[發明專利]造影圖像中血管分割的方法和系統

有效

• 申請號: 201810019388.8
• 申請日: 2018-01-09
• 公開（公告）號: CN108198184B
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 楊健;艾丹妮;楊思遠;王涌天;叢偉建;蔣玉蓉
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/30
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明提供一種造影圖像中血管分割的方法和系統，包括：將盈片圖像中的每個像素坐標作為基準坐標，從蒙片圖像中選取一個與該基準坐標匹配的像素坐標，作為對比坐標；分別在盈片圖像和蒙片圖像中提取相同大小的子圖像，構成一個圖像對；將所有圖像對輸入至雙通道卷積神經網絡，輸出第一血管分割圖像；根據預設規則對每個參考圖像提取多個不同尺度的圖像，將所有不同尺度的圖像輸入至多尺度卷積神經網絡，輸出第二血管分割圖像，對所述第二血管分割圖像進行顯示。本發明通過雙通道卷積神經網絡和多尺度卷積神經網絡進行兩次分類，使得最終的顯示圖像中血管邊界清楚、細節明顯，同時整個過程實現了全自動交互，效率極高。

技術領域

本發明涉及圖像處理技術領域，更具體地，涉及一種造影圖像中血管分割的方法和系統。

背景技術

如今，冠狀動脈疾病已經成為了威脅人類健康的主要威脅。在冠心病的診療當中，心血管造影圖像已成為診斷的金標準，基于造影圖像的計算機輔助診療系統能夠很好的幫助醫生診斷病情和制定治療方案，具有十分重要的研究意義。在造影圖像計算機輔助診斷系統中，血管分割技術是尤為關鍵的技術，是中心線提取、半徑測量、三維重建等技術的基礎。

造影圖像存在對比度低、造影劑分布不均勻、噪聲嚴重等缺點，自動的提取從造影圖像中提取血管結構非常具有挑戰性。目前血管分割方法可以分為：

基于閾值的分割方法，該方法通常首先對血管結構進行增強，然后采用不同的閾值策略進行分割，最常見的做法是人工設計特定的濾波器，使得在對血管圖像進行濾波后管狀結構得到增強，而非管狀結構得到抑制。該方法對于一些簡單的問題，例如眼底血管圖像的分割，有著比較不錯的效果。但是由于冠脈圖像血管對比度比較低，基于閾值的方法無法很好的區分造影圖像的冠脈結構和背景區域。

基于機器學習的血管分割技術，該方法主要將血管分割看作一個二分類問題，通過手工選取特征或者深度學習獲取特征，結合相應的分類器進行前景和背景的分類實現分割效果。但是，血管背景區域有許多和冠脈結構相似的偽血管結構，基于機器學習的方法往往很難將這些結構和冠脈結構進行有效的區分。該方法往往結合一些形狀先驗知識進行分割，并采用半自動的分割方式，例如水平集和活動輪廓方法采用人工標注種子點的方式獲取初始輪廓，血管跟蹤模型則需要人為給予其初始點和方向信息以進行血管段跟蹤。

基于模型的分割方法，該方法的優點是精度比較高，并可以通過初始選擇種子點的方式規避背景噪聲，但缺點是需要交互。由于造影圖像背景區域存在大量的偽影結構，因此，最為廣泛采用的分割算法幾乎都是半自動的分割算法，因為這些算法可以很好的規避復雜的背景噪聲，但這些算法的缺點是需要比繁瑣的交互操作，加重了醫生的工作量，限制了計算機輔助診療在造影圖像中的應用。

發明內容

本發明提供一種克服上述問題或者至少部分地解決上述問題的造影圖像中血管分割的方法和系統。

根據本發明的一個方面，提供一種造影圖像中血管分割的方法，包括：

獲取待分割的盈片圖像與蒙片圖像，將所述盈片圖像中的每個像素坐標作為基準坐標，從所述蒙片圖像中選取一個與該基準坐標匹配的像素坐標，作為對比坐標；

以每個基準坐標和匹配的對比坐標為中心，分別在所述盈片圖像和蒙片圖像中提取相同大小的子圖像，構成一個圖像對；將所有圖像對輸入至雙通道卷積神經網絡，輸出第一血管分割圖像；

從經過圖像膨脹處理后的第一血管分割圖像中選擇目標區域，逐個提取以所述目標區域中的每個像素坐標為中心的子圖像，作為參考圖像，根據預設規則對每個參考圖像提取多個不同尺度的圖像，將所有不同尺度的圖像輸入至多尺度卷積神經網絡，輸出第二血管分割圖像，對所述第二血管分割圖像進行顯示。

優選地，所述雙通道卷積神經網絡包括兩個卷積通道；

相應地，所述將所有圖像對輸入至雙通道卷積神經網絡的步驟，具體包括：