[发明专利]基于血管图像提取主要血管区域的方法及装置

说明书

一种用于从由处理器执行的血管图像中提取主要血管区域的方法，所述方法可以包括以下步骤：从所述血管图像中提取整个血管区域(entire vessel region)；基于提取主要血管区域的机器学习模型，从所述血管图像中提取主要血管区域(major vessel region)；以及基于所述整个血管区域来连接血管被分离的部分，从而校正所述主要血管区域。

技术领域

以下描述涉及一种基于血管图像提取主要血管区域的方法及装置。

背景技术

使用导管插入支架等以治疗心脏血管、脑血管和外周血管的介入性手术已广泛普及。作为设置支架穿过导丝或导管以输送到血管中的路径的工具，为了将导丝输送到病变血管的末端，利用基于血管造影术(angiography)等医学图像的视觉信息和基于精细手感觉的触觉信息。

最近，正在开发远程机器人等以减轻手术人员的身体负担，如辐射暴露，并精确控制手术工具。尽管手术机器人已通过美国食品及药物管理局(FDA)的认证并正在商业化，但还需要进行适应新工具的研究以执行简单的小手术。如今使将导丝向后移动或以预定角度旋转导丝等的操作并不是由手术人员直接执行，而是由机器人执行，但这在小手术中的比例并不高。

发明内容

解决问题的技术方法

根据一实施例的用于从由处理器执行的血管图像中提取主要血管区域的方法可以包括以下步骤：从所述血管图像中提取整个血管区域(entire vessel region)；基于提取主要血管区域的机器学习模型，从所述血管图像中提取主要血管区域(major vesselregion)；以及基于所述整个血管区域来连接血管被分离的部分，从而校正所述主要血管区域。

根据一侧，所述机器学习模型可以是针对主要血管的预定形状进行训练的机器学习模型。具体地，所述机器学习模型可以是针对右冠状动脉(RCA，right coronaryartery)、左冠状动脉前降支(LAD，left anterior descending artery)及左冠状动脉回旋支(LCX，left circumflex artery)中的至少一个血管形状进行训练的机器学习模型。

另外，提取主要血管区域的方法还可以包括以下步骤：检测所述主要血管区域中的所述血管被分离的部分。检测所述血管被分离的部分的步骤，可以包括以下步骤：将与所述主要血管区域相对应的二进制大对象之间最短距离小于阈值距离的二进制大对象之间的区域确定为所述血管被分离的部分。

另外，校正所述主要血管区域的步骤，可以包括以下步骤：生成连接线，所述连接线连接与所述主要血管区域相对应的二进制大对象之间最短距离小于阈值距离的二进制大对象之间的区域；以及基于与所述整个血管区域中的所述连接线对应的区域来连接所述主要血管区域中所述血管被分离的部分，从而校正所述主要血管区域。具体地，校正所述主要血管区域的步骤，可以包括以下步骤：当可通过对应于所述整个血管区域中的所述连接线来连接所述血管被分离的部分的区域为多个时，基于多个区域中能够连接所述血管被分离的部分的最短距离的区域来校正所述主要血管区域。

根据一实施例的提取主要血管区域的方法可以包括以下步骤：将所述血管图像的RGB值转换为灰度级(grayscale level)；以及对转换为所述灰度级的血管图像进行归一化(normalization)。

另外，提取所述整个血管区域的步骤，可以包括以下步骤：基于从整个血管图像生成的部分血管图像来提取所述整个血管区域，并且，提取所述主要血管区域的步骤，可以包括以下步骤：基于从所述整个血管图像生成的部分血管图像来提取所述主要血管区域。

根据一实施例的校正所述主要血管区域的步骤，可以包括以下步骤：响应于用户对所述主要血管区域的定位输入，确定所述血管被分离的部分；基于邻近所述血管被分离的部分的周围主要血管区域，校正目标位置的主要血管区域。

发明的效果