基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法专利检索-静态图像压缩标准多媒体工具与应用专利检索查询-专利查询网

基于X射线冠脉造影图像的冠状动脉 血流储备分数计算方法

阅读：872发布：2020-05-26

专利汇可以提供基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于 X射线冠脉造影图像的冠状动脉血流储备分数计算方法，包括：通过分析定义时间序列X线造影的不同帧图像，去除动静态噪声，对冠状动脉进行精确分割；通过冠脉造影图像形态学参数和扫描的时间序列，计算血液流速；通过对冠状动脉体数据的边缘检测，生成FFR计算所需要的三维网格；基于计算流体力学原理，计算狭窄冠脉中的流速和压力分布；最后通过公式计算血流储备分数，其中，Paorta是主动脉平均压，ΔPi是沿着血管中心线从入口到下游各点的压力降。基于X射线冠脉造影图像，能快速准确的得到血流储备分数FFR。，下面是基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法专利的具体信息内容。

权利要求

1.一种基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，包括以下步骤：
S01：提取冠脉造影图像：通过分析定义时间序列的X射线造影不同帧，去除动静态噪声，对冠状动脉进行分割；并对不同角度拍摄的冠脉造影图像进行分割，分别得到冠脉中心线及直径；
S02：生成冠脉三维模型：将步骤S01生成的多方向的冠脉中心线在三维空间进行投影计算，生成冠脉三维模型，获取血管长度和直径；
S03：计算冠脉血流速度：对冠脉造影图像按时序帧进行扫描计算出造影剂从血管入口流到血管末端需要的时间，进一步得到血液流速；
S04：冠脉网格划分：基于X射线重构的冠脉三维模型，创建三维网格；并基于X射线重构的冠脉中心线及直径，拉直血管，按对称轴切开，生成轴对称二维平面模型，创建二维轴对称网格；
S05：冠状动脉FFR计算：基于步骤S03得到的血液流速与步骤S04生成的三维网格，求解不可压缩流的基本公式，对三维网格模型进行求解，用数值法求解连续性和Navier-Stokes方程：
其中， P，ρ，μ分别为流速、压力、血流密度、血流粘性；
入口边界条件为血流速度，出口边界条件为out-flow边界条件；
计算沿着血管中心线从入口到下游各点的压力降ΔPi，通过公式计算
沿着血管中心线从入口到下游各点的血流储备分数，其中，Paorta是主动脉平均压值。
2.根据权利要求1所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S01包括以下步骤：
S11：定义时间序列X射线冠脉造影图像中有导管出现的第一帧为参考图像，有完整冠脉出现的需要分割的图像为目标图像；
S12：提取参考图像中导管的特征点，对目标图像中的冠状动脉进行图像增强，提取冠状动脉的区域图像；
S13：以参考图像中导管的特征点为种子点，将冠状动脉的区域图像进一步处理后进行动态区域生长，获得冠脉造影图像。
3.根据权利要求2所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S12包括：
将参考图像减去目标图像，去除静态噪声，通过均值滤波去除动态噪声；
通过灰度直方图分析，利用阈值进一步去除噪声；
通过多尺度海森矩阵对去噪后的图像的导管进行图像增强；
二值化图像：将导管对应的像素标记为1，其余像素标记0；对二值化后的图像进行细化，得到一组导管的特征点。
4.根据权利要求2所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S12包括：
将目标图像减去参考图像，去除静态噪声，通过均值滤波去除动态噪声；
通过灰度直方图分析，利用阈值进一步去除噪声；
通过多尺度海森矩阵对去噪后的图像的冠状动脉进行图像增强，得到增强后的目标图像；
根据增强后的目标图像中各区域与特征点的位置关系，确定冠状动脉的区域；提取该连通区域，获得冠状动脉的区域图像。
5.根据权利要求2所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S13包括：
对冠状动脉的区域图像进行二值化；
进行形态学运算，按照对应位置还原到目标图像中，进行动态区域生长，获得冠脉造影图像。
6.根据权利要求1所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S02包括：
心跳周期内相同时间点、不同角度拍摄的冠脉造影图像，用步骤S01处理后，在中心线上提取特征点；
基于已知的X射线拍照角度，三维还原这些特征点，进而三维还原中心线。
7.根据权利要求1所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S03中计算血液流速的方法包括造影剂运输时间算法、造影剂遍历距离算法、Stewart—Hamilton算法、First—pass分布分析法、光流法或者流体连续法。
8.根据权利要求1所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，所述步骤S04包括：
基于步骤S02中重构的冠脉三维模型，用标准的扫掠法、切分法或混合法进行网格划分，生成结构性三维六面体网格；
基于步骤S02中重构的冠脉三维模型，在血管壁上生成三角形面网格，然后长成四面体网格，在血管中生成非结构性三维四面体网格；
基于步骤S02中重构的冠脉三维模型，拉直血管，按对称轴切开，生成轴对称二维平面模型，用切分法或者扫掠法进行网格划分，生成结构性二维四边形网格。
9.根据权利要求1所述的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于所述步骤S05还包括，
对二维网格模型，用数值法求解连续性和Navier-Stokes方程：
其中，ρ表示血液的密度，uz、ur分别表示z向、r方向的流速，μ表示血液的动力粘度，p表示血液的压强；
入口边界条件为血流速度，出口边界条件为out-flow边界条件；
针对各种类型的冠脉弯曲，用三维模型计算从入口到出口的压力差，对照二维轴对称模型计算的结果，建立用于存储各种类型的弯曲对二维轴对称结果的修正系数的数据库；
利用三维模型计算结果修正二维模型计算结果得到ΔPi值；
通过公式计算沿着血管中心线从入口到下游各点的血流储备分数，其
中，Paorta是主动脉平均压。

说明书全文

基于X射线冠脉造影图像的冠状动脉 血流储备分数计算方法

技术领域

[0001] 本发明涉及冠状动脉影像学评价领域，具体地涉及一种基于X射线冠脉造影图像的全自动冠状动脉血流储备分数计算方法。

背景技术

[0002] 冠状动脉造影及血管内超声均被认为是诊断冠心病的“金标准”，但它们只能对病变狭窄程度进行影像学评价，而狭窄到底对远端血流产生了多大影响却不得而知；血流储备分数(FFR)现已经成为冠脉狭窄功能性评价的公认指标，其最重要的功能是对一个未知影响的冠脉狭窄的功能后果进行准确评价。

[0003] 血流储备分数(FFR)是指在冠状动脉存在狭窄病变的情况下，目标测量血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比。FFR主要通过计算冠状动脉狭窄远端压力与主动脉根部压力之比来获得。狭窄远端压力可以通过压力导丝在最大灌注血流(通过冠脉内或静脉内注射罂粟碱或腺苷或ATP)时测得。

[0004] FFR＝Pd/Pa(Pa为指引导管测量的主动脉压，Pd为压力导丝测量的冠脉狭窄远端压力)一般来说，FFR是指最大充血状态下，狭窄下游2厘米处的压力与主动脉压的比值。

[0005] 正常的心外膜冠状动脉对血流的阻力很小，FFR的正常值为1.0；FFR的值将小于1.0时即表明当前心外膜冠脉有狭窄病变的存在。

[0006] FFR＜0.75的情况时，所代表的狭窄情况几乎都会导致心肌缺血，FFR≥0.8的情况时，所代表的狭窄则造成心肌缺血的可能性非常小。

[0007] 冠脉X射线造影可以准确呈现血管有效管径变化，为临床医生们判断冠脉狭窄程度，辨别管壁病变性质提供有效诊断途径，且因为其无创和操作简捷的特性，更容易被病人接受。对冠心病患者进行诊断和治疗时，冠脉X射线造影评价，是病人是否需要进行干预手术以及术后血管血流通畅性的有效判断。

[0008] 冠脉造影FFR在现有造影手术的基础上不需要额外插入压力导丝，通过对造影图像的处理计算即可获得冠脉FFR，可有效辅助医生进行诊断，大大缩短手术时间和手术费用，成为一种良好的FFR检测方法。

[0009] 基于X射线造影图像的冠状动脉血流储备分数计算，是对冠脉X射线造影和FFR的一个有效结合，综合了两者的优势，从形态学和功能学两方面评估冠心病患者冠脉狭窄情况，为临床提供了崭新的无创性冠脉检测体系。

发明内容

[0010] 为了解决上述的技术问题，本发明目的是：提供一种全新的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，基于X射线冠脉造影图像，能快速准确的全自动得到血流储备分数FFR。

[0011] 本发明的技术方案是：

[0012] 一种基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，其特征在于，包括以下步骤：

[0013] S01：提取冠脉造影图像：通过分析定义时间序列的X射线造影不同帧，去除动静态噪声，对冠状动脉进行分割；并对不同角度拍摄的冠脉造影图像进行分割，分别得到冠脉中心线及直径；

[0014] S02：生成冠脉三维模型：将步骤S01生成的多方向的冠脉中心线在三维空间进行投影计算，生成冠脉三维模型，获取血管长度和直径；

[0015] S03：计算冠脉血流速度：对冠脉造影图像按时序帧进行扫描计算出造影剂从血管入口流到血管末端需要的时间，进一步得到血液流速；

[0016] S04：冠脉网格划分：基于X射线重构的冠脉三维模型，创建三维网格；并基于X射线重构的冠脉中心线及直径，拉直血管，按对称轴切开，生成轴对称二维平面模型，创建二维轴对称网格；

[0017] S05：冠状动脉FFR计算：基于步骤S03得到的血液流速与步骤S04生成的三维网格，求解不可压缩流的基本公式，计算沿着血管中心线从入口到下游各点的压力降ΔPi，通过公式计算沿着血管中心线从入口到下游各点的血流储备分数，其中，Paorta是主动脉平均压值。

[0018] 优选的，所述步骤S01包括以下步骤：

[0019] S11：定义时间序列X射线冠脉造影图像中有导管出现的第一帧为参考图像，有完整冠脉出现的需要分割的图像为目标图像；

[0020] S12：提取参考图像中导管的特征点，对目标图像中的冠状动脉进行图像增强，提取冠状动脉的区域图像；

[0021] S13：以参考图像中导管的特征点为种子点，将冠状动脉的区域图像进一步处理后进行动态区域生长，获得冠脉造影图像。

[0022] 优选的，所述步骤S12包括：

[0023] 将参考图像减去目标图像，去除静态噪声，通过均值滤波去除动态噪声；

[0024] 通过灰度直方图分析，利用阈值进一步去除噪声；

[0025] 通过多尺度海森矩阵对去噪后的图像的导管进行图像增强；

[0026] 二值化图像：将导管对应的像素标记为1，其余像素标记0；对二值化后的图像进行细化，得到一组导管的特征点。

[0027] 优选的，所述步骤S12包括：

[0028] 将目标图像减去参考图像，去除静态噪声，通过均值滤波去除动态噪声；

[0029] 通过灰度直方图分析，利用阈值进一步去除噪声；

[0030] 通过多尺度海森矩阵对去噪后的图像的冠状动脉进行图像增强，得到增强后的目标图像；

[0031] 根据增强后的目标图像中各区域与特征点的位置关系，确定冠状动脉的区域；提取该连通区域，获得冠状动脉的区域图像。

[0032] 优选的，所述步骤S13包括：

[0033] 对冠状动脉的区域图像进行二值化；

[0034] 进行形态学运算，按照对应位置还原到目标图像中，进行动态区域生长，获得冠脉造影图像。

[0035] 优选的，所述步骤S02包括：

[0036] 心跳周期内相同时间点、不同角度拍摄的冠脉造影图像，用步骤S01处理后，在中心线上提取特征点；

[0037] 基于已知的X射线拍照角度，三维还原这些特征点，进而三维还原中心线。

[0038] 优选的，所述步骤S03中计算血液流速的方法包括造影剂运输时间算法、造影剂遍历距离算法、Stewart—Hamilton算法、First—pass分布分析法、光流法或者流体连续法。

[0039] 优选的，所述步骤S04包括：

[0040] 基于步骤S02中重构的冠脉三维模型，用标准的扫掠法、切分法或混合法进行网格划分，生成结构性三维六面体网格；

[0041] 基于步骤S02中重构的冠脉三维模型，在血管壁上生成三角形面网格，然后长成四面体网格，在血管中生成非结构性三维四面体网格；

[0042] 基于步骤S02中重构的冠脉三维模型，拉直血管，按对称轴切开，生成轴对称二维平面模型，用切分法或者扫掠法进行网格划分，生成结构性二维四边形网格。

[0043] 优选的，所述步骤S05包括：

[0044] 对三维网格模型进行求解，用数值法求解连续性和Navier-Stokes方程：

[0045]

[0046]

[0047] 其中， P，ρ，μ分别为流速、压力、血流密度、血流粘性；

[0048] 入口边界条件为血流速度，出口边界条件为out-flow边界条件。

[0049] 优选的，所述步骤S05还包括，

[0050] 对二维网格模型，用数值法求解连续性和Navier-Stokes方程：

[0051]

[0052]

[0053]

[0054] 其中，ρ表示血液的密度，uz、ur分别表示z向、r方向的流速，μ表示血液的动力粘度，p表示血液的压强；

[0055] 入口边界条件为血流速度，出口边界条件为out-flow边界条件；

[0056] 针对各种类型的冠脉弯曲，用三维模型计算从入口到出口的压力差，对照二维轴对称模型计算的结果，建立用于存储各种类型的弯曲对二维轴对称结果的修正系数的数据库；利用三维模型计算结果修正二维模型计算结果得到ΔPi值；

[0057] 通过公式计算沿着血管中心线从入口到下游各点的血流储备分数，其中，Paorta是主动脉平均压。

[0058] 与现有技术相比，本发明的优点是：

[0059] 不需要额外插入压力导丝，通过对X射线冠脉造影图像的处理计算即可快速准确的冠状动脉全自动得到血流储备分数FFR，大大缩短手术时间和手术费用，成为一种良好的FFR检测方法。附图说明

[0060] 下面结合附图及实施例对本发明作进一步描述：

[0061] 图1为本发明的方法流程图；

[0062] 图2为参考图像；

[0063] 图3为待分割的目标图像；

[0064] 图4为增强后的导管图像；

[0065] 图5为导管的特征点；

[0066] 图6为增强后的目标图像；

[0067] 图7为目标图像的冠状动脉图像；

[0068] 图8为分割的结果图像；

[0069] 图9为网格横切面截图；

[0070] 图10为网格纵切面截图。

具体实施方式

[0071] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

[0072] 如图1所示，本发明的基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法，包括以下步骤。

[0073] 定义时间序列X射线冠脉造影图像中的有导管出现的第一帧为参考图像A，如图2所示，有完整冠脉出现的需要分割的为目标图像B，如图3所示，最后得到的分割结果为结果图像P4，如图8所示。

[0074] 1：提取冠脉造影图像：

[0075] 从时间序列图像中可以明显看出，参考图像A(图2)和目标图像B(图3)中的图像像素可以分成三部分：需要分割的结果，称之为导管或者冠状动脉；在时间中静止不变的噪声，如胸腔中的肋骨，称之为静态噪声；在时间中变化的噪声，如部分肺部组织、部分心脏组织，称之为动态噪声。

[0076] 首先，因为参考图像A(图3)中的导管结构比较简单，容易定位，所以先提取参考图像A中的导管中的特征点。

[0077] a)先用参考图像A-目标图像B，除去部分静态噪声；

[0078] b)做均值滤波，除去部分动态噪声；

[0079] c)通过灰度直方图分析，利用阈值进一步去噪；

[0080] d)将去噪后的图像进行多尺度海森矩阵，对导管进行图像增强，得到增强后的导管图像，如图4所示；

[0081] e)二值化图像，将导管对应的像素标记为1，其余像素标记0；

[0082] f)对二值化后的图像进行细化，得到一组导管的特征点P1，如图5所示。

[0083] 其次，对目标图像B(图3)中的冠状动脉进行图像增强。

[0084] g)用目标图像B-参考图像A，除去部分静态噪声；

[0085] h)均值滤波，除去部分动态噪声；

[0086] i)通过灰度直方图分析，利用阈值进一步去噪；

[0087] j)将去噪后的图像进行多尺度海森矩阵，对冠状动脉进行图像增强，得到图像P2，如图6所示。

[0088] 通过对目标图像B进行以上操作得到的图像中，除被增强后的冠状动脉之外，还可能有被海森矩阵误认为管状物而进行了增强的噪声。于是需要将图像P2中冠状动脉和噪声进行区分。

[0089] k)特征点P1是由导管细化后得到的，所以P1的位置一定在导管中；目标图像和参考图像中，导管的位置虽然会有一定变化，但是该变化必定只是在一个小范围内的。所以，可以根据图像P2中各个区域与特征点P1的位置关系，确定冠状动脉的区域；

[0090] l)提取该连通区域，获得图像P3，如图7所示。

[0091] 最后，以特征点P1为种子点，将图像P3进一步处理后进行动态区域生长，获得结果图像，如图8所示。

[0092] m)P3图像二值化；

[0093] n)形态学运算；

[0094] o)按照对应位置还原到目标图像中；

[0095] p)进行动态区域生长，得到结果图像P4，如图8所示。

[0096] 2：生成冠脉三维模型：

[0097] 对心跳周期内相同时间点、不同角度拍摄的冠脉造影图像按照上述步骤进行分割，在中心线上提取特征点，基于已知的X射线拍照角度，三维还原这些特征点，进而三维还原中心线，得到冠脉中心线及直径，将上述步骤生成的多个方向的冠脉中心线在三维空间进行投影计算，生成冠脉三维模型，获取准确的血管长度和直径。

[0098] 3：计算冠脉血流速度：

[0099] 对冠脉造影图像按时序帧进行扫描计算出造影剂从血管入口流到血管末端需要的时间，再通过血管长度除以时间得到血液流速；基于步重构的冠脉三维模型，可以用标准的跟踪法(例如：造影剂运输时间算法、造影剂遍历距离算法)计算血液流速或者使用Stewart—Hamilton算法、First—pass分布分析法、光流法、流体连续法计算血液流速。

[0100] 4：冠脉网格划分：

[0101] 基于X射线重构的冠脉三维模型，创建结构性或者非结构性三维网格；并基于X射线重构的冠脉中心线及直径，拉直血管，按对称轴切开，生成轴对称二维平面模型，然后创建结构性或者非结构性二维轴对称网格。

[0102] 基于重构的冠脉三维模型，用标准的扫掠法进行网格划分，生成结构性三维六面体网格；或者用其它方法(例如：切分法、混合法)进行网格划分，生成结构性三维六面体网格；

[0103] 基于重构的冠脉三维模型，在血管壁上生成三角形面网格，然后长成四面体网格，在血管中生成非结构性三维四面体网格；

[0104] 基于重构的冠脉三维模型，拉直血管，按对称轴切开，生成轴对称二维平面模型，用切分法或者扫掠法进行网格划分，生成结构性二维四边形网格，如图9和10所示，图9为网格横切面截图，图10为网格纵切面截图。

[0105] 5：冠状动脉FFR计算：

[0106] 1)三维模型

[0107] 基于X射线造影图像重构的几何结构，划分三维网格，用数值法(如：有限差分、有限元、有限体积法等)求解连续性和Navier-Stokes方程：

[0108]

[0109]

[0110] 其中， P，ρ，μ分别为流速、压力、血流密度、血流粘性。

[0111] 入口边界条件为血流速度，出口边界条件为out-flow边界条件；

[0112] 通过公式计算沿着血管中心线从入口到下游各点的血流储备分数，其中，Paorta是主动脉平均压，ΔPi是沿着血管中心线从入口到下游各点的压力降。

[0113] 2)二维模型

[0114] 基于X射线造影重构的几何结构，把有狭窄的血管拉直(二维轴对称模型)，划分二维网格，用数值法(如：有限差分、有限元、有限体积法等)求解连续性和Navier-Stokes方程：

[0115]

[0116]

[0117]

[0118] 其中，ρ表示血液的密度，uz、ur分别表示z向、r方向的流速，μ表示血液的动力粘度，p表示血液的压强。

[0119] 入口边界条件为血流速度，出口边界条件为out-flow边界条件；

[0120] 针对各种类型的冠脉弯曲，用三维模型计算从入口到出口的压力差，对照二维轴对称模型计算的结果，建立用于存储各种类型的弯曲对二维轴对称结果的修正系数的数据库；利用三维模型计算结果修正二维模型计算结果得到ΔPi；

[0121] 通过公式计算沿着血管中心线从入口到下游各点的血流储备分数，其中，Paorta是主动脉平均压。

[0122] 应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

标题	发布/更新时间	阅读量
云端流媒体服务器	2020-05-11	360
空调压缩机模式切换平台	2020-05-12	279
汽车爆胎安全稳定控制系统	2020-05-21	585
基于电子检测的人员疲惫度判定平台	2020-05-23	186
一种自动化检测恶意代码核心特征方法	2020-05-25	358
基于造影图像和流体力学模型的微循环阻力指数计算方法	2020-05-22	411
山火诱发钢结构杆塔结构失效的仿真模拟和安全预警方法	2020-05-18	232
传输屏幕图像的方法、装置和系统	2020-05-17	697
一种用于快速铁路货运的混合网络监测系统及方法	2020-05-16	665
一种智能综合考试管理系统	2020-05-23	706

基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法

基于X射线冠脉造影图像的冠状动脉血流储备分数计算方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：