[发明专利]一种冠脉造影方法、设备及计算机可读存储介质

说明书

本发明公开了一种冠脉造影方法，应用于冠脉造影技术领域，包括以下步骤：输入冠脉造影的原始图像并进行预处理，得到增强细节的图像；采用预设的广输出域相似性响应函数对增强细节的图像中所有像素点进行依据特征增强的分类处理，分类特征包括冠脉结构和背景结构；利用大津法计算分类特征的分割阈值，基于分割阈值对增强细节的图像进行阈值化处理，得到图割结果。本发明还同时公开了一种冠脉造影设备及计算机可读存储介质。

技术领域

本发明涉及冠脉造影技术领域，尤其涉及一种冠脉造影方法、设备及计算机可读存储介质。

背景技术

冠状动脉造影是目前被应用于临床诊疗冠心病的最佳技术，它可以使医生和患者清晰地观察到冠状动脉有无超过50％的狭窄、有无血栓和血管壁钙化等病症，使冠心病的诊断更直观和科学。通过造影图像精确提取冠脉结构及骨架等信息，可以辅助医生诊断冠心病或对血管狭窄程度进行评估和量化，这些信息同时也是冠脉血管树三维重建的重要基础。但由于冠状动脉本身的拓扑结构复杂且造影剂分布不均，使得造影图像不可避免的具有模糊、对比度低等缺陷，这些问题使得冠脉血管的图割提取非常困难，尤其是细小血管和末梢血管难以通过一般的方法与背景区分开，从而无法得到冠脉血管树的全局结构和连续的血管骨架。

Du等人在《Vessel enhancement filtering in three-dimensional MRangiography》中提出单尺度下的非线性二阶偏微分滤波技术，该技术可以增强血管结构；Orkisz等人在《Improved vessel visualization in MR angiography by nonlinearanisotropic filtering》中提出一种基于各向异性的滤波增强技术，在血管的局部方向进行非线性平滑处理。由于上述这两种方法只进行了单一尺度处理而没有考虑多尺度情况下算法的适应性，因此要在很大范围内检测血管；进一步地，为了处理体积元素的各向异性噪声，上述几种方法通常还需对数据集进行多重采样。在此基础上，Frangi等人在《Multiscale vessel enhancement filtering》中提出一种基于Hessian矩阵的血管提取方法，利用Hessian矩阵的线性结构相似性测度分析图像，使血管区域得到了很好的增强效果，但该算法仍存在一定局限性，如难以确定边缘扩散、血管相似性函数中涉及的比例因子等，这些问题会严重影响后续的图割效果。

发明内容

本发明所要解决的技术问题是克服现有冠脉造影图像分割方法的缺陷，提出一种改进的多尺度Hessian矩阵分割方法，该方法中基于设定一种更为鲁棒的血管相似性响应函数，从而能够省去对比例因子等参数的设置，并通过阈值化手段得到冠脉造影图像的分割结果。

本发明为了实现上述目的具体采用以下技术方案：

第一方面，本发明公开一种冠脉造影方法，包括以下步骤：

输入冠脉造影的原始图像并进行预处理，得到增强细节的图像；

采用预设的广输出域相似性响应函数对增强细节的图像中所有像素点进行依据特征增强的分类处理，分类特征包括冠脉结构和背景结构；

利用大津法计算分类特征的分割阈值，基于分割阈值对增强细节的图像进行阈值化处理，得到图割结果。

进一步地，预处理包括：

首先基于高斯滤波器对原始图像进行卷积滤波；

其次消除高斯滤波器的边缘扩散影响。

进一步地，基于高斯滤波器对原始图像进行卷积滤波的过程，具体包括：

依据线性尺度空间理论设定尺度因子σ，基于原始图像的像素点P和像素点P在尺度因子σ下的高斯函数g(P,σ)计算卷积，得到原始图像的二阶导数I(P,σ)。

进一步地，高斯函数g(P,σ)的表达式为其中，x和y是像素点P的二维坐标；