设的每个尺寸范围，确定所述尺寸矩阵中属于所述尺寸范围的元素，并将剩余的元素置为无效，得到与所述尺寸范围对应的尺寸子矩阵，所述尺寸子矩阵与所述图像矩阵为同型矩阵。
27.处理模块，用于对所述尺寸子矩阵的数值二值化并进行形态学运算的处理，将处理后的尺寸子矩阵与所述图像矩阵中相同位置的元素相乘，得到所述尺寸范围对应的图像子矩阵，将所述图像子矩阵还原为血管子图像。
28.在一可实施方式中，所述处理模块还用于对所述血管子图像进行性能评估，得到相应的尺寸范围对应的评估结果。
29.在一可实施方式中，所述获取模块，还用于获取所述血管图像中血管区域的体素。
30.所述计算模块，还用于确定每个血管区域的体素到血管区域边缘的最小距离，得到若干个最小距离。
31.所述获取模块，还用于获取所述骨架图像的骨架图像矩阵。
32.所述计算模块，还用于对所有最小距离构建距离矩阵，所述距离矩阵与所述骨架图像矩阵为同型矩阵，所述距离矩阵中对应于最小距离的元素按照各自对应的血管区域的体素位置进行排列，剩余的元素置为无效。
33.所述计算模块，还用于将所述距离矩阵与所述骨架图像矩阵中相同位置的元素相乘，得到所述尺寸矩阵。
34.本公开再一方面提供一种电子设备，包括：存储器和处理器，所述存储器存储由所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述血管分割方法。
35.本公开还一方面提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述血管分割方法。
36.基于上述方案，本公开提供一种血管分割方法，获取同一血管的血管图像和骨架图像，确定包含血管沿骨架分布的若干个血管横截面的尺寸构成的尺寸矩阵，通过预设的尺寸范围，将尺寸矩阵拆分为多个尺寸子矩阵，每个尺寸子矩阵对应一个尺寸范围，通过将尺寸子矩阵进行处理，并将处理后的尺寸子矩阵与图像矩阵相同位置的元素相乘，从而可得到对应于每个尺寸范围的图像子矩阵，将图像子矩阵还原，即得到该尺寸范围所对应的部分血管的图像、即血管子图像，便于后续针对不同尺寸的血管进行评估。
附图说明
37.图1所示为本公开一实施例提供的血管分割方法的流程示意图；
38.图2所示为本公开一实施例提供的血管分割装置示意图。
具体实施方式
39.为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
40.为了提升后续对血管提取进行评估时合理性，如图1所示，本公开一实施例提供了一种血管分割方法，包括：
41.步骤101，获取同一血管的血管图像和骨架图像。
42.血管图像为将一张带有血管的原始图像(例如ct图像)上的血管单独提取出来的图像，提取的方式可以为掩膜提取，血管图像上除血管区域外，其余均为背景区域。
43.骨架图像则表征该同一血管的中轴线，通常也以掩膜的方式进行提取，同样的，骨架图像上除骨架区域外，其余均为背景区域。
44.步骤102，获取所述血管图像所有体素对应的数值，并将数值按照体素位置排列形成图像矩阵。
45.数字图像数据可以用矩阵来表示，在计算机数字图像处理程序中，通常用二维数组来存放图像数据，其中，矩阵的行(m个元素)对应图像的高(单位为像素)，矩阵的列(n个元素)对应图像的宽(单位为像素)，矩阵的元素对应图像的像素，矩阵元素的值就是像素的灰度值。
46.因此当血管图像为三维图像时，图像矩阵的行对应血管图像的高(单位为体素)，图像矩阵的列对应血管图像的宽(单位为体素)，图像矩阵的元素对应血管图像的体素。
47.血管图像的背景区域通常为零，可使用图像矩阵来表征血管图像，例如，图像矩阵其中，图像矩阵中的每个元素对应于血管图像中相应位置的体素。
48.步骤103，根据所述血管图像和所述骨架图像，确定尺寸矩阵，所述尺寸矩阵中的
有效元素对应于血管沿骨架分布的若干个血管横截面的尺寸。
49.由于血管是延伸分布的，同一血管不同位置的粗细不同，即同一血管不同位置的横截面的尺寸不同。本公开示例中可构建一个表征血管不同位置横截面尺寸的矩阵，称为尺寸矩阵。
50.如步骤101中所述，骨架为血管的中轴线，因此，沿骨架可以遍历血管不同的位置。例如，假设骨架由3个体素组成，则每个体素对应一个血管横截面，确定尺寸矩阵，则该尺寸矩阵中有3个有效元素，分别表征这3个体素对应的血管横截面的尺寸。
51.应该知道的是，有效元素即指这3个体素对应的横截面的尺寸，相应的，尺寸矩阵中其他位置的元素即为无效元素(通常为零值)，对应的是图像中的背景。
52.步骤104，对于预设的每个尺寸范围，确定所述尺寸矩阵中属于所述尺寸范围的元素，并将剩余的元素置为无效，得到与所述尺寸范围对应的尺寸子矩阵，所述尺寸子矩阵与所述图像矩阵为同型矩阵。
53.同型矩阵表示两个或者两个以上的矩阵的行数和列数都相同，则这两个或两个以上的矩阵称为同型矩阵。
54.尺寸范围可根据实际情况提前确定，尺寸范围的大小和数量可根据血管情况的复杂程度进行调整。
55.例如，假设尺寸范围设置有三个，第1个尺寸范围为小于等于2，第2个尺寸范围为大于2且小于等于3，第3个尺寸范围为大于3。
56.存在尺寸矩阵则可根据上述的尺寸范围构建多个尺寸子矩阵。
57.其中，确定尺寸矩阵中属于第1个尺寸范围的元素，并将尺寸矩阵中剩余元素置为无效(即零值)，则第1个尺寸范围所对应的第1个尺寸子矩阵为可知第一行第三列和第四行第四列对应于骨架的体素其所在位置的血管横截面的尺寸均为2。确定尺寸矩阵中属于第2个尺寸范围的元素，并将尺寸矩阵中剩余元素置为无效(即零值)，则第2个尺寸范围所对应的第2个尺寸子矩阵为可知第二行第三列和第三行第四列对应于骨架的体素其所在位置的血管横截面的尺寸均为3。确定尺寸矩阵中属于第3个尺寸范围的元素，并将尺寸矩阵中剩余元素置为无效(即零值)，则第
3个尺寸范围所对应的第3个尺寸子矩阵为为可知第五行第三列对应于骨架的体素其所在位置的血管横截面的尺寸为4。
58.以上数值均为举例，不在此做具体限定。
59.步骤105，对所述尺寸子矩阵的数值二值化并进行形态学运算的处理，将处理后的尺寸子矩阵与所述图像矩阵中相同位置的元素相乘，得到所述尺寸范围对应的图像子矩阵，将所述图像子矩阵还原为血管子图像。
60.在一示例中，仍以上述步骤104中的尺寸子矩阵为例，以进行数值二值化和形态学运算。
61.则第1个尺寸子矩阵二值化后得到第2个尺寸子矩阵二值化后得到第3个尺寸子矩阵二值化后得到
62.再分别对上述经过二值化的尺寸子矩阵进行形态学运算，其中，形态学运算包括膨胀和腐蚀等。
63.在一示例中，对上述经过二值化的参数子矩阵进行膨胀。例如，对p
‘
sd1
进行膨胀，得到膨胀后的以上仅为举例，以示意原理，具体的膨胀效果根据设置的膨胀次数而有所不同，可以此类推p
‘
sd2
和p
‘
sd2
进行膨胀的效果，得到p
‘’
sd2
和p
‘’
sd3
。应该理解的是，腐蚀则相反，此处暂不赘述。
64.将经过二值化和形态学运算处理后的第1个尺寸子矩阵p
‘’
sd1
与图像矩阵p中相同位置的数值对应相乘，如此，可得到血管横截面的尺寸对应于尺寸范围小于等于2的第1个图像子矩阵将该图像子矩阵还原，可得到血管横截面的尺寸小于等于2的血管子图像。
65.依次类推，将经过二值化和形态学运算处理后的第2个尺寸子矩阵p
‘’
sd2
与图像矩
阵p中相同位置的数值对应相乘，得到血管横截面的尺寸对应于尺寸范围大于2且小于等于3的第2个图像子矩阵将经过二值化和形态学运算处理后的第3个尺寸子矩阵p
‘’
sd3
与图像矩阵p中相同位置的数值对应相乘，得到血管横截面的尺寸对应于尺寸范围大于3的第3个图像子矩阵将第2个图像子矩阵和第3个图像子矩阵还原，可得到血管横截面的尺寸大于2且小于等于3的血管子图像和大于等于3的血管子图像。
66.如此，通过上述步骤，可得到三张血管子图像，分别对应于不同尺寸范围的血管。应该理解的是，上述仅为举例，不做具体限定，只要能实现将血管不同位置所对应的尺寸区别提取即可，尺寸范围的划分可根据实际情况进行调整。
67.基于上述方案，本公开提供一种血管分割方法，获取同一血管的血管图像和骨架图像，确定包含血管沿骨架分布的若干个血管横截面的尺寸构成的尺寸矩阵，通过预设的尺寸范围，将尺寸矩阵拆分为多个尺寸子矩阵，每个尺寸子矩阵对应一个尺寸范围，通过将尺寸子矩阵进行处理，并将处理后的尺寸子矩阵与图像矩阵相同位置的元素相乘，从而可得到对应于每个尺寸范围的图像子矩阵，将图像子矩阵还原，即得到该尺寸范围所对应的部分血管的图像、即血管子图像，便于后续针对不同尺寸的血管进行评估。
68.在一示例中，所述将所述图像子矩阵还原为血管子图像之后，该方法还包括：
69.对所述血管子图像进行性能评估，得到相应的尺寸范围对应的评估结果。
70.性能评估表征对血管所提取效果的标准性的评价，可利用评估指标对血管子图像进行评估，其中，评估指标可以选取dice coefficient(dice系数)，hausdorffdistance(豪斯多夫距离)等。
71.对通过上述步骤得到的三张血管子图像进行性能评估，可得到三个分别针对不同尺寸血管的评估结果，若针对第1个血管子图像和第2个血管子图像的评估结果较佳，而针对第3血管子图像的评估结果较差，说明当前的血管图像在提取时的准确性不够全面，即提取血管图像的方法更加适合血管横截面尺寸较小即较细的血管，因此，可提供导向，例如对提取血管图像的方法进行改进，以适应较粗的血管。
72.总之，通过对得到的针对不同尺寸范围的血管子图像进行评估，相较于直接对血管图像评估而言，评估更加合理，提供了更加丰富的导向信息，以便于分析。
73.在一示例中，对每个血管分割子图像分别进行性能评估，包括：
74.获取同一血管的标准血管图像和标准骨架图像，根据标准血管图像和标准骨架图像，确定标准血管子图像；
75.根据相同尺寸范围下的血管子图像和标准血管子图像，对该血管子图像进行性能评估。
76.其中，标准血管图像可由人工标注得到，可作为血管提取准确度较高的金标准使用，再根据步骤101到步骤105的方法对标准血管图像进行操作，可得到标准血管子图像。
77.在一示例中，可采用dice系数进行性能评估，公式如下：
[0078][0079]
其中，gi为第i个尺寸范围对应下的标准血管子图像；
[0080]
pi为第i个尺寸范围对应下的血管子图像；
[0081]
ε为常数，取值为0.001；
[0082]
dice为dice系数，取值范围在[0，1]，dice取值越大，证明当前血管子图像的血管提取效果越好。
[0083]
在一示例中，对应于尺寸矩阵中的有效元素的、血管沿骨架分布的若干个血管横截面的尺寸所对应的参数为血管的半径。
[0084]
其中，血管横截面的尺寸可以用于表征血管的粗细，该尺寸可以是半径、直径或面积等，而直径和面积都可通过半径进行确定，因此，只需确定血管横截面的半径即可，半径小，则血管细，半径大，则血管粗。因此，在步骤103中，尺寸矩阵中的有效元素可为血管沿骨架分布的若干个血管横截面的半径。
[0085]
在一示例中，所述根据所述血管图像和所述骨架图像，确定尺寸矩阵包括：
[0086]
获取所述血管图像中血管区域的体素，确定每个血管区域的体素到血管区域边缘的最小距离，得到若干个最小距离；
[0087]
获取所述骨架图像的骨架图像矩阵；
[0088]
对所有最小距离构建距离矩阵，所述距离矩阵与所述骨架图像矩阵为同型矩阵，所述距离矩阵中对应于最小距离的元素按照各自对应的血管区域的体素位置进行排列，剩余的元素置为无效；
[0089]
将所述距离矩阵与所述骨架图像矩阵中相同位置的元素相乘，得到所述尺寸矩阵。
[0090]
如步骤101和103中所述，血管图像包括背景区域和血管区域，其中，背景区域的值为0，获取血管区域中的每一个体素，确定每一个体素到0值即背景区域的最小距离，则位于血管中轴线上(即骨架)的体素到背景区域的最小距离即为该体素所在血管横截面的半径。
[0091]
按照步骤102中构建血管图像的图像矩阵的方式，得到骨架图像的骨架图像矩阵。
[0092]
例如，骨架图像矩阵在得到多个最小距离后，根据最小
距离构建距离矩阵为其中，距离矩阵为pd中的有效元素对应于血管区域的体素，0为无效元素。因此，得到尺寸矩阵为
[0093]
在一示例中，所述获取同一血管的血管图像和骨架图像之前，该方法还包括：
[0094]
获取血管区域的图像，对所述血管区域的图像使用分割模型进行提取，得到所述血管图像；
[0095]
对所述血管图像进行提取，得到所述骨架图像。
[0096]
其中，分割模型包括深度学习领域的unet分割模型,deeplab分割网络，mask r-cnn两阶段实例分割模型等分割方法，以及基于血管分岔点检测的分割方法，只要能够实现上述提取血管的功能即可，具体在此不做限定。
[0097]
通过血管图像提取骨架图像的方法包括skeleton骨架提取算法等等，可以提取出沿血管的中轴线延伸的单个体素的骨架图像，骨架图像通常为二值图像。
[0098]
以上均为举例，具体使用何种模型和算法在此不做具体限定。
[0099]
本公开通过考虑血管评估的合理性，在经过分割模型直接提取的血管图像的基础上，针对血管不同位置的尺寸，分割出多幅血管子图像，分割方法简便易操作，通过对不同尺寸范围的血管子图像进行评估，使得评估结果更加全面，相较于现有的对整体的血管图像进行评估，提供了更丰富的导向信息，便于对提取血管图像的分割模型进行调整，也能够进一步促进血管提取的准确性的提升。
[0100]
为了实现上述示例的血管分割方法，本公开一实施例还提供了一装置，如图2所示，该装置包括：
[0101]
获取模块10，用于获取同一血管的血管图像和骨架图像。
[0102]
所述获取模块10，还用于获取所述血管图像所有体素对应的数值，并将数值按照体素位置排列形成图像矩阵。
[0103]
计算模块20，用于根据所述血管图像和所述骨架图像，确定尺寸矩阵，所述尺寸矩阵中的有效元素对应于血管沿骨架分布的若干个血管横截面的尺寸。
[0104]
所述尺寸所对应的参数为血管的半径。
[0105]
所述计算模块20，还用于对于预设的每个尺寸范围，确定所述尺寸矩阵中属于所述尺寸范围的元素，并将剩余的元素置为无效，得到与所述尺寸范围对应的尺寸子矩阵，所述尺寸子矩阵与所述图像矩阵为同型矩阵。
[0106]
处理模块30，用于对所述尺寸子矩阵的数值二值化并进行形态学运算的处理，将处理后的尺寸子矩阵与所述图像矩阵中相同位置的元素相乘，得到所述尺寸范围对应的图
像子矩阵，将所述图像子矩阵还原为血管子图像。
[0107]
所述处理模块30，还用于对所述血管子图像进行性能评估，得到相应的尺寸范围对应的评估结果。
[0108]
所述获取模块10，还用于获取所述血管图像中血管区域的体素。
[0109]
所述计算模块20，还用于确定每个血管区域的体素到血管区域边缘的最小距离，得到若干个最小距离。
[0110]
所述获取模块10，还用于获取所述骨架图像的骨架图像矩阵。
[0111]
所述计算模块20，还用于对所有最小距离构建距离矩阵，所述距离矩阵与所述骨架图像矩阵为同型矩阵，所述距离矩阵中对应于最小距离的元素按照各自对应的血管区域的体素位置进行排列，剩余的元素置为无效。
[0112]
所述计算模块20，还用于将所述距离矩阵与所述骨架图像矩阵中相同位置的元素相乘，得到所述尺寸矩阵。
[0113]
所述获取模块10，还用于获取血管区域的图像。
[0114]
所述处理模块30，还用于对所述血管区域的图像使用分割模型进行提取，得到所述血管图像；
[0115]
对所述血管图像进行提取，得到所述骨架图像。
[0116]
本公开还提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开所述的血管分割方法。
[0117]
本公开还一方面提供一种电子设备，包括：
[0118]
处理器；
[0119]
用于存储所述处理器可执行指令的存储器；
[0120]
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开所述的血管分割方法。
[0121]
除了上述方法和装置以外，本技术的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本技术各种实施例的方法中的步骤。
[0122]
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本技术实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
[0123]
此外，本技术的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本技术各种实施例的方法中的步骤。
[0124]
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储
器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0125]
以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
[0126]
本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”，且可与其互换使用。
[0127]
还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
[0128]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改
[0129]
对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0130]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本技术的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。