子的實例。在一個實施例中，多個圖像平均用于背景減除。另外，在一個實施例中，底帽濾波器或變換后，在諸如尺度I的尺度下實施Hessian過濾160e。在尺度I下實施這種Hessian過濾，以增強線，同時在應用底帽算子后使噪聲圖像平滑。圖6F中示出應用于圖像的尺度I下的Hessian過濾的實例。
[0122]在一個實施例中，對圖像數據實施形態(tài)學閉運算。形態(tài)學閉運算主要用于填充應用底帽變換的步驟中有時獲得的可能的間隙。用小濾波核應用底帽變換，以增強諸如導絲的窄特征。
[0123]二進制圖像映射特征
[0124]對于每個血管造影圖像，應用一組預處理步驟以產生用于確定哪兒存在造影劑的二進制映射。在一個實施例中，二進制映射是指與原始血管造影圖像大小相同的圖像，其中像素是黑的或白的，黑色用于有染料的像素，白色用于沒有染料的像素，反之亦然。二進制映射可具有由于二進制映射的內在缺陷而分開的血管像素的區(qū)域。然后可以基于二進制映射計算距離映射。圖6H中示出使用FMM算法計算的示例性距離映射。
[0125]距離映射是大小相同的圖像，其中每個像素的值根據其與二進制映射中最接近的“黑”像素的距離來確定。清楚地，二進制映射中確定存在染料(“黑”像素一其與染料區(qū)域的距離為O)的像素將保持黑色，直接包圍黑像素的區(qū)域的像素(其與染料區(qū)域的距離為I)將具有降低“I”的強度。下一層像素的強度將降低“2”，等。如圖6H中所示，將各個強度值映射到沿X和y軸布置的像素用于像素位置。由顏色或其它標記編碼的尺度可以用于將強度值映射到每個像素位置。在一個實施例中，尺度是色標。圖中示出尺度上的各個示例性強度值。中心區(qū)域具有與B對應的最低強度值。T強度值相對于B值增加。Y強度值相對于T值增加，和R值相對于Y強度值增加。
[0126]得到的距離映射是這樣的，從而原始二進制映射中的染料/造影劑的區(qū)域看起來像向它們的側邊傾斜下去的脊。如果兩個這種脊足夠近(二進制映射中的小距離)，它們將作為距離映射中的連接的脊出現。距離映射中具有最小值的黑中心點屬于前面從其開始傳播的用戶提示點。由于電勢的配置，它沿線傳播。距離映射的一個應用是決定染料/造影劑的哪個分開段因為它們足夠近而可以連接。在一個實施例中，距離映射是用于從二進制映射確定血管輪廓的工具。距離映射可以用于各種目的。
[0127]示例性解剖特征檢測/先驗數據生成實施例
[0128]此外，在一個實施例中，作為血管造影圖像的預處理的一部分，實施解剖特征檢測。在一個實施例中，這可以實施以生成關于成像探針穿過血管的路徑的先驗信息。諸如通過輪廓生成過程的線片段的生成可以用于特征檢測。在一個實施例中，輪廓是靜態(tài)對象，諸如產生來幫助跟蹤被成像的受試者的血管的一個或多個線片段。
[0129]使用基于輪廓或線片段的方法生成可以用于通知中心線生成和標記跟蹤的數據收集探針的穿過血管的候選路徑，以為前述的這種方法的使用提供若干優(yōu)點。例如，基于輪廓的方法可以防止或消除正生成的會另外經過側支或成像探針導管的某些中心線跡線。生成輪廓提供方法，以確定用于作為映射或骨架的被成像血管和支血管以及其它血管的幾何結構的最初候選以促進中心線生成。通過生成輪廓，可提取感興趣的點，諸如分歧點和血管段，以使對標記和中心線跡線的跟蹤穩(wěn)定和證實多幀血管造影圖像數據的跟蹤質量。
[0130]在一個實施例中，在血管造影圖像的預處理期間160d，實施生成輪廓以檢測解剖特征(如側支和血管幾何結構)的過程。輪廓可以用于檢測解剖特征，諸如主分歧點(1701)和外推點(170m)。另外，輪廓可以用于檢測和生成平滑血管中心線(170f)。例如，可以與Di jkstra算法一起使用輪廓?？梢曰陬A處理的Hessian圖像生成輪廓。血管造影圖像(諸如圖7A的圖像)上的與導絲位置有關的用戶選擇的點可以用于降低噪音和促進輪廓生成。
[0131]圖7D中，由X’s示出用戶選擇的端點和計算機確定的端點。由Hessian圖像生成的二進制圖像可以用于生成如圖7B中所示的血管造影圖像中的輪廓。一旦生成，輪廓可以被侵蝕以消除小分歧。例如，可以從圖像去除或減除輪廓的小分支，直到只有主干部分保留。與分支厚度和其它參數有關的閾值可以用于定向輪廓侵蝕。在一個實施例中，可以以像素為基礎實施輪廓的小分支的去除，直到產生如圖7C中所示的最終輪廓。
[0132]在一個實施例中，通過檢測分歧和圖7D中的圈出區(qū)域示出的其它間隙定位輪廓上的交叉點。這些交叉點用于將輪廓分解為圖7E中的分支I 一 13示出的分支。進而，太小而不能代表血管分支的樹的每個分支被侵蝕和可以被消除。在一個實施例中，(通過長度上相同數量的像素)同等地侵蝕所有分支。因此，較長的分支幸存，而小分支被消除。然后可以將剩下的輪廓分支轉換成如圖7F中所示的連接圖。圖節(jié)點(即輪廓分支，諸如圖7F中的節(jié)點2和4)之間的距離基于角度變化。對于i = 2和j = 4，對于節(jié)點，可以使用下面的距離關系以獲得如圖7F中所示的d(2，4):d(i，j) =Δ (θ^, θ ] λ)。在一個實施例中，圖搜索方法(諸如Dijkstra最短路徑算法或其改良版)應用于該圖以獲得用于輪廓中的血管的最佳候選路徑。這實際上是Dijkstra算法的改良版。所選擇路徑是其中最大角度變化對于其它可選擇路徑是最小的節(jié)點之間的路徑，諸如通過以下提供:
[0133]路徑=min{max {d Θ Jj e 路徑函數}}。
[0134]圖8A至圖8C示出相對于圖7E的輪廓，基于Di jkstra最短路徑算法應用于圖7F中生成的圖發(fā)現的所得最佳路徑。圖8A示出經過節(jié)點2、4、8、7、6、3和I的路徑。圖SB示出經過節(jié)點4、6、9、3和I的路徑。圖8C示出經過節(jié)點2、6、8、9、7、5、3和I的路徑。考慮到節(jié)點和分支是如何布置在受試者中的三維特性，使用用于距離測量的角度是有用的。
[0135]示例性導管檢測實施例
[0136]此外，在一個實施例中，作為血管造影圖像的預處理的一部分，實施導管檢測160f。視野中的導管的存在可能干擾配準方法的各個步驟和處理階段。導管和血管之間的相交可能被認為是錯誤的分歧，這可以導致不穩(wěn)定跟蹤。由遞送血管內成像設備的導管的存在可以消極地影響標記和中心線的跟蹤。與這種導管相關的另一個問題是，導管而不是血管可以經過沿血管的兩點之間的最短路徑。因此，導管可以導致誤差和錯誤的中心線生成。
[0137]因此，在進行之后的處理和檢測(諸如支持中心線生成)之前期望能夠從各血管造影數據幀去除導管。關于給定的輸入血管造影圖像，諸如圖9A中所示，基于對圖像的哪個部分正移動和圖像的哪個部分展現出如圖9B中所示的定向場的檢測，其中導管跨越圖的中間部分和血管大致在該圖的中間以一角度穿過它，諸如圖9B至圖9D中示出的矢量場可以在圖像上疊加。圖9C示出血管區(qū)域的矢量場映射，而圖9D示出導管區(qū)域中的基本上直的或垂直定向的矢量。
[0138]圖9C和圖9D中說明的矢量場中的矢量是與由局部二階分析計算的Hessian矩陣的特征值對應的特征矢量。在圖9C中，從I至5的所有尺度用于Frangi濾波器中。這種濾波器的實例在 A.F.Frangi, ff.J.Niessen, K.L.Vincken, M.A.Viergever, "Multiscalevessel enhancement filtering", MICCAF98, pp.130-137 中描述，并因此瑞流影響血管外部。在圖9D中，僅使用尺度σ =4，并因此在導管上分離的方向，而在外區(qū)域中時，特征矢量具有O權重。關于σ參數，該參數表示在卷積計算中使用的高斯尺度。σ =4反映導管的像素中的典型寬度，如血管造影數據集中所觀察的。
[0139]在一個實施例中，導管檢測基于導管的方向性的初步設想和基于導管總是與諸如圖9D中所示的圖像的較低邊界相交的事實。雖然局部上，考慮到它們的管狀結構，導管和血管一般彼此不可區(qū)分。在導管的形狀方面，因為導管幾乎貫穿整個圖像，且具有基本上直的形狀，全局上可以將導管與血管區(qū)分開，。在一個實施例中，矢量方向用于區(qū)分導管和血管。局部上，血管可以具有方向與導管方向相似的小區(qū)域。一般而言，導管的特征矢量方向接近90度，而血管的特征矢量方向不是。
[0140]在一個實施例中，使用并入用于血管以及用于形狀特征的Frangi濾波器的導管檢測的方法。在一個實施例中，方法包括僅在一個尺度(σ = 4，其反映導管的像素中的典型寬度，如血管造影數據集中觀察的)上基于Hessian圖像的特征矢量確定血管測量圖像和方向圖像?？梢允褂酶鞣N標準分離血管造影數據的給定圖像幀中的導管。這些標準包括包含導管的連接的組件的方向(方向圖像的閾值)、長度(導管剖面的長度應是X(Sy)中最大圖像尺寸的至少一半)。
[0141]作為對圖像處理軟件的約束，如果導管這樣檢測從而其出現在給定圖像中，典型地情況是這樣的，即導管幾乎穿過整個圖像。在一個實施例中，系統(tǒng)被編程為假設導管總是切割圖像的底部邊界。因此，可以設置所檢測對象的大小的下限。另外，一旦檢測到與導管相關的血管造影圖像的區(qū)域，通過導管的中心線周圍的小增量擴大或以其他方式擴展邊界是有用的以確保己檢測到足夠大的特征。圖9E中示出基于上述步驟檢測的導管的實例。
[0142]示例性導管去除實施例
[0143]如上所討論的，對于給定血管造影圖像的視野中的導管的存在可能干擾本文描述的各個步驟和處理階段。相應地，一旦諸如通過本文中敘述的基于軟件的方法己檢測到導管，期望去除導管。圖9A中的有界區(qū)域示出以一角度與血管重疊的導管。可以使用用于去除導管同時仍試圖保存圖像完整性的各種對象消除方法。基于導管的遮罩，諸如可以由所用的導管檢測過程生成的或作為其輸出，軟件模塊可以配置為通過消除導管來去除導管遮罩。
[0144]去除導管的一個有利方法使用函數的疊加原理來當彼此異相時進行取消和去除。在一個實施例中，基于疊加的軟件模塊用于諸如通過估計其強度剖面和從圖像減少它來實施導管去除。可以基于由導管檢測軟件模塊識別為導管的一部分的圖像的點的采樣生成導管強度剖面。
[0145]如圖1OA和圖1OB所示，示例性圓筒190示出為具有如示出的厚度T0、T1和T2的各種縱向切片。圓筒190可以被認為是導管的模型表示。到導管和圓筒190充滿造影溶液的程度，由造影溶液引起的強度變化沿厚度TO將在中間較大，然后從中心TO移開至切片Tl而減小，然后當到達切片Τ2時進一步減小。因此，由于相對于導管中心的導管的較薄邊緣處有較少造影溶液，可以生成導管的強度剖面并將導管的強度剖面添加到檢測到導管的圖像的區(qū)域，以從圖像去除導管。圖1lA中示出有關導管去除方法的示例性代表。
[0146]考慮到如本文所述的己檢測到導管，可以諸如通過使用像圖9Ε中示出的遮罩區(qū)生成組成導管的與圖像中的像素相關的遮罩。在一個實施例中，在導管區(qū)域中，諸如例如與導管線垂直的線上采樣圖像強度。這些垂直線跨越從導管一側逐漸減小的造影溶液強度變化的梯度，直到達到與導管的最厚中間部分對應的低的或相對極值，然后當導管橫截面在導管邊緣處減薄時再次逐漸增加，如圖1OA和圖1OB中所示。導管區(qū)域中采樣的每條線生成強度曲線。各個強度曲線可以平均至單一曲線。該強度曲線可以顛倒，然后在組成導管區(qū)域的垂直線上疊加，以有效地從圖1lA中所示的區(qū)域去除導管。
[0147]示例性陰影去除實施例
[0148]經典的基于Hessian的過濾是預處理的一部分，并且基于圖像的Hessian的特征值。在一個實施例中，在大量離散尺度下計算Hessian，然后得到其中的最大響應。在陰影去除過程的一個實施例中，使用從I到5的尺度。尺度5可以選擇為最佳代表可用數據中的通常觀察的最大血管寬度的尺度。圖61至圖6N示出原始圖像和然后被處理以去除陰影和其它特征的實例。
[0149]應用陰影去除預處理步驟，以將原始圖像轉換為具有改進對比度的改良圖像。另夕卜，通過應用Hessian的過程改變改良圖像，從而其基本沒有可引起不同對比度的若干區(qū)域或平面的心臟和隔膜陰影的影響。去除這些陰影是期望的，因為這種區(qū)域和平面可導致不正確的血管中心線。在一個實施例中，陰影去除步驟包括應用具有濾波核的底帽算子，濾波核配置為具有比典型的血管寬度大得多的距離參數。圖6L和圖6J示出通過實施陰影去除過程改善的改良圖像。
[0150]示例性血管中心線(跡線)生成實施例
[0151]兩個錨定點(遠端和近端)標記血管中心線的終點和起點。錨定點反映在血管輪廓上，并應用Dijkstra算法以依據平滑性發(fā)現最短路徑。FMM也應用于依據強度發(fā)現最短路徑(FMM在增強的Hessian圖像上運行)。將來自FMM的結果與Dijkstra結果結合，以產生兩個錨定點之間的最佳血管中心線(跡線)。通過將與FMM結合的保角映射應用于第一生成的跡線而生成其它血管造影幀中的血管中心線。
[0152]在一個實施例中，快速行進技術或方法基于電勢處理測地距離的有效計算。在一個實施例中，當存在造影劑時，電勢可以是增強的Hessian圖像。在一個實施例中，當僅存在導絲時(即使以分段的方式在血管造影圖像上可見)，諸如當不存在造影劑時，通過基于距離變換構建函數來調節(jié)電勢?？梢酝ㄟ^在二進制圖像上應用歐幾里得距離變換由基于導絲的電勢實施用于計算將在前面?zhèn)鞑サ碾妱莺瘮档姆椒?。一旦生成距離變換，這種變換可以通過對負分數冪應用指數，乘以距離變換而進一步改進為電勢函數。圖6G中示出示例性導絲電勢。
[0153]圖5B示出與血管中心線生成有關的工藝流程170。在一個實施例中，對血管造影數據幀應用尺度為I的Hessian 170a。Hessian的該應用導致圖像中的薄脊(諸如導絲)的增強。在一個實施例中，實施導絲的自動檢測和導絲上錨定點的選擇170c。在一個實施例中，一旦檢測到導絲，具有最高LoG響應的點被識別為錨定點。接下來實施對遠端導絲錨定點到所有撤回血管造影幀的跟蹤。在單一幀中檢測近端錨定點。也在單一幀中檢測遠端錨定點。在一個實施例中，每個錨定點是通過跟蹤可以在其它幀中容易地檢測到的特征。接下來，對所有幀跟蹤錨定點，從而每個血管造影幀將具有用于血管中心線生成(跡線)的兩個端點。
[0154]在一個實施例中，選擇用戶選擇的點，諸如血管造影圖像上的導絲點170j。進而，可以對血管造影圖像應用尺度(高達約5)的Hessianl70k，以增強血管。然后，由Hessian的應用得到的改良圖像可以用于實施最近分歧錨定點的檢測1701。該檢測步驟可使用用戶選擇的點或提示點作為輸入。接下來實施錨定點的外推的檢測170m。請闡明正被檢測的是哪個錨定點。接下來，對所有撤回血管造影幀實施錨定點的跟蹤170η。
[0155]在一個實施例中，