[发明专利]导丝尖端跟踪方法及系统

说明书

本发明公开了一种导丝尖端跟踪方法及系统。本方法通过获取初始帧图像并利用特征提取方法FE得到特征簇再实时获取当前帧图像，对特征簇进行迭代处理，在迭代处理中，利用多边形掩膜结合特征提取方法FE的方式，得到特征簇再利用分支i的特征簇的所有历史信息来判断得到唯一的导丝特征，得到导丝特征后，还对导丝特征处理，以得到用于表示导丝尖端轨迹的连续点集。本发明的导丝尖端跟踪方法及系统，能够提高实时性和准确性。

技术领域

本发明涉及X射线透视技术领域，特别涉及一种导丝尖端跟踪方法及系统。

背景技术

随着计算机辅助干预技术的迅速发展，很多相关的机器人介入系统被提出。例如心血管机器人介入系统。心血管机器人介入系统中的关键步骤是实现导丝尖端的跟踪和分割。导丝尖端跟踪和分割可以用于在线分析采集到的X射线图像，从而给机器人介入系统提供导丝的视觉反馈，减少人为的干预并为半自动或全自动机器人介入系统的发展奠定基础。

传统的导丝跟踪和分割方法主要是基于曲线拟合，这些方法利用导丝尖端的自然弯曲特性来检测导丝尖端。但是这种方法在复杂的背景下通常得不到理想的分割结果。目前，随着深度学习和机器学习技术的快速发展，许多基于深度学习的方法被提出。基于深度学习的方法使用学习好的探测器提取导线或者利用循环神经网络来解决导丝的跟踪和分割问题。尽管已经有些相关模型被提出，但是导丝尖端的跟踪和分割模型的实时性和准确度仍然有很大的改进空间。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种导丝尖端跟踪方法，能够提高实时性和准确度。

本发明还提出一种导丝尖端跟踪系统。

根据本发明第一方面实施例的导丝尖端跟踪方法，包括以下步骤：获取初始帧图像，并利用特征提取方法FE生成特征簇其中i为序号，t为时刻；对所述特征簇进行迭代处理，以获得唯一的导丝特征；对所述导丝特征处理得到用于表示导丝尖端轨迹的连续点集；其中，所述迭代处理包括以下步骤：利用特征提取方法P-FE生成特征簇根据分支i的所述特征簇的所有历史信息，判断所述分支i的所述特征簇是否为唯一的所述导丝特征；所述特征提取方法P-FE包括以下步骤：获取特征簇并对所述特征簇进行预处理，以得到多边形掩膜；获取当前帧图像，并利用所述多边形掩膜从所述当前帧图像中提取多边形图像；根据所述多边形图像，并利用所述特征提取方法FE生成特征簇

根据本发明实施例的导丝尖端跟踪方法，至少具有如下有益效果：本方法通过获取初始帧图像并利用特征提取方法FE得到特征簇再实时获取当前帧图像，对特征簇进行迭代处理，以得到唯一的导丝特征，有利于提高实时性。在迭代处理中，利用多边形掩膜结合特征提取方法FE的方式，得到特征簇再利用分支i的特征簇的所有历史信息来判断得到唯一的导丝特征，有利于提高准确性；得到导丝特征后，还对导丝特征处理，以得到用于表示导丝尖端轨迹的连续点集，以便于实时跟踪导丝尖端，有利于提高实时性。

根据本发明的一些实施例，所述特征提取方法FE，包括以下步骤：获取输入图像，并利用神经网络模型生成二值分割图像；根据所述二值分割图像，利用邻域生长聚类方法生成特征簇。

根据本发明的一些实施例，所述神经网络模型采用Unet模型。

根据本发明的一些实施例，所述对所述特征簇进行预处理，以得到多边形掩膜，包括以下步骤：根据预设的计算公式计算得到所述多边形掩膜；其中，所述计算公式是：表示多边形掩膜，f(·)表示图像形态学操作方法中的膨胀操作，MFD表示最大前向移动距离，MBD表示最大后向移动距离，MAmp表示导丝的最大振幅。

根据本发明的一些实施例，所述根据所述多边形图像，并利用所述特征提取方法生成特征簇包括以下步骤：根据所述多边形图像，利用所述特征提取方法FE生成多个细粒度簇；利用细粒度去噪合并方法，将多个所述细粒度簇合并为所述特征簇