[发明专利]X射线造影图像中血管结构的提取方法及装置

说明书

本发明提供一种X射线造影图像中血管结构的提取方法及装置。该方法包括：利用分类模型，对若干图像块进行分类，获取血管图像块，将所述血管图像块对应的特定像素点的像素值设置为预设值，获取缺损图像，利用根据所述缺损图像的灰度信息和深度信息构建的修复函数，对所述缺损图像进行修复，获取修复图像，将所述原始X射线造影图像与所述修复图像进行差分运算，获取血管结构。本发明使得背景噪声得到充分的抑制，同时，保证了获取的血管结构边缘、分叉和交叉位置信息的完整性。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种X射线造影图像中血管结构的提取方法及装置。

背景技术

冠状动脉是供给心脏血液的动脉，一旦严重病变会带来生命危险。为了检查冠状动脉是否发生狭窄并影响到对心脏的供血，一般采用计算机辅助诊疗。具体地，将造影剂注入冠状动脉血管里，获取冠状动脉结构图，进而对冠状动脉进行诊断分析。

为了提高诊断的准确性，通常会采取一定的血管处理技术，如血管分割、中心线提取以及血管三维重建等，提高冠状动脉与背景的对比度。但因冠状动脉结构多元化、成像光照非均匀性、多种解剖结构的干扰、以及冠脉影像噪声的复杂化，这些技术并不能有效地提高冠状动脉与背景的对比度。此外，冠状动脉中血流变化导致造影剂分布不均会致使冠状动脉非均匀化，进一步增加提高冠状动脉与背景的对比度的难度。

为有效缓解冠状动脉非均匀性的影响、抑制非冠状动脉结构和影像噪声以及克服冠状动脉结构多元化、成像光照非均匀性、多种解剖结构的干扰和冠脉影像噪声的复杂化的影响，现有技术采用了多种图像增强方法对冠状动脉进行增强。常见的方法包括：传统血管增强方法，它基于反锐化掩膜对原始图像进行模糊，并将模糊之后的图像和原图进行差分运算，从而获得原始图像中边缘等高频信息；基于直方图均衡化方法，它主要依据图像的灰度分布，采用均衡化的方法实现图像的增强；基于图像变换的方法，它将图像变换到另一个空间以实现血管的增强；基于滤波器的方法，它采用一个或者多个滤波器实现图像的增强；基于图像减影的方法，它通过将造影前后的图像相减实现图像增强。

传统血管增强方法虽实现了冠状动脉的增强，但同时增强了高频噪声信息，使得增强效果降低；其余四种增强方法均易受图像噪声的影响，对背景噪声抑制能力较差，增强结果中目标结构的整体对比度较低，同时，还容易模糊目标结构的边缘信息，尤其是当血管中出现不同分支交叉、重叠或者投影引起的血管缩短时。

发明内容

本发明提供一种X射线造影图像中血管结构的提取方法及装置，以克服现有技术中，血管结构增强效果不佳的问题。

根据本发明的第一方面，提供一种X射线造影图像中血管结构的提取方法，该方法包括：步骤1，利用分类模型，对若干图像块进行分类，获取血管图像块；所述若干图像块包括利用原始X射线造影图像中满足预设条件的若干特定像素点构建的血管图像块和非血管图像块；步骤2，将所述血管图像块对应的特定像素点的像素值设置为预设值，获取缺损图像；步骤3，利用根据所述缺损图像的灰度信息和深度信息构建的修复函数，对所述缺损图像进行修复，获取修复图像；步骤4，将所述原始X射线造影图像与所述修复图像进行差分运算，获取血管结构。

结合本发明第一方面的第一种可能实现方式，在第二种可能实现方式中，所述步骤1之前还包括：基于若干血管图像块和非血管图像块的特征向量，对基于Adaboost强分类器和概率增强树构建的混合分类器进行训练，获得分类模型；所述若干血管图像块和非血管图像块基于若干X射线造影图像中若干血管像素点和非血管像素点构建。

结合本发明第一方面的第二种可能实现方式，在第三种可能实现方式中，所述对基于Adaboost强分类器和概率增强树构建的混合分类器进行训练之前还包括：采用若干层决策树模型作为弱分类器构建Adaboost强分类器；构建特定深度的概率增强树，将所述Adaboost强分类器作为所述概率增强树的节点，得到混合分类器。