一种心脏CTA血管中心线提取方法与流程
本发明涉及医学人工智能及计算机视觉,尤其涉及一种心脏cta血管中心线提取方法。
背景技术:
1、心脏冠状动脉是为心肌提供血液供应的重要血管,其中心线能够准确反映血管的空间走向、拓扑结构及几何特征,因此血管中心线提取是冠状动脉定量分析、血管狭窄检测、血流动力学分析、三维重建、虚拟内窥镜导航、术前规划及介入治疗中的关键基础技术。
2、目前,临床上广泛采用冠状动脉ct血管造影(computed tomographyangiography,cta)获取心脏三维影像数据。由于cta图像具有无创、分辨率高及成像速度快等优点,基于cta图像自动提取冠状动脉中心线已成为近年来医学图像处理领域的重要研究方向。
3、传统血管中心线提取方法主要包括区域生长、最短路径搜索、距离变换、骨架细化及最小代价路径等方法。上述方法通常依赖人工设定种子点或复杂的图像后处理过程,对图像噪声、血管粘连及灰度变化较为敏感,在血管分叉区域、细小血管区域及复杂弯曲区域容易出现中心线断裂、错误连接及定位偏移等问题,难以满足复杂冠状动脉结构的自动化提取需求。
4、近年来,随着深度学习技术的发展,越来越多的研究采用卷积神经网络或transformer网络实现血管分割及中心线提取。例如,采用u-net、nnu-net、dtunet等网络首先获得血管分割结果,再利用骨架细化算法提取中心线;或者直接利用中心线监督训练网络预测中心线概率图。上述方法能够在一定程度上提高中心线提取精度,但仍然存在以下不足:
5、(1)中心线真实性缺乏有效验证机制。 现有方法通常将网络输出的中心线直接作为最终结果,或者仅依据概率值进行筛选,而未进一步验证预测中心线是否真正位于血管几何中心。当血管存在灰度不均匀、局部噪声、钙化伪影、部分容积效应或血管分叉时,预测中心线容易偏向某一侧血管壁,产生中心线漂移现象,影响后续血管定量分析的准确性。
6、(2)细小血管及分叉区域容易发生中心线偏移。 心脏冠状动脉属于细长树状结构,不同位置血管直径差异较大,尤其在远端细小血管及分叉区域,由于网络特征表达能力有限,预测中心线容易偏离真实血管中心,甚至发生跨分支连接、中心线跳变或局部断裂等问题,导致整体拓扑结构受到影响。
7、(3)现有方法未充分利用心脏cta图像的空间稳定性。 与脑血管、外周血管等器官相比,心脏cta通常采用统一扫描协议及标准化重建参数,图像尺寸、空间分辨率及冠状动脉解剖位置具有较高的一致性。然而,现有深度学习方法大多将不同患者视为完全独立样本进行学习,未充分利用心脏固定空间分布特征建立空间先验,从而限制了网络对冠状动脉空间位置及血管走向的学习能力。
8、(4)缺乏对血管方向连续性及拓扑结构的联合约束。 冠状动脉具有连续延伸、逐级分叉的树状拓扑结构,而现有网络大多仅关注局部像素分类精度,对不同尺度特征之间的方向一致性及血管整体拓扑连续性关注不足,容易造成血管中心线在弯曲区域出现方向突变,在分叉区域出现连接错误,影响中心线连续性及完整性。
9、因此,如何充分利用心脏cta图像空间分布稳定的特点,在深度学习中心线提取过程中建立能够验证预测中心线是否真实位于血管中心的位置验证机制,并结合血管方向连续性及拓扑结构信息,提高心脏血管中心线的定位精度、连续性及拓扑完整性,已成为本领域亟待解决的技术问题。
技术实现思路
1、针对现有技术中存在的上述不足,本发明提供一种心脏cta血管中心线提取方法。
2、现有深度学习方法虽然能够实现血管中心线自动提取,但是网络预测得到的中心线仅反映模型学习得到的概率分布,并不能保证预测中心线始终位于真实血管中心位置,特别是在血管分叉区域、细小血管区域及弯曲区域,容易受到局部灰度变化、血管粘连及部分容积效应等因素影响,导致中心线发生位置偏移,进而影响血管长度测量、狭窄分析、血流动力学计算及三维导航等后续应用。
3、此外,现有方法普遍缺乏对心脏cta图像空间分布稳定性的利用,也缺少对血管方向连续性及整体拓扑关系的联合建模,导致提取得到的中心线容易出现方向突变、局部断裂及错误连接等问题。
4、因此,本发明提出一种基于位置验证的心脏cta血管中心线提取方法,通过建立局部血管半径辅助的中心线位置验证机制,对网络预测得到的中心线进行真实性验证,仅在验证结果不满足中心位置条件时才对中心线进行位置修正,从而提高中心线定位精度及整体拓扑连续性。
5、为实现上述目的,本发明采用如下技术方案:
6、一种心脏cta血管中心线提取方法,其特征在于,包括如下步骤:
7、s1、获取心脏cta三维图像,对所述心脏cta三维图像进行重采样、灰度归一化及心脏区域裁剪处理,得到固定尺寸的输入图像;
8、s2、将所述输入图像输入血管中心线提取网络,由共享编码器提取多尺度血管特征,并结合心脏cta固定空间尺寸建立空间位置编码,以获得包含空间先验信息的血管特征;
9、s3、依据不同尺度血管特征对应的局部血管方向,对不同尺度血管特征进行方向一致性增强,并完成跨尺度特征融合,得到方向连续的融合特征;
10、s4、根据融合特征建立血管拓扑关系,对血管分叉区域、细小血管区域及血管末端区域进行拓扑连续性建模,得到具有全局连通关系的拓扑特征;
11、s5、根据所述拓扑特征生成初始中心线及血管分割结果;依据血管分割结果计算初始中心线各采样点对应的局部血管半径,并根据局部血管半径确定对应采样点所在血管截面的中心位置;验证初始中心线是否位于对应血管截面的中心位置,当验证结果满足预设条件时保留初始中心线,当验证结果不满足预设条件时,对初始中心线进行位置修正,得到最终血管中心线;
12、s6、构建联合损失函数,对血管中心线提取网络进行训练;
13、s7、利用训练完成后的网络输出最终血管中心线。
14、优选地,所述固定尺寸包括64×64×64体素或256×256×256体素。
15、优选地,所述血管中心线提取网络采用编码器-解码器结构,包括共享编码器、血管分割解码器以及中心线预测解码器。
16、优选地,所述空间位置编码包括构建标准心脏三维空间坐标模板,并将体素在模板中的位置映射为位置编码向量。
17、优选地,所述方向一致性增强包括:
18、计算不同尺度血管特征对应的局部方向;
19、依据所述局部方向之间的夹角计算方向一致性系数;
20、根据所述方向一致性系数对各尺度血管特征进行自适应加权。
21、优选地,所述中心线位置验证包括:
22、根据血管分割结果计算预测中心线各采样点对应的局部血管半径;
23、依据局部血管半径确定对应采样点所在的血管截面;
24、计算预测中心线至血管截面两侧边界的距离;
25、根据中心位置验证系数判断预测中心线是否位于血管截面的中心位置;
26、若中心位置验证系数小于等于预设验证阈值,则判定预测中心线位于血管中心;
27、否则判定预测中心线发生位置偏移。
28、优选地,所述中心位置验证系数:
29、
30、其中,表示采样点到第一侧血管边界的距离,表示采样点到第二侧血管边界的距离,表示局部血管半径。
31、优选地,当预测中心线发生位置偏移时,根据预测中心线至血管两侧边界的距离差确定中心线偏移方向,并根据局部血管半径确定修正幅度,对预测中心线进行位置修正。
32、优选地,所述联合损失函数包括血管分割损失、中心线监督损失、拓扑保持损失以及方向一致性损失。
33、优选地,所述输出内容至少包括以下一种或多种:1)三维中心线坐标;2)血管拓扑关系;3)局部血管半径;4)血管分支编号;5)中心线位置验证结果;6)中心线修正标记。
34、与现有技术相比,本发明至少具有如下有益效果:
35、(1)本发明利用心脏cta图像空间尺寸及解剖位置相对固定的特点建立空间先验信息,使网络能够学习冠状动脉在标准心脏空间中的分布规律,提高了血管定位能力及特征表达能力。
36、(2)本发明通过方向一致性增强,实现不同尺度血管特征之间的方向协同,有效降低了细长血管及弯曲血管区域由于尺度变化造成的方向突变,提高了中心线连续性。
37、(3)本发明通过拓扑连续性感知,对血管分叉区域、细小血管区域及血管末端区域进行拓扑关系建模,提高了血管树状结构的整体连通性,减少了中心线断裂及错误连接。
38、(4)本发明提出了一种基于局部血管半径的中心线位置验证机制,并非直接利用局部血管半径修正中心线,而是首先依据局部血管半径确定对应血管截面的理论范围,再结合预测中心线与血管两侧边界之间的距离关系,对预测中心线是否真实位于血管中心进行验证,仅当验证结果不满足预设条件时才执行位置修正,从而有效避免了传统方法中因网络预测误差导致的中心线漂移,提高了中心线定位精度。
39、(5)本发明采用"预测-验证-修正"的中心线优化策略,使中心线修正具有明确的触发条件,避免了对所有预测结果进行统一补偿造成的过度修正,提高了中心线提取结果的稳定性及鲁棒性。
40、(6)本发明实现了血管分割、中心线预测、中心线位置验证及位置修正的一体化联合优化,可显著提高心脏cta血管中心线提取的准确率、连续性及拓扑完整性,具有较高的临床应用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com