冠状动脉血管模型重构方法、装置、设备和存储介质与流程

本技术涉及医学影像，特别是涉及一种冠状动脉血管模型重构方法、装置、设备和存储介质。

背景技术：

1、基于冠状动脉造影（cta）影像的计算机辅助诊断技术已经在医学诊疗中发挥着越来越重要的作用。基于中心线的血管分割是一项复杂而具有挑战性的任务。其中，冠状动脉中心线的提取是实现冠脉血管重构和定量狭窄检测的基础和前提。然而，由于心脏冠脉的几何特性复杂，血管较为细小，以及钙化的存在，使得血管中心线的追踪过程充满挑战。而冠状动脉模型重构的准确性很大程度依赖于中心线确定的准确性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够对血管中心线进行自动校正的冠状动脉血管模型重构方法。

2、一种冠状动脉血管模型重构方法，所述方法包括：

3、获取冠状动脉造影的原始三维影像数据；

4、利用深度神经网络基于所述原始三维影像数据提取得到血管的初始中心路径以及该中心路径上的中心点数据；

5、按照冠状动脉三个主干分支，其余为侧分支的方式对所述中心点数据进行分组，得到多组中心点数据；

6、在各组中心点数据中，计算各个中心点在所述原始三维影像数据中对应位置处的ct值，并根据各中心点对应的ct值构建得到对应各组中心点数据的ct值数据，再对所述ct值数据采用最小二乘法进行曲线拟合得到对应各组中心点数据的拟合数据；

7、根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点，通过对所有错位点进行校正得到校正后的中心路径以及中心点数据；

8、根据校正后的中心路径以及中心点数据重构得到冠状动脉血管模型。

9、在其中一实施例中，所述根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点包括：

10、分别在所述ct值数据以及拟合数据中提取对应同一个中心点的ct值和拟合值；

11、计算对应同一个中心点的ct值和拟合值之间差值，若该差值大于第一预设阈值，则该中心点为错误点。

12、在本实施例中，所述根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点包括：

13、计算每组中心点数据对应的ct值数据的平均值，计算各组ct值数据中的每一个ct值与对应的平均值之间的差值，若该差值大于第二预设阈值，则对应的中心点为错误点。

14、在其中一实施例中，所述中心点数据包括各所述中心点的三维坐标以及半径。

15、在其中一实施例中，所述通过对所有错位点进行校正得到校正后的中心路径以及中心点数据包括：

16、根据所述错误点的三维坐标生成切割矩阵，并利用所述切割矩阵对原始三维影像数据进行切割得到对应的二维切面图像；

17、以所述二维切面图像的中点为圆心，以预设初始值为半径划分搜索区域；

18、在所述搜索区域中进行采样，得到多个采样点；

19、对每个采样点对应的ct值进行判断，记录符合血管预设条件的ct值对应的采样点；

20、将所有符合血管预设条件的采样点的平均位置坐标作为对应错误点在二维切面图像上校正后的中心点坐标；

21、将二维切面图像上校正后的中心点坐标根据所述切割矩阵进行变换，得到错误点校正后的三维坐标；

22、在各组中心点数据中，将各错误点的三维坐标用校正后的三维坐标进行替换，得到校正后的中心路径以及中心点数据。

23、在其中一实施例中，若在以预设初始值为半径划分的搜索区域中没有搜索到符合血管预设条件的采样点，则以n倍的预设初始值为半径重新划分搜索区域，并在重新划分的搜索区域中搜索符合血管预设条件的采样点，其中n大于等于2；

24、若在重新划分的搜索区域中仍未搜索到符合血管预设条件的采样点，则不对该错误点的中心点数据进行校正。

25、在其中一实施例中，所述根据校正后的中心路径以及中心点数据重构得到冠状动脉血管模型包括：

26、根据校正后的中心点数据生成冠状动脉管道模型；

27、将所述冠状动脉管道模型转变为二值图像数据；

28、基于所述二值图像数据利用水平集算法重构得到冠状动脉血管模型。

29、一种冠状动脉血管模型重构装置，所述装置包括：

30、影像数据获取模块，用于获取冠状动脉造影的原始三维影像数据；

31、中心点数据提取模块，用于利用深度神经网络基于所述原始三维影像数据提取得到血管的初始中心路径以及该中心路径上的中心点数据；

32、中心点数据分组模块，用于按照冠状动脉三个主干分支，其余为侧分支的方式对所述中心点数据进行分组，得到多组中心点数据；

33、中间数据处理模块，用于在各组中心点数据中，计算各个中心点在所述原始三维影像数据中对应位置处的ct值，并根据各中心点对应的ct值构建得到对应各组中心点数据的ct值数据，再对所述ct值数据采用最小二乘法进行曲线拟合得到对应各组中心点数据的拟合数据；

34、中心点数据校正模块，用于根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点，通过对所有错位点进行校正得到校正后的中心路径以及中心点数据；

35、血管模型重构模块，用于根据校正后的中心路径以及中心点数据重构得到冠状动脉血管模型。

36、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

37、获取冠状动脉造影的原始三维影像数据；

38、利用深度神经网络基于所述原始三维影像数据提取得到血管的初始中心路径以及该中心路径上的中心点数据；

39、按照冠状动脉三个主干分支，其余为侧分支的方式对所述中心点数据进行分组，得到多组中心点数据；

40、在各组中心点数据中，计算各个中心点在所述原始三维影像数据中对应位置处的ct值，并根据各中心点对应的ct值构建得到对应各组中心点数据的ct值数据，再对所述ct值数据采用最小二乘法进行曲线拟合得到对应各组中心点数据的拟合数据；

41、根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点，通过对所有错位点进行校正得到校正后的中心路径以及中心点数据；

42、根据校正后的中心路径以及中心点数据重构得到冠状动脉血管模型。

43、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

44、获取冠状动脉造影的原始三维影像数据；

45、利用深度神经网络基于所述原始三维影像数据提取得到血管的初始中心路径以及该中心路径上的中心点数据；

46、按照冠状动脉三个主干分支，其余为侧分支的方式对所述中心点数据进行分组，得到多组中心点数据；

47、在各组中心点数据中，计算各个中心点在所述原始三维影像数据中对应位置处的ct值，并根据各中心点对应的ct值构建得到对应各组中心点数据的ct值数据，再对所述ct值数据采用最小二乘法进行曲线拟合得到对应各组中心点数据的拟合数据；

48、根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点，通过对所有错位点进行校正得到校正后的中心路径以及中心点数据；

49、根据校正后的中心路径以及中心点数据重构得到冠状动脉血管模型。

50、上述冠状动脉血管模型重构方法、装置、设备和存储介质，通过利用深度神经网络对获取的冠状动脉造影的原始三维影像数据进行提取，得到血管的初始中心路径以及该中心路径上的中心点数据，再按照冠状动脉三个主干分支，其余为侧分支的方式对中心点数据进行分组，得到多组中心点数据，在各组中心点数据中，计算各个中心点在所述原始三维影像数据中对应位置处的ct值，并根据各中心点对应的ct值构建得到对应各组中心点数据的ct值数据，再对所述ct值数据采用最小二乘法进行曲线拟合得到对应各组中心点数据的拟合数据，再根据各组中心点数据对应的ct值数据以及拟合数据进行处理，在各组中心点数据中定位错位点，通过对所有错位点进行自动校正得到校正后的中心路径以及中心点数据，最后根据校正后的中心路径以及中心点数据重构得到冠状动脉血管模型。采用本方法可对血管中心线进行自动校正，从而避免了复杂的人工处理操作，以节约时间和人力成本的同时，提高基于校正后中心线构建的血管模型的精准度。