本發(fā)明涉及一種基于光學(xué)相干斷層成像圖像的血管三維重建方法，屬于醫(yī)學(xué)圖像處理領(lǐng)域和醫(yī)學(xué)檢測(cè)技術(shù)領(lǐng)域。

背景技術(shù)：

光學(xué)相干斷層成像(opticalcoherencetomography，oct)是一種新興的高分辨率斷層成像技術(shù)。和血管內(nèi)超聲(intravascularultrasound，ivus)原理類似，該技術(shù)以近紅外線作為光源，利用光波的干涉法則進(jìn)行成像，將光束掃描組織的光信號(hào)轉(zhuǎn)換成電信號(hào)，經(jīng)過(guò)計(jì)算機(jī)處理后顯示為灰色圖或偽彩色圖的二維和三維圖像。由于光的波長(zhǎng)較聲波更短，光學(xué)相干斷層成像具有更高的分辨率，可達(dá)10～20um。

基于光學(xué)相干斷層成像圖像的血管分割與重建，可以提供高精度高準(zhǔn)確度的血管三維模型，以提高后期虛擬血流儲(chǔ)備分?jǐn)?shù)計(jì)算的準(zhǔn)確度。目前，基于光學(xué)相干斷層成像圖像的血管分割存在一下兩個(gè)難點(diǎn)：如何達(dá)到快速的分割與重建；分割重建過(guò)程中如何排除導(dǎo)絲偽影、分支以及圖像質(zhì)量不佳等因素的干擾，從而實(shí)現(xiàn)全自動(dòng)三維血管分割。

由于存在上述難點(diǎn)，目前光學(xué)相干斷層成像設(shè)備自帶的圖像分割與重建系統(tǒng)還有諸多缺陷。目前比較典型的血管分割方法有如下幾類：

方法1：stjude公司生產(chǎn)的光學(xué)相干斷層成像設(shè)備自帶的血管分割與重建功能主要通過(guò)分析oct圖像a-line的灰度變化，提取a-line中特殊灰度點(diǎn)作為管腔邊界點(diǎn)，再將若干個(gè)管腔邊界點(diǎn)插值形成管腔邊界曲線，獲得血管分割結(jié)果，形成血管三維模型。上述方法存在如下技術(shù)缺陷：無(wú)法識(shí)別血管分支；在圖像質(zhì)量不佳的情況下，無(wú)發(fā)識(shí)別管腔邊界點(diǎn)，無(wú)法進(jìn)行分割，導(dǎo)致血管三維模型重建錯(cuò)誤。

專利文獻(xiàn)cn105741251a：公開了一種肝臟cta序列圖像的血管分割方法。該方法首先對(duì)輸入三維肝臟序列圖像進(jìn)行對(duì)比度增強(qiáng)和平滑噪聲預(yù)處理，然后，采用oof和ofa算法增強(qiáng)肝臟血管及其邊界，細(xì)化血管中心；根據(jù)血管的幾何結(jié)構(gòu)，自動(dòng)搜索血管中心線的種子點(diǎn)，并提取肝臟血管的中心線、構(gòu)建肝臟血管樹；最后，結(jié)合快速行進(jìn)法初步分割肝臟血管并計(jì)算相應(yīng)的血管和背景灰度直方圖，采用圖割算法實(shí)現(xiàn)肝臟血管的精確分割。但是，上述發(fā)明并不適用于oct圖像，oct圖像和cta圖像中血管形態(tài)、灰度并不相同：cta圖像中血管依靠管腔中充滿造影劑的血液呈高灰度的樹狀結(jié)構(gòu)；而oct圖像為單一血管成像，血管呈管狀，且血管管腔內(nèi)部呈低灰度，管壁呈高灰度。

專利文獻(xiàn)cn101283929a：公開了一種血管三維模型的重建方法。該發(fā)明著重于血管的三維重建，其技術(shù)方案如下：它將由ivus圖像序列獲取的血管橫截面信息和由基于x射線造影圖像的三維重建獲得的超聲導(dǎo)管空間幾何信息結(jié)合起來(lái)，準(zhǔn)確重建出血管的解剖結(jié)構(gòu)。而其中的采用的血管分割方式為：snake模型與動(dòng)態(tài)規(guī)劃相結(jié)合的分割方式，該算法劣勢(shì)在于需要在首幀圖像中手動(dòng)選擇血管輪廓點(diǎn)，且snake模型不適用于存在導(dǎo)絲偽影和血管分支的oct圖像。雖然與分別單獨(dú)利用兩種圖像獲得的重建結(jié)果相比較，該發(fā)明能夠更全面和準(zhǔn)確地反映血管及可能存在的斑塊的真實(shí)形態(tài)，但是由于該發(fā)明的兩個(gè)圖像源在圖像分辨率方面與光學(xué)相干斷層成像圖像相比并沒有優(yōu)勢(shì)，因此其血管三維重建結(jié)果的精確度劣于本發(fā)明。再者，在斑塊真實(shí)形態(tài)反應(yīng)方面，光學(xué)相干斷層成像的優(yōu)勢(shì)非常顯著，能夠反應(yīng)ivus和x射線造影圖像不能反映的纖維帽厚度、巨噬細(xì)胞浸潤(rùn)程度和斑塊性質(zhì)等信息。

專利文獻(xiàn)cn106570856a：公開了一種使用水平集動(dòng)態(tài)規(guī)劃頸總動(dòng)脈內(nèi)中膜厚度測(cè)量裝置和方法，由計(jì)算機(jī)對(duì)接收到的超聲圖像后進(jìn)行處理，計(jì)算機(jī)上設(shè)置有圖像裁剪模塊模塊、提取roi模塊、圖像動(dòng)態(tài)拉伸模塊、圖像濾波模塊、估計(jì)lii模塊、估計(jì)mai模塊、動(dòng)態(tài)規(guī)劃調(diào)整估計(jì)邊界模塊以及后處理模塊。該發(fā)明將計(jì)算機(jī)圖像處理技術(shù)應(yīng)用在頸動(dòng)脈超聲波圖像內(nèi)中膜厚度測(cè)量中，可以避免手動(dòng)測(cè)量方式存在的低效率及不穩(wěn)定的缺陷。該方法中的水平集用于初始化roi區(qū)域的提取，而本發(fā)明用于尋找血管管腔中心，在具體尋找中心的算法上具有實(shí)質(zhì)性的區(qū)別。而且該方法和本專利的應(yīng)用領(lǐng)域具有巨大差異，該方法著重于對(duì)頸動(dòng)脈超聲波圖像中膜的厚度進(jìn)行測(cè)量，并未應(yīng)用于本發(fā)明所述的血管分割與重建領(lǐng)域。再者，該發(fā)明和本發(fā)明的系統(tǒng)模塊之間存在巨大差異，算法實(shí)現(xiàn)方面與數(shù)據(jù)結(jié)構(gòu)構(gòu)建方面也完全不同，本發(fā)明提供的諸如導(dǎo)絲偽影去除、分支識(shí)別等功能該發(fā)明并未提供。

專利文獻(xiàn)cn102243759a：公開了一種基于幾何形變模型的三維肺血管圖像分割方法，該發(fā)明步驟為：(1)根據(jù)人體生理結(jié)構(gòu)特點(diǎn)確定血管分割計(jì)算區(qū)域；(2)血管區(qū)域均值計(jì)算，定位目標(biāo)內(nèi)外同質(zhì)區(qū)域；(3)血管邊緣能量計(jì)算，使曲面沿著在圖像梯度方向的二階導(dǎo)數(shù)進(jìn)行演化，以使其精確收斂到目標(biāo)邊緣；(4)在上述基礎(chǔ)上，建立三維血管分割曲面演化模型，有效結(jié)合肺血管內(nèi)外區(qū)域均值和邊緣能量；(5)根據(jù)所構(gòu)建的形變模型，采用優(yōu)化水平集演化求解，根據(jù)水平集函數(shù)曲面演化隱含地求解曲面運(yùn)動(dòng)。該發(fā)明對(duì)專利文獻(xiàn)cn101283929a中使用的snake模型進(jìn)行修改，創(chuàng)新了一種基于幾何形變模型的圖像分割方法，使用優(yōu)化水平集演化進(jìn)行求解。然而，該發(fā)明并不適用于基于光學(xué)相干斷層成像圖像的分割與血管重建。因?yàn)閛ct圖像中存在導(dǎo)絲、導(dǎo)管偽影和分支，通過(guò)幾何形變模型無(wú)法去除導(dǎo)管，會(huì)把導(dǎo)絲后方的偽影(非血管管腔部分)作為管腔分割出，并且無(wú)法去除分支。

上述設(shè)備軟件及專利文獻(xiàn)雖然從不同角度、不同圖像源和不同計(jì)算方法方面給出了醫(yī)學(xué)圖像的分割方法，但是仍存在一種或多種技術(shù)缺陷，并不適用于oct圖像的血管邊界分割。因此，需要提供一種新的血管邊界三維分割的方法及系統(tǒng)，能夠克服上述缺陷，實(shí)現(xiàn)快速、準(zhǔn)確的三維分割。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的為克服現(xiàn)有技術(shù)的不足，提供一種高效準(zhǔn)確的血管邊界三維分割方法及系統(tǒng)，避免手動(dòng)分割的低效率及不穩(wěn)定和現(xiàn)有自動(dòng)分割方法無(wú)法排除管腔分支的缺點(diǎn)。

本發(fā)明提供了以下的技術(shù)方案：

首先，本發(fā)明提供了1.一種血管邊界三維分割方法，其特征在于，所述方法包括：

步驟1：獲取oct圖像；

步驟2：對(duì)所述oct圖像進(jìn)行預(yù)處理；

步驟3：將預(yù)處理后的oct圖像進(jìn)行極坐標(biāo)轉(zhuǎn)換；

步驟4：去除步驟3轉(zhuǎn)換后的oct圖像中的偽影，所述偽影包括導(dǎo)管偽影、導(dǎo)絲偽影，偽影信息用偽影掩膜圖像保存；

步驟5：確定oct圖像中的血管管腔中心；

步驟6：以所述管腔中心為極坐標(biāo)原點(diǎn)，將圖像轉(zhuǎn)換為極坐標(biāo)圖像，獲得新圖像，并利用步驟4獲得的偽影掩膜圖像，去除所述新圖像中的偽影，所述偽影包括導(dǎo)管偽影、導(dǎo)絲偽影；

步驟7：依據(jù)所述步驟6的結(jié)果，生成能量消耗圖像，并提取總能量消耗最低的曲線，所述曲線對(duì)應(yīng)oct圖像的血管邊界；

步驟8：將步驟7中獲取的所述血管邊界，通過(guò)坐標(biāo)反變換，轉(zhuǎn)換回笛卡爾坐標(biāo)系下的血管邊界曲線。

優(yōu)選地，獲取oct圖像可以是從本地磁盤讀取或者通過(guò)oct設(shè)備直接進(jìn)行傳輸。

優(yōu)選地，所述步驟2包括：

201：用一固定掩膜i0去除圖像外圍的圖像攝取信息；

202：對(duì)圖像進(jìn)行三維高斯濾波；高斯濾波的方差為σi＝ai*spacing[i]，i∈[1,3]表示維度，ai為一常數(shù)，spacing[i]為維度i的像素間物理距離。

優(yōu)選地，所述步驟4進(jìn)一步包括：由于導(dǎo)管物理直徑固定，且一直位于圖像中心，故可以通過(guò)將oct圖像正中心固定半徑內(nèi)的灰度值修改為0，去除圖像中的導(dǎo)管偽影。

進(jìn)一步優(yōu)選地，修改偽影掩膜圖像中正中心固定半徑內(nèi)的灰度值，保存導(dǎo)管偽影信息。

優(yōu)選地，所述步驟4進(jìn)一步包括：去除導(dǎo)絲偽影前，先將所述轉(zhuǎn)換后的oct圖像，沿極坐標(biāo)軸的方向進(jìn)行累加降維。進(jìn)一步優(yōu)選地，累加降維可以采用如下方式，即沿著極坐標(biāo)軸的方向進(jìn)行，得到累加結(jié)果t(θ,z)：

其中，image1(θ,ρ,z)為極坐標(biāo)下的圖像。由于導(dǎo)絲偽影后方一直為低灰度區(qū)域，故在t(θ,z)中，導(dǎo)絲呈現(xiàn)為一條暗帶。

優(yōu)選地，對(duì)于單根導(dǎo)絲，提取t(θ,z)中暗帶上下邊緣，所述上下邊緣的曲線對(duì)應(yīng)圖像中的導(dǎo)絲偽影的上下角度，將處于該部分角度的像素置0，以去除導(dǎo)絲偽影；所述上下邊緣的提取，通過(guò)圖像卷積完成；

t(θ,z)為累加降維后的極坐標(biāo)圖像。

進(jìn)一步優(yōu)選地，對(duì)于單根導(dǎo)絲的情況，可以通過(guò)提取t(θ,z)中暗帶上下邊緣曲線來(lái)排除原始圖像中導(dǎo)絲偽影，提取方法與步驟7管腔邊界提取類似。

優(yōu)選地，對(duì)于多根導(dǎo)絲，首先，對(duì)t(θ,z)圖像進(jìn)行頂帽變換、開運(yùn)算、閉運(yùn)算進(jìn)行處理，并將后圖像進(jìn)行二值化；

其次，對(duì)二值化后獲得的圖像，去除面積較小的聯(lián)通區(qū)域，保留暗帶；

再次，提取暗帶上下邊緣，所述上下邊緣的曲線對(duì)應(yīng)圖像中的導(dǎo)絲偽影的上下角度，修改偽影掩膜圖像中處于該部分角度的像素灰度，保存導(dǎo)絲偽影結(jié)果；

t(θ,z)為累加降維后的極坐標(biāo)圖像。

進(jìn)一步優(yōu)選地，對(duì)于該存在多根導(dǎo)絲的情況，將通過(guò)一系列形態(tài)學(xué)操作加二值化與連通分量篩選提取t(θ,z)中暗帶。形態(tài)學(xué)操作包括：頂帽變換、開運(yùn)算、閉運(yùn)算，二值化采用otsu二值化。頂帽變換用于去除圖像不同區(qū)域灰度不均的情況，開運(yùn)算、閉運(yùn)算主要消除圖像中支架的影響，二值化后，導(dǎo)絲形成的暗帶以及一些支架形成的暗點(diǎn)將變?yōu)?。通過(guò)連通分量的判斷去除支架形成的暗點(diǎn)，保留暗帶。得到暗帶的結(jié)果后，將原始圖像中的導(dǎo)絲偽影保存于偽影掩膜圖像的方法與單根導(dǎo)絲相同。

理論上，去除多根導(dǎo)絲的方法對(duì)于單根導(dǎo)絲同樣適用，但去除單根導(dǎo)絲的方法考慮了導(dǎo)絲上下層連續(xù)的特性，效果更優(yōu)。最終求得的偽影結(jié)果通過(guò)偽影掩膜保存。

優(yōu)選地，通過(guò)快速波陣面演化方法確定oct圖像中的血管管腔中心。該快速波陣面演化方法可以采用基礎(chǔ)的算法公式即可，不需要進(jìn)行改進(jìn)調(diào)整，也可適用于本發(fā)明的技術(shù)方案之中。

優(yōu)選地，所述步驟7中，血管邊界的獲取包括：

步驟701，通過(guò)邊緣提取，加強(qiáng)圖像中的邊界曲線；

步驟702，將邊緣提取后的圖像轉(zhuǎn)換為能量消耗圖像；所述能量消耗圖像的求取為：

其中，temp(i,j,k)為掩膜，image2為邊緣提取后的圖像；

步驟703，通過(guò)動(dòng)態(tài)規(guī)劃方法，尋找costimage(x,y,z)中總能量消耗最低的曲線。

更為優(yōu)選地，管腔中心定位也可采用以下具體方式：

采用快速波陣面演化的方法進(jìn)行初步的管腔分割，對(duì)分割的結(jié)果進(jìn)行中心的求取，作為管腔中心。分割結(jié)果的中心可以例如是通過(guò)求取其最小內(nèi)切圓的圓心來(lái)確定，當(dāng)然，也可以通過(guò)其他方式，例如外切多邊形、形心求取方法等。

考慮到管腔中心具有連續(xù)性，故最后對(duì)中心曲線進(jìn)行曲線擬合，具體例如可以采用bezier曲線擬合。

更為優(yōu)選地，管腔邊界提取可以采用以下具體的方式進(jìn)行：

在完成坐標(biāo)轉(zhuǎn)換后，每層原始圖像中一個(gè)封閉的呈圓形的管腔邊界將變?yōu)橐粋€(gè)從極坐標(biāo)系圖像左側(cè)橫穿至右側(cè)的曲線。管腔邊界提取也變?yōu)樘崛O坐標(biāo)系圖像左側(cè)橫穿至右側(cè)的曲線。邊界曲線求取可先通過(guò)圖像邊緣提取加強(qiáng)邊界曲線，將其轉(zhuǎn)換為能量消耗圖像，再通過(guò)尋找總能量消耗最小的曲線求取邊界曲線。具體步驟如下：

更為優(yōu)選地，能量消耗圖像的求取可以采用如下的方式：

從圖像的下端往上，到達(dá)管腔邊界時(shí)，灰度突然上升。故可以用掩膜卷積進(jìn)行邊緣增強(qiáng)，求取能量消耗圖像costimage(x,y,z)：

其中，temp(i,j,k)為大小為l*m*n的掩膜。costimage(x,y,z)考慮了血管管腔三維空間連續(xù)的特性，能約束分支的產(chǎn)生。

更為優(yōu)選地，管腔邊界曲線的求取可以采用如下的方式：

管腔邊界求取完成的是尋找costimage(x,y,z)中總能量消耗最低的曲線，可以由動(dòng)態(tài)規(guī)劃快速完成。

動(dòng)態(tài)規(guī)劃的狀態(tài)轉(zhuǎn)移方程為：

其中，曲線從start(起點(diǎn)集合)開始延伸，f(i,j,k)表示：從起點(diǎn)集到坐標(biāo)(i,j,k)的所有曲線中，總能量消耗最低的曲線的能量消耗為f(i,j,k)。n(i,j,k)表示從起點(diǎn)集到坐標(biāo)(i,j,k)的曲線的位于坐標(biāo)(i,j,k)前一點(diǎn)的點(diǎn)集，即轉(zhuǎn)移規(guī)則。轉(zhuǎn)移規(guī)則滿足如下要求：

具有方向性，只能順時(shí)針或者逆時(shí)針轉(zhuǎn)移，即只能一直從左往右或者從右往左轉(zhuǎn)移狀態(tài)。

鄰域轉(zhuǎn)移，只能從當(dāng)前位置轉(zhuǎn)移到相鄰的位置，鄰域大小不限，可根據(jù)圖像進(jìn)行調(diào)節(jié)。

cost(i,j,k)表示在(i,j,k)處的能量消耗函數(shù)：

cost(i,j,k)＝costimage(i,j,k)+m(i,j,k)

其中，costimage(i,j,k)為步驟a中求取的能量消耗圖像。

m(i,j,k)表示(i,j,k)處人為設(shè)定的能量消耗，可作為用戶調(diào)整邊界時(shí)在能量消耗函數(shù)上的體現(xiàn)。extra(i,j,k,i′,j′,k′)表示轉(zhuǎn)移代價(jià)，表示從坐標(biāo)(i′,j′,k′)轉(zhuǎn)移到坐標(biāo)(i,j,k)的額外能量消耗。此項(xiàng)在一定程度上約束了狀態(tài)轉(zhuǎn)移，能約束分支的產(chǎn)生。

更新f(i,j,k)時(shí)，記錄坐標(biāo)(i,j,k)從哪一坐標(biāo)(i′,j′,k′)更新而來(lái)。

最終的總能量消耗最低的血管邊界曲線curve生成如下：在轉(zhuǎn)移終點(diǎn)集中尋找f(i,j,k)最小的坐標(biāo)(i,j,k)，再依次回推其上一坐標(biāo)(i′,j′,k′)，直至回到起點(diǎn)集合。

此外，本發(fā)明還提供了一種快速的血管邊界三維分割系統(tǒng)，其特征在于，所述系統(tǒng)包括：

預(yù)處理模塊，對(duì)獲取的圖像進(jìn)行預(yù)處理；

坐標(biāo)變換模塊1(即第一坐標(biāo)變換模塊)，以圖像正中心為極坐標(biāo)原點(diǎn)，將圖像轉(zhuǎn)換為極坐標(biāo)系下圖像；

去除圖像偽影模塊：確定所述圖像中的偽影，并對(duì)確定管腔中心的轉(zhuǎn)換為極坐標(biāo)系下的圖像去除偽影；所述偽影包括導(dǎo)管、導(dǎo)絲偽影；

管腔中心定位模塊：確定原始圖像中的血管管腔中心；

坐標(biāo)變換模塊2(即第二坐標(biāo)變換模塊)：將確定血管管腔中心的圖像，以所述管腔中心作為極坐標(biāo)原點(diǎn)，轉(zhuǎn)換為極坐標(biāo)系下圖像，并結(jié)合偽影掩膜圖像去除偽影；

管腔邊界提取模塊：依據(jù)去除偽影后的圖像生成能量消耗圖像，并提取總能量消耗最低的曲線，以確定極坐標(biāo)系下圖像的血管邊界；

坐標(biāo)反變換模塊：將極坐標(biāo)系下圖像的血管邊界轉(zhuǎn)換為原始圖像坐標(biāo)系下的血管邊界曲線。

優(yōu)選地，所述系統(tǒng)還包括oct圖像獲取模塊，用于獲取oct圖像。

優(yōu)選地，所述圖像預(yù)處理模塊將處理后的圖像傳輸給坐標(biāo)變換模塊1與管腔中心定位模塊。

優(yōu)選地，所述圖像偽影識(shí)別模塊識(shí)別偽影，并生成偽影掩模圖像，并傳輸給管腔邊界提取模塊。

優(yōu)選地，所述坐標(biāo)變換模塊2根據(jù)偽影掩膜圖像、管腔中心曲線、預(yù)處理后的圖像生成新的極坐標(biāo)系下以管腔中心為極坐標(biāo)原點(diǎn)的oct圖像，將圖像傳輸給管腔邊界提取模塊。

優(yōu)選地，所述坐標(biāo)變換模塊1(即第一坐標(biāo)變換模塊)、坐標(biāo)變換模塊2(即第二坐標(biāo)變換模塊)可設(shè)置為同一坐標(biāo)變換模塊。

oct圖像獲取模塊獲取圖像后，將圖像傳輸給預(yù)處理模塊，預(yù)處理模塊對(duì)圖像進(jìn)行預(yù)處理，將生成的新圖像傳輸給坐標(biāo)變換模塊1與管腔中心定位模塊。坐標(biāo)變換模塊1將原始o(jì)ct圖像轉(zhuǎn)換為極坐標(biāo)系下oct圖像傳輸給圖像偽影識(shí)別模塊。圖像偽影識(shí)別模塊去除導(dǎo)管導(dǎo)絲偽影，生成偽影掩膜圖像，傳輸給管腔邊界提取模塊。管腔中心定位模塊從預(yù)處理模塊獲得圖像后，生成管腔中心，將管腔中心曲線傳輸給坐標(biāo)變換模塊2。坐標(biāo)變換模塊2根據(jù)偽影掩膜圖像、管腔中心曲線、oct圖像生成新的極坐標(biāo)系下以管腔中心為極坐標(biāo)原點(diǎn)的oct圖像，將圖像傳輸給管腔邊界提取模塊。管腔邊界提取模塊提取出管腔邊界曲線后，將曲線數(shù)據(jù)傳輸給坐標(biāo)反變換模塊，坐標(biāo)反變換模塊將極坐標(biāo)系下的曲線轉(zhuǎn)換為原始坐標(biāo)系下曲線。

本發(fā)明的特點(diǎn)及有益效果是：

利用最小能量消耗和波陣面演化相結(jié)合的方法，實(shí)現(xiàn)了全自動(dòng)、快速、準(zhǔn)確的血管邊界三維分割。解決了現(xiàn)有分割技術(shù)存在的導(dǎo)絲偽影識(shí)別困難、血管分支識(shí)別困難和質(zhì)量不佳圖像的無(wú)法分割等問(wèn)題，提高分割速度的同時(shí)，保證分割的準(zhǔn)確性。

附圖說(shuō)明：

圖1為本發(fā)明實(shí)施例的算法流程圖；

圖2為本發(fā)明實(shí)施例的原始o(jì)ct圖像；

圖3為本發(fā)明實(shí)施例的固定掩膜示例圖；

圖4為本發(fā)明實(shí)施例的坐標(biāo)變換后的oct圖像；

圖5為本發(fā)明實(shí)施例的累加降維示意圖；

圖6為本發(fā)明實(shí)施例的上下邊緣提取結(jié)果示例圖；

圖7為本發(fā)明實(shí)施例的偽影掩膜示意圖；

圖8為本發(fā)明實(shí)施例的得到血管邊界后的oct圖像；

圖9為本發(fā)明實(shí)施例的快速的血管邊界三維分割系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例進(jìn)行詳細(xì)描述。應(yīng)當(dāng)明確，所描述的實(shí)施例僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)知曉，下述具體實(shí)施例或具體實(shí)施方式，是本發(fā)明為進(jìn)一步解釋具體的發(fā)明內(nèi)容而列舉的一系列優(yōu)化的設(shè)置方式，而該些設(shè)置方式之間均是可以相互結(jié)合或者相互關(guān)聯(lián)使用的，除非在本發(fā)明明確提出了其中某些或某一具體實(shí)施例或?qū)嵤┓绞綗o(wú)法與其他的實(shí)施例或?qū)嵤┓绞竭M(jìn)行關(guān)聯(lián)設(shè)置或共同使用。同時(shí)，下述的具體實(shí)施例或?qū)嵤┓绞絻H作為最優(yōu)化的設(shè)置方式，而不作為限定本發(fā)明的保護(hù)范圍的理解。

實(shí)施例1：

如圖1，是本發(fā)明實(shí)施的快速的血管邊界三維分割方法的流程圖。首先獲取原始o(jì)ct圖像并對(duì)其進(jìn)行預(yù)處理，預(yù)處理包括濾波降噪并用固定掩膜去除圖像外圍無(wú)用信息。然后，將圖像進(jìn)行極坐標(biāo)變換，并根據(jù)所得圖像去除原始o(jì)ct圖像中的導(dǎo)絲、導(dǎo)管偽影。接著，利用快速波陣面擴(kuò)散算法尋找原始o(jì)ct圖像中的管腔中心。再根據(jù)求得管腔中心進(jìn)行極坐標(biāo)變換，用動(dòng)態(tài)規(guī)劃的方法快速對(duì)管腔邊界進(jìn)行提取。最后，將提取得到的極坐標(biāo)系下的邊界曲線反變換回oct原始圖像坐標(biāo)系下邊界曲線。

下面結(jié)合圖1，以一實(shí)例詳細(xì)說(shuō)明本發(fā)明的快速的血管邊界三維分割方法。

假設(shè)獲取的原始圖像大小為

1.獲取oct圖像：

從oct成像設(shè)備獲取oct原始圖像，圖像的大小為700*700*270，像素間物理距離spacing＝(0.014mm,0.014mm,0.2mm)，oct圖像及圖像中各部分如圖2所示。

2.預(yù)處理：

首先，用一個(gè)固定的掩膜i0去除圖像外圍的圖像攝取信息。掩膜i0為直徑為700的一個(gè)圓，圓的中心位于原始圖像中心，圓內(nèi)灰度為255，圓外灰度為0。

對(duì)圖像進(jìn)行高斯濾波，高斯濾波的方差為σi＝ai*spacing[i]，i∈[1,3]表示維度，ai為一常數(shù)，spacing[i]為維度i的像素間物理距離。其中a1＝2，a2＝2，a3＝0。

3.對(duì)oct原始圖像進(jìn)行坐標(biāo)變換：

將原始圖像轉(zhuǎn)換為以圖像正中心為極坐標(biāo)原點(diǎn)的極坐標(biāo)系圖像：

image(x,y,z)→image1(θ,ρ,z)

極坐標(biāo)系極軸方向進(jìn)行了降采樣，最終變換所得圖像大小為180*100*270。

4.去除圖像中的導(dǎo)管偽影和導(dǎo)絲偽影：

導(dǎo)管的物理直徑為1mm，故將圖像中心直徑為1÷0.014≈71的圓作為導(dǎo)管所在位置。導(dǎo)管偽影信息保存在偽影掩膜圖中。

導(dǎo)絲偽影處理過(guò)程中的降維累加過(guò)程如圖5所示。降維累加沿著極坐標(biāo)軸的方向進(jìn)行，得到累加結(jié)果t(θ,z)：

由于導(dǎo)絲偽影后方一直為低灰度區(qū)域，故在t(θ,z)中，導(dǎo)絲呈現(xiàn)為一條暗帶。降維累加結(jié)果t(θ,z)的大小為180*270。

對(duì)于單根導(dǎo)絲的情況，可以通過(guò)提取t(θ,z)中暗帶上下邊緣來(lái)排除原始圖像中導(dǎo)絲偽影。上下邊緣的提取由圖像卷積完成：

其中，tempup(i,j)為上邊緣算子：

tempdown(i,j)為下邊緣算子：

上下邊緣提取結(jié)果如圖6所示。

提取的上下邊緣曲線對(duì)應(yīng)于原始圖像的導(dǎo)絲偽影的上下角度，通過(guò)修改處于這部分角度的偽影掩膜中的像素保存導(dǎo)絲偽影結(jié)果。

對(duì)于少數(shù)圖像存在多根導(dǎo)絲的情況，將通過(guò)一系列形態(tài)學(xué)操作加二值化與連通分量篩選提取t(θ,z)中暗帶。形態(tài)學(xué)操作包括：頂帽變換、開運(yùn)算、閉運(yùn)算，二值化采用otsu二值化。

頂帽變換用于去除圖像不同區(qū)域灰度不均的情況，算子大小為15*15。

開運(yùn)算、閉運(yùn)算主要消除圖像中支架的影響，算子大小為1*5。

對(duì)結(jié)果進(jìn)行otsu二值化后，導(dǎo)絲形成的暗帶以及一些支架形成的暗點(diǎn)將變?yōu)?。通過(guò)連通分量檢測(cè)去除面積較小的連通區(qū)域，保留暗帶，閾值取為50。得到暗帶的結(jié)果后，去除原始圖像中的導(dǎo)絲偽影方法與單根導(dǎo)絲相同。

理論上，去除多根導(dǎo)絲的方法對(duì)于單根導(dǎo)絲同樣適用，但去除單根導(dǎo)絲的方法考慮了導(dǎo)絲上下層連續(xù)的特性，效果更優(yōu)。

5.管腔中心定位：

管腔中心定位主要由快速波陣面演化算法完成?？焖俨嚸嫜莼惴ㄊ乔蠼鈋ikonal方程的一種求解方法。eikonal方程近似波動(dòng)方程，形式如下：

eikonal方程解t(x)的物理含義是波從源點(diǎn)x0以速度f(wàn)(x)擴(kuò)散到達(dá)計(jì)算域ω內(nèi)x點(diǎn)所需要消耗的最短時(shí)間。

若速度f(wàn)(x)滿足恒正或恒負(fù)，即可將方程轉(zhuǎn)換為

速度函數(shù)f(x)為與圖像的灰度值、均勻性、邊界特性相關(guān)的函數(shù)。

快速波陣面演化算法計(jì)算過(guò)程如下：

a.初始化

1)將導(dǎo)管區(qū)域加入集合alive，對(duì)alive集合內(nèi)的點(diǎn)的波陣面到達(dá)時(shí)間t設(shè)為0，即t(x,y,z)＝0；

2)將alive內(nèi)點(diǎn)的鄰域坐標(biāo)加入集合trial，根據(jù)方程(2)求解到達(dá)時(shí)間為t。

3)將其余點(diǎn)的加入集合far，且將t設(shè)為∞。

b.波陣面演化

1)將trial集合中t最小的坐標(biāo)(i,j,k)加入到alive集合中，并從trail集合中刪除。

2)將在集合far和集合trial的(i,j,k)的鄰域進(jìn)行更新：若其在far集合，則將其加入trial集合，并將其從far集合去除。

3)根據(jù)方程(2)重新計(jì)算(i,j,k)的所有鄰域的t。

4)回到步驟1)

快速波陣面演化算法計(jì)算完成后，取t＝ts的波陣面作為管腔擴(kuò)散邊界。求其內(nèi)切圓的圓心，作為管腔的中心。其中ts表示擴(kuò)散截止時(shí)間，取ts＝5.2。

最后對(duì)求取的管腔中心曲線進(jìn)行bezier曲線擬合。

6.坐標(biāo)變換：

將原始圖像轉(zhuǎn)換為以上一步求取的管腔中心為極坐標(biāo)原點(diǎn)的極坐標(biāo)系圖像：

image(x,y,z)→image2(θ,ρ,z)

極坐標(biāo)系極軸方向進(jìn)行了降采樣，最終變換所得圖像大小為180*100*270。

7.管腔邊界提?。?/p>

在上一步完成坐標(biāo)轉(zhuǎn)換后，每層原始圖像中一個(gè)封閉的呈圓形的管腔邊界將變?yōu)橐粋€(gè)從極坐標(biāo)系圖像左側(cè)橫穿至右側(cè)的曲線。管腔邊界提取也變?yōu)樘崛O坐標(biāo)系圖像左側(cè)橫穿至右側(cè)的曲線。邊界曲線求取可先通過(guò)圖像邊緣提取加強(qiáng)邊界曲線，將其轉(zhuǎn)換為能量消耗圖像，再通過(guò)尋找總能量消耗最小的曲線求取邊界曲線。具體步驟如下：

a.能量消耗圖像的求取

從圖像的下端往上，到達(dá)管腔邊界時(shí)，灰度突然上升。故可以用掩膜卷積進(jìn)行邊緣增強(qiáng)，求取能量消耗圖像costimage(x,y,z)：

其中，temp(i,j,k)為大小為l*m*n的掩膜。

取值為temp(i,j,k)＝(-1,-2,-1；0,0,0；1,2,1；

-1,-2,-1；0,0,0；1,2,1；

-1,-2,-1；0,0,0；1,2,1；)

costimage(x,y,z)考慮了血管管腔三維空間連續(xù)的特性，能約束分支的產(chǎn)生。

b.管腔邊界曲線的求取

管腔邊界求取完成的是尋找costimage(x,y,z)中總能量消耗最低的曲線，可以由動(dòng)態(tài)規(guī)劃快速完成。

動(dòng)態(tài)規(guī)劃的狀態(tài)轉(zhuǎn)移方程為：

其中，曲線從start(起點(diǎn)集合，取i＝0的所有坐標(biāo))開始延伸，f(i,j,k)表示：從起點(diǎn)集到坐標(biāo)(i,j,k)的所有曲線中，總能量消耗最低的為f(i,j,k)。n(i,j,k)表示從起點(diǎn)集到坐標(biāo)(i,j,k)的曲線集的位于坐標(biāo)(i,j,k)之前的點(diǎn)集，即轉(zhuǎn)移規(guī)則。轉(zhuǎn)移規(guī)則滿足如下要求：

1.具有方向性，只能順時(shí)針或者逆時(shí)針轉(zhuǎn)移，即只能一直從左往右或者從右往左轉(zhuǎn)移狀態(tài)。

2.鄰域轉(zhuǎn)移，只能從當(dāng)前位置轉(zhuǎn)移到相鄰的位置，鄰域大小不限，可根據(jù)圖像進(jìn)行調(diào)節(jié)。

n(i,j,k)＝{(i-1,j-3,k),(i-1,j-2,k),(i-1,j-1,k),(i-1,j,k),(i-1,j+1,k),(i-1,j+2,k),(i-1,j+3,k)}

cost(i,j,k)表示在(i,j,k)處的能量消耗函數(shù)：

cost(i,j,k)＝costimage(i,j,k)+m(i,j,k)

其中，costimage(i,j,k)為步驟a中求取的能量消耗圖像。

m(i,j,k)表示(i,j,k)處人為設(shè)定的能量消耗，可作為用戶調(diào)整邊界時(shí)在能量消耗函數(shù)上的體現(xiàn)。

extra(i,j,k,i′,j′,k′)表示轉(zhuǎn)移代價(jià)，表示從坐標(biāo)(i′,j′,k′)轉(zhuǎn)移到坐標(biāo)(i,j,k)的額外能量消耗。此項(xiàng)在一定程度上約束了狀態(tài)轉(zhuǎn)移，能約束分支的產(chǎn)生。

d(i,j,k,i′,j′,k′)＝h(i-i′,j-j′,k-k′)

更新f(i,j,k)時(shí)，記錄坐標(biāo)(i,j,k)從哪一坐標(biāo)(i′,j′,k′)更新而來(lái)。

最終的總能量消耗最低的血管邊界曲線curve生成如下：在轉(zhuǎn)移終點(diǎn)集中尋找f(i,j,k)最小的坐標(biāo)(imin,jmin,kmin)，再依次回推其上一坐標(biāo)(i′,j′,k′)，直至回到起點(diǎn)集合。

坐標(biāo)反變換的具體步驟是：

將血管邊界曲線curve中的每一個(gè)坐標(biāo)依次從極坐標(biāo)系變換回oct原始圖像坐標(biāo)系，生成oct原始圖像坐標(biāo)系中的邊界曲線。最終的邊界曲線如圖8所示。

實(shí)施例2：

下面，結(jié)合圖9，對(duì)本實(shí)施例的快速的血管邊界三維分割系統(tǒng)進(jìn)行說(shuō)明。該系統(tǒng)包括：

預(yù)處理模塊，對(duì)獲取的圖像進(jìn)行預(yù)處理；

坐標(biāo)變換模塊1，以圖像正中心為極坐標(biāo)原點(diǎn)，將圖像轉(zhuǎn)換為極坐標(biāo)系下圖像；

去除圖像偽影模塊：確定所述圖像中的偽影，并對(duì)確定管腔中心的轉(zhuǎn)換為極坐標(biāo)系下的圖像去除偽影；所述偽影包括導(dǎo)管、導(dǎo)絲偽影；

管腔中心定位模塊：確定原始圖像中的血管管腔中心；

坐標(biāo)變換模塊2：將確定血管管腔中心的圖像，以所述管腔中心作為極坐標(biāo)原點(diǎn)，轉(zhuǎn)換為極坐標(biāo)系下圖像；

管腔邊界提取模塊：依據(jù)去除偽影后的圖像生成能量消耗圖像，并提取總能量消耗最低的曲線，以確定極坐標(biāo)系下圖像的血管邊界；

坐標(biāo)反變換模塊：將極坐標(biāo)系下圖像的血管邊界轉(zhuǎn)換為原始圖像坐標(biāo)系下的血管邊界曲線。

優(yōu)選地，所述系統(tǒng)還包括oct圖像獲取模塊，用于獲取oct圖像。

優(yōu)選地，所述圖像預(yù)處理模塊將處理后的圖像傳輸給坐標(biāo)變換模塊1與管腔中心定位模塊。

優(yōu)選地，所述圖像偽影識(shí)別模塊識(shí)別偽影，并生成偽影掩模圖像，并傳輸給管腔邊界提取模塊。

優(yōu)選地，所述坐標(biāo)變換模塊2根據(jù)偽影掩膜圖像、管腔中心曲線、預(yù)處理后的圖像生成新的極坐標(biāo)系下以管腔中心為極坐標(biāo)原點(diǎn)的oct圖像，將圖像傳輸給管腔邊界提取模塊。

優(yōu)選地，所述坐標(biāo)變換模塊1、坐標(biāo)變換模塊2可設(shè)置為同一坐標(biāo)變換模塊。

當(dāng)系統(tǒng)運(yùn)作時(shí)，oct圖像獲取模塊獲取圖像后，將圖像傳輸給預(yù)處理模塊，預(yù)處理模塊對(duì)圖像進(jìn)行預(yù)處理，將生成的新圖像傳輸給坐標(biāo)變換模塊1與管腔中心定位模塊。坐標(biāo)變換模塊1將原始o(jì)ct圖像轉(zhuǎn)換為極坐標(biāo)系下oct圖像傳輸給圖像偽影識(shí)別模塊。圖像偽影識(shí)別模塊去除導(dǎo)管導(dǎo)絲偽影，生成偽影掩膜圖像，傳輸給管腔邊界提取模塊。管腔中心定位模塊從預(yù)處理模塊獲得圖像后，生成管腔中心，將管腔中心曲線傳輸給坐標(biāo)變換模塊2。坐標(biāo)變換模塊2根據(jù)偽影掩膜圖像、管腔中心曲線、oct圖像生成新的極坐標(biāo)系下以管腔中心為極坐標(biāo)原點(diǎn)的oct圖像，將圖像傳輸給管腔邊界提取模塊。管腔邊界提取模塊提取出管腔邊界曲線后，將曲線數(shù)據(jù)傳輸給坐標(biāo)反變換模塊，坐標(biāo)反變換模塊將極坐標(biāo)系下的曲線轉(zhuǎn)換為原始坐標(biāo)系下曲線。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(read-onlymemory，rom)或隨機(jī)存儲(chǔ)記憶體(randomaccessmemory，ram)等。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。