一种肝血管模型生成方法

技术领域

本发明涉及医学图像处理技术领域，特别是涉及一种肝血管模型生成方法。

背景技术

血管的重建技术是医学上血管模型创建的关键，肝血管模型的生产对于临床诊断和手术计划有着很大的帮助。现有的肝血管模型的生成依赖用户交互，人工成本过高，且往往仅采用单独的一种方法进行实现，无法实现验证。因此，设计一种肝血管模型生成方法是十分有必要的。

发明内容

本发明的目的是提供一种肝血管模型生成方法，能够解决人工成本过高的问题，且提高了模型精度，为医疗诊断提供了基础。

为实现上述目的，本发明提供了如下方案：

一种肝血管模型生成方法，包括如下步骤：

步骤1：获取肝脏数据；

步骤2：根据肝脏数据基于探索算子生成第一肝血管模型；

步骤3：根据肝脏数据进行三维重建，生成可视化第二肝血管模型；

步骤4：将第一肝血管模型及第二肝血管模型进行对比，判断其精准性。

可选的，步骤2中，根据肝脏数据基于探索算子生成第一肝血管模型，具体为：

获取肝脏数据，读取肝脏原始图像数据，并对其进行格式转换，得到肝脏原始三维数据，给定一个血管的初始点，同时初始化探索算子的基本属性，得到初始化算子，基于初始点向初始化算子下发行进指令，初始化算子接收指令，基于初始点并根据初始化的步长在血管内进行探索，得到位置点，将位置点作为新的初始点，基于新的初始点并根据初始化的步长在血管内继续进行探索，直至将血管探索完毕，得到位置信息；

定义B样条基函数，基于B样条基函数构建B样条曲线函数，基于B样条曲线函数对位置信息进行拟合，得到类中心线，在类中心线上进行重采样，得到精确中心线，基于精确中心线，并结合阈值信息进行可视化，得到可视化血管，基于可视化血管生成第一肝血管模型。

可选的，所述B样条基函数为节点矢量的非递减参数的序列所决定的k阶分段多项式。

可选的，步骤3中，根据肝脏数据进行三维重建，生成可视化第二肝血管模型，具体为：

获取肝脏数据，读取肝脏原始图像数据中的肝脏CT图像，并对其灰度级显示范围进行调整，对调整完毕的肝脏CT图像进行预处理，根据预处理后的肝脏CT图像，通过Hessian矩阵和区域生长算法进行血管分割，并通过形态学方法填补血管分割生成的空洞，根据肝血管固有的特性使用三角网格面绘制和光线投射算法对血管进行体绘制来实现三维重建，采用基于CT动态增强图像的计算机辅助肝脏血管可视化系统将肝动脉期、门静脉期和延迟期的三期图像序列进行可视化显示，生成可视化第二肝血管模型。

可选的，步骤4中，将第一肝血管模型及第二肝血管模型进行对比，判断其精准性，具体为：

采集第一肝血管模型及第二肝血管模型的图像，并对其进行预处理，基于深度学习算法构建图像识别模型，并对图像识别模型进行训练，训练完毕后，将预处理过后的第一肝血管模型的图像及第二肝血管模型的图像输入图像识别模型中，对两图像的差异进行识别，若差异超过预设阈值，则判断第一肝血管模型及第二肝血管模型精度不符合要求，否则，判断精度符合要求。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的肝血管模型生成方法，该方法包括获取肝脏数据，根据肝脏数据基于探索算子生成第一肝血管模型，根据肝脏数据进行三维重建，生成可视化第二肝血管模型，可精确可靠的对肝脏血管进行分割及三维重建，可以较好的进行可视化化显示辅助医生确定肝脏状况，将第一肝血管模型及第二肝血管模型进行对比，判断其精准性，通过图像识别模型对第一肝血管模型及第二肝血管模型的图像进行识别，进而判断其精准性，若精准性不足，则重新构建模型，提高了模型的精准性，为医生提供了更为精准的参考，该方法极大减少了人工交互及重建时间，提高了效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例肝血管模型生成方法流程示意图。

具体实施方式

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，而不是全部的实施例。基于本发明中的实施例，本领域普通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。

本发明的目的是提供一种肝血管模型生成方法，能够解决人工成本过高的问题，且提高了模型精度，为医疗诊断提供了基础。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明实施例提供的肝血管模型生成方法，1、包括如下步骤：

步骤1：获取肝脏数据；

步骤2：根据肝脏数据基于探索算子生成第一肝血管模型；

步骤3：根据肝脏数据进行三维重建，生成可视化第二肝血管模型；

步骤4：将第一肝血管模型及第二肝血管模型进行对比，判断其精准性。

步骤2中，根据肝脏数据基于探索算子生成第一肝血管模型，具体为：

获取肝脏数据，读取肝脏原始图像数据，并对其进行格式转换，得到肝脏原始三维数据，给定一个血管的初始点，同时初始化探索算子的基本属性，得到初始化算子，基于初始点向初始化算子下发行进指令，初始化算子接收指令，基于初始点并根据初始化的步长在血管内进行探索，得到位置点，将位置点作为新的初始点，基于新的初始点并根据初始化的步长在血管内继续进行探索，直至将血管探索完毕，得到位置信息；

定义B样条基函数，基于B样条基函数构建B样条曲线函数，基于B样条曲线函数对位置信息进行拟合，得到类中心线，在类中心线上进行重采样，得到精确中心线，基于精确中心线，并结合阈值信息进行可视化，得到可视化血管，基于可视化血管生成第一肝血管模型。

所述B样条基函数为节点矢量的非递减参数t的序列所决定的k阶分段多项式，这个序列称为节点向量，节点向量个数为m+1，其中m＝n+k+1，k为样条的次数，n+1为控制点的个数，其中节点矢量通过哈特利-贾德方法获得；

B样条基函数F

基于B样条基函数构建B样条曲线函数为：

步骤3中，根据肝脏数据进行三维重建，生成可视化第二肝血管模型，具体为：

获取肝脏数据，读取肝脏原始图像数据中的肝脏CT图像，并对其灰度级显示范围进行调整，其中，调整窗宽窗位使得肝脏CT图像符合显示器设备的灰度级显示范围；

对调整完毕的肝脏CT图像进行预处理，其中预处理包括去噪及图像增强；

根据预处理后的肝脏CT图像，通过Hessian矩阵和区域生长算法进行血管分割；

输入预处理后的肝脏CT图像，生成像素矩阵P，初始化空间尺度σ＝a，增强因子U

生成Hessian矩阵H，并计算出特征值λ

c为Hessian矩阵最大范数值的一半，v为特征向量，α、β为固定常数值，对σ进行迭代至σ＝b，进而结束尺度迭代，输出最大增强滤波输出值U

通过形态学方法填补血管分割生成的空洞，根据肝血管固有的特性使用三角网格面绘制和光线投射算法对血管进行体绘制来实现三维重建，采用基于CT动态增强图像的计算机辅助肝脏血管可视化系统将肝动脉期、门静脉期和延迟期的三期图像序列进行可视化显示，生成可视化第二肝血管模型。

步骤4中，将第一肝血管模型及第二肝血管模型进行对比，判断其精准性，具体为：

采集第一肝血管模型及第二肝血管模型的图像，并对其进行预处理，基于深度学习算法构建图像识别模型，并对图像识别模型进行训练，训练完毕后，将预处理过后的第一肝血管模型的图像及第二肝血管模型的图像输入图像识别模型中，对两图像的差异进行识别，若差异超过预设阈值，则判断第一肝血管模型及第二肝血管模型精度不符合要求，否则，判断精度符合要求。

本发明提供的肝血管模型生成方法，该方法包括获取肝脏数据，根据肝脏数据基于探索算子生成第一肝血管模型，根据肝脏数据进行三维重建，生成可视化第二肝血管模型，可精确可靠的对肝脏血管进行分割及三维重建，可以较好的进行可视化化显示辅助医生确定肝脏状况，将第一肝血管模型及第二肝血管模型进行对比，判断其精准性，通过图像识别模型对第一肝血管模型及第二肝血管模型的图像进行识别，进而判断其精准性，若精准性不足，则重新构建模型，提高了模型的精准性，为医生提供了更为精准的参考，该方法极大减少了人工交互及重建时间，提高了效率。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。