一種器官血管識別方法及裝置製造方法
2023-09-21 23:12:50
一種器官血管識別方法及裝置製造方法
【專利摘要】本發明實施例公開了一種器官血管識別方法及裝置。該方法包括：分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域；對位於目標器官區域的像素點，計算像素點對應的血管度量值；根據得到的血管度量值識別器官血管。分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域，僅對目標器官區域的像素點計算對應的血管度量值，而非對全部像素點計算對應的血管度量值，計算血管度量值時運算量減少，從而提高了血管識別的處理效率，且運算過程中需要存儲的數據減少，節省了存儲空間。解決了器官血管識別效率低和佔用大量內存和顯存空間的問題。
【專利說明】一種器官血管識別方法及裝置
【技術領域】
[0001]本發明涉及醫學圖像處理領域，尤其涉及一種器官血管識別方法及裝置。
【背景技術】
[0002]電腦斷層掃描(Computer Tomography,CT)血管造影技術獲得的身體器官信息,只是兩維的切片圖像。通常需要通過圖像處理器(Graphic Processing Unit,GPU)對切片圖像處理，得到三維圖像，顯示出器官中的血管結構。GPU對切片圖像處理時，先由計算機中央處理器(Central Processing Unit, CPU)將所有的切片圖像讀入內存當中，再將需要處理的切片圖像轉存到顯存中。通常GPU可以利用像素點對應的海森(Hessian)矩陣及Hessian矩陣的特徵值，來識別出器官中的血管結構。因此，GPU首先需要計算出切片圖像所有像素點對應的Hessian矩陣。計算Hessian矩陣時，需要首先為所有像素點對應的Hessian矩陣的6個元素，分別分配與所有像素點相同的存儲空間。即共需要分配所有像素點存儲空間的6倍。例如，所有切片圖像共有I萬個像素點，計算I萬個像素點對應的Hessian矩陣時，需要同時為第I個元素分配I萬個像素點的存儲空間，為第2個元素分配I萬個像素點的存儲空間，為第3個元素分配I萬個像素點的存儲空間，同樣的，其餘3個元素也分別分配I萬個像素點的存儲空間。因此，計算Hessian矩陣時，需要佔據大量的存儲空間。計算出所有像素點對應的Hessian矩陣之後，根據每個像素點對應的Hessian矩陣計算出該Hessian矩陣的特徵值。計算出所有像素點對應的Hessian矩陣的特徵值之後，再根據該特徵值，利用血管度量函數計算切片圖像所有像素點對應的血管度量值。將計算得到各個像素點對應的血管度量值分別與設定的閾值進行比較，如果大於閾值，則確定對應的像素點為血管位置的像素點，如果小於閾值,則確定對應的像素點不是血管位置的像素點，從而可以識別出器官血管。由於器官的切片圖像數量比較多，在採用該方法計算血管函數值時，佔用大量內存和顯存的空間，又要受到計算量巨大而計算時間過長的影響。
【發明內容】
[0003]本發明實施例的目的是提供一種器官血管識別方法及裝置，以解決現有技術中器官血管識別存在的如下問題:在進行器官血管識別時，因計算量大導致血管識別效率低，佔用大量內存和顯存的空間。本發明的目的是通過以下技術方案實現的:
[0004]一種器官血管識別方法，包括:
[0005]分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域；
[0006]對位於目標器官區域的像素點，計算像素點對應的血管度量值；
[0007]根據得到的血管度量值識別器官血管。
[0008]較佳地，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括:
[0009]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述目標器官區域的像素值為第一像素值，所述第一像素值不同於非目標區域的像素值；
[0010]分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；
[0011]分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
[0012]較佳地，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括:
[0013]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述非目標器官區域的像素值為第一像素值，所述第一像素值不同於目標區域的像素值；
[0014]分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；
[0015]分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否則，對應的切片圖像的像素點位於目標器官區域。
[0016]較佳地，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括:
[0017]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述目標器官區域的像素值為第一像素值，所述第一像素值不同於非目標區域的像素值；
[0018]分別判斷每個切片圖像中的各個像素點對應的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
[0019]較佳地，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括:
[0020]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述非目標器官區域的像素值為第一像素值，所述第一像素值不同於目標區域的像素值；
[0021 ] 分別判斷每個切片圖像中的各個像素點對應的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否則，對應的切片圖像的像素點位於目標器官區域。
[0022]較佳地，計算像素點對應的血管度量值，包括:
[0023]每次計算預定數量的像素點對應的海森Hessian矩陣；並根據本次計算得到的每個像素點對應的Hessian矩陣計算Hessian矩陣特徵值；根據本次計算得到的像素點對應的Hessian矩陣特徵值計算像素點對應的血管度量值；
[0024]分N次完成目標器官區域中的全部像素點對應的血管度量值的計算，所述N為不小於2的整數。
[0025]一種器官血管識別裝置，包括:
[0026]判斷單元，用於分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域；
[0027]計算單元，用於對位於目標器官區域的像素點，計算像素點對應的血管度量值；
[0028]識別單元，用於根據得到的血管度量值識別器官血管。
[0029]較佳地，所述判斷單元具體用於:
[0030]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述目標器官區域的像素值為第一像素值，所述第一像素值不同於非目標區域的像素值；
[0031]分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；
[0032]分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
[0033]較佳地，所述判斷單元具體用於:
[0034]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述非目標器官區域的像素值為第一像素值，所述第一像素值不同於目標區域的像素值；
[0035]分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；
[0036]分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否則，對應的切片圖像的像素點位於目標器官區域。
[0037]較佳地，所述計算單元具體用於:
[0038]每次計算預定數量的像素點對應的Hessian矩陣；並根據本次計算得到的每個像素點對應的Hessian矩陣計算Hessian矩陣特徵值；根據本次計算得到的像素點對應的Hessian矩陣特徵值計算像素點對應的血管度量值；
[0039]分N次完成目標器官區域中的全部像素點對應的血管度量值的計算，所述N為不小於2的整數。
[0040]本發明實施例的有益效果如下:
[0041]本發明實施例中，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域，僅對目標器官區域的像素點計算對應的血管度量值，而非對全部像素點計算對應的血管度量值，計算血管度量值時運算量減少，從而提高了血管識別的處理效率，且運算過程中需要存儲的數據減少，節省了存儲空間。
[0042]目標器官區域與非目標器官區域邊界處的灰度值對比度較大，因此，其血管度量值的特徵與血管處的血管度量值的特徵近似，容易將目標器官區域與非目標器官區域邊界誤識別為血管。本發明實施例提供的技術方案，進一步的，將模板圖像中的目標器官區域與非目標器官區域的邊界進行形態學膨脹，得到像素值不同於目標器官區域像素值的邊界帶，在利用經過形態學膨脹的模板圖像參與對應的切片圖像中像素點的判斷時，則不需要計算切片圖像的目標器官區域與非目標器官區域邊界的像素點對應的血管度量值，從而不會將目標器官邊界誤識別為目標器官的血管，消除了目標器官邊界對目標器官的血管識別的幹擾。
[0043]進一步的，現有技術中在計算Hessian矩陣時，需要首先分別計算得到每個Hessian矩陣的6個元素，然後根據計算得到的每個Hessian矩陣的6個元素得到相應的Hessian矩陣。因此，在計算Hessian矩陣的過程中，需要依次保存所有像素點對應的某一元素。本發明實施例提供的技術方案，每次計算預定數量的像素點對應的Hessian矩陣，並計算相應的Hessian矩陣特徵值，從而計算預定數量的像素點對應的血管度量值；按照該過程分至少兩次完成目標器官區域中的全部像素點對應的血管度量值的計算，那麼，僅需要保存預定數量的像素點對應的Hessian矩陣的各個元素，而不需要保存全部像素點對應的Hessian矩陣的各個元素，節省了 Hessian矩陣的各個元素需要佔用的存儲空間。
【專利附圖】
【附圖說明】
[0044]圖1為本發明實施例提供的一種器官血管識別方法的流程圖；
[0045]圖2為本發明實施例提供的第一種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法流程圖；
[0046]圖3為本發明實施例提供的第二種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法流程圖；
[0047]圖4為本發明實施例提供的第三種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法流程圖；
[0048]圖5為本發明實施例提供的第四種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法流程圖；
[0049]圖6為本發明實施例提供的一種以肝臟血管為例的器官血管識別方法的流程圖；
[0050]圖7為本發明實施例中讀入的肝臟原始模板圖像；
[0051]圖8a為本發明實施例中提供的以肝臟血管為例的現有技術的肝臟血管識別方法的效果；
[0052]圖Sb為本發明實施例中提供的以肝臟血管為例的器官血管識別方法的效果；
[0053]圖9為本發明實施例提供的一種器官血管識別裝置圖。
【具體實施方式】
[0054]下面結合附圖和實施例對本發明提供的一種器官血管識別方法及裝置進行更詳細地說明。
[0055]本發明實施例提供了一種器官血管識別方法，如圖1所示，具體步驟如下:
[0056]步驟110:分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域。
[0057]其中，切片圖像可以為灰度圖像，相應的，像素值用灰度值表示。
[0058]其中，目標器官是指待進行血管識別的器官。
[0059]步驟120:對位於目標器官區域的像素點，計算像素點對應的血管度量值。
[0060]步驟130:根據得到的血管度量值識別器官血管。
[0061]本發明實施例中，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域，僅對目標器官區域的像素點計算對應的血管度量值，而非對全部像素點計算對應的血管度量值，計算血管度量值時運算量減少，從而提高了血管識別的處理效率，且運算過程中需要存儲的數據減少，節省了存儲空間。
[0062]本發明實施例中，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法有多種。較佳地，通過切片圖像對應的模板圖像判斷切片圖像中的各個像素點是否位於目標器官區域。本發明實施例中，模板圖像分為兩個區域，其一是目標器官區域，其二是非目標器官區域。模板圖像是採用現有的圖像分割處理方案，將對應的切片圖像分割為目標器官區域和非目標器官區域，並通過設置使得這兩個區域的像素值不同得到的。
[0063]下面例舉幾種通過切片圖像對應的模板圖像判斷切片圖像中的各個像素點是否位於目標器官區域的實現方式。
[0064]本發明實施例提供的第一種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法如圖2所示，具體步驟如下:
[0065]步驟210:獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域。
[0066]其中，該目標器官區域的像素值為第一像素值，該第一像素值不同於非目標器官區域的像素值。
[0067]其中，該目標器官區域的像素值為第一像素值是指，目標器官區域中各個像素點的像素值為第一像素值。
[0068]該步驟中的每個切片圖像對應的模板圖像是採用現有的圖像分割處理方案，將對應的切片圖像分割為目標器官區域和非目標器官區域，並將其中的目標器官區域的像素值設置為第一像素值得到的。
[0069]其中，模板圖像可以為灰度圖像，相應的，像素值用灰度值表示。
[0070]步驟220:分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹。
[0071]該步驟中，進行形態學膨脹時，該目標器官區域的邊界同時向目標器官區域和非目標器官區域膨脹。通過形態學膨脹，將膨脹涉及到的像素點的像素值設置為不同於第一像素值的像素值，從而得到像素值不同於第一像素值的邊界帶。
[0072]其中，確定目標區域與非目標區域的邊界的實現方式有多種，例如:將每一個模板圖像的任一個四鄰域的都為非零值的像素點的像素值設置為零，從而得到目標區域和非目標區域的邊界。
[0073]又例如，查找模板圖像中，四鄰域中有第一像素值和非第一像素值的像素點，查找至IJ的像素點構成目標區域與非目標區域的邊界。
[0074]步驟230:分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
[0075]本發明實施例中，如果切片圖像的像素點a位於切片圖像中的第η行第m列，與模板圖像的像素點a』位於模板圖像中的第η行第m列，則切片圖像的像素點a與模板圖像中的像素點a』對應。
[0076]本發明實施例提供的第二種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法如圖3所示，具體步驟如下:
[0077]步驟310:獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域。
[0078]其中，該非目標器官區域的像素值為第一像素值，該第一像素值不同於目標器官區域的像素值。
[0079]其中，該非目標器官區域的像素值為第一像素值是指，非目標器官區域中各個像素點的像素值為第一像素值。
[0080]該步驟中的每個切片圖像對應的模板圖像是採用現有的圖像分割處理方案，將對應的切片圖像分割為目標器官區域和非目標器官區域，並將其中的非目標器官區域的像素值設置為第一像素值得到的。
[0081]步驟320:分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹。
[0082]該步驟中，進行形態學膨脹時，該目標器官區域的邊界同時向目標器官區域和非目標器官區域膨脹。通過形態學膨脹，將膨脹涉及到的像素點的像素值設置為第一像素值，從而得到像素值為第一像素值的邊界帶。
[0083]步驟330:分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否則，對應的切片圖像的像素點位於目標器官區域。
[0084]目標器官區域與非目標器官區域邊界處的灰度值對比度較大，因此，其血管度量值的特徵與血管處的血管度量值的特徵近似，容易將目標器官區域與非目標器官區域邊界誤識別為血管。上述實施例提供的兩種實現方式中，將模板圖像中的目標器官區域與非目標器官區域的邊界進行形態學膨脹，得到像素值不同於目標器官區域像素值的邊界帶，在利用經過形態學膨脹的模板圖像參與對應的切片圖像中像素點的判斷時，則不需要計算切片圖像的目標器官區域與非目標器官區域邊界的像素點對應的血管度量值，從而不會將目標器官邊界誤識別為目標器官的血管，消除了目標器官邊界對目標器官的血管識別的幹擾。
[0085]本發明實施例提供的第三種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法如圖4所示，具體步驟如下:
[0086]步驟410:獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，該目標器官區域的像素值為第一像素值，該第一像素值不同於非目標器官區域的像素值；
[0087]步驟420:分別判斷每個切片圖像中的各個像素點對應的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
[0088]本發明實施例提供的第四種分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法如圖5所示，具體步驟如下:
[0089]步驟510:獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，該非目標器官區域的像素值為第一像素值，該第一像素值不同於目標器官區域的像素值；
[0090]步驟520:分別判斷每個切片圖像中的各個像素點對應的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否貝U，對應的切片圖像的像素點位於目標器官區域。
[0091]應當指出的是，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域的方法不僅限於以上所述方法。
[0092]上述步驟120中，計算像素點對應的血管度量值的方法有多種，本發明實施例例舉了其中一種方法，具體步驟如下:
[0093]每次計算預定數量的像素點對應的Hessian矩陣；並根據本次計算得到的每個像素點對應的Hessian矩陣計算Hessian矩陣特徵值；根據本次計算得到的像素點對應的Hessian矩陣特徵值計算像素點對應的血管度量值。
[0094]分N次完成目標器官區域中的全部像素點對應的血管度量值的計算，該次數N為不小於2的整數。
[0095]每次計算預定的數量根據實際需要進行對應的血管度量值計算的像素點的數量確定。
[0096]其中，該次數N可以根據實際需要進行對應的血管度量值計算的像素點的數量確定，N為不小於2的整數。
[0097]本發明實施例中，現有技術中在計算Hessian矩陣時，需要首先計算得到每個Hessian矩陣的6個元素，然後根據計算得到的每個Hessian矩陣的6個元素得到相應的Hessian矩陣。因此，在計算Hessian矩陣的過程中，需要依次保存所有像素點對應的某一元素。本發明實施例提供的技術方案，每次計算預定數量的像素點對應的Hessian矩陣，並計算相應的Hessian矩陣特徵值，從而計算預定數量的像素點對應的血管度量值；按照該過程分至少兩次完成目標器官區域中的全部像素點對應的血管度量值的計算，那麼，僅需要保存預定數量的像素點對應的Hessian矩陣的各個元素，而不需要保存全部像素點對應的Hessian矩陣的各個元素，節省了 Hessian矩陣的各個元素需要佔用的存儲空間。
[0098]由於目標器官的血管具有不同的尺度，對於每個像素點，在標準差為sigma的尺度下計算Hessian矩陣，Hessian矩陣的表達式如下:
h —sigma d'l _si^ma d'l _sigma、
dx'dxdydxdz
d'l sigma d'l sigma d'l sigma,、
[0099]H = ~~~( I )
ayaxay'ayaz
c)7 _λi^ma c)7 _.vigma d'l _sigma
K dzdxdzdydz' y
[0100]I_sigma表示經過濾波之後的像素點，x、y表示該像素點的在切片圖像中的位置，z表示該像素點所在切片圖像的編號。該矩陣是由該像素點的二階偏導數構成，矩陣中有9個偏導數。由於該Hessian矩陣具有對稱性，因此可以只計算6個偏導數。即計算時，只需計算6個元素就可以得到Hessian矩陣。
[0101]進一步的，用sigma2乘以Hessian矩陣進行歸一化，從而可以在多尺度下選擇出最大的血管度量值，此時，Hessian矩陣改寫成:
^d2I_.sigma 32/_sigma d2l _sigma^
dx2dxdydxdz
ττ, d I sigma d'l si^ma d2l sigmay 、
[0102]H」Igma = SIgmcr ——^ ——~ ————(2 )
ayaxayayaz
d'l _sigma d'l _sigma d2l _sigma
K dzdxdzdydz2 y
[0103]該步驟中，計算該像素點對應的Hessian矩陣的三個特徵值λ 」 λ 2、λ3(| λ J ( I λ 2 ( I λ 3|) O 針對 3 維(three Dimens1nal, 3D)的體素，該體素是該像素點在三維圖像中的表示方式，由於灰度值在血管方向上的變化較小，而垂直於血管方向其變化較大。最小的特徵值X1對應的特徵向量代表著曲率最小的方向，即血管的方向；而較大特徵值入2和λ 3(兩者幾乎相等且均為負值)對應的特徵向量組成一個垂直於血管方向的平面。
[0104]上述實施例中，計算血管度量值的血管度量函數有多種，優選的，該血管度量值用弗蘭吉(Frangi)血管度量函數計算。由於目標器官中的血管結構具有不同的尺寸特性，因此需要用多尺度的方法來得到其血管度量值，即:
[0105]Vesselness =maxVesselness _ I'rangi(3)
sigma _1w^.sigma^^gma _ high—
[0106]其中，Vesselness表示血管度量值，sigma_low表示切片圖像中血管的最小尺度，sigma_high表示切片圖像中血管的最大尺度，Vesselness_Frangi表示不同尺度的血管度量值。
[0107]上述實施例中，計算每一批像素點對應的血管度量值時，既可以採用串行計算，也可以採用並行計算，優選的，採用並行計算。可選擇的並行計算方法有多種，優選的，採用通用並行計算架構(Computer Unified Device Architecture, CUDA)並行計算。CUDA 是基於GPU的通用並行計算架構，可以進行C語言編程，提高了編程的靈活性。若判斷出像素點位於部分或全部目標器官區域中，則由GPU基於CUDA平臺採用並行算法計算像素點對應的血管度量值；若判斷出像素點不在部分或全部目標器官區域中，則將像素點對應的血管度量值計為零，或者不對該像素點進行任何操作。
[0108]通過利用並行計算的方式計算像素點對應的血管度量值，從而進一步提高了器官血管的識別的處理效率。
[0109]以肝臟血管為例，本發明實施例提供的器官血管識別方法的【具體實施方式】如圖6所示，具體流程如下:
[0110]步驟610:讀入肝臟切片圖像和肝臟模板圖像。
[0111]步驟620:根據步驟610讀入的肝臟切片圖像處理各個肝臟切片圖像對應的肝臟模板圖像，包括:將獲取的每個肝臟切片圖像分別對應的肝臟模板圖像的任一個四鄰域都為非零值的像素點設置為零，確定肝臟區域與非肝臟區域的邊界；對得到的肝臟區域和非肝臟區域的邊界向肝臟區域和非肝臟區域進行形態學膨脹，得到像素值為非零值的肝臟邊界帶。將處理後的模板圖像讀入到GPU顯存的紋理存儲器中。
[0112]其中，進行形態學膨脹時，可以依據不同的肝臟切片圖像設置膨脹的次數，優選的，對肝臟區域的邊界進行10次膨脹。
[0113]步驟630:對讀入的肝臟切片圖像進行濾波和對比度增強等預處理操作。將預處理後的肝臟切片圖像讀入到GPU顯存的紋理存儲器中。
[0114]該步驟用於抑制噪聲並增強血管與背景的對比度，利於肝臟中血管的識別。
[0115]步驟640:設置計算肝臟血管度量值的sigma尺度為血管最小尺度sigma_low。
[0116]本發明實施例中，sigma尺度是指標準差為sigma的血管尺度。
[0117]步驟650:判斷sigma尺度是否小於或等於血管的最大的尺度sigma_high,若是，則執行步驟660 ;否則，執行步驟6170。
[0118]步驟660:對肝臟切片圖像進行sigma尺度的3D高斯濾波。
[0119]該步驟中，在對預處理後的肝臟切片圖像進行3D高斯濾波時，利用其線性可分性，將其分解為x、y、z方向的三個獨立一維空間分別進行計算，從而減少計算的複雜度。
[0120]上述步驟620與步驟630?步驟660沒有時序要求。
[0121]步驟670:順序讀取一個濾波後的像素點。
[0122]該步驟中，預定計算的像素點的數量為一個。具體的，對於不同肝臟切片圖像的像素點，按照肝臟切片圖像的排列順序；對於同一個肝臟切片圖像中的像素點，按照從左上頂點到右下頂點的像素點排列順序。
[0123]步驟680:判斷步驟670中讀取的像素點是否位於部分肝臟區域中，若是，則執行步驟6100 ;否則，執行步驟690。
[0124]步驟690:將Frangi血管度量值Vesselness (x，y，z)設置為0，並執行步驟6150。
[0125]步驟6100:計算像素點對應的Hessian矩陣。
[0126]步驟6110:計算像素點對應的Hessian矩陣的特徵值。
[0127]步驟6120:計算像素點的Frangi血管度量值Vesselness_Frangi。
[0128]步驟6130:判斷sigma尺度的血管度量值Vesselness_Frangi是否大於血管度量值Vesselness, Vesselness為計算得到的最大的血管度量值。若是，則執行步驟6140,否則執行步驟6150。
[0129]其中,Vesselness e [0，I],肝臟血管處的Vesselness值為非零,用於增加血管灰度值與肝臟內其它組織灰度值的對比度，來實現血管的增強。
[0130]步驟6140:設置血管度量值 Vesselness 為 Vesselness_Frangi。
[0131]步驟6150:判斷所有像素點是否已遍歷完，若是，則執行步驟6160 ;否則，執行步驟 670。
[0132]步驟6160:改變sigma尺度,每次改變的尺度值為sigma_step,並執行步驟650。
[0133]步驟6170:得到最終結果，進行肝臟血管識別。
[0134]其中，處理肝臟模板圖像的過程是在CPU進行的；位於部分肝臟區域中的像素點，利用由GPU基於CUDA平臺採用並行算法計算像素點對應的血管度量值。
[0135]計算時，參數sigma_low, sigma_high, sigma_step根據實際肝臟切片圖像的大小進行設置。
[0136]上述實施例中，具體的肝臟原始模板圖像如圖7所示，矩形框所示的區域為非肝臟區域。如圖8a矩形框所示，為根據現有技術得到的肝臟血管識別效果。肝臟邊界的灰度值對比度較大，因此，肝臟邊界的血管度量值的特徵與肝臟血管處的血管度量值的特徵近似，容易將肝臟邊界誤識別為肝臟血管。如圖8b矩形所示，為本發明實施例得到的肝臟血管識別效果。由於將模板圖像中的肝臟邊界進行形態學膨脹，得到像素值不同於肝臟區域像素值的肝臟邊界帶，利用對應的形態學膨脹後的模板圖像參與切片圖像中像素點的判斷時，肝臟邊界的像素點被判斷為不位於目標器官區域，不需要計算血管度量值，因此，不會將肝臟邊界誤識別為肝臟血管。
[0137]上述實施例中，構成3D器官圖像的一組肝臟切片圖像的大小可以表示為(xXyXz)，其中，X表示每個肝臟切片圖像中一行(或一列)像素點的數量，y表示每個肝臟切片圖像中一列(或一行)像素點的數量，z表示該組肝臟切片圖像的數量。例如該組肝臟切片圖像大小為(512X512X76)，表示該組肝臟切片圖像，每個肝臟切片圖像中一行(或一列)像素點的數量為512，每個肝臟切片圖像中一列(或一行)像素點的數量為512，該組肝臟切片圖像有76片肝臟切片圖像。在識別肝臟血管時，對於較小的肝臟切片圖像，採用現有技術，識別肝臟血管需要1375.56秒。本發明實施例識別肝臟血管需要的時間為33.49秒，與現有技術相比的加速比為41.07倍。對於較大的肝臟切片圖像，例如一組肝臟切片圖像大小為(512 X 512 X 301)，本發明實施例識別肝臟血管需要的時間為133.76秒。而現有技術則無法進行肝臟血管識別，因為在計算所有肝臟切片圖像的Hessian矩陣時，需要分配的內存至少為2107 MB的內存，這是在現在運行的系統中內存和顯存空間是無法滿足的，所以也就無法計算結果。
[0138]實施例還提供一種器官血管識別裝置，如圖9所示，具體包括判斷單元901、計算單元902和識別單元903。
[0139]判斷單元901，用於分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域。
[0140]計算單元902，用於對位於目標器官區域的像素點，計算像素點對應的血管度量值。
[0141]識別單元903，用於根據得到的血管度量值識別器官血管。
[0142]較佳地，該判斷單元901具體用於:
[0143]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，該目標器官區域的像素值為第一像素值，該第一像素值不同於非目標區域的像素值。
[0144]分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹。
[0145]分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
[0146]較佳地，該判斷單元901具體用於:
[0147]獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，該非目標器官區域的像素值為第一像素值，該第一像素值不同於目標區域的像素值。
[0148]分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹。
[0149]分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否則，對應的切片圖像的像素點位於目標器官區域。
[0150]較佳地，該計算單元902具體用於:
[0151]每次計算預定數量的像素點對應的Hessian矩陣；並根據本次計算得到的每個像素點對應的Hessian矩陣計算Hessian矩陣特徵值；根據本次計算得到的像素點對應的Hessian矩陣特徵值計算像素點對應的血管度量值。
[0152]分N次完成目標器官區域中的全部像素點對應的血管度量值的計算，該N為不小於2的整數。
[0153]本領域內的技術人員應明白，本發明的實施例可提供為方法、系統、或電腦程式產品。因此，本發明可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本發明可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、CD-ROM、光學存儲器等)上實施的電腦程式產品的形式。
[0154]本發明是參照根據本發明實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
[0155]這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
[0156]這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
[0157]儘管已描述了本發明的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權利要求意欲解釋為包括優選實施例以及落入本發明範圍的所有變更和修改。
[0158]顯然，本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣，倘若本發明的這些修改和變型屬於本發明權利要求及其等同技術的範圍之內，則本發明也意圖包含這些改動和變型在內。
【權利要求】
1.一種器官血管識別方法，其特徵在於，包括: 分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域； 對位於目標器官區域的像素點，計算像素點對應的血管度量值； 根據得到的血管度量值識別器官血管。
2.根據權利要求1所述的方法，其特徵在於，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括: 獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述目標器官區域的像素值為第一像素值，所述第一像素值不同於非目標區域的像素值； 分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否貝U，對應的切片圖像的像素點位於非目標器官區域。
3.根據權利要求1所述的方法，其特徵在於，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括: 獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述非目標器官區域的像素值為第一像素值，所述第一像素值不同於目標區域的像素值； 分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否貝U，對應的切片圖像的像素點位於目標器官區域。
4.根據權利要求1所述的方法，其特徵在於，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括: 獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述目標器官區域的像素值為第一像素值，所述第一像素值不同於非目標區域的像素值； 分別判斷每個切片圖像中的各個像素點對應的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否則，對應的切片圖像的像素點位於非目標器官區域。
5.根據權利要求1所述的方法，其特徵在於，分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，包括: 獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述非目標器官區域的像素值為第一像素值，所述第一像素值不同於目標區域的像素值； 分別判斷每個切片圖像中的各個像素點對應的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否則，對應的切片圖像的像素點位於目標器官區域。
6.根據權利要求1?5任一項所述方法，其特徵在於，計算像素點對應的血管度量值，包括: 每次計算預定數量的像素點對應的海森Hessian矩陣；並根據本次計算得到的每個像素點對應的Hessian矩陣計算Hessian矩陣特徵值；根據本次計算得到的像素點對應的Hessian矩陣特徵值計算像素點對應的血管度量值； 分N次完成目標器官區域中的全部像素點對應的血管度量值的計算，所述N為不小於2的整數。
7.一種器官血管識別裝置，其特徵在於，包括: 判斷單元，用於分別判斷各個切片圖像中的各個像素點是否位於目標器官區域，每個切片圖像分為目標器官區域和非目標器官區域； 計算單元，用於對位於目標器官區域的像素點，計算像素點對應的血管度量值； 識別單元，用於根據得到的血管度量值識別器官血管。
8.根據權利要求7所述的裝置，其特徵在於，所述判斷單元具體用於: 獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述目標器官區域的像素值為第一像素值，所述第一像素值不同於非目標區域的像素值； 分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於目標器官區域，否貝U，對應的切片圖像的像素點位於非目標器官區域。
9.根據權利要求7所述的裝置，其特徵在於，所述判斷單元具體用於: 獲取每個切片圖像對應的模板圖像，每個切片圖像對應的模板圖像分為目標器官區域和非目標器官區域，其中，所述非目標器官區域的像素值為第一像素值，所述第一像素值不同於目標區域的像素值； 分別對各個模板圖像中目標器官區域與非目標器官區域的邊界進行形態學膨脹；分別判斷每個切片圖像中的各個像素點對應的形態學膨脹後的模板圖像中的像素點的像素值是否為第一像素值；如果是，則對應的切片圖像的像素點位於非目標器官區域，否貝U，對應的切片圖像的像素點位於目標器官區域。
10.根據權利要求7?9任一項所述的裝置，其特徵在於，所述計算單元具體用於: 每次計算預定數量的像素點對應的Hessian矩陣；並根據本次計算得到的每個像素點對應的Hessian矩陣計算Hessian矩陣特徵值；根據本次計算得到的像素點對應的Hessian矩陣特徵值計算像素點對應的血管度量值； 分N次完成目標器官區域中的全部像素點對應的血管度量值的計算，所述N為不小於2的整數。
【文檔編號】G06K9/00GK104239874SQ201410514806
【公開日】2014年12月24日 申請日期:2014年9月29日 優先權日:2014年9月29日
【發明者】宋沂鵬, 楊傑, 陳永健 申請人:青島海信醫療設備股份有限公司