[发明专利]基于平行结构检测与聚类的血管中心线自动提取方法

说明书

技术领域

本发明涉及一种基于平行结构检测与聚类的血管中心线自动提取方法，属于心血管疾病计算机辅助诊疗领域。

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。我国冠心病的平均患病率为6.49%，并且近年来发病率和病死率呈快速上升的趋势。因此，在患病早期对心脑血管疾病进行定量诊断和风险评估可有效预防病情恶化，从而延长人类预期寿命、提高人类生活质量。

当前临床治疗中，冠状动脉结构分析都是基于二维X射线造影图像。X射线血管造影术(X-RayAngiography，XRA)被视作冠心病诊断和治疗方案确定的“金标准”。由于三维血管投影缩短和重叠，冠脉结构三维信息的缺失使冠脉结构的识别产生较大的困难。冠脉三维重建技术可为医生提供冠脉的空间立体信息，可有效辅助临床进行疾病诊断。为进行冠脉三维重建，需要精确地从二维图像中分割出血管结构信息，包括血管的中心线、分叉点与直径信息。其中，血管中心线的提取是血管分割中最核心的部分。但是，由于血管结构复杂，而且其成像时受造影剂的影响较大，导致灰度易呈现不均匀性，使得血管的中心线提取困难增大。

在理想的条件下，医学影像中血管相对于其他目标具有许多特征，如血管拥有连续的中心线、血管拥有两条平行边界、血管的宽度与亮度连续均匀变化等。血管中心线表现为平行边界之间一条连续的曲线。因此，可以考虑利用血管平行边界特征用于提取血管的中心线，再通过提取的血管中心线信息获得血管的直径、方向矢量、分叉点和血管弯曲部位等参数信息。

目前已经有很多血管中心线提取算法，取得了巨大的进步，但是还存在以下几个方面的问题：

1.传统的血管中心线提取算法需要大量手动交互过程，设置算法初始条件，不仅耗时，而且易受人为因素干扰，无法复现。

2.在血管提取过程中，由于冠脉造影图像因背景复杂度高、对比度低，且二维图像中大量信息缺失等原因，血管全自动分割过程面临着极大的挑战。

3.传统血管中心线提取算法会将局部图像特征信息较弱的血管边界会被剔除，不能很好地提取血管的完整边界。

从医学影像中识别血管的结构对于血管疾病的研究与诊疗具有重要意义。在造影图像中，血管树是人体三维血管结构经X射线照射后缺失了空间信息的表现形式，并不能清楚地表达血管的空间结构。因此，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。

发明内容

本发明针对上述问题，提出了一种基于平行结构检测与聚类的血管中心线自动提取方法，包括以下步骤:

第一步，图像边缘点检测：设置梯度响应算子检测图像边缘点的位置，采用三阶微分算子计算图像边缘点的方向；

第二步，图像边缘点特征描述：根据检测得到的图像边缘位置和方向信息，结合特定曲线模型建立图像边缘点的本征曲线束，用以描述图像边缘的几何一致性，本征曲线束代表了可能成为通过该边缘点的血管轮廓边界的所有曲线；

第三步，图像边缘曲线聚类：包括图像邻域范围内的边缘曲线聚类和图像全局范围内的边缘曲线聚类；

第四步，平行结构检测：针对提取出来的血管边界，考虑到血管边界的平行特征，构建平行线对模型，并以该模型为依据，根据平行线基元检测获得血管的两条平行边界。

第五步，血管中心线提取：血管中心线表现为平行边界之间一条连续的曲线，基于检测出的血管两条平行边界，寻找与两条平行边界距离相同的位置，得到血管中心点，循环该过程，连接所有的血管中心点，最终获得血管的中心线。

第三步所述的图像邻域范围内的边缘曲线聚类给定图像的邻域范围，领域范围内的边缘点组成一段离散曲线，针对模板内所有图像边缘点的本征曲线束，并根据其几何一致性，寻找其在所有边缘点的本征曲线束里存在的共同曲线，连接所有共同曲线形成离散曲线的本征曲线束。

第三步所述的图像全局范围内的边缘曲线聚类通过离散曲线之间的本征曲线束寻找全局连续曲线的几何一致性，重建出全局连续曲线，提取血管的全部边界，剔除无法满足本征曲线束几何一致性的图像边缘点，从而去除伪血管轮廓。

本发明提出的血管中心线提取方法优点在于：

1.整个血管中心线提取过程完全自动化，不需要手动交互，排除了人为干扰因素；

2.采用三阶微分算子计算结果重新定义图像边缘方向，利用本征曲线束作为轮廓提取过程的边缘过渡表述方式。边缘的新方向，成为边缘连接过程中曲线连接的一个重要参数。根据几何一致性，有效地去除了伪血管轮廓，并完整保留了血管边界。