一种血管中心线的提取方法、装置以及可读存储介质

技术领域

本发明涉及血管影像处理领域，尤其涉及一种血管中心线的提取方法、装置以及可读存储介质。

背景技术

从血管分割结果中提取血管中心线是CT血管类全自动后处理中关键步骤。传统方法中通常使用直接对血管分割结果做骨架化操作，由于骨架化的拓扑不变性，往往会遭到血管分割的缺陷的干扰。

发明内容

本发明实施例提供了一种血管中心线的提取方法、装置以及设备，具有避免传统骨架化操作过程中受到血管分割缺陷干扰的技术效果。

本发明一方面提供一种血管中心线的提取方法，所述方法包括：获取经血管分割后的血管影像，并确定所述血管影像的边缘位置；确定所述边缘位置的灰度值，并根据与所述边缘位置的距离值调整所述血管影像中各个位置的灰度值；将所述血管影像中各个位置以及对应的灰度值作为hessian矩阵的参数，计算得到所述血管影像中各个位置位于血管中心线上的置信度；若所计算得到的置信度满足预设要求，则利用hessian矩阵确定所述血管影像中各个位置的中心线方向；在所述血管影像中存在特定位置的置信度满足所述预设要求，则按照预设规则将所述特定位置分别按照对应的中心线方向进行延伸，形成对应于所述血管影像的中心线。

在一可实施方式中，所述根据与所述边缘位置的距离值调整所述血管影像中各个位置的灰度值，包括：以所述边缘位置的灰度值为基点，所述边缘位置向四周依次递减灰度值，以确定所述血管影像中各个位置的灰度值；将所述血管影像中各个位置所确定的灰度值迭代各自原有的灰度值。

在一可实施方式中，所述计算得到所述血管影像中各个位置位于血管中心线上的置信度，包括：通过所述hessian矩阵计算得到至少三个所述血管影像中各个位置在空间方向上表征灰度值变化率的特征值；根据至少所述三个特征值，计算得到所述血管影像中各个位置位于血管中心线上的置信度。

在一可实施方式中，所述根据至少所述三个特征值，计算得到所述血管影像中各个位置位于血管中心线上的置信度，包括：若|λ

在一可实施方式中，所述确定所述血管影像中各个位置的中心线方向，包括：选取所述三个特征值中量级最小的特征值，并将所述量级最小的特征值所对应的特征向量定为所述血管影像中各个位置的中心线方向。

在一可实施方式中，所述预设规则，包括：从所述特定位置中选取所述置信度超过第一阈值的第一位置；以所述第一位置为基点，向所对应的中心线方向延伸；判断所述第一位置的延伸方向上是否包含已形成的中心线；若判定所述第一位置的延伸方向上包含已形成的中心线，则延伸至所述中心线时停止延伸；若判定所述第一位置的延伸方向上不包含已形成的中心线，则在所述第一位置的延伸方向上查询所述置信度最高的第二位置；若所述第二位置的置信度超过第二阈值，则以所述第二位置为基点，向所对应的中心线方向延伸。

在一可实施方式中，所述第一阈值为1。

本发明另一方面提供一种血管中心线的提取装置，所述装置包括：影像获取模块，用于获取经血管分割后的血管影像，并确定所述血管影像的边缘位置；灰度值调整模块，用于确定所述边缘位置的灰度值，并根据与所述边缘位置的距离值调整所述血管影像中各个位置的灰度值；置信度获取模块，用于将所述血管影像中各个位置以及对应的灰度值作为hessian矩阵的参数，计算得到所述血管影像中各个位置位于血管中心线上的置信度；方向确定模块，用于若所计算得到的置信度满足预设要求，则利用hessian矩阵确定所述血管影像中各个位置的中心线方向；中心线形成模块，用于在所述血管影像中存在特定位置的置信度满足所述预设要求，则按照预设规则将所述特定位置分别按照对应的中心线方向进行延伸，形成对应于所述血管影像的中心线。

在一可实施方式中，所述置信度获取模块，具体用于：通过所述hessian矩阵计算得到至少三个所述血管影像中各个位置在空间方向上表征灰度值变化率的特征值；根据至少所述三个特征值，计算得到所述血管影像中各个位置位于血管中心线上的置信度。

本发明另一方面提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述任一项所述的血管中心线的提取方法。

在本发明实施例中，在对血管分割后的血管影像进行中心线生成时，通过确定血管影像的边缘位置、调整血管影像中各个位置的灰度值，以及利用hessian矩阵确定特定位置和对应的中心线方向，最后根据所确定的特定位置和中心线方向进行中心线连接，最终形成整个血管的中心线。通过提出一种新的中心线提取方案，从而避免了传统骨架化操作过程中受到血管分割缺陷干扰的问题。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1为本发明实施例一种血管中心线的提取方法的实现流程示意图；

图2为本发明实施例一种血管中心线的提取方法中的灰度值全局迭代过程示意图；

图3为本发明实施例一种血管中心线的提取方法中的血管与特征方向的关系图；

图4为本发明实施例一种血管中心线的提取方法中的血管连接过程示意图；

图5为本发明实施例一种血管中心线的提取方法中预设规则的实现流程示意图；

图6为本发明实施例一种血管中心线的提取装置的结构组成示意图。

具体实施方式

为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明一方面提供一种血管中心线的提取方法，包括：

步骤101，获取经血管分割后的血管影像，并确定血管影像的边缘位置；

步骤102，确定边缘位置的灰度值，并根据与边缘位置的距离值调整血管影像中各个位置的灰度值；

步骤103，将血管影像中各个位置以及对应的灰度值作为hessian矩阵的参数，计算得到血管影像中各个位置位于血管中心线上的置信度；

步骤104，若所计算得到的置信度满足预设要求，则利用hessian矩阵确定血管影像中各个位置的中心线方向；

步骤105，在血管影像中存在特定位置的置信度满足预设要求，则按照预设规则将特定位置分别按照对应的中心线方向进行延伸，形成对应于血管影像的中心线。

本实施例中，在步骤101中，血管影像可以是CT影像(Computer Tomography，CT)、MRI影像(Magnetic Resonance Imaging，MRI)或者USI影像(Uitrasonic Image，USI)。其中，影像具体可以为图像、视频、投影等等。血管分割指的是从原始影像中分割出血管影像，其血管分割方式包括现有的如阈值分割方法、边缘检测方法、基于模型的方法、基于数学形态学的方法、基于小波理论方法等，分割后的血管影像如图2中的“血管影像1”所示。

血管影像的边缘位置指的是影像中血管与影像背景的分界线，是周围(局部)像素有显著变化的像素的集合。血管影像的边缘位置可通过现有的常见边缘检测算子如Roberts、Sobel、Prewitt、Laplacian、Log/Marr等检测得到，边缘检测后的血管影像如图2中的“血管影像1”所示，图中血管截面周围的白点表示边缘位置。

在步骤102中，灰度值具体为影像中的像素值或者三维图像中的体素值，在CT影像中，灰度值则为CT值。

在确定血管影像的边缘位置之后，可通过计算机读取并确定边缘位置的灰度值，确定后的灰度值可以是原有影像中的灰度值，也可以是通过计算机给定的灰度值，其中通过给定的灰度值一般较高，如图2所示，可见图2中“血管影像2”的血管截面灰度值高于“血管影像1”的血管截面灰度值(颜色越亮灰度值越高)。

在确定边缘位置的灰度值之后，根据与边缘位置的距离值调整血管影像中各个位置的灰度值，目的在于将整个血管影像进行灰度值重置或迭代，具体调整可以是以血管影像的边缘位置为中心并且以边缘位置的灰度值向四周根据距离值逐渐递增/递减灰度值，使得整个血管影像的灰度值呈梯度分布，如图2所示，图2中的“血管影像2”中各个白色点表示为迭代区域。

在步骤103中，hessian矩阵应用在影像中时，用于计算血管影像中各个位置在至少三个方向上(参考图3中所示的V1、V2和V3)灰度值的变化率。hessian矩阵的参数为血管影像中的各个位置信息以及对应的灰度值，通过hessian矩阵将计算得到每个位置对应三个方向的三个特征值，特征值越大，变化率越强。可通过比较三个特征值的大小、正负关系等多种方式确定血管影像中各个位置位于血管中心线上的置信度。

在步骤104中，置信度满足预设要求具体可以是置信度超过某一个固定阈值，也可以是低于某一个固定阈值，也可以根据三个特征值的值大小来判断。当置信度满足预设要求时，通过hessian矩阵所计算得到的三个特征值，根据hessian矩阵的性质，若三个特征值中存在两个量级较大的负特征值以及一个接近于0的特征值，那么此时三个特征值所对应的特征方向如图3所示，其中特征方向V1和V2对应两个量级较大的负特征值，特征方向V3对应另一个接近于0的特征值，可见，特征方向V3即为血管的中心线方向，其中量级较大为特征值的绝对值大于第一预设阈值，接近于0的特征值为该特征值与数值0之差小于第二预设阈值。

在步骤105中，结合图4所示，将在血管影像中各个位置满足上述预设要求的位置设为特定位置，假定图4中第一位置满足预设要求，则相应的获取到第一位置的中心线方向，并沿着该中心线方向延伸。预设规则为根据已知特定位置和中心线方向以最终连接形成血管中心线的规则，该规则可针对不同血管制定。预设规则具体可以是如图4所示，当第一位置在延伸过程中遇到已形成的中心线或者第二位置时，那么第一位置的延伸结束。当然预设规则还可以以其他方式来形成最终的血管中心线。

由此，在对血管分割后的血管影像进行中心线生成时，通过确定血管影像的边缘位置、调整血管影像中各个位置的灰度值，以及利用hessian矩阵确定特定位置和对应的中心线方向，最后根据所确定的特定位置和中心线方向进行中心线连接，最终形成整个血管的中心线。通过提出一种新的中心线提取方案，从而避免了传统骨架化操作过程中受到血管分割缺陷干扰的问题。

在一可实施方式中，根据与边缘位置的距离值调整血管影像中各个位置的灰度值，包括：

以边缘位置的灰度值为基点，边缘位置向四周依次递减灰度值，以确定血管影像中各个位置的灰度值；

将血管影像中各个位置所确定的灰度值迭代各自原有的灰度值。

本实施例中，血管影像中各个位置的灰度值的调整方式具体为：

结合图2所示，边缘位置为血管截面的周围，以血管截面的周围各个位置为起点，即边缘位置处的灰度值为基准向四周各个方向逐渐递减灰度值，以使影像中距离边缘位置越远的位置，设定的灰度值越小。

将影像中各个位置所设定好的灰度值迭代原有位置上的灰度值。

在一可实施方式中，计算得到血管影像中各个位置位于血管中心线上的置信度，包括：

通过hessian矩阵计算得到至少三个血管影像中各个位置在空间方向上表征灰度值变化率的特征值；

根据至少三个特征值，计算得到血管影像中各个位置位于血管中心线上的置信度。

本实施例中，将血管影像中各个坐标位置以及对应的灰度值作为hessian矩阵的参数，得到至少三个方向上的特征值，其中三个方向可参考图3中的V1、V2和V3。

令V1、V2和V3分别对应特征值λ

若|λ

如公式所示，若λ

在一可实施方式中，确定血管影像中各个位置的中心线方向，包括：

选取三个特征值中量级最小的特征值，并将量级最小的特征值所对应的特征向量定为血管影像中各个位置的中心线方向。

本实施例中，结合上述公式以及图3所示，三个特征值中量级最小的特征值为λ

在一可实施方式中，预设规则，包括：

从血管影像中各个位置中选取置信度超过第一阈值的第一位置；

以第一位置为基点，向所对应的中心线方向延伸；

判断第一位置的延伸方向上是否包含已形成的中心线；

若判定第一位置的延伸方向上包含已形成的中心线，则延伸至中心线时停止延伸；

若判定第一位置的延伸方向上不包含已形成的中心线，则在第一位置的延伸方向上查询置信度最高的第二位置；

若第二位置的置信度超过第二阈值，则以第二位置为基点，向所对应的中心线方向延伸。

本实施例中，第一阈值优选为数值1，步骤105中的预设规则具体为：

参考图4和图5所示，首先从血管影像中各个位置中选取置信度超过数值1的第一位置，若首次选取的第一位置存在多个，则随机选取其中一个，当然也可以同时选择多个第一位置以同时进行中心线连接。将所选定的第一位置设为候选点x。

以第一位置(即候选点x)为基点，向所对应的中心线方向延伸。在延伸过程中判断第一位置(即候选点x)的延伸方向上是否包含已形成的中心线。图4中，可见第一位置的延伸方向上存在已形成中心线，则延伸到已形成中心线时停止延伸。

若判定第一位置(即候选点x)的延伸方向上不包含已形成的中心线，在第一位置(即候选点x)的延伸方向上查询置信度最高的第二位置，或者在第一位置(即候选点x)延伸过程中在预设范围内查询置信度最高的第二位置，则第一位置延伸至第二位置时停止延伸，同时将第二位置作为新的候选点x。

判断第二位置(即新的候选点x)的置信度是否过低，即判断置信度是否超过第二阈值，其中第二阈值优选为数值1。

若判定第二位置(即新的候选点x)的置信度过低，即置信度未超过第二阈值，则第二位置结束延伸；若判定第二位置(即新的候选点x)的置信度满足要求，即置信度超过第二阈值，则第二位置沿对应的延伸方向进行延伸。

血管影像中各个位置均按照预设规则进行中心线连接，即可形成完整的血管中心线。

如图6所示，本发明实施例另一方面提供一种血管中心线的提取装置，装置包括：

影像获取模块201，用于获取经血管分割后的血管影像，并确定血管影像的边缘位置；

灰度值调整模块202，用于确定边缘位置的灰度值，并根据与边缘位置的距离值调整血管影像中各个位置的灰度值；

置信度获取模块203，用于将血管影像中各个位置以及对应的灰度值作为hessian矩阵的参数，计算得到血管影像中各个位置位于血管中心线上的置信度；

方向确定模块204，用于若所计算得到的置信度满足预设要求，则利用hessian矩阵确定血管影像中各个位置的中心线方向；

中心线形成模块205，用于在血管影像中存在特定位置的置信度满足预设要求，则按照预设规则将特定位置分别按照对应的中心线方向进行延伸，形成对应于血管影像的中心线。

本实施例中，在影像获取模块201中，血管影像可以是CT影像(ComputerTomography，CT)、MRI影像(Magnetic Resonance Imaging，MRI)或者USI影像(UitrasonicImage，USI)。其中，影像具体可以为图像、视频、投影等等。血管分割指的是从原始影像中分割出血管影像，其血管分割方式包括现有的如阈值分割方法、边缘检测方法、基于模型的方法、基于数学形态学的方法、基于小波理论方法等，分割后的血管影像如图2中的“血管影像1”所示。

血管影像的边缘位置指的是影像中血管与影像背景的分界线，是周围(局部)像素有显著变化的像素的集合。血管影像的边缘位置可通过现有的常见边缘检测算子如Roberts、Sobel、Prewitt、Laplacian、Log/Marr等检测得到，边缘检测后的血管影像如图2中的“血管影像1”所示，图中血管截面周围的白点表示边缘位置。

在灰度值调整模块202中，灰度值具体为影像中的像素值或者三维图像中的体素值，在CT影像中，灰度值则为CT值。

在确定血管影像的边缘位置之后，可通过计算机读取并确定边缘位置的灰度值，确定后的灰度值可以是原有影像中的灰度值，也可以是通过计算机给定的灰度值，其中通过给定的灰度值一般较高，如图2所示，可见图2中“血管影像2”的血管截面灰度值高于“血管影像1”的血管截面灰度值(颜色越亮灰度值越高)。

在确定边缘位置的灰度值之后，根据与边缘位置的距离值调整血管影像中各个位置的灰度值，目的在于将整个血管影像进行灰度值重置或迭代，具体调整可以是以血管影像的边缘位置为中心并且以边缘位置的灰度值向四周根据距离值逐渐递增/递减灰度值，使得整个血管影像的灰度值呈梯度分布，如图2所示，图2中的“血管影像2”中各个白色点表示为迭代区域。

在置信度获取模块203中，hessian矩阵应用在影像中时，用于计算血管影像中各个位置在至少三个方向上(参考图3中所示的V1、V2和V3)灰度值的变化率。hessian矩阵的参数为血管影像中的各个位置信息以及对应的灰度值，通过hessian矩阵将计算得到每个位置对应三个方向的三个特征值，特征值越大，变化率越强。可通过比较三个特征值的大小、正负关系等多种方式确定血管影像中各个位置位于血管中心线上的置信度。

在方向确定模块204中，置信度满足预设要求具体可以是置信度超过某一个固定阈值，也可以是低于某一个固定阈值，也可以根据三个特征值的值大小来判断。当置信度满足预设要求时，通过hessian矩阵所计算得到的三个特征值，根据hessian矩阵的性质，若三个特征值中存在两个量级较大的负特征值以及一个接近于0的特征值，那么此时三个特征值所对应的特征方向如图3所示，其中特征方向V1和V2对应两个量级较大的负特征值，特征方向V3对应另一个接近于0的特征值，可见，特征方向V3即为血管的中心线方向，其中量级较大为特征值的绝对值大于第一预设阈值，接近于0的特征值为该特征值与数值0之差小于第二预设阈值。

在中心线形成模块205中，结合图4所示，将在血管影像中各个位置满足上述预设要求的位置设为特定位置，假定图4中第一位置满足预设要求，则相应的获取到第一位置的中心线方向，并沿着该中心线方向延伸。预设规则为根据已知特定位置和中心线方向以最终连接形成血管中心线的规则，该规则可针对不同血管制定。预设规则具体可以是如图4所示，当第一位置在延伸过程中遇到已形成的中心线或者第二位置时，那么第一位置的延伸结束。当然预设规则还可以以其他方式来形成最终的血管中心线。

由此，在对血管分割后的血管影像进行中心线生成时，通过确定血管影像的边缘位置、调整血管影像中各个位置的灰度值，以及利用hessian矩阵确定特定位置和对应的中心线方向，最后根据所确定的特定位置和中心线方向进行中心线连接，最终形成整个血管的中心线。通过提出一种新的中心线提取方案，从而避免了传统骨架化操作过程中受到血管分割缺陷干扰的问题。

在一可实施方式中，置信度获取模块203，具体用于：

通过hessian矩阵计算得到至少三个血管影像中各个位置在空间方向上表征灰度值变化率的特征值；

根据至少三个特征值，计算得到血管影像中各个位置位于血管中心线上的置信度。

本实施例中，将血管影像中各个坐标位置以及对应的灰度值作为hessian矩阵的参数，得到至少三个方向上的特征值，其中三个方向可参考图3中的V1、V2和V3。

令V1、V2和V3分别对应特征值λ

若|λ

如公式所示，若λ

本发明另一方面提供一种计算机可读存储介质，存储介质包括一组计算机可执行指令，当指令被执行时用于执行上述任一项的血管中心线的提取方法。

在本发明实施例中计算机可读存储介质包括一组计算机可执行指令，当指令被执行时用于获取经血管分割后的血管影像，并确定血管影像的边缘位置；确定边缘位置的灰度值，并根据与边缘位置的距离值调整血管影像中各个位置的灰度值；将血管影像中各个位置以及对应的灰度值作为hessian矩阵的参数，计算得到血管影像中各个位置位于血管中心线上的置信度；若所计算得到的置信度满足预设要求，则利用hessian矩阵确定血管影像中各个位置的中心线方向；在血管影像中存在特定位置的置信度满足预设要求，则按照预设规则将特定位置分别按照对应的中心线方向进行延伸，形成对应于血管影像的中心线。

由此，在对血管分割后的血管影像进行中心线生成时，通过确定血管影像的边缘位置、调整血管影像中各个位置的灰度值，以及利用hessian矩阵确定特定位置和对应的中心线方向，最后根据所确定的特定位置和中心线方向进行中心线连接，最终形成整个血管的中心线。通过提出一种新的中心线提取方案，从而避免了传统骨架化操作过程中受到血管分割缺陷干扰的问题。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。