一种血管内光学相干层析成像分支血管识别方法与流程

squares and supervised machine learning[j].comput.med.imag.graph,2015.vol.46:237
‑
248.
[0010]
[5]g.j.ughi,t.adriaenssens,w.desmet and j.d’hooge.fully automatic three
‑
dimensional visualization of intravascular optical coherence tomography images:methods and feasibility in vivo[j].biomed.opt.express,dec.2012vol.3,no.12:3291
‑
3303.
[0011]
[6]a.wang,j.eggermont,j.h.c.reiber and j.dijkstra.fully automated side branch detection in intravascular optical coherence tomography pullback runs[j].biomed.opt.express,2014vol.5,no.9:3160
‑
3173.
[0012]
[7]y.cao et al.automatic side branch ostium detection and main vascular segmentation in intravascular optical coherence tomography images[c].in ieee journal of biomedical and health informatics,sept.2018vol.22,no.5:1531
‑
1539.
[0013]
[8]丁振扬,朱丰裕,刘铁根,刘琨,江俊峰,陶魁园,李清瑞,朱亚楠,商明健,胡景淇.基于管壁连通域唯一性的iv
‑
oct血管轮廓识别方法[p].cn112308874a,2021
‑
02
‑
02


技术实现要素：

[0014]
本发明的目的是提供一种iv
‑
oct血管图像的分支血管识别方法，以克服现有的手动iv
‑
oct血管图像的分支血管识别和分割较为耗时与自动iv
‑
oct血管图像的分支血管识别和分割出现识别困难的问题。本发明使用自适应阈值二值化优化了cn112308874所提出的血管轮廓分割方法，并在此基础上提出了一种血管内光学相干层析成像分支血管识别方法。总流程为：首先使用基于形态学和自适应阈值二值化的方法对血管轮廓进行分割，然后利用基于质心特征的距离变换方法检测分支口点，将管腔轮廓分为分支和主血管区域，能够正确提取出分支血管区域。技术方案如下：
[0015]
一种血管内光学相干层析成像分支血管识别方法，包括下列步骤：
[0016]
(1)对原始图像ori进行血管轮廓提取，方法如下：
[0017]
第一步：图像增强和自适应二值化；
[0018]
利用直方图方法对原始图像ori进行图像增强，扩展图像的灰度范围，然后进行模板2
×
2的中值滤波，去除部分零散噪声点的影响；使用bradley方法检测每个点周围的像素点的灰度，通过局部自适应阈值对图像ori2进行二值化，处理后图像用bw表示；
[0019]
第二步：连通域处理；
[0020]
选用半径为1的圆盘状结构元素se,对bw首先进行形态开运算，腐蚀掉过小的散点，合并较大的连通域；利用方向特征对导管进行切除，根据面积特征对剩余的散点噪声部分进行去除；根据a
‑
line上连通域的唯一性，检测并去除大块的残留血液，得到的结果图用bw2表示；
[0021]
第三步：插值与平滑处理；
[0022]
根据bw2，使用双立方插值的方法将导丝区域轮廓还原，并选取阈值用平滑函数对插值后的轮廓进行二次处理，从而得到更加准确的轮廓cont；
[0023]
(2)分支血管识别，方法如下：
[0024]
第一步：坐标变换
[0025]
将轮廓cont从极坐标变换为笛卡尔坐标，变换后的轮廓记为管腔轮廓cont2；
[0026]
第二步：主血管中心的确定
[0027]
利用所检测到管腔轮廓cont2的轮廓点建立一个距离映射图谱，在距离映射图谱中，把被cont2轮廓所包围的管腔内每个位置的值定义为这个位置到最近的轮廓点的距离，将距离映射图谱中值最大的位置所对应的像素点确定为主血管的中心，相应的距离记为r
r
；
[0028]
第三步：质心位置和质心矩的确定
[0029]
血管的质心定义为被轮廓cont2所包围的管腔内所有像素的平均坐标，图像的质心距定义为主血管中心与质心的距离；
[0030]
第四步：分支血管存在性判定
[0031]
若图像中存在与主血管中心距离大于1.7倍r
r
的轮廓点，并且图像的质心矩大于0.2倍r
r
，则图像被判断为具有分支；否则，图像被判断为无分支血管，并输出主血管数据；
[0032]
第五步：计算主血管最大半径
[0033]
过主血管中心画出一条与主血管中心—质心连线互相垂直的直线，使用这条直线将血管轮廓分为两个部分；认为分支血管轮廓存在于质心所处的区域中，并且其对侧的区域不存在分支；然后，遍历没有分支的这部分轮廓点，寻找与主血管中心距离最大的轮廓点，将此轮廓点与主血管中心的距离视为主血管的最大半径，记作r
max
；
[0034]
第六步：分支血管轮廓与分界点识别
[0035]
将r
max
作为分支轮廓与主血管轮廓的判断标准，与主血管中心距离小于r
max
的轮廓点标记为主血管轮廓，大于r
max
的轮廓点标记为分支轮廓；对所有轮廓点逐个检索使其按顺时针排列好，我们将主血管的轮廓点标记为0，分支的轮廓点标记为1，按顺时针顺序检测出血管轮廓标记由0变1和由1变0的两个突变点，即得到主血管和分支的分界点。
[0036]
与现有技术相比，本发明的有益效果是：本发明克服了现有的手动iv
‑
oct血管图像的分支血管识别和分割较为耗时与自动iv
‑
oct血管图像的分支血管识别和分割出现识别困难的问题。在不设定感兴趣区域，不需要进行人工标记以训练分类器的情况下，使用了迭代次数较少的基于质心特征和距离变换分支血管识别方法，从而能够正确提取出分支血管区域。
附图说明
[0037]
图1是一种ivoct血管图像的分支血管全自动识别方法的流程图；
[0038]
图2自适应阈值二值化后ivoct极坐标下图像
[0039]
图3笛卡尔坐标系下ivoct图像血管轮廓
[0040]
图4主血管中心，质心和最大主血管半径的示意图
[0041]
图5笛卡尔坐标系下ivoct主血管轮廓与分支血管轮廓
具体实施方式
[0042]
下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。
[0043]
如图1所示，本发明提出的一种ivoct血管图像的分支血管全自动识别方法包括以下步骤：
[0044]
本发明提供了一种基于质心特征和距离变换的iv
‑
oct血管图像的管腔轮廓全自动识别方法，本发明克服现有的手动iv
‑
oct血管图像的分支血管识别和分割较为耗时与自动iv
‑
oct血管图像的分支血管识别和分割出现识别困难的问题。本发明在整个识别过程中，首先使用基于形态学和自适应阈值二值化的方法对血管轮廓进行分割，然后利用基于质心特征的距离变换方法检测分支口点，将管腔轮廓分为分支和主血管区域，能够正确提取出分支血管区域。
[0045]
为了解决上述技术问题，本发明提出了一种基于质心特征和距离变换的iv
‑
oct血管图像的分支血管自动识别方法，其特征在于整个识别过程使用了质心的提取和距离变换，方法简单；并能够在不训练分类器，无人工参与的情况下快速正确识别出分支血管位置，所述方法包括以下步骤：
[0046]
(1)对原始图像ori进行血管轮廓识别，方法如下：
[0047]
步骤一：对原始图像ori进行图像增强和中值滤波；利用直方图方法对原图进行图像增强，扩展图像的灰度范围，然后进行模板2
×
2的中值滤波，去除部分零散噪声点的影响。将中值滤波后的图像ori2使用bradley方法，使用局部自适应阈值对图像ori2进行二值化。该方法使用像素邻域的局部均值强度，来确定每个像素点的阈值。本发明使用图像大小1/8的邻域大小进行阈值的计算。使用bradley方法可以有效的检测出一片区域中的像素点的相对强度，从而分离开噪声和信号，并且不会忽略较弱的血管信号。处理后图像如图2所示，记为bw。
[0048]
步骤三：对二值化后的图像bw中的连通域进行处理。
[0049]
用半径为1的圆盘状结构元素se,对bw首先进行形态开运算，腐蚀掉过小的散点，合并较大的连通域。形状为直线型的导管的方向主要集中在90
°
左右，。因此我们设定方向阈值为89.5
°
。如果连通区域的方向若大于设定的方向阈值，便认定为导管，反之，则将此连通区域确定为血管。对经过方向检测后的连通域继续进行面积检测。设定面积阈值为0.05mm2。将方向属性大于方向阈值以及面积阈值小于0.05mm2的连通区域的像素值置为0。根据a
‑
line上连通域的唯一性，可以检测并去除大块的残留血液。由于血管壁围绕管腔分布，因此，从管腔中心发出的射线(a
‑
line)通过且仅通过一次血管壁。在二值化图像中，所有的a
‑
line也只通过一个血管壁连通域。利用这一性质，可以将a
‑
line所通过的其它非血管壁连通域进行去除。得到该步骤的结果图用bw2表示；
[0050]
步骤四：插值与平滑处理；
[0051]
使用双线性内插法插值bw2的连通域边缘，得到血管轮廓。通过极坐标图像中邻近的2*2像素点区域来计算x*y的值。
[0052]
使用稳健二次回归对所得到的轮廓进行平滑处理，消除轮廓的毛刺。得到的轮廓记为cont。
[0053]
(2)分支血管识别，方法如下：
[0054]
步骤一：应用坐标变换方法，将极坐标下的轮廓点变换为笛卡尔坐标下的轮廓点。由于cont是极坐标下轮廓点，这里需要将轮廓变换为笛卡尔坐标，以方便后面分支的识别。两种坐标系的对应关系为：
[0055][0056]
其中，ρ和θ分别为极坐标系下的极径和极角，x和y分别为笛卡尔坐标系下的横纵坐标。变换后的轮廓记为cont2。变换之后的血管轮廓图像如图3所示。
[0057]
步骤二：利用cont2的轮廓点可以建立一个距离映射，确定主血管中心。
[0058]
利用轮廓cont2可以建立一个与原图等大的距离映射图谱。在图谱中，我们把每个位置的值定义为这个位置到最近的轮廓点的距离，并且只保留位于管腔内的值，将管腔外所有位置值设置为零。这样，就可以将图谱中值最大的位置所对应的像素点确定为主血管的中心。该方法的原理可以理解为寻找管腔轮廓的最大内切圆，而该圆的圆心即为主血管中心，并将其半径定义为r
r
；
[0059]
步骤三：确定质心位置和质心距。
[0060]
血管内腔的质心是ivoct图像的重要特征之一，也是分支识别重要的判断依据。血管的质心定义为管腔内所有像素的平均坐标，如下所示：
[0061][0062]
式中，l为管腔内像素数，x、y分别为横纵坐标。然后，我们定义了图像的质心距为主血管中心与质心的距离。
[0063]
步骤四：判断图像中是否存在分支血管
[0064]
在确定主血管中心后，可以通过分析血管轮廓与中心的距离特征来判断分支的存在与否。一般来说，距离的急剧增加代表可能存在分支。并且，通过对大量图像的处理，可以发现存在分支的图像其质心距(主血管中心与质心的距离)明显偏大。据质心的位置特征，可以进一步确定分支的存在与否，避免误识别的出现。在本方法中，若图像中存在与主血管中心的距离大于1.7倍r
r
的轮廓点，并且血管轮廓的质心距大于0.2倍r
r
，该图像才被判断为具有分支。否则，图像被判断为无分支血管，并输出主血管数据。
[0065]
步骤五：计算主血管最大半径。
[0066]
过主血管中心画出一条与主血管中心—质心连线垂直的直线，使用这条直线将血管轮廓分为两个部分。我们认为分支血管轮廓存在于质心所处的区域中，并且其对侧的区域不存在分支。然后，遍历没有分支的这部分轮廓点，寻找与主血管中心距离最大的轮廓点，将该距离视为主血管的最大半径，记作r
max
。如图4所示。
[0067]
步骤六：分支血管轮廓与分界点识别。
[0068]
我们将r
max
作为分支的判断标准，与主血管中心距离小于r
max
的轮廓点标记为主血管轮廓，大于r
max
的轮廓点标记为分支轮廓。
[0069]
为了得到主血管轮廓与分支血管轮廓的分界点，我们对所有轮廓点逐个检索使其按顺时针排列好，将主血管的轮廓点标记为0，分支的轮廓点标记为1。然后顺时针检测出轮
廓点标记由0变1和由1变0的两个突变点就得到了主血管轮廓与分支血管的分界点。分支血管识别效果如图5所示。
[0070]
iv
‑
oct血管图像的分支血管的正确识别对血管模型的流体模拟与数值分析，以及不同类别血管图像的配准都有很大的应用价值。现有训练分类器，神经网络，法向量等方法可以实现iv
‑
oct分支血管的识别和提取。但在识别和提取轮廓的过程中，可能会受到训练时间较长，人工干预较多等问题的限制。本专利提出整个识别过程使用了图像增强、自适应阈值二值化、连通域操作、主血管中心及质心特征的应用，距离变换方法等步骤能够全自动地正确提取出分支血管以及与主血管的分界点。尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。