【CN110223271A】血管图像的自动水平集分割方法及装置【专利】
视网膜血管图像的分割方法[发明专利]
![视网膜血管图像的分割方法[发明专利]](https://img.taocdn.com/s3/m/695032e132d4b14e852458fb770bf78a64293a5d.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201611185885.2(22)申请日 2016.12.20(71)申请人 中南大学湘雅医院地址 410008 湖南省长沙市开福区湘雅路87号(72)发明人 江海波 李清勇 李峰 郑敏 (74)专利代理机构 北京市商泰律师事务所11255代理人 黄晓军(51)Int.Cl.G06T 7/00(2017.01)G06T 7/11(2017.01)G06T 7/136(2017.01)(54)发明名称视网膜血管图像的分割方法(57)摘要本发明实施例提供了一种视网膜血管图像的分割方法。
该方法主要包括：对视网膜血管图像进行双尺度匹配滤波处理，得到细尺度匹配滤波响应图像和粗尺度匹配滤波响应图像；从细尺度匹配滤波响应图像中分割出线支持区域，使用局部自适应阈值方法对每一个线支持区域进行二值化处理，分割出细血管段；应用固定比例阈值算法对粗尺度匹配滤波图像进行分割，得到粗血管段。
融合细血管段的分割结果和粗血管段的分割结果得到完整的视网膜血管分割结果，分割结果的准确率高。
权利要求书2页 说明书9页 附图2页CN 106651846 A 2017.05.10C N 106651846A1.一种视网膜血管图像的分割方法，其特征在于，包括：对视网膜血管图像进行双尺度匹配滤波处理，得到细尺度匹配滤波响应图像和粗尺度匹配滤波响应图像；从所述细尺度匹配滤波响应图像中分割出线支持区域，使用局部自适应阈值方法对每一个线支持区域进行二值化处理，分割出细血管段；应用固定比例阈值算法对所述粗尺度匹配滤波图像进行分割，得到粗血管段。
2.根据权利要求1所述的方法，其特征在于，所述的对视网膜血管图像进行双尺度匹配滤波处理，得到细尺度匹配滤波响应图像和粗尺度匹配滤波响应图像，包括：提取彩色视网膜血管图像的RGB三个通道中的绿色通道；用高斯函数来模拟视网膜血管的横切面灰度曲线，得到如下匹配滤波器：式中，K(x,y)被称为核函数，σ是高斯函数沿x轴坐标中心的偏离度，L是高斯函数沿y轴被截断的闪电通道长度，式中x,y需满足|x|≤3σ,|y|≤L/2以15°为间隔，选取角度区间[0°,180°]中的12个方向，创建12个匹配滤波器；将所述彩色视网膜血管图像中的绿色通道分别与所述12个匹配滤波器做卷积计算，得到匹配滤波响应图像，将所述匹配滤波响应图像归一化并量化为256级的灰度图，当所述偏离度σ小于设定的阈值时，将得到的灰度图作为细尺度匹配滤波响应图像；当所述偏离度σ不小于设定的阈值时，将得到的灰度图作为粗尺度匹配滤波响应图像。
一种冠状动脉分割方法和装置发明专利
一种冠状动脉分割方法和装置技术领域本发明涉及图像处理领域，尤其涉及一种冠状动脉分割方法和装置。
背景技术冠状动脉的分割在医学领域的各个方面都起到很大的作用，尤其是冠状动脉血管造影(CTA)对引起胸痛的心血管疾病具有良好的筛查作用，同时，CTA 成像的后处理技术也能够对疾病进行准确的诊断和治疗，包括对疾病患病部位的定位，严重程度的评估，手术实时导航以及术后的跟踪评价等。
而CTA图像后处理的关键技术之一就是把冠状动脉完整并准确地提取出来。
冠状动脉分割的现有方法主要分为三大类：全自动分割、半自动分割和人工交互式分割。
全自动分割方法，如kitslaar方法(Kitslaar,P.,et al.,2008.Connectedcomponent and morpholgy based extraction of arterial centerlines of the heart(CocomoBeach).,The Midas Journal(2008))首先检测出升主动脉和整个心脏范围，然后在心脏范围内分割出候选的冠状动脉成分，从主动脉处开始用连接成分分析并对这些成分进行区域增长，得到整个血管树的分割结果。
但是，该方法准确性不够高，会连入一些非冠脉血管，而且对血管末端的分割识别能力不够强。
半自动分割方法需要较少的人工干预，每段血管可以给一个点作为输入，如基于知识的最短路径法和冠脉树形态重建法。
人工交互式分割方法需要更多的人工干预，可以用一系列手动选取的点或一个点和一个阈值作为输入。
但是，这两种方法需要一些人为干预，而且分割的准确性不高，有的冠脉血管不能分割出来。
无论哪类方法对冠脉根部的分割都有较好的结果，对细小分支的分割能力有限，而且综合已有方法的分割结果评价得出的结论是全自动分割的方法对冠脉提取的准确性更好，但是，这些全自动分割可能提取出很多非冠状动脉的血管点，从而在一定程度上影响分割结果。
发明内容本发明解决的问题是提供一种冠状动脉分割方法和装置，能完整、准确且自动地提取出左右冠状动脉，便于医生对心血管疾病等进行定性和定量的诊断和治疗。
一种视网膜血管分割方法和装置[发明专利]
![一种视网膜血管分割方法和装置[发明专利]](https://img.taocdn.com/s3/m/5c52d74a178884868762caaedd3383c4bb4cb42e.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810866052.5(22)申请日 2018.08.01(71)申请人 沈阳东软医疗系统有限公司地址 110179 辽宁省沈阳市浑南区创新路177-1号(72)发明人 陈俊强 (74)专利代理机构 北京集佳知识产权代理有限公司 11227代理人 赵秀芹 王宝筠(51)Int.Cl.G06T 7/11(2017.01)G06N 3/08(2006.01)G06N 3/04(2006.01)(54)发明名称一种视网膜血管分割方法和装置(57)摘要本申请公开了一种视网膜血管分割方法，该方法基于深度全卷积网络模型进行视网膜血管分割，而该模型包括残差联想模块，该残差联想模块用于提取输入到残差联想模块的视网膜血管图像中的多个不同尺度上的分支血管特征信息，将所述多个不同尺度上的分支血管特征信息进行组合，去除组合后血管特征信息中的冗余血管特征信息，将所述输入到残差联想模块的视网膜血管图像和去除冗余血管特征信息的组合后的血管特征信息进行合并，生成所述残差联想模块的输出图像。
如此，基于该模型的方法提高了血管分割的准确性，有利于辅助医生的准确诊断。
权利要求书4页 说明书15页 附图8页CN 109118495 A 2019.01.01C N 109118495A1.一种视网膜血管分割方法，其特征在于，包括：获取待分割视网膜血管图像；根据深度全卷积网络模型对所述待分割视网膜血管图像进行分割，得到所述待分割视网膜血管图像的分割结果图；所述深度全卷积网络模型包括残差联想模块，所述残差联想模块用于提取输入到残差联想模块的视网膜血管图像中的多个不同尺度上的分支血管特征信息，将所述多个不同尺度上的分支血管特征信息进行组合，去除组合后血管特征信息中的冗余血管特征信息，将所述输入到残差联想模块的视网膜血管图像和去除冗余血管特征信息的组合后的血管特征信息进行合并，生成所述残差联想模块的输出图像；所述输入到残差联想模块的视网膜血管图像为对所述待分割视网膜血管图像进行血管特征信息缩减后的图像。
医学图像的分割方法及装置[发明专利]
![医学图像的分割方法及装置[发明专利]](https://img.taocdn.com/s3/m/b5602d8148d7c1c708a145e9.png)
专利名称：医学图像的分割方法及装置专利类型：发明专利
发明人：程兆宁,王潚崧
申请号：CN201710538036.9
申请日：20170704
公开号：CN107330895A
公开日：
20171107
专利内容由知识产权出版社提供
摘要：本发明涉及一种医学图像的分割方法。
该方法包括步骤：获取不同时刻的所述目标部位的动态增强原始图像；根据所有所述动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据；在所述时域最大密度投影数据中识别异常增强信号的数据，并基于所述异常增强信号的数据应用预设的分割算法进行分割，以生成所述病灶的图像及数据。
一种医学图像的分割装置，包括：获取模块、计算模块及分割模块。
上述医疗图像的分割方法及装置，基于多组动态增强原始图像和时域最大密度投影图像中的异常增强信号进行去分割病灶，可以得到较为全面、准确的病灶分割结果，从而为病灶的医学诊断提供全面、准确的依据。
申请人：上海联影医疗科技有限公司
地址：201807 上海市嘉定区城北路2258号
国籍：CN
代理机构：北京华进京联知识产权代理有限公司
代理人：王程
更多信息请下载全文后查看。
血管分割方法、装置、电子设备及存储介质发明专利
血管分割方法、装置、电子设备及存储介质技术领域本发明实施例涉及医学图像处理技术，尤其涉及一种血管分割方法、装置、电子设备及存储介质。
背景技术医学图像中的血管分割是一个基本问题，例如肝脏的血管分割被广泛应用于肝脏病变的诊断、治疗以及肝脏手术的规划。
目前血管分割的一类常用方法为传统的图像处理方法，例如阈值分割方法或区域生长方法等，但是这些方法的血管分割精度均有限，难以满足临床需求。
另一类常用方法为基于深度学习的图像处理方法，例如全卷积神经网络模型(Fully convolutionalnetworks,FCN)、基于二维医学图像的全卷积神经网络模型U-net 和基于三维医学图像的全卷积神经网络模型V-net等，这些方法在准确率以及鲁棒性上远胜于传统的图像处理方法，但是由于成像设备的限制和血管本身形态结构的复杂性，利用上述任一个卷积神经网络模型所得的血管分割结果均容易出现血管分支较少、血管边界错误以及分割块状等问题。
发明内容本发明实施例提供一种血管分割方法、装置、电子设备及存储介质，以提高血管分割的精度。
第一方面，本发明实施例提供了一种血管分割方法，包括：分别将待分割图像输入至少两个预先训练的设定神经网络模型，生成与每个设定神经网络模型对应的初始分割结果；利用每个所述设定神经网络模型对应的目标模型权重值，对各所述初始分割结果进行加权处理，生成加权分割结果，其中，所述目标模型权重值于训练所述设定神经网络模型时确定；对所述加权分割结果进行图像后处理，生成分割血管图像。
第二方面，本发明实施例还提供了一种血管分割装置，该装置包括：初始分割结果生成模块，用于分别将待分割图像输入至少两个预先训练的设定神经网络模型，生成至少两个初始分割结果；加权分割结果生成模块，用于利用每个所述设定神经网络模型对应的目标模型权重值，对各所述初始分割结果进行加权处理，生成加权分割结果，其中，所述目标模型权重值于训练所述设定神经网络模型时确定；分割血管图像生成模块，用于对所述加权分割结果进行图像后处理，生成分割血管图像。
血管提取方法、装置及其系统发明专利
血管提取方法、装置及其系统【技术领域】本发明涉及医学图像处理领域，尤其涉及血管提取的方法、装置及其系统。
【背景技术】门静脉血管系统是人体循环系统中重要的组成部分。
自动提取门静脉血管不但可以帮助医生快速诊断门脉高压等相关的疾病，也能够给医生提供更加直观的系统解剖结构视图，方便进行手术计划。
现有的门静脉提取主要局限于肝内门静脉的提取，主要方法可分为阈值类、增强类以及模型类方法。
阈值类方法利用门静脉显影时灰度值较高的特点，在肝内一定的阈值范围内进行区域生长，提取出肝内的门静脉血管。
该方法过于依赖造影剂的信息，对于造影剂显影较弱，或者期相抓取不准导致动脉/静脉显影的情况适应性较差，且容易过分割到肋骨、杂质等同样高亮度的区域。
模型类方法充分考虑了血管的结构特点：首先追踪血管的中心线骨架，并预估血管在某一区域内半径，在得到完整的血管骨架后利用血管半径信息重建血管。
该方法能够保持血管的细节和拓扑结构完整，但整个追踪过程相当耗时，对于较粗的血管适应性有限，大多应用于手动交互的场景。
【发明内容】本发明解决的问题是但能够快速提取出完整的门静脉血管结构，还可以在局部对血管进行追踪优化，体现出更多的血管细节信息。
为解决上述技术问题，本发明提供一种血管提取方法，包括：获取包含血管信息的图像；确定所述图像中感兴趣区域；统计所述感兴趣区域的灰度值；根据所述灰度值，设置生长参数；基于Fast Marching生长血管主干；以及调整所述生长参数，追踪血管分支；基于所述血管主干和血管分支，提取血管区域。
可选的，所述确定所述图像中感兴趣区域，包括：基于肝脏的解剖学信息，确定门静脉入肝图层的位置。
可选的，所述确定所述图像中感兴趣区域，还包括：采用Heseian法增强所述门静脉入肝图层的位置所在区域；基于Hessian增强结果确定所述感兴趣区域。
可选的，所述生长参数包括灰度阈值、迭代次数、血管生长范围。
可选的，所述调整所述生长参数，追踪血管分支，包括如下步骤：根据血管造影剂的流动和/或当前血管区域的状况，判断是否需要调整生长参数；如是，则根据调整后的生长参数，生长血管主干和/或血管分支；如否，则继续追踪血管分支。
一种图像的处理方法和装置的制作方法
一种图像的处理方法和装置的制作方法专利名称：一种图像的处理方法和装置的制作方法技术领域：本发明涉及图像的处理技术，特别是涉及一种对原始X光图像，尤其是血管造影图像进行处理的方法和装置。
背景技术：随着介入放射学的快速发展，血管造影成像(angiographic images)已经成为临床的一种重要的诊断方法。
血管造影是指将造影剂引入靶血管内，使目的血管显影，从而达到诊断目的，当前血管造影在疾病诊断治疗，尤其是介入诊断治疗中起着不可替代的作用。
血管造影在头颈部及中枢神经系统疾病、心脏大血管疾病、及肿瘤和外周血管疾病的诊断和治疗中都发挥着重要作用。
但是，由于人体位置的挪动、软组织或器官的运动、对比介质不均衡的分布以及X光的不均匀曝光，都会使最终的图像中出现血管和背景的边界对比度低，伴随复杂的噪声和伪影。
所有这些因素会直接导致部分或整个血管树(vessel tree)结构模糊，最终导致诊断的准确性降低。
为了改善图像质量，本领域的人员已经进行了很多尝试，比如采用图像增强的方法力图增强图像中边界的对比度，使血管部分更加清晰。
现有的增强图像的方法主要有两类基于频率的方法以及基于空间的方法。
基于频率的方法，比如多尺度Retinex(MSR，Multi-scale Retinex)、离散小波变换(DWT, Discrete Wavelet Transform),是将图像分解成不同的频率的部分并对某些频率的部分增加权重，以增强边界的对比度。
基于空间的方法主要是在空域内对图像进行滤波的处理。
但是，采用上述的增强图像的方法无法在增强有用信息的同时抑制无用信息。
有用信息主要包括边缘和纹理，无用信息是指噪声和伪影等。
这是因为，若采用基于空间的方法，在空间域内对噪声进行平滑，同时也容易平滑边缘和纹理；若采用基于频率的方法，在频率域内的处理虽然避免了过度平滑的效应并增强了边缘，但往往噪声也随之增强了。
发明内容本发明实施例提供了一种图像处理的方法，以在增强图像中的有用信息的同时，有效地抑制图像中的无用信息。
医学图像中的血管定位方法及装置发明专利
医学图像中的血管定位方法及装置【技术领域】本发明涉及医疗技术领域，尤其涉及一种医学图像中的血管定位方法及装置。
【背景技术】目前，在手术中建立支架时，往往需要由医生在手术过程中选择用于安装支架的血管，这种方式具有一定的风险，有一定的几率无法选择合适的血管做支架，降低了手术成功率。
因此，如何选择合适的血管进行支架放置，成为目前亟待解决的技术问题。
【发明内容】本发明实施例提供了一种医学图像中的血管定位方法及装置，旨在解决相关技术中支架手术时血管选择影响手术成功率的技术问题，能够对支架建立的基本信息进行仿真，从而便于选择合适的血管进行支架手术。
第一方面，本发明实施例提供了一种医学图像中的血管定位方法，包括：在交互界面中，获取目标位置选择信息；根据所述目标位置选择信息，定位需要建立支架的目标位置；通过血管识别方式确定可到达所述目标位置的若干条血管；通过预定分析算法确定所述若干条血管的属性信息，并根据所述若干条血管的属性信息选择目标血管进行支架建立；在所述仿真系统中区别显示所述目标血管及所述目标血管的属性信息。
在本发明上述实施例中，可选地，在所述仿真系统中区别显示所述目标血管及所述目标血管的属性信息的步骤，具体包括：直接在每条所述目标血管的关联位置显示对应的属性信息，或者，在预定位置或弹出窗口中显示全部所述目标血管对应的属性信息；或者获取用户操作命令。
在本发明上述实施例中，可选地，在所述仿真系统中区别显示所述目标血管及所述目标血管的属性信息的步骤，具体包括：根据所述用户操作命令，在每条所述目标血管的关联位置显示对应的属性信息，或者，根据所述用户操作命令，在预定位置或弹出窗口中显示全部所述目标血管对应的属性信息。
在本发明上述实施例中，可选地，所述属性信息包括血管编号、血管方向、血管狭窄位置的标识信息和/或血管斑块位置标识信息，其中，所述血管狭窄位置为血管上血管直径低于第一预定直径的位置。
在本发明上述实施例中，可选地，还包括：根据预定血管筛选规则，在所述若干条血管中选择所述目标血管。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910364864.4
(22)申请日 2019.04.30
(71)申请人 深圳市阅影科技有限公司
地址 518102 广东省深圳市宝安区西乡街
道臣田社区宝民二路东方雅苑2层B37
(72)发明人 王纯亮 张超 赵清华 毛益进
(74)专利代理机构 北京康信知识产权代理有限
责任公司 11240
代理人 赵囡囡
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/11(2017.01)
G06T 7/136(2017.01)
(54)发明名称
血管图像的自动水平集分割方法及装置
(57)摘要
本发明公开了一种血管图像的自动水平集
分割方法及装置。
其中，该方法包括：获取初始血
管模型，其中，初始血管模型是基于初始血管模
型对应的血管的中心线和半径函数确定的，半径
函数用于描述血管区域；在局部流明统计模型的
基础上，对初始血管模型进行水平集分割，得到
分割后的血管模型，其中，局部流明统计模型包
括血管沿中心线上的横截面的流明阈值。
本发明
解决了相关技术中采用传统全局阈值水平集无
法实现冠状动脉血管进行精准建模的技术问题。
权利要求书2页 说明书13页 附图6页CN 110223271 A 2019.09.10
C N 110223271
A
权 利 要 求 书1/2页CN 110223271 A
1.一种血管图像的自动水平集分割方法，其特征在于，包括：
获取初始血管模型，其中，所述初始血管模型是基于所述初始血管模型对应的血管的中心线和半径函数确定的，所述半径函数用于描述血管区域；
在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割，得到分割后的血管模型，其中，所述局部流明统计模型包括所述血管沿中心线上的横截面的流明阈值。
2.根据权利要求1所述的方法，其特征在于，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割之后，还包括：
利用分割后的血管模型对所述中心线和所述半径函数进行修正，以得到修正后的初始血管模型，直至所述中心线和所述半径函数满足第一预定条件；
利用分割后的血管模型对所述局部流明统计模型进行修正，以对所述局部流明统计模型的流明阈值进行修正，直到所述局部流明统计模型满足第二预定条件；
在修正后的局部流明统计模型的基础上，基于水平集分割方式对修正后的初始血管模型进行水平集分割。
3.根据权利要求1所述的方法，其特征在于，获取所述初始血管模型包括：
获取所述初始血管模型对应的血管图像；
对所述血管图像进行预处理，得到初始血管模型；
其中，对所述血管图像进行预处理，得到初始血管模型包括：
生成所述血管图像对应的血管的初始中心线，同时建立所述血管图像对应的血管的初始半径函数；
基于所述初始中心线以及所述初始半径函数进行建模，得到所述初始血管模型。
4.根据权利要求2所述的方法，其特征在于，在局部流明统计模型的基础上，对所述初始血管模型进行水平集分割包括：
在所述局部流明统计模型的基础上，确定所述初始血管模型对应的血管沿中心线的多个横截面中每个横截面处所述水平集分割方式的分割阈值，其中，所述分割阈值包括：上限阈值和下限阈值；
利用所述分割阈值对所述初始血管模型进行分割。
5.根据权利要求4所述的方法，其特征在于，在所述局部流明统计模型的基础上，确定所述初始血管模型对应的血管沿中心线的多个横截面中每个横截面处所述水平集分割方式的分割阈值包括：
通过第一公式确定所述多个横截面中每个横截面的分割阈值的上限阈值，其中，所述第一公式为：T upper＝μ+p upper*ρ，T upper表示所述分割阈值中的上限阈值，μ表示所述多个横截面中每个横截面的平均流明值，p upper表示所述上限阈值的百分比，ρ表示所述多个横截面中每个横截面的流明值标准差；以及，
通过第二公式确定所述多个横截面中每个横截面的分割阈值的下限阈值，其中，所述第二公式为：T lower＝μ-p lower*ρ，T lower表示所述分割阈值中的上限阈值，μ表示所述多个横截面中每个横截面的平均流明值，p upper表示所述下限阈值的百分比，ρ表示所述多个横截面中每个横截面的流明值标准差。
6.根据权利要求3所述的方法，其特征在于，在对所述血管图像进行预处理，得到初始血管模型之前，还包括：
2。