一种冠状动脉的构建方法、装置、终端及存储介质与流程

1.本技术涉及但不限于医学图像处理技术领域，尤其涉及一种冠状动脉的构建方法、装置、终端及存储介质。


背景技术：

2.在医疗图像的识别处理技术中，电子计算机断层扫描（computed tomography，ct）影像，核磁共振影像（magnetic resonance imaging，mri）等数字图像的后处理分析已经被广泛地应用于临床的病症诊断中，尤其是针对冠状动脉疾病而言，目前医生都比较认可计算冠状动脉血流储备系数（fractional flow reserve，ffr）来衡量病变程度，进而给病人提出合适的建议如是否需要通过手术治愈冠状动脉疾病，而ffr的计算是通过冠状动脉模型来分配分支的供血量。因此，如何在医疗影像中，准确的高效的提取冠状动脉对ffr计算有着重要的意义。
3.相关技术中对冠状动脉的重构方法是，利用深度学习方法或机器学习方法如区域生长、滤波处理或形态学处理等，从ct图像出发利用中心线指导重构冠状动脉，或直接利用空间关联信息重构冠状动脉，或利用测量创建模拟模型匹配等。然而，上述方法中，至少存在由于钙化斑块造成的伪影，导致最终构建的冠状动脉的不准确的问题。


技术实现要素：

4.本技术实施例提供一种冠状动脉的构建方法、装置、终端及存储介质，以解决相关技术中由于钙化斑块造成的伪影，导致最终构建的冠状动脉的不准确的问题。
5.本技术实施例的技术方案是这样实现的：第一方面，本技术实施例提供一种冠状动脉的构建方法，所述方法包括：基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于所述第一点云数据，计算动态阈值；基于所述动态阈值确定所述第一点云数据上钙化斑块的预测位置；在所述第一点云数据上，确定所述预测位置所在的冠状动脉段，并沿着所述冠状动脉段内的中心点的位置生成横截面；在所述横截面中重构冠状动脉血管流道区域；基于所述冠状动脉血管流道区域，构建所述冠状动脉的第二点云数据。
6.第二方面，本技术实施例提供一种冠状动脉的构建装置，所述装置包括：处理模块，用于基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于所述第一点云数据，计算动态阈值；确定模块，用于基于所述动态阈值确定所述第一点云数据上钙化斑块的预测位置；所述确定模块，还用于在所述第一点云数据上，确定所述预测位置所在的冠状动脉段；
生成模块，用于沿着所述冠状动脉段内的中心点的位置生成横截面；重构模块，用于在所述横截面中重构冠状动脉血管流道区域；构建模块，用于基于所述冠状动脉血管流道区域，构建所述冠状动脉的第二点云数据。
7.第三方面，本技术实施例提供一种终端，所述终端包括：处理器、存储器和通信总线；所述通信总线用于实现处理器和存储器之间的通信连接；所述处理器用于执行存储器中存储的冠状动脉的构建程序，以实现上述的冠状动脉的构建方法的步骤。
8.第三方面，本技术实施例提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的冠状动脉的构建方法的步骤。
9.应用本技术实施例实现以下有益效果：以医学冠状动脉模型为基础，提高动态阈值对动脉模型中的钙化斑块进行识别，并对存在钙化斑块的冠状动脉段的血管流道区域进行修复，为对冠状动脉建立准确的三维模型提供更加准确的依据，进而为计算ffr提供精确的血流分配。
10.本技术实施例提供的冠状动脉的构建方法、装置、终端及存储介质，通过基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值；基于动态阈值确定第一点云数据上钙化斑块的预测位置；在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面；在横截面中重构冠状动脉血管流道区域；基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据；也就是说，本技术基于冠状动脉的第一点云数据，自适应化的计算与胸腔断层图像对应的动态阈值，进而基于动态阈值准确识别三维冠状动脉模型红的钙化斑块，同时，对存在钙化斑块的冠状动脉段的血管流道区域进行修复，以基于修复后的血管流道区域对冠状动脉建立准确的三维模型；如此，解决了相关技术中由于钙化斑块造成的伪影，导致最终构建的冠状动脉的不准确的问题，提高了对冠状动脉进行精准建模，从而为计算ffr提供精确的血流分配，同时，该方案具有较好的鲁棒性和可扩展性。
附图说明
11.图1为本技术实施例提供的一种冠状动脉的构建方法的流程示意图；图2为本技术实施例提供的一种重构的冠状动脉的第一点云数据的示意图；图3为本技术实施例提供的另一种冠状动脉的构建方法的流程示意图；图4为本技术实施例提供的又一种冠状动脉的构建方法的流程示意图；图5为本技术实施例提供的一种基于动态阈值确定的钙化斑块的预测位置的示意图；图6为本技术实施例提供的一种手动选取的冠状动脉中的钙化斑块的位置的示意图；图7为本技术另一实施例提供的一种冠状动脉的构建方法的流程示意图；图8为本技术实施例提供的一种冠状动脉的中轴线上的点的示意图；
图9为本技术实施例提供的一种在冠状动脉段中生成的截面的示意图；图10为本技术实施例提供的一种横截面水平集分割结果的示意图；图11为本技术另一实施例提供的另一种冠状动脉的构建方法的流程示意图；图12为本技术实施例提供的一种三维空间中展示的水平集分割结果的示意图；图13为本技术实施例提供的一种按照距离入口点的顺序对冠状动脉血管流道区域中的所有目标点进行遍历的结果的示意图；图14为本技术实施例提供的一种基于修复后的血管流道区域得到的冠状动脉模型的示意图；图15为本技术实施例提供的一种冠状动脉的构建装置的结构示意图；图16为本技术实施例提供的一种终端的结构示意图。
具体实施方式
12.为了使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，所描述的实施例不应视为对本技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
13.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
14.相关技术中，随着图像大数据的爆发，图像处理技术表现出处理精度高、再现性好、灵活性高，通用性强等优点，在军工、农业、医疗等各个领域都依靠图像处理技术对物体进行形状分析和识别起着愈发重要的作用。其中主要思想是通过关键点定位来判定物体，而一个物体形态的绘制必定离不开其骨骼的提取。
15.一般来说，获取图像的骨骼的过程就是对该图像进行
‘
细化’的过程，它可以有效地反映出原物体形状的连通性和拓扑结构。目前骨骼提取的算法就是从边界开始反复迭代计算，逐层均匀剥掉图形的边界，直至剩下最里层的一维骨骼。
16.图像的骨骼提取技术在图像分析与形状描述中都是一个非常重要的变换，是图像几何形态中重要的拓扑描述。骨骼提取技术在图像目标的形状分析、特征提取、模式识别等应用的前提。在虚拟导航、形态匹配、指纹识别、医学影像处理等领域中曲线骨骼提取算法早已成为研究的热点。
17.在医学影像领域中，有彩超心血管成像，核磁共振成像mri以及数字减影血管造影技术（digital subtraction angiography，dsa）、形态学技术、机器学习技术等多项技术相继出现。使得医学影像数字化程度越来越高，种类也更加多样化。医学影像技术已不仅只是提供各类人体器官的重构模型，还通过时间序列的血流速度场体现血流动力学的变化。这些技术的发展极大地提高了医生诊断的效率和准确性，同时也为病人减少不必要的手术风险。
18.在医疗图像的识别处理技术中，电子计算机断层扫描（computed tomography，ct）影像，核磁共振影像（magnetic resonance imaging，mri）等数字图像的后处理分析已经被广泛地应用于临床的病症诊断中，尤其是针对冠状动脉疾病而言，目前医生都比较认可计算冠状动脉血流储备系数（fractional flow reserve，ffr）来衡量病变程度，进而给病人
提出合适的建议如是否需要通过手术治愈冠状动脉疾病，而ffr的计算是通过冠状动脉模型来分配分支的供血量。因此，如何在医疗影像中，准确的高效的提取冠状动脉对ffr计算有着重要的意义。
19.相关技术中对冠状动脉的重构方法是，利用深度学习方法或机器学习方法如区域生长、滤波处理或形态学处理等，从ct图像出发利用中心线指导重构冠状动脉，或直接利用空间关联信息重构冠状动脉，或利用测量创建模拟模型匹配等。然而，上述方法中，至少存在由于钙化斑块造成的伪影和/或血管狭窄造成的造影剂不充分，导致最终构建的冠状动脉模型的不准确，若构建的冠状动脉模型无法无语钙化斑块以及造成的血管狭窄，则至少对ffr的计算造成巨大影响。
20.本技术实施例提供一种冠状动脉的构建方法，该方法应用于终端，参照图1所示，该方法包括：步骤101、基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值。
21.本技术实施例中，多张胸腔断层图像可以是基于ct技术得到的多张ct图像，这里，ct图像可以是通过静脉注射适当造影剂后，利用多排螺旋ct机对冠状动脉进行扫描，从而得到的冠状动脉ct图像。多张胸腔断层图像也可以是基于冠状动脉造影技术获得的血管造影图像；多张胸腔断层图像还可以是基于x射线技术获得的血管造影图像，可见，本技术实施例对采集到的多张胸腔断层图像可以基于任一种能够体现冠状动脉的医疗影像信息确定出来，本技术实施例对采集到的多张胸腔断层图像的数据来源不做具体地限定，以能实现本技术提供的冠状动脉的构建方法为准。
22.本技术实施例中，冠状动脉的第一点云数据可以是终端基于采集到的多张胸腔断层图像进行三维重构，得到初始冠状动脉模型，并基于初始冠状动脉模型获取到的数据。这里，第一点云数据中包括冠状动脉所在区域中的每一目标点对应的组织密度值。
23.这里，点云数据可以以空间体坐标（x，y，z）的存储方式，为h行3列的二维数组（h是点云数据包含的点的个数）。本技术实施例中，首先，终端获取到点云数据之后，可以将点云数组转化为具有一定大小的二值化三维矩阵。
24.本技术实施例中，动态阈值用于预测第一点云数据上钙化斑块的位置。
25.本技术实施例中，终端获取采集到的多张胸腔断层图像，并基于多张胸腔断层图像进行三维重构，得到初始冠状动脉模型；进一步地，终端基于初始冠状动脉模型生成重构的冠状动脉的第一点云数据，并基于第一点云数据，计算用于预测第一点云数据上钙化斑块的位置的动态阈值。
26.在一种可实现的应用场景中，参照图2所示，图2示出的是重构的冠状动脉的第一点云数据的示意图。首先，终端获取采集到的多张胸腔断层图像，并将多张胸腔断层图像按照空间上的顺序排列成三维的形式，得到三维图像image3d；其次，终端对三维图像image3d进行处理，得到重构的初始冠状动脉模型；进一步地，终端基于初始冠状动脉模型，获取重构的冠状动脉的第一点云数据，即冠状动脉的重构结果。最后，终端基于第一点云数据coronary，计算冠状动脉所在区域的中用于预测第一点云数据上钙化斑块的位置的动态阈值。
27.步骤102、基于动态阈值确定第一点云数据上钙化斑块的预测位置。
28.步骤103、在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面。
29.本技术实施例中，冠状动脉段为钙化斑块所在位置对应的冠状动脉分段，需要说明的是，冠状动脉包括右冠状动脉近端、右冠状动脉中段、右冠状动脉远段、右冠状动脉后降支（posterior-descending-artery，pda）、左主干（left main，lm）、左前降支近段、左前降支中段、左前降支远端、第一对角支、第二对角支、左回旋支近段、钝缘支、左回旋支远端。
30.本技术实施例中，终端基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值的情况下，基于动态阈值确定第一点云数据上钙化斑块的预测位置；进一步地，终端在第一点云数据上，确定预测位置所在的冠状动脉段，即从多个冠状动脉段中确定钙化斑块所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面。
31.步骤104、在横截面中重构冠状动脉血管流道区域。
32.本技术实施例中，在横截面中重构冠状动脉血管流道区域可以理解为在横截面中分割出冠状动脉中的钙化斑块区域和冠状动脉中的血管流道区域，基于分割出的冠状动脉中的血管流道区域，在横截面中重构冠状动脉血管流道区域。
33.步骤105、基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据。
34.本技术实施例中，第二点云数据可以理解为冠状动脉中的血管流道修复后的点云数据。
35.本技术实施例中，终端在横截面中重构冠状动脉血管流道区域的情况下，基于重构的冠状动脉血管流道区域，构建冠状动脉的第二点云数据，即根据第二点云数据，构建血管流道修复后的目标冠状动脉模型。
36.本技术实施例提供的冠状动脉的构建方法，通过基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值；基于动态阈值确定第一点云数据上钙化斑块的预测位置；在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面；在横截面中重构冠状动脉血管流道区域；基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据；也就是说，本技术基于冠状动脉的第一点云数据，自适应化的计算与胸腔断层图像对应的动态阈值，进而基于动态阈值准确识别三维冠状动脉模型红的钙化斑块，同时，对存在钙化斑块的冠状动脉段的血管流道区域进行修复，以基于修复后的血管流道区域对冠状动脉建立准确的三维模型；如此，解决了相关技术中由于钙化斑块造成的伪影，导致最终构建的冠状动脉的不准确的问题，提高了对冠状动脉进行精准建模，从而为计算ffr提供精确的血流分配，同时，该方案具有较好的鲁棒性和可扩展性。
37.本技术实施例提供一种冠状动脉的构建方法，该方法应用于终端，参照图3所示，该方法包括：步骤201、基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据。
38.步骤202、获取第一点云数据中每一目标点对应的组织密度值。
39.本技术实施例中，组织密度值可以理解为冠状动脉所在区域中的组织或者器官中对于x光的吸收率。组织密度值又可以成为ct值，ct值的单位为亨氏单位（hounsfield unit，hu）。需要说明的是，根据组织或器官的ct值，可以对冠状动脉中的斑块进行分型，从
而将斑块分为软斑块、纤维斑块以及钙化斑块，这里，软斑块和纤维斑块统称为非钙化斑块。
40.步骤203、确定所有组织密度值的均值，为冠状动脉所在区域的组织密度均值。
41.步骤204、选择与组织密度均值对应的阈值计算公式，计算动态阈值。
42.本技术实施例中，终端获取第一点云数据中每一目标点对应的组织密度值之后，计算所有组织密度值的均值，并将该均值作为冠状动脉所在区域的组织密度均值；进一步地，终端选择与组织密度均值对应的阈值计算公式，计算用于预测第一点云数据上钙化斑块的位置的动态阈值。
43.本技术实施例中，参照图4所示，步骤204选择与组织密度均值对应的阈值计算公式，计算动态阈值，可以通过如下步骤实现：步骤a1、基于组织密度均值所属的组织密度值范围，选择与组织密度值范围对应的阈值计算公式。
44.本技术实施例中，步骤a1基于组织密度均值所属的组织密度值范围，选择与组织密度值范围对应的阈值计算公式，可以通过如下方式实现：若组织密度均值小于等于第一参数，选择第一阈值计算公式。
45.若组织密度均值大于第一参数小于第二参数，选择第二阈值计算公式。
46.若组织密度均值大于等于第二参数，选择第三阈值计算公式。
47.其中，第一阈值计算公式为，；第二阈值计算公式为，；第三阈值计算公式为，。
48.其中，为动态阈值，为组织密度均值，为第一参数，为第二参数，为第三参数，为第四参数，为第五参数，均为正数。
49.本技术实施例中，第一参数、第二参数，第三参数、第四参数、第五参数通过分析处理大量病例数据后得到的经验阈值范围。
50.步骤a2、基于组织密度均值和阈值计算公式，计算动态阈值。
51.本技术实施例中，阈值计算公式包括第一阈值计算公式、第二阈值计算公式和第三阈值计算公式。
52.在一种可实现的应用场景中，以第一参数、第二参数、第三参数，第四参数，第五参数为例进行说明。终端基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据之后，获取第一点云数据中每一目标点对应的组织密度值，计算所有组织密度值的均值，并确定该均值为冠状动脉所在区域的组织密度均值。这里，组织密度均值可以通过如下公式计算得到：其中，为组织密度均值，表示计算矩阵中所有组织密度值
的平均值的函数，为第一点云数据。
53.进一步地，终端确定组织密度均值所属的组织密度值范围，即判断组织密度均值是否小于等于第一参数，或判断组织密度均值是否大于第一参数小于第二参数，或判断组织密度均值是否大于等于第二参数；若终端确定若组织密度均值小于等于第一参数，选择第一阈值计算公式；若终端确定组织密度均值大于第一参数小于第二参数，选择第二阈值计算公式；若终端确定组织密度均值大于等于第二参数，选择第三阈值计算公式。如此，根据冠状动脉中的组织密度均值动态的选择动态阈值，以便准确快速地预测出第一点云数据上钙化斑块所在的位置；同时，选择动态阈值的方法是在完全的自动化的流程下实现的，全程无需人工干预或其他操作，且避免了使用复杂的计算方法如深度学习，导致结果不可控、不稳定的方法。同时，该方法计算速度快，准确率高、可靠性和可扩展性，易于应用到各个领域。
54.步骤205、从所有组织密度值中，确定组织密度值大于动态阈值的目标点所在的位置，为在第一点云数据上钙化斑块的预测位置。
55.这里，参照图5所示，图5示出的是一种基于动态阈值确定的钙化斑块的预测位置的示意图。
56.本技术其他实施例中，终端还可以预先指定或本地选取的阈值来预测斑块位置。在一种情况下，终端根据重构的冠状动脉的第一点云数据，在三维空间中根据冠状动脉的形态，轮廓，以及钙化斑块可能出现的高概率的位置，手动选取对应位置，获取该位置的三维坐标。参照图6所示，图6示出的是手动选取的冠状动脉中的右冠状动脉的一处明显突起的钙化斑块的位置的三维坐标如（206，358，157）。
57.步骤206、在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面。
58.本技术实施例中，参照图7所示，步骤206中在第一点云数据上，确定预测位置所在的冠状动脉段，可以通过如下步骤实现：步骤b1、基于第一点云数据确定中心线点集和冠状动脉的分段信息。
59.其中，中心线点集包括第一点云数据的中轴线上的点。
60.本技术实施例中，中心线点集可以理解为利用冠状动脉骨骼提取算法直接提取冠状动脉的中轴线上的点，中心线点集也可以理解为一个树结构的表示该冠状动脉所有点云数据的中轴线上的点，示例性的，利用脚本语言如python语言中的三维中心线提取算法直接提取冠状动脉的中轴线上的点，参照图8所示，图8示出的是冠状动脉的中轴线上的点的示意图。这里冠状动脉的中轴线上的点又可以称为组成骨骼的龙骨点。
61.本技术实施例中，冠状动脉的分段信息是将冠状动脉通过医学的命名法将其命名以达到分段的目的。
62.步骤b2、基于分段信息，从中心线点集中，确定与预测位置距离最近的中心点所在位置为预测位置所在的冠状动脉段。
63.本技术实施例中，终端基于第一点云数据确定中心线点集和冠状动脉的分段信息之后，基于分段信息，从中心线点集中，确定与预测位置距离最近的中心点所在位置为预测位置所在的冠状动脉段，也就是定位到当前存在钙化斑块的冠状动脉段。参照图5所示，图5示出的是通过动态阈值确定钙化斑块的预测位置的示意图，这里，第一点云数据上钙化斑块的预测位置有三个p1、p2和p3，且三个预测位置分别处于左前降支和右冠状动脉。
64.本技术实施例中，终端基于第一点云数据确定中心线点集和冠状动脉的分段信息，基于分段信息，从中心线点集中，确定与预测位置距离最近的中心点所在位置为预测位置所在的冠状动脉段之后，沿着冠状动脉段内的中心点的位置生成多个横截面，且该横截面的范围包括预测位置的冠状动脉的横截范围。参照图9所示，图9中的a示出的是在冠状动脉段中生成的横截面的示意图，图9中的b示出的是限定在冠状动脉所在区域的冠状动脉段中生成的横截面的示意图，图9中的c示出的是在冠状动脉段中生成的纵截面的示意图。
65.步骤207、去除横截面中钙化斑块对应的目标点，得到重构的冠状动脉血管流道区域。
66.本技术实施例中，终端在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面之后，利用距离正则化水平集方法（drlse，distance regularized level set evolution）将每一个横截面进行图像分割，得到钙化斑块区域和冠状动脉血管流道区域；进一步地，终端去除去除横截面中钙化斑块所在区域的目标点，得到重构的冠状动脉血管流道区域，即在横截面中重构的冠状动脉血管流道区域。参照图10所示，图10中的a示出的是横截面水平集分割结果，图10中的b示出的是限定的冠状动脉所在区域的水平集分割结果。
67.步骤208、基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据。
68.本技术实施例中，参照图11所示，步骤208基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据，可以通过如下步骤实现：步骤c1、以冠状动脉血管流道区域中的入口点的位置为起点，按照距离入口点由近到远的顺序，遍历冠状动脉血管流道区域中的所有目标点，得到冠状动脉段的闭合区域的目标点云数据。
69.步骤c2、将第一点云数据的冠状动脉段对应的点云数据替换成目标点云数据，得到第二点云数据。
70.本技术实施例中，冠状动脉血管流道区域即为上述重构的冠状动脉血管流道区域。
71.本技术实施例中，终端确定冠状动脉血管流道区域中的入口点，并以入口点的位置为起点，按照距离入口点由近到远的顺序，遍历冠状动脉血管流道区域中的所有目标点，得到冠状动脉段的闭合区域的目标点云数据；进一步地，终端获取第一点云数据的冠状动脉段对应的点云数据，并将冠状动脉段对应的点云数据替换成目标点云数据，得到第二点云数据，进而基于根据第二点云数据，构建血管流道修复后的目标冠状动脉模型，参照图12、图13和图14所示，图12示出的是三维空间中展示的水平集分割结果的示意图，图13示出的是按照距离入口点的顺序对冠状动脉血管流道区域中的所有目标点进行遍历的结果的示意图，图14中的a示出的是冠状动脉闭合区域的第二点云数据的示意图，图14中的b示出的是基于修复后的血管流道区域得到的目标冠状动脉模型的示意图。
72.由上述可知，本技术实施例中，终端基于冠状动脉的第一点云数据计算冠状动脉的组织密度均值，基于组织密度均值所属范围，自适应化的计算与胸腔断层图像对应的动态阈值，进而基于动态阈值准确识别三维冠状动脉模型红的钙化斑块，进一步地，对存在钙化斑块的冠状动脉段，沿着中心点的位置生成多个横截面，对横截面中的钙化斑块区域和血管流道区域进行分割，去除横截面中的钙化斑块区域对应的目标点，以修复冠状动脉的血管流道区域，进而基于修复后的血管流道区域对冠状动脉建立准确的三维模型；如此，解决了相关技术中由于钙化斑块造成的伪影，导致最终构建的冠状动脉的不准确的问题，提高了对冠状动脉进行精准建模，从而为计算ffr提供精确的血流分配，同时，该方案具有较好的鲁棒性和可扩展性。
73.需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
74.基于前述实施例，本技术提供一种冠状动脉的构建装置，该冠状动脉的构建装置可以用于实施图1、图3~图4、图7和图11对应提供的一种冠状动脉的构建方法，参照图15所示，该冠状动脉的构建装置15包括：处理模块1501，用于基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值；确定模块1502，还用于基于动态阈值确定第一点云数据上钙化斑块的预测位置；确定模块1502，还用于在第一点云数据上，确定预测位置所在的冠状动脉段；生成模块1503，用于沿着冠状动脉段内的中心点的位置生成横截面；重构模块1504，用于在横截面中重构冠状动脉血管流道区域；构建模块1505，用于基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据。
75.本技术其他实施例中，处理模块1501，还用于获取第一点云数据中每一目标点对应的组织密度值；确定所有组织密度值的均值，为冠状动脉所在区域的组织密度均值；选择与组织密度均值对应的阈值计算公式，计算动态阈值。
76.本技术其他实施例中，处理模块1501，还用于基于组织密度均值所属的组织密度值范围，选择与组织密度值范围对应的阈值计算公式；基于组织密度均值和阈值计算公式，计算动态阈值。
77.本技术其他实施例中，处理模块1501，还用于若组织密度均值小于等于第一参数，选择第一阈值计算公式；若组织密度均值大于第一参数小于第二参数，选择第二阈值计算公式；若组织密度均值大于等于第二参数，选择第三阈值计算公式；其中，第一阈值计算公式为，；第二阈值计算公式为，；第三阈值计算公式为，；其中，为动态阈值，为组织密度均值，为第一参数，为第二参数，为第三参数，为第四参数，为第五参数，均为正数。
78.本技术其他实施例中，确定模块1502，还用于从所有组织密度值中，确定组织密度
值大于动态阈值的目标点所在的位置，为在第一点云数据上钙化斑块的预测位置。
79.本技术其他实施例中，确定模块1502，还用于基于第一点云数据确定中心线点集和冠状动脉的分段信息；其中，中心线点集包括第一点云数据的中轴线上的点；基于分段信息，从中心线点集中，确定与预测位置距离最近的中心点所在位置为预测位置所在的冠状动脉段。
80.本技术其他实施例中，重构模块1504，还用于去除横截面中钙化斑块对应的目标点，得到重构的冠状动脉血管流道区域；构建模块1505，还用于以冠状动脉血管流道区域中的入口点的位置为起点，按照距离入口点由近到远的顺序，遍历冠状动脉血管流道区域中的所有目标点，得到冠状动脉段的闭合区域的目标点云数据；将第一点云数据的冠状动脉段对应的点云数据替换成目标点云数据，得到第二点云数据。
81.本技术的实施例提供一种终端，该终端可以用于实施图1、图3~图4、图7和图11对应的实施例提供的一种冠状动脉的构建方法，参照图16所示，该终端16（图16中的终端16对应图15中的冠状动脉的构建装置15）包括：处理器1601、存储器1602和通信总线1603，其中：通信总线1603用于实现处理器1601和存储器1602之间的通信连接。
82.处理器1601用于执行存储器1602中存储的冠状动脉的构建程序，以实现以下步骤：基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值；基于动态阈值确定第一点云数据上钙化斑块的预测位置；在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面；在横截面中重构冠状动脉血管流道区域；基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据。
83.本技术其他实施例中，处理器1601用于执行存储器1602中存储的程序，以实现以下步骤：获取第一点云数据中每一目标点对应的组织密度值；确定所有组织密度值的均值，为冠状动脉所在区域的组织密度均值；选择与组织密度均值对应的阈值计算公式，计算动态阈值。
84.本技术其他实施例中，处理器1601用于执行存储器1602中存储的程序，以实现以下步骤：基于组织密度均值所属的组织密度值范围，选择与组织密度值范围对应的阈值计算公式；基于组织密度均值和阈值计算公式，计算动态阈值。
85.本技术其他实施例中，处理器1601用于执行存储器1602中存储的程序，以实现以下步骤：若组织密度均值小于等于第一参数，选择第一阈值计算公式；若组织密度均值大于第一参数小于第二参数，选择第二阈值计算公式；若组织密度均值大于等于第二参数，选择第三阈值计算公式；其中，第一阈值计算公式为，；第二阈值计算公式为，；第三阈值计算公式为，
；其中，为动态阈值，为组织密度均值，为第一参数，为第二参数，为第三参数，为第四参数，为第五参数，均为正数。
86.本技术其他实施例中，处理器1601用于执行存储器1602中存储的程序，以实现以下步骤：从所有组织密度值中，确定组织密度值大于动态阈值的目标点所在的位置，为在第一点云数据上钙化斑块的预测位置。
87.本技术其他实施例中，处理器1601用于执行存储器1602中存储的程序，以实现以下步骤：基于第一点云数据确定中心线点集和冠状动脉的分段信息；其中，中心线点集包括第一点云数据的中轴线上的点；基于分段信息，从中心线点集中，确定与预测位置距离最近的中心点所在位置为预测位置所在的冠状动脉段。
88.本技术其他实施例中，处理器1601用于执行存储器1602中存储的程序，以实现以下步骤：去除横截面中钙化斑块对应的目标点，得到重构的冠状动脉血管流道区域；以冠状动脉血管流道区域中的入口点的位置为起点，按照距离入口点由近到远的顺序，遍历冠状动脉血管流道区域中的所有目标点，得到冠状动脉段的闭合区域的目标点云数据；将第一点云数据的冠状动脉段对应的点云数据替换成目标点云数据，得到第二点云数据。
89.本技术的实施例提供一种存储介质，该存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如下步骤：基于采集到的多张胸腔断层图像重构的冠状动脉的第一点云数据，并基于第一点云数据，计算动态阈值；基于动态阈值确定第一点云数据上钙化斑块的预测位置；在第一点云数据上，确定预测位置所在的冠状动脉段，并沿着冠状动脉段内的中心点的位置生成横截面；在横截面中重构冠状动脉血管流道区域；基于冠状动脉血管流道区域，构建冠状动脉的第二点云数据。
90.在本技术的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：获取第一点云数据中每一目标点对应的组织密度值；确定所有组织密度值的均值，为冠状动脉所在区域的组织密度均值；选择与组织密度均值对应的阈值计算公式，计算动态阈值。
91.在本技术的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：基于组织密度均值所属的组织密度值范围，选择与组织密度值范围对应的阈值计算公式；基于组织密度均值和阈值计算公式，计算动态阈值。
92.在本技术的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，
以实现以下步骤：若组织密度均值小于等于第一参数，选择第一阈值计算公式；若组织密度均值大于第一参数小于第二参数，选择第二阈值计算公式；若组织密度均值大于等于第二参数，选择第三阈值计算公式；其中，第一阈值计算公式为，；第二阈值计算公式为，；第三阈值计算公式为，；其中，为动态阈值，为组织密度均值，为第一参数，为第二参数，为第三参数，为第四参数，为第五参数，均为正数。
93.在本技术的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：从所有组织密度值中，确定组织密度值大于动态阈值的目标点所在的位置，为在第一点云数据上钙化斑块的预测位置。
94.在本技术的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：基于第一点云数据确定中心线点集和冠状动脉的分段信息；其中，中心线点集包括第一点云数据的中轴线上的点；基于分段信息，从中心线点集中，确定与预测位置距离最近的中心点所在位置为预测位置所在的冠状动脉段。
95.在本技术的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：去除横截面中钙化斑块对应的目标点，得到重构的冠状动脉血管流道区域；以冠状动脉血管流道区域中的入口点的位置为起点，按照距离入口点由近到远的顺序，遍历冠状动脉血管流道区域中的所有目标点，得到冠状动脉段的闭合区域的目标点云数据；将第一点云数据的冠状动脉段对应的点云数据替换成目标点云数据，得到第二点云数据。
96.需要说明的是，上述计算机存储介质/存储器可以是只读存储器（read only memory，rom）、可编程只读存储器（programmable read-only memory，prom）、可擦除可编程只读存储器（erasable programmable read-only memory，eprom）、电可擦除可编程只读存储器（electrically erasable programmable read-only memory，eeprom）、磁性随机存取存储器（ferromagnetic random access memory，fram）、快闪存储器（flash memory）、磁表面存储器、光盘、或只读光盘（compact disc read-only memory，cd-rom）等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。
97.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合
或通信连接，可以是电性的、机械的或其它形式的。
98.另外，在本技术各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
99.本技术所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
100.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。