專利名稱：一種從造影圖像中全自動跟蹤提取血管的方法
技術領域：
本發明涉及ー種血管造影圖像中血管分割的方法，尤其是ー種全自動的血管分割的方法，屬于醫學影像處理領域。
背景技術：
隨著人類生活水平的提高，心腦血管疾病已成為影響人類健康的頭號死因，據世界衛生組織最近進行的人類“十大死因”調查顯示毎年全世界心腦血管疾病死亡人數已占所有死亡人數的23. 6%。因此，對心腦血管疾病的早期定量診斷和風險評估對延長人類預期壽命、提高人類的生活質量起著非常關鍵的作用。血管造影是通過造影劑顯示血管的ー種方法。在臨床的診療中，醫生往往需要根據患者的血管造影圖像進行分析判斷。而如何根據造影圖像進行血管疾病的診斷，則需要 精確地從圖像中分割出血管的結構，包括血管的中心線、分叉點與直徑的提取。不僅如此，從造影圖像中分割出血管對于血管三維重建、拓撲結構分析、可視化渲染以及血管功能分析都有重要的研究意義。由于血管在造影圖像中呈樹形結構，且灰度分布有其一定規律，因此若能綜合考慮造影圖像中血管相對于其他組織結構的特征用于設計血管分割方法將能大大提高血管的分割效果。在理想的條件下，造影圖像中的血管有許多特征。如，血管擁有連續、高亮的中心線；血管擁有兩條平行邊界；血管的寬度與亮度為連續均勻變化的；因此，在圖像映射到更高一維的灰度超曲面時，血管中心線表現為由一系列脊點構成的脊線。在灰度超曲面上提取脊線則相當于血管的中心線。其中，脊點是圖像亮度在某一方向上的局部極值，在血管圖像中表現為垂直血管走向方向上的灰度極值。因此，可以考慮利用血管中心線的脊線特征用于提取血管的中心線結構，再利用提取的中心線信息獲得血管的其他參數信息(如分叉點、直徑和方向矢量等)。但是目前的基于脊點的血管分割算法存在幾個方面的問題I.傳統的血管分割算法或多或少需要手動交互，用于設置算法的初始條件。造成了分割結果易受人為因素干擾，且不能復現。2.在使用跟蹤提取血管的過程中，常涉及種子點的設置。一般情況下需要手工在血管中心線上標出，在需要大量種子點時，費事費力，且標注結果精度不高。3.由于在實際中能夠獲取的脊點與真實脊點之間存在誤差，在利用Hessian矩陣描述中心線上的脊點脊點時，誤差經過二次放大后，Hessian矩陣的特征向量已經不能正確描述脊點的跟蹤方向。若利用尺度空間進行改進，則會引入大量的卷積計算而影像算法執行效果。

發明內容
從醫學影像中分割出血管的結構對于血管疾病的研究與診療具有重要的意義。在造影圖像中，血管樹是人體三位血管結構經X射線后的缺失空間信息的表現形式，并不能清楚地表達血管的空間結構。因而，精確的血管提取對于臨床需求尤為重要。傳統的血管提取方法不僅需要大量的人為介入操作，而且涉及算法計算量大。本發明提出了ー種全自動的血管分割方法，無需人工干預即可準確地提取出血管的拓撲結構，可被運用于臨床心血管疾病的診療過程中。本發明主要包括高斯多尺度血管圖像增強、多階微分血管中心線跟蹤、鄰域空間血管分叉點檢測與梯度范數判別血管直徑測量四個部分。高斯多尺度血管圖像增強部分實現了造影圖像中管狀部分區域的增強，突出血管脊線的特征，減弱了背景中非管狀目標的干擾。多階微分血管中心線跟蹤部分實現了造影圖像中血管中心線的跟蹤提取，過程包括亮度局部極大值點與跟蹤初始點(種子點)的檢測，跟蹤初始方向的計算，中心線的跟蹤與偽血管中心線的剔除。鄰域空間血管分叉點檢測部分基于提取的離散中心線脊點，對鄰域脊點集基數進行分析，實現了造影圖像上血管分叉點的檢測。梯度范數判別血管直徑測量部分基于提取的血管中心線，通過圖像梯度范數ー階與ニ階導數構造直徑判別函數計算出中心線到血管邊界的距離，從而實現了造影圖像上血
管直徑的測量。本血管自動提取的方法的優點在于I.血管提取全過程完全自動化，不需要手動交互，排除了人為干擾因素；2.在血管中心線的跟蹤過程中，能自動獲取大量位于血管中心線上的種子點，為中心線的自動跟蹤提供了初始條件；提出的脊點跟蹤方向相對于利用Hessian矩陣的特征向量定義的脊點跟蹤方向，魯棒性更強；在跟蹤結果中，能自動合并真實的血管中心線，自動剔除偽血管中心線，保留了真實的血管中心線；3.基于提取的血管中心線能自動檢測出造影圖像上血管分叉點的坐標，同時又計算出中心線上每個脊點對應的直徑長度。


圖I是本發明所提出的工作流程圖；圖2是本發明所提出的種子點提取示意圖；圖3是本發明所提出的初始跟蹤方向示意圖；圖4是本發明所提出的中心線跟蹤示意圖。圖5是本發明所提出的血管分叉點檢測示意圖。圖6是本發明所提出的血管直徑測量示意圖。
具體實施例方式關于本發明的優點與精神可以通過以下的發明詳述及附圖得到進ー步的了解。步驟S101，讀取血管造影圖像數據，數據可以是DICOM序列切片圖像，也可以是單
幅ニ維造影圖像。步驟S102，對造影圖像在多尺度空間進行增強，其中對應尺度s下的增強函數為
權利要求
1.一種從造影圖像中全自動跟蹤提取血管的方法，由四個關鍵模塊構成，其中包括 (1)高斯多尺度血管圖像增強模塊在高斯線性尺度空間對原始圖像進行增強，使得圖像內管狀區域內脊性特征突出； (2)多階微分血管中心線跟蹤模塊在圖像的亮度空間中，檢測局部極值點，利用圖像一階與二階微分算子自動尋找到血管中心線上的種子點，根據亮度分布自動跟蹤提取出血管的中心線，最終根據中心線的連通性剔除偽血管中心線，保留真實血管中心線； (3)鄰域空間血管分叉點檢測模塊對血管中心線上的離散點進行局部鄰域空間分析，篩選出鄰域集合中基數大于3的脊點作為血管分叉點； (4)梯度范數判別血管直徑測量模塊基于圖像梯度范數在方向正交于血管跟蹤方向上的一階導數與二階導數構造的直徑判別函數求得血管中心線到血管邊界的距離，測量出血管各處直徑的大小。
2.如權利要求I所述的全自動血管提取方法，其中高斯多尺度血管圖像增強模塊，可以實現造影圖像中血管區域的增強，突出血管脊線特征。
3.如權利要求I所述的全自動血管提取方法，其中多階微分血管中心線跟蹤模塊，可以實現在造影圖像中自動獲取大量位于血管中心線上的種子點，并從種子點出發沿中心線跟蹤提取出血管中心線，剔除偽血管中心線，保留真實血管中心線。
4.如權利要求I所述的全自動血管提取方法，其中鄰域空間血管分叉點檢測模塊，可以實現造影圖像中血管分叉點的自動提取。
5.如權利要求I所述的全自動血管提取方法，其中梯度范數判別血管直徑測量模塊，可以實現造影圖像中任意位置血管對應直徑長度的自動測量。
全文摘要
從醫學影像中分割出血管的結構對于血管疾病的研究與診療具有重要的意義。傳統的血管提取方法不僅需要大量的人為介入操作，而且涉及算法計算量大。本發明提供了一種在血管造影圖像中自動跟蹤提取血管結構的方法，在對圖像中血管進行多尺度脊線增強的基礎上，自動檢測出大量位于血管中心線上的種子點，并計算出它們的初始跟蹤方向。通過跟蹤提取血管中心線上脊點的方法獲得候選中心線集，并剔除偽血管中心線。最后，對中心線上的離散點進行分析，判斷出哪些點為血管分叉點，同時又計算出血管中心線上脊點對應的血管直徑長度。本算法運行速度快，無需人工干預即可準確地提取出血管的拓撲結構，可被運用于臨床心血管疾病的診療過程中。
文檔編號G06T7/00GK102819823SQ201210009159
公開日2012年12月12日 申請日期2012年1月12日 優先權日2012年1月12日
發明者楊健, 肖若秀, 劉越, 王涌天 申請人:北京理工大學