[發(fā)明專利]一種血管網(wǎng)絡(luò)分支點(diǎn)的提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110413897.0
• 申請(qǐng)日: 2021-04-16
• 公開（公告）號(hào): CN113421218A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 林浩銘;周毅智;陳冕;陳昕;陳思平
• 申請(qǐng)（專利權(quán)）人: 深圳大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/12;G06T7/13;G06T7/136;G06T7/194;G06K9/46
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 溫宏梅

1.一種血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述方法包括：

獲取血管圖像的血管分割圖；

基于所述血管分割圖，確定所述血管圖像對(duì)應(yīng)的骨架特征圖；

將所述骨架特征圖與若干預(yù)設(shè)匹配模型進(jìn)行匹配，以得到所述血管圖像對(duì)應(yīng)的分支點(diǎn)，其中，若干預(yù)設(shè)匹配模型包括預(yù)設(shè)數(shù)量的目標(biāo)匹配模型以及各目標(biāo)匹配模型對(duì)應(yīng)的若干參考匹配模型；每個(gè)目標(biāo)匹配模型對(duì)應(yīng)的各參考匹配模型均通過旋轉(zhuǎn)所述目標(biāo)匹配模型確定的，并且各參考匹配模型各自對(duì)應(yīng)的旋轉(zhuǎn)角度不同。

2.根據(jù)權(quán)利要求1所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述若干預(yù)設(shè)匹配模型包括Y型目標(biāo)匹配模型和T型目標(biāo)匹配模型，所述Y型目標(biāo)匹配模型和所述T型目標(biāo)匹配模型均包括若干匹配點(diǎn)和若干參考點(diǎn)，所述Y型目標(biāo)匹配模型中的若干匹配點(diǎn)呈Y型布置，所述T型目標(biāo)匹配模型中的若干匹配點(diǎn)呈T型布置。

3.根據(jù)權(quán)利要求1或2所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，目標(biāo)匹配模型對(duì)應(yīng)的各參考匹配模型各自對(duì)應(yīng)的旋轉(zhuǎn)角度均小于360度，并參考匹配模型各自對(duì)應(yīng)的旋轉(zhuǎn)角度以及360度構(gòu)成等差數(shù)列。

4.根據(jù)權(quán)利要求1所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述血管圖像為RGB血管圖像，所述獲取血管圖像的血管分割圖具體包括：

獲取血管圖像的綠色通道圖，并將所述綠色通道圖作為血管圖像；

對(duì)所述待處理圖像進(jìn)行增強(qiáng)處理，并基于自適應(yīng)閾值法確定增強(qiáng)后的待處理圖像對(duì)應(yīng)的血管分割圖像。

5.根據(jù)權(quán)利要求1所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述基于所述血管分割圖，確定所述血管圖像對(duì)應(yīng)的骨架特征圖具體包括：

按照預(yù)設(shè)順序掃描血管分割圖中的每個(gè)像素點(diǎn)，若該像素點(diǎn)為血管像素點(diǎn)，則基于預(yù)設(shè)順序在該像素點(diǎn)的鄰域內(nèi)選取若干目標(biāo)鄰域像素點(diǎn)，并基于獲取到若干目標(biāo)鄰域像素點(diǎn)確定該像素點(diǎn)的第一層數(shù)；若該像素點(diǎn)為背景像素點(diǎn)，則將該像素點(diǎn)的第一層數(shù)設(shè)置為0；

按照預(yù)設(shè)順序逆順序掃描血管分割圖中的每個(gè)像素點(diǎn)，若該像素點(diǎn)為血管像素點(diǎn)，則基于預(yù)設(shè)順序逆順序在該像素點(diǎn)的鄰域內(nèi)選取若干目標(biāo)鄰域像素點(diǎn)，并基于獲取到若干目標(biāo)鄰域像素點(diǎn)確定該像素點(diǎn)的第二層數(shù)；若該像素點(diǎn)為背景像素點(diǎn)，則將該像素點(diǎn)的第二層數(shù)設(shè)置為0；

基于各像素點(diǎn)各自對(duì)應(yīng)的第一層數(shù)和第二層數(shù)，確定各像素點(diǎn)各自對(duì)應(yīng)的目標(biāo)層數(shù)；

按照預(yù)設(shè)順序遍歷每個(gè)像素點(diǎn)，選取目標(biāo)層數(shù)為其所處鄰域內(nèi)最大層數(shù)的目標(biāo)像素點(diǎn)；

基于選取到的所有目標(biāo)像素點(diǎn)，確定所述血管圖像對(duì)應(yīng)的骨架特征圖。

6.根據(jù)權(quán)利要求1所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述將所述骨架特征圖與若干預(yù)設(shè)匹配模型進(jìn)行匹配，以得到所述血管圖像對(duì)應(yīng)的分支點(diǎn)具體包括：

選取骨架特征圖中的候選分支點(diǎn)，其中，候選分支點(diǎn)的骨架鄰域內(nèi)包括骨架像素點(diǎn)，且該骨架鄰域與各預(yù)設(shè)匹配模型的卷積至中存在一個(gè)卷積值為預(yù)設(shè)數(shù)值；

基于距離濾波在選取到候選關(guān)鍵點(diǎn)中選取分支點(diǎn)，以得到所述血管圖像對(duì)應(yīng)的分支點(diǎn)。

7.根據(jù)權(quán)利要求1-6任意一項(xiàng)所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述將所述骨架特征圖與若干預(yù)設(shè)匹配模型進(jìn)行匹配，以得到所述血管圖像對(duì)應(yīng)的分支點(diǎn)之后，所述方法還包括：

在所述骨架特征圖中除分支點(diǎn)外中選取所述待處理圖像對(duì)應(yīng)的末端點(diǎn)，其中，末端點(diǎn)的骨架鄰域內(nèi)除該末端點(diǎn)外僅包含一個(gè)骨架像素點(diǎn)。

8.根據(jù)權(quán)利要求7所述血管網(wǎng)絡(luò)分支點(diǎn)的提取方法，其特征在于，所述方法還包括：

對(duì)于血管圖像對(duì)應(yīng)的分支點(diǎn)中的每個(gè)分支點(diǎn)，確定該分支點(diǎn)對(duì)應(yīng)的搜索路徑起始點(diǎn)；

基于K最近鄰算法確定該搜索路徑起始點(diǎn)對(duì)應(yīng)的搜索路徑終止點(diǎn)，以得到各分支點(diǎn)各自對(duì)應(yīng)的搜索路徑終止點(diǎn)；

基于各分支點(diǎn)以及各分支點(diǎn)各自對(duì)應(yīng)的搜索路徑終止點(diǎn)，確定所述血管圖像對(duì)應(yīng)的血管段。