一種血管顯影方法及裝置制造方法
【專利摘要】本發明實施例公開了一種血管顯影方法及裝置，其中方法為：掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像；然后，在所述增強圖像中檢測所述待檢測血管的血管區域；最后在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。可見本發明能夠使得減影圖像中保留了穿越骨骼的血管。
【專利說明】—種血管顯影方法及裝置【技術領域】
[0001]本發明涉及醫學圖像【技術領域】，特別是涉及一種血管顯影方法及裝置。
【背景技術】
[0002]血管疾病是嚴重影響人類健康的疾病之一，因此對于血管顯影技術的要求越來越高，由于人體中血管形態結構復雜，使得部分血管被骨骼遮擋，在三維體繪制結果中很難直觀的顯示血管的全部形態和結構。比如:頭頸部血管從心臟出發穿過顱骨底部骨骼區域進入大腦，頸動脈穿過顱骨、椎動脈穿過六塊脊椎骨進入顱骨內部等。
[0003]目前，通常利用減影技術減除圖像中的骨骼區域，以保留全部的血管區域。現有減影技術的實現是需要對患者進行兩次掃描，并且在第二次掃描時，需要對患者注射顯影劑，這樣就導致第一步掃描與第二部掃描之間的時間間隔較長。由于患者很難長時間保持相同體位，兩次掃描過程中患者的被檢測區域會發生運動位移，這樣會引起血管穿越骨骼的部分被誤認為是骨骼區域而減除問題，因此，利用現有減影技術生成的減影圖像無法準確完整地顯示血管區域的結構。

【發明內容】

[0004]為了解決上述技術問題，本發明中提供了一種血管顯影方法及裝置，通過檢測增強圖中的待檢測血管區域，將待檢測血管區域與減影圖像對齊融合得到待檢測血管的顯影圖像。這樣處理能夠保證穿過骨骼被誤認為是骨骼部分而減去的血管圖像完整保留下來，提高顯影成像的準確性和可靠性。
[0005]本發明公開了如下技術方案:
[0006]本發明提供了一種血管顯影方法，包括:
[0007]掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像；
[0008]在所述增強圖像中檢測所述待檢測血管的血管區域；
[0009]在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
[0010]優選的，在所述增強圖像中檢測所述待檢測血管的血管區域，包括:
[0011]在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑；
[0012]利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑；
[0013]按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。
[0014]優選的，所述在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑，包括:
[0015]將所述增強圖像 與所述待檢測血管穿越的骨骼區域模型匹配，確定在所述增強圖像中骨骼的位置；
[0016]依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置；
[0017]計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的位置點組成起止位置間的一條血管路徑。
[0018]優選的，所述利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑，包括:
[0019]計算所述血管路徑上各位置點的不同尺度半徑范圍內的灰度平滑度；
[0020]選擇滿足平滑度閾值條件的最大半徑作為該路徑位置點處的血管半徑。
[0021]優選的，所述依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置，包括:
[0022]預先建立至少一種尺度下的血管截面灰度分布模板；
[0023]依據所述待檢測骨骼的位置估計待檢測血管所在的感興趣區域，在所述感興趣區域內逐層與所述血管截面灰度分布模板進行匹配得到待檢測血管所在的感興趣區域中的潛在位置；
[0024]采用聚類算法對所述待檢測血管所在的感興趣區域的潛在位置進行定位分類，根據待檢測血管與所處骨骼的位置起止關系選擇最大類的定位點作為待檢測血管的起止位置。
[0025]優選的，若待檢測血管為頭頸部的血管時，
[0026]所述依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置，包括:
[0027]預先建立至少一種尺度下的血管截面灰度分布模板；
[0028]依據顱骨的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管在感興趣區域的終止潛在位置；
[0029]依據顱骨的位置估計頸部的位置，利用邊緣檢測算法和圓形檢測算子對所述頸部位置的增強圖像逐層檢測得到待檢測血管在感興趣區域的起始潛在位置；
[0030]采用聚類算法對所述起始潛在位置和終止潛在位置分別進行定位分類，分別選擇最大類的定位點作為待檢測血管的起止位置。
[0031]優選的，還包括:
[0032]利用三維體繪制顯示所述待檢測血管的顯影圖像。
[0033]本發明還提供了一種血管顯影裝置，包括:
[0034]掃描單元，用于掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像；
[0035]檢測單元，用于在所述增強圖像中檢測所述待檢測血管的血管區域；
[0036]融合單元，用于在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
[0037]優選的,所述檢測單元,包括:
[0038]估計子單元，用于在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑；
[0039]確定子單元，用于利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑；[0040]分割子單元，用于按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。
[0041]優選的，所述估計子單元，包括:
[0042]第一匹配模塊，用于將所述增強圖像與所述待檢測血管穿越的骨骼區域模型匹配，確定在所述增強圖像中骨骼的位置；
[0043]第二匹配模塊，用于依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置；
[0044]第一選擇模塊，用于計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的位置點組成起止位置間的一條血管路徑。
[0045]優選的，所述確定子單元，包括:
[0046]第一計算模塊，用于計算所述血管路徑上各位置點的不同尺度半徑范圍內的灰度平滑度；
[0047]第二選擇模塊，用于選擇滿足平滑度閾值條件的最大半徑作為該路徑位置點處的血管半徑。
[0048]優選的，所述第二匹配模塊，包括:
[0049]建立子模塊，用于預先建立至少一種尺度下的血管截面灰度分布模板；
[0050]匹配子模塊，用于依據所述待檢測骨骼的位置估計待檢測血管所在的感興趣區域，在所述感興趣區域內逐層與所述血管截面灰度分布模板進行匹配得到待檢測血管所在的感興趣區域中的潛在位置；
[0051]選擇子模塊，用于采用聚類算法對所述待檢測血管所在的感興趣區域的潛在位置進行定位分類，根據待檢測血管與所處骨骼的位置起止關系選擇最大類的定位點作為待檢測血管的起止位置。
[0052]優選的，若待檢測血管為頭頸部的血管時，
[0053]所述第二匹配模塊，具體包括:
[0054]建立子模塊，用于預先建立至少一種尺度下的血管截面灰度分布模板；
[0055]匹配子模塊，用于依據顱骨的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管在感興趣區域的終止潛在位置；
[0056]檢測子模塊，用于依據顱骨的位置估計頸部的位置，利用邊緣檢測算法和圓形檢測算子對所述頸部位置的增強圖像逐層檢測得到待檢測血管在感興趣區域的起始潛在位置；
[0057]選擇子模塊，用于采用聚類算法對所述起始潛在位置和終止潛在位置分別進行定位分類，分別選擇最大類的定位點作為待檢測血管的起止位置。
[0058]優選的，還包括:繪制單元，用于利用三維體繪制顯示所述待檢測血管的顯影圖像。
[0059]本發明的血管顯影方法及裝置，為了確保血管顯影過程中待檢測血管穿越骨骼的血管區域被正確顯示，首先掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像；然后，在所述增強圖像中檢測所述待檢測血管的血管區域；這樣處理能夠確定出待檢測血管在增強圖像中的血管區域此血管區域就是待檢測血管穿越骨骼或者臨近骨骼部分被誤減除的血管區域，最后，在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。可見本發明的有益效果在于:在增強圖像中檢測出待檢測血管的血管區域，然后在減影圖像的基礎上融合待檢測血管的血管區域圖像，保留穿越骨骼或者臨近骨骼的血管不被減除，從而確保待檢測血管區域結構完整的被顯示。
[0060]【專利附圖】

【附圖說明】
[0061]為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
[0062]圖1為本發明實施例血管顯影方法實施例1的流程圖；
[0063]圖2為本發明實施例血管顯影方法實施例2的流程圖；
[0064]圖3為本發明實施例血管顯影裝置實施例1的示意圖；
[0065]圖4為本發明實施例血管顯影裝置實施例2的示意圖。
【具體實施方式】
[0066]為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖對本發明實施例進行詳細描述。
[0067]需要說明的是本發明的方法可以用于對血管掃描顯示的系統，比如:CT(C0mpUtedTomography)電子計算機 X 射線掃描系統、PET-CT (Positron Emission Tomography)正電子發射斷層成像掃描系統、MRI (Magnetic Resonance` Imaging)磁共振成像系統等系統。
[0068]參見圖1，示出了本發明實施例血管顯影方法實施例1的流程圖，所述方法包括:步驟101 一步驟103。
[0069]步驟101，掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像。
[0070]在實際掃描過程中，針對不同的待檢測血管確定對應的掃描區域，比如當需要檢測心血管時則掃描患者的胸腔區域、需要檢測頭頸部血管則掃描患者的頭頸部區域等。當確定待檢測血管所在區域后，首先，掃描待檢測區域的斷層圖像得到平掃圖像，可以通過閾值分割平掃圖像確定平掃圖像中的骨骼區域；然后，對患者注射顯影劑再掃描待檢測血管所在區域得到增強圖像；然后將增強圖像與平掃圖像按照配準方法對齊，并在增強圖像中減除對應的骨骼區域得到減影圖像。
[0071]步驟102，在所述增強圖像中檢測所述待檢測血管的血管區域。
[0072]針對上述步驟102本發明實施例提供了一種實現方式，可以包括:步驟1021 —步驟 1023。
[0073]步驟1021，在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑。
[0074]步驟1022，利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑。
[0075]步驟1023，按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。
[0076]針對上述步驟1021本發明實施例提供了一種確定血管路徑的實現方式，可以包括:步驟1021A 一步驟1021C,
[0077]步驟1021A，將所述增強圖像與所述待檢測血管穿越的骨骼區域模型匹配，確定在所述增強圖像中骨骼的位置。
[0078]本步驟的骨骼區域模型可以使用主動輪廓模型(Actuve Shape Models,ASM)或者主動表現模型(Active Appearance Model, AAM)。本步驟的匹配操作可以采用尋優匹配比如:共軛梯度法、powell尋優法等。
[0079]步驟1021B，依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置。
[0080]步驟1021C，計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的位置點組成起止位置間的一條血管路徑。
[0081]針對上述步驟1022本發明實施例提供了一種確定血管半徑的實現方式，可以包括:步驟1022A和步驟1022B。
[0082]步驟1022A，計算所述血管路徑上各位置點的不同尺度半徑范圍內的灰度平滑度； [0083]步驟1022B，選擇滿足平滑度閾值條件的最大半徑作為該路徑位置點處的血管半徑。
[0084]步驟103，在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
[0085]本步驟的融合可以采用將待檢測血管的血管區域按照坐標位置對應的填充到減影圖像中。
[0086]本發明血管顯影過程實質上通過掃描待檢測血管所在區域得到增強圖像，對所述增強圖像進行減影處理得到減影圖像；然后在所述增強圖像中檢測所述待檢測血管的血管區域；最后，在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。可見:本發明將被誤刪減的血管區域融合在減影圖像中，使得在減影圖像基礎上保留穿越骨骼的血管區域，確保血管區域結構完整。
[0087]針對上述步驟1021B本發明實施例還給出了的一種實現方式，可以包括:
[0088]預先建立至少一種尺度下的血管截面灰度分布模板；
[0089]依據所述待檢測骨骼的位置估計待檢測血管所在的感興趣區域，在所述感興趣區域內逐層與所述血管截面灰度分布模板進行匹配得到待檢測血管所在的感興趣區域中的潛在位置；
[0090]采用聚類算法對所述待檢測血管所在的感興趣區域的潛在位置進行定位分類，根據待檢測血管與所處骨骼的位置起止關系選擇最大類的定位點作為待檢測血管的起止位置。
[0091]由于人體不同部位的骨骼和血管結構特點復雜程度不同，比如:頭頸部、胸部、腿部等部位的血管與骨骼之間的結構完全不同。其中，頭頸部的結構最為復雜，血管從心臟出發穿過顱骨底部骨骼區域進入大腦，頭頸部區域主要包括四條血管:左頸動脈、右頸動脈、左椎動脈、右椎動脈。為了更快速更準確的檢測出這四根血管，最重要的步驟是快速準確的確定出待檢測血管的起止位置。因此，為了保證確定頭頸部的血管顯影的精確性，本發明實施例提供了一種優選方案。
[0092]參見圖2，示出了本發明實施例血管顯影方法實施例2的示意圖，所述方法包括:
[0093]步驟201，掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像。
[0094]步驟202，預先建立至少一種尺度下的血管截面灰度分布模板。
[0095]不同患者的血管粗細程度不同，為了滿足不同患者的掃描需求，為了使得后續的匹配處理得到潛在中心位置精準度較高，需要獲取多種不同尺度下的血管截面灰度分布模板，當然只采用一種常規尺度下的血管截面灰度分布模板也是可以的。
[0096]步驟203，依據顱骨的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管在感興趣區域的終止潛在位置。
[0097]在步驟202中確定的顱骨的位置的基礎上，估計出這四根血管的終止潛在位置。所謂終止潛在位置是考慮到血管從心臟出發進入腦部，所以將顱骨內部的血管位置稱之為終止位置，同時將頸部的血管位置稱為起始位置。
[0098]根據醫學臨床經驗中人體的顱骨中動脈位置關系，可以依據顱骨的位置估計出待檢測血管的潛在位置，比如:左頸動脈在顱骨中心的左側、左椎動脈在顱骨中心的右側、兩椎動 脈在顱骨底部枕骨大孔內，左椎動脈在左頸動脈的右側，右椎動脈在左椎動脈的右側。
[0099]在實際應用中通常使用顱骨內威利斯環感興趣區域和基底動脈感興趣區域，所謂威利斯環感興趣區域包括:左前交通動脈感興趣區域和右前交通感興趣區域。左頸動脈在左前交通動脈感興趣區域左側方向延伸，右頸動脈在右前交通感興趣區域右側方向延伸。所謂基底動脈感興趣區域是由左椎動脈和右椎動脈交匯合并成的一個動脈。因此，常常根據顱骨內腦組織的定位確定出威利斯環感興趣區域和基底動脈感興趣區域；然后，在這兩個感興趣區域內分別估計這四根血管的潛在位置。
[0100]根據顱骨的位置估計出這幾根血管的潛在位置，還只是一個大概的區域范圍，然后利用血管截面灰度分布模板與這些大概區域范圍進行匹配能夠得出待檢測血管的終止潛在中心位置。這樣找出的待檢測血管的終止位置較為準確且縮小了查找范圍。
[0101]步驟204，依據顱骨的位置估計頸部的位置，利用邊緣檢測算法和圓形檢測算子對所述頸部位置的增強圖像逐層檢測得到待檢測血管在感興趣區域的起始潛在位置。
[0102]步驟205，采用聚類算法對所述起始潛在位置和終止潛在位置分別進行定位分類，分別選擇最大類的定位點作為待檢測血管的起止位置。
[0103]上述步驟204和步驟205能夠得出四根血管的終止位置、起始位置，終止位置和起始位置分別是位置區域，每個位置區域中都有多個定位點。利用聚類算法將定位點進行分類，剔除錯誤定位點，將具有最大類的定位點作為待檢測血管的起止位置，由于在頭頸部區域存在四根待檢測血管，可以通過血管解剖結構以及相互位置關系，區分出左頸動脈、右頸動脈、左椎動脈、右椎動脈這四根血管各自的起止位置。
[0104]步驟206，計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的位置點組成起止位置間的一條血管路徑。
[0105]由于顱骨的血管結構和頸部的血管結構不同，采用步驟204的方法也能夠確定待檢測血管的起始潛在中心位置。為了更為精確的確定待檢測血管的起始潛在中心位置，通過步驟205的方法進行檢測。
[0106]灰度相似度就是指各位置點與起止點的灰度差異大小。在實際應用中可以采用在指定全部點與起止點的最小灰度差異并進行歸一化處理，再取倒數變到O和I之間的值作為灰度相似度。
[0107]以起始位置為基準位置，首先選擇起始位置相鄰區域中與起始位置灰度相似度差異最小的位置點，然后再選擇該位置點的鄰域中與該位置點灰度相似度差異最小的位置點，依次選擇出相似度差異最小的位置點，直到選擇至終止位置為止，從而根據選擇出的所有相似度差異最小的位置點確定一條從起始位置至終止位置的血管路徑。
[0108]可以利用優先隊列檢測連接待檢測血管起始和終止點間的具有高相似度的路徑，比如:先將血管起始點壓入優先隊列，迭代將待檢測點鄰域各點放入優先隊列，優先隊列彈出與起止點相似度最高的位置點，并記錄與前一彈出點的鄰接關系，若該點為終止點則停止迭代，否則將彈出點鄰域內未檢測點壓入優先隊列，繼續迭代過程到優先隊列彈出點為血管終止點為止。根據優先彈出點的先后順序及與相鄰接關系，回溯獲得從起始點到終止點的最大相似度測度的路徑，該路徑即為連接血管起止點間的血管路徑。
[0109]當然，同樣的也可以先以終止位置為基準位置，依次確定灰度相似度差異最小的位置點，直到確定出起始位置為止。
[0110]當然，還可以是從起始位置和終止位置的鄰域范圍內，選擇出多個與其相比相似度值差異最小的位置點，利用這些選擇的位置點，確定出一條從起始位置至終止位置的血管路徑。
[0111]步驟207，利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑。
[0112]灰度平滑度是用于描述血管半徑范圍內的全部點的灰度差異程度，灰度平滑度可以采用不同尺度半徑范圍內的灰度方差來衡量大小，本步驟通過計算各個位置點在不同尺度半徑范圍內的灰度平滑度，然后分別將這些灰度平衡度與閾值進行比較并選擇出大于閾值的灰度平滑度，再從中選擇出最大半徑作為該位置點處的血管半徑。
[0113]步驟208，按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。
[0114]步驟209，在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
[0115]針對頭頸部區域的四根待檢測血管，將這四根待檢測血管的血管區域處的增強圖像與減影圖像進行融合，使得減影圖像中待檢測血管穿越骨骼被減去的部分得到保留。
[0116]對應本發明實施例血管顯影方法實施例1本發明實施例提供了一種血管顯影裝置，具體通過以下實施例進行解釋說明。
[0117]參見圖3，示出了本發明實施例血管顯影裝置實施例1的示意圖，所述裝置包括:
[0118]掃描單元301、檢測單元302和融合單元303。下面結合該裝置的內部結構和工作原理對各個單元進行解釋說明。
[0119]掃描單元301，用于掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所 述增強圖像進行減影處理得到減影圖像；[0120]檢測單元302，用于在所述增強圖像中檢測所述待檢測血管的血管區域；
[0121]融合單元303，用于在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
[0122]可選的，所述檢測單元，包括:
[0123]估計子單元，用于在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑；
[0124]確定子單元，用于利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑；
[0125]分割子單元，用于按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。[0126]在上述檢測單元的基礎上，可選的，所述估計子單元，包括:
[0127]第一匹配模塊，用于將所述增強圖像與所述待檢測血管穿越的骨骼區域模型匹配，確定在所述增強圖像中骨骼的位置；
[0128]第二匹配模塊，用于依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置；
[0129]第一選擇模塊，用于計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的位置點組成起止位置間的一條血管路徑。
[0130]在上述檢測單元的基礎上所述確定子單元，包括:
[0131]第一計算模塊，用于計算所述血管路徑上各位置點的不同尺度半徑范圍內的灰度平滑度；
[0132]第二選擇模塊，用于選擇滿足平滑度閾值條件的最大半徑作為該路徑位置點處的血管半徑。
[0133]在上述估計子單元的基礎上，可選的，所述第二匹配模塊，包括:
[0134]建立子模塊，用于預先建立至少一種尺度下的血管截面灰度分布模板；
[0135]匹配子模塊，用于依據所述待檢測骨骼的位置估計待檢測血管所在的感興趣區域，在所述感興趣區域內逐層與所述血管截面灰度分布模板進行匹配得到待檢測血管所在的感興趣區域中的潛在位置；
[0136]選擇子模塊，用于采用聚類算法對所述待檢測血管所在的感興趣區域的潛在位置進行定位分類，根據待檢測血管與所處骨骼的位置起止關系選擇最大類的定位點作為待檢測血管的起止位置。
[0137]本發明首先掃描待檢測血管所在區域的增強圖像，在所述增強圖像中去除所述骨骼區域得到減影圖像；然后，在所述增強圖像中檢測所述待檢測血管的血管區域；這樣處理能夠確定出待檢測血管在增強圖像中的血管區域此血管區域就是待檢測血管穿越骨骼或者臨近骨骼部分被誤減除的血管區域，最后，在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
[0138]針對頭頸部區域的血管進行顯影時，本發明還提供了一種血管顯影裝置，具體是在上述血管顯影裝置實施I的基礎上所述檢測單元中的估計子模塊中的第二匹配模塊與其不同。其他單元和模塊都與裝置實施例1中的單元相同。具體參見圖4，示出了本發明實施例血管顯影裝置實施例2的示意圖，所述裝置包括:[0139]該裝置中包含掃描單元401、檢測單元402和融合單元403。除了檢測單元中的第二匹配模塊之外，其他單元和模塊都與裝置實施例1中的單元相同，在此不再贅述。下面對該裝置的內部結構和工作原理對各個單元進行解釋說明。
[0140]檢測單元包括:估計子單元、確定子單元和分割子單元；
[0141]其中，估計子單元包括:第一匹配模塊，第二匹配模塊和第一選擇模塊；若待檢測血管為頭頸部的血管時，
[0142]所述第二匹配模塊，具體包括:
[0143]建立子模塊，用于預先建立至少一種尺度下的血管截面灰度分布模板；
[0144]匹配子模塊，用于依據顱骨的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管在感興趣區域的終止潛在位置；
[0145]檢測子模塊，用于依據顱骨的位置估計頸部的位置，利用邊緣檢測算法和圓形檢測算子對所述頸部位置的增強圖像逐層檢測得到待檢測血管在感興趣區域的起始潛在位置；
[0146]選擇子模塊，用于采用聚類算法對所述起始潛在位置和終止潛在位置分別進行定位分類，分別選擇最大類的定位點作為待檢測血管的起止位置。
[0147]本發明實施例是依據頭頸部骨骼和血管的結構特征，利用血管截面灰度分布模板匹配、邊緣檢測算法和圓形檢測算子檢測分別確定出待檢測血管的潛在終止位置和潛在起始位置，這種方式能夠更準確的確定潛在位置，減少計算復雜度，提高顯影處理速率。
[0148]需要說明的是，在本文中諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
[0149]需要說明的是，本領域普通技術人員可以理解實現上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關的硬件來完成，所述的程序可存儲于計算機可讀取存儲介質中，該程序在執行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory, ROM)或隨機存儲記憶體(Random Access Memory, RAM)等。
[0150]以上對本發明所提供的一種血管顯影方法和裝置進行了詳細介紹，本文中應用了具體實施例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在【具體實施方式】及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。
【權利要求】
1.一種血管顯影方法，其特征在于，包括: 掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像； 在所述增強圖像中檢測所述待檢測血管的血管區域； 在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
2.根據權利要求1所述的方法，其特征在于，在所述增強圖像中檢測所述待檢測血管的血管區域，包括: 在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑； 利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑； 按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。
3.根據權利要求2所述的方法，其特征在于，所述在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑，包括: 將所述增強圖像與所述待檢測血管穿越的骨骼區域模型匹配，確定在所述增強圖像中骨骼的位置； 依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置； 計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的 位置點組成起止位置間的一條血管路徑。
4.根據權利要求2所述的方法，其特征在于，所述利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑,包括: 計算所述血管路徑上各位置點的不同尺度半徑范圍內的灰度平滑度； 選擇滿足平滑度閾值條件的最大半徑作為該路徑位置點處的血管半徑。
5.根據權利要求3所述的方法，其特征在于，所述依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置，包括: 預先建立至少一種尺度下的血管截面灰度分布模板； 依據所述待檢測骨骼的位置估計待檢測血管所在的感興趣區域，在所述感興趣區域內逐層與所述血管截面灰度分布模板進行匹配得到待檢測血管所在的感興趣區域中的潛在位置； 采用聚類算法對所述待檢測血管所在的感興趣區域的潛在位置進行定位分類，根據待檢測血管與所處骨骼的位置起止關系選擇最大類的定位點作為待檢測血管的起止位置。
6.根據權利要求3所述的方法，其特征在于，若待檢測血管為頭頸部的血管時， 所述依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置，包括: 預先建立至少一種尺度下的血管截面灰度分布模板； 依據顱骨的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管在感興趣區域的終止潛在位置； 依據顱骨的位置估計頸部的位置，利用邊緣檢測算法和圓形檢測算子對所述頸部位置的增強圖像逐層檢測得到待檢測血管在感興趣區域的起始潛在位置；采用聚類算法對所述起始潛在位置和終止潛在位置分別進行定位分類，分別選擇最大類的定位點作為待檢測血管的起止位置。
7.根據權利要求1至6中任一項所述的方法，其特征在于，還包括: 利用三維體繪制顯示所述待檢測血管的顯影圖像。
8.一種血管顯影裝置，其特征在于，包括: 掃描單元，用于掃描待檢測血管所在區域得到平掃圖像和增強圖像，依據所述平掃圖像中骨骼區域對所述增強圖像進行減影處理得到減影圖像； 檢測單元，用于在所述增強圖像中檢測所述待檢測血管的血管區域； 融合單元，用于在所述減影圖像中融合所述待檢測血管的血管區域得到所述待檢測血管的顯影圖像。
9.根據權利要求8所述的裝置，其特征在于，所述檢測單元，包括: 估計子單元，用于在所述增強圖像中根據血管灰度分布情況估計待檢測血管的血管路徑; 確定子單元，用于利用灰度平滑度大小關系確定所述血管路徑中每一個位置點的血管半徑； 分割子單元，用于按照所述血管半徑和血管路徑分割所述增強圖像得到待檢測血管的血管區域。
10.根據權利要求9所述的裝置，其特征在于，所述估計子單元，包括: 第一匹配模塊，用于將所述增強圖像與所述待檢測血管穿越的骨骼區域模型匹配，確定在所述增強圖像中骨骼的位置； 第二匹配模塊，用于依據骨骼的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管的起止位置； 第一選擇模塊，用于計算所述增強圖像中各位置與所述待檢測血管的起止位置之間的灰度相似度，選擇灰度相似度差異最小的位置點組成起止位置間的一條血管路徑。
11.根據權利要求9所述的裝置，其特征在于，所述確定子單元，包括: 第一計算模塊，用于計算所述血管路徑上各位置點的不同尺度半徑范圍內的灰度平滑度； 第二選擇模塊，用于選擇滿足平滑度閾值條件的最大半徑作為該路徑位置點處的血管半徑。
12.根據權利要求10所述的裝置，其特征在于，所述第二匹配模塊，包括: 建立子模塊，用于預先建立至少一種尺度下的血管截面灰度分布模板； 匹配子模塊，用于依據所述待檢測骨骼的位置估計待檢測血管所在的感興趣區域，在所述感興趣區域內逐層與所述血管截面灰度分布模板進行匹配得到待檢測血管所在的感興趣區域中的潛在位直； 選擇子模塊，用于采用聚類算法對所述待檢測血管所在的感興趣區域的潛在位置進行定位分類，根據待檢測血管與所處骨骼的位置起止關系選擇最大類的定位點作為待檢測血管的起止位置。
13.根據權利要求10所述的裝置，其特征在于，若待檢測血管為頭頸部的血管時， 所述第二匹配模塊，具體包括:建立子模塊，用于預先建立至少一種尺度下的血管截面灰度分布模板； 匹配子模塊，用于依據顱骨的位置估計待檢測血管所在的感興趣區域，將所述感興趣區域的增強圖像逐層與血管截面灰度分布模板匹配確定待檢測血管在感興趣區域的終止潛在位置； 檢測子模塊，用于依據顱骨的位置估計頸部的位置，利用邊緣檢測算法和圓形檢測算子對所述頸部位置的增強圖像逐層檢測得到待檢測血管在感興趣區域的起始潛在位置；選擇子模塊，用于采用聚類算法對所述起始潛在位置和終止潛在位置分別進行定位分類，分別選擇最大類的定位點作為待檢測血管的起止位置。
14.根據權利要求8至13中任一項所述的裝置，其特征在于，還包括: 繪制單元，用于利用 三維體繪制顯示所述待檢測血管的顯影圖像。
【文檔編號】A61B5/055GK103876764SQ201310594580
【公開日】2014年6月25日 申請日期:2013年11月21日 優先權日:2013年11月21日
【發明者】趙建, 張博聞 申請人:沈陽東軟醫療系統有限公司