由CT影像确定主动脉缩窄处压力差的装置与方法

摘要

本发明公开了一种由CT影像确定主动脉缩窄处压力差的装置和方法。本发明的装置包括：数据读取模块、二维切片模块、分割模块、三维重建模块、主动脉缩窄判别模块、特征提取模块、分类模块、结果显示模块。本发明的步骤包括：1、读取CT数据，2、对CT数据进行二维切片处理，3、分割主动脉图像，4、测量主动脉直径比，5、判别是否存在缩窄，6、从三维主动脉模型中提取特征，7、对主动脉缩窄程度进行分类，8、显示主动脉缩窄处压差值。本发明利用机器学习算法对CT影像形态学特征进行分类，可由CT影像直接得到较为准确的主动脉缩窄处压差值，提高了CT影像在主动脉缩窄诊断中的准确性。

说明书

技术领域

本发明属于电子技术领域，更进一步涉及医学影像处理、人工智能和机器学习技术领域中的一种由计算机断层扫描CT(Computed Tomography)影像确定主动脉缩窄处压力差的装置及方法。本发明针对医学临床中诊断主动脉缩窄时，需要对压力差进行量化的情形，利用确定主动脉缩窄处压力差的装置，实现了由CT影像定量得到主动脉缩窄处两端的压力差。

背景技术

主动脉缩窄是先天性心脏病中一种常见的畸形，目前临床上由CT诊断主动脉缩窄主要通过从形态学特征对主动脉缩窄严重程度进行定性估测，要想实现准确地评估主动脉缩窄严重程度，需要使用压力导丝有创地伸入病灶内部，测量前后两端的压差值，这种测量方法不但对患者有较大的损伤，临床操作难度较大，同时费用也比较昂贵。

中国科学院半导体研究所在其申请的专利文献“一种光纤心内压导丝”(公开号：CN105054916A，申请号：CN201510609653.4，申请日：2015年11月18日)中公开了一种光纤心内压导丝。该装置包括光纤和固定在光纤端面上的测压腔，实现了将导丝伸入人体内部测量压力差。该装置存在的不足是，必须将装置伸入至人体内部，有创侧压的方法对患者有一定的损伤，并且费用较为昂贵。

Matthew J.Budoff，A Shittu，S Roy，在其发表的论文“Use of cardiovascularcomputed tomography in the diagnosis and management of coarctation of theaorta”(Journal of Thoracic&Cardiovascular Surgery,2013,146(1):229-32)中描述了由CT影像评估主动脉缩窄的方法。该方法首先对病人的病灶部位进行CT扫描，并将CT影像导入至计算机的影像系统，其次，从计算机上读取CT影像上的特征，如：缩窄的比率、缩窄所在的位置等，实现对主动脉缩窄的定性评估。该方法存在的不足之处在于，无法定量地评估主动脉缩窄的程度，不能由CT影像得到主动脉缩窄处的压力差，这一判别主动脉缩窄的金标准。

苏州润心医疗科技有限公司在其申请的专利文献“基于心脏CT图像的冠状动脉血流储备分数计算方法”(公开号：CN106023202A，申请号：CN201610339892.7，申请日：2016年05月20日)中公开了一种由CT图像定量确定冠状动脉狭窄程度的方法。该方法首先提取心肌图像，对冠状动脉精确分割，然后对冠状动脉体数据做边缘检测，生成冠状动脉三角网格模型，最后实现对冠状动脉狭窄程度的定量评估。该方法存在的不足之处是，所针对的血管只是冠状动脉，冠状动脉生理结构与主动脉差距大，且冠状动脉狭窄往往由于血栓等堵塞而形成，而主动脉缩窄是由于血管生理结构的改变，上述方法不适合用来评估主动脉缩窄。

综上所述，现有的方法只能由CT影像对主动脉缩窄情况进行粗略的估计，若要得到主动脉缩窄处两端的压力差只能采取有创测量的方法，对患者的损伤较大，并且费用较为昂贵。

发明内容

本发明的目的是针对医学临床中诊断主动脉缩窄时，需要对压力差进行量化的情形，提供了一种由CT影像直接得到缩窄处压力差的装置和方法，可无创、定量、快速地根据CT影像评估主动脉缩窄的严重程度，为医生的诊断和治疗提供了有力的辅助，并可降低病人的治疗成本。

实现本发明目的的思路是，分割出先心病患者术前CT图像中的主动脉血管，并将其进行三维可视化重建，对重建得到的模型进行主动脉缩窄判定，对判定为缩窄的数据进一步提取特征，并使用机器学习的方法将特征映射到具体的压差值范围内，得到主动脉缩窄处的压差值，为临床医生提供参考。

为实现上述目的，本发明的装置包括数据读取模块、二维切片模块、分割模块、三维重建模块、主动脉缩窄判别模块、特征提取模块、分类模块、结果显示模块，其中：

所述的数据读取模块，用于读入格式为.dcm或.raw的原始胸部CT数据；

所述的二维切片模块，用于将读入的原始胸部CT数据分别映射为不同灰度值像素点的二维切片图像矩阵；

所述的分割模块，用于从二维切片图像矩阵中选择包含降主动脉末端的切片图像矩阵，选择包含降主动脉末端的切片图像矩阵，以所选的切片图像矩阵的中心点为中心，生成n*n厘米的正方形框，n的大小介于图像矩阵长度的五分之一到四分之一之间；利用S[i,j]＝I[p,q]×G[0.25]公式，计算平滑后图像各像素点坐标处的灰度值，去除二维切片图像噪声，利用医学图像软件，提取正方形框内的降主动脉末端血管边缘，得到血管壁边缘图像；将血管壁边缘图像所包围的所有内部点的灰度值置为255，组成一个血管内部区域图像，利用公式，计算血管内部区域图像的质心；载入已标记血管区域切片图像矩阵之外的最下层切片图像矩阵，在切片图像矩阵上确定一个种子点元素，该种子点元素的横坐标与上层切片图像矩阵血管内部区域的质心横坐标相等，纵坐标与上层切片图像矩阵血管内部区域的质心纵坐标相等，以血管壁图像的边缘为界限，以种子点元素坐标确定种子点进行8邻域自适应区域生长，得到切片图像矩阵上的主动脉管内区域图像；其中，S[i,j]表示平滑后图像中位于[i,j]处的像素点的灰度值，I[p,q]表示二维切片图像中位于[p,q]处的像素点的灰度值，G[0.25]表示标准差为0.25的高斯函数，M表示血管内部区域图像的质心点，∫表示积分操作，f(x,y)表示血管内部区域图像像素点(x,y)处的灰度值；

所述的三维重建模块，用于将切片图像矩阵上的主动脉管内区域图像导入到三维重建软件中进行三维体绘制，得到绘制后的三维主动脉模型；

所述的主动脉缩窄判别模块，用于在三维主动脉模型中，每间隔1mm测量一次主动脉直径，分别将相邻的两次测量的主动脉直径做比，并将比值结果存入直径比统计表中，若直径比统计表中的值均大于0.8，则存在缩窄，否则，不存在缩窄；

所述的特征提取模块，用于将三维主动脉模型导入医学图像处理软件，将软件计算得到的主动脉血管的最大梯度dmax值作为特征1的值；将主动脉缩窄位于升主动脉位置时的标识赋值为0，将主动脉缩窄位于降主动脉位置时的标识赋值为‐1，将主动脉缩窄位于主动脉弓位置时的标识赋值为1，将赋值后的标识作为特征2的值；将三维主动脉模型导入医学图像处理软件，将软件测量得到的主动脉血管的最缩窄处直径作为特征3的值；将三维主动脉模型导入医学图像处理软件，将软件测量并计算得到的最缩窄处直径与降主动脉直径的比值作为特征4的值；利用R1＝πR²/(SQRT((H×W)/3600)公式，计算主动脉缩窄面积比，将计算结果作为特征5的值；利用R2＝D/SQRT(SQRT((H×W)/3600)公式，计算主动脉缩窄比率，将计算结果作为特征6的值；其中，R1表示主动脉图像的缩窄面积比，π表示圆周率，R表示主动脉图像最缩窄处半径，/表示除法操作，SQRT表示开方操作，H表示患者身高，W表示患者体重，R2表示主动脉图像的缩窄比率，D表示主动脉图像中最缩窄处直径；

所述的分类模块，用于将6个特征值输入到主缩压差模型中，主缩压差模型输出与6个特征值相对应的主动脉缩窄处的压差值；

所述的结果显示模块，用于显示主缩压差模型得到的主动脉缩窄处压差值。

本发明的方法包括如下步骤：

(1)读取CT数据：

数据读取模块读入格式为.dcm或.raw的原始胸部CT数据；

(2)对CT数据进行二维切片处理：

二维切片模块将读入的原始胸部CT数据，分别映射为不同灰度值像素点的二维切片图像矩阵；

(3)分割主动脉图像：

(3a)分割模块从二维切片图像矩阵中，选择包含降主动脉末端的切片图像矩阵，以所选的切片图像矩阵的中心点为中心，生成n*n厘米的正方形框，n的大小介于图像矩阵长度的五分之一到四分之一之间；

(3b)利用高斯平滑公式，计算平滑后图像各像素点坐标处的灰度值，去除二维切片图像噪声，利用医学图像软件，提取正方形框内的降主动脉末端血管边缘，得到血管壁边缘图像；

(3c)将血管壁边缘图像所包围的所有内部点的灰度值置为255，组成一个血管内部区域图像，利用Image Moments公式，计算血管内部区域图像的质心；

(3d)载入已标记血管区域切片图像矩阵之外的最下层切片图像矩阵，利用主动脉切片图像分割方法，得到切片图像矩阵上的主动脉管内区域图像；

(3e)判断是否已载入所有切片图像矩阵，若是，则执行步骤(4)，否则，执行步骤(3d)；

(4)测量主动脉直径比：

(4a)三维重建模块将切片图像矩阵上的主动脉管内区域图像，导入到三维重建软件中进行三维体绘制，得到绘制后的三维主动脉模型；

(4b)在三维主动脉模型中，每间隔1mm测量一次主动脉直径；

(4c)分别将相邻的两次测量的主动脉直径做比，并将比值结果存入直径比统计表中；

(5)主动脉缩窄判别模块判断直径比统计表中是否存在小于0.8的值，若是，则执行步骤(6)，否则，执行步骤(7)；

(6)从三维主动脉模型中提取特征：

(6a)特征提取模块将三维主动脉模型，导入医学图像处理软件，将软件计算得到的主动脉血管的最大梯度dmax值作为特征1的值；

(6b)将主动脉缩窄位于升主动脉位置时的标识赋值为0，将主动脉缩窄位于降主动脉位置时的标识赋值为-1，将主动脉缩窄位于主动脉弓位置时的标识赋值为1，将赋值后的标识作为特征2的值；

(6c)将三维主动脉模型导入医学图像处理软件，将软件测量得到的主动脉血管的最缩窄处直径作为特征3的值；

(6d)将三维主动脉模型导入医学图像处理软件，将软件测量并计算得到的最缩窄处直径与降主动脉直径的比值作为特征4的值；

(6e)利用缩窄面积比公式，计算主动脉图像主动脉缩窄面积比，将计算结果作为特征5的值；

(6f)利用缩窄比率公式，计算主动脉图像缩窄比率，将计算结果作为特征6的值；

(7)对主动脉缩窄程度进行分类：

(7a)分类模块将6个特征值输入到主缩压差模型中；

(7b)主缩压差模型输出与6个特征值相对应的主动脉缩窄处的压差值；

(8)结果显示模块显示主缩压差模型得到的主动脉缩窄处压差值。

本发明与现有的技术相比具有以下优点：

第一，由于本发明的装置采用CT图像分割模块、CT图像特征提取模块、CT图像分类模块，实现CT影像直接得到较为准确的主动脉缩窄处压差值，克服了现有技术导丝测压法对患者损伤大，临床操作难度大，费用比较昂贵的不足，使得本发明可以无创、快速地测量压差，降低了临床操作难度，节省了诊断成本。

第二，由于本发明的方法采用分割原始胸部CT数据中的主动脉、从三维主动脉模型中提取特征、对主动脉缩窄程度进行分类，实现提取CT影像特征，得到较为准确的主动脉缩窄处压差值，克服了现有技术仅能从CT形态学特征对主动脉缩窄严重程度进行定性估测，无法定量评估的不足，使得本发明大大提高了CT影像对于诊断主动脉缩窄的准确性。

附图说明

图1是本发明装置的方框图；

图2是本发明方法的流程图；

图3是本发明方法中分割主动脉图像的流程图；

图4是本发明方法中分割切片图像矩阵结果图，其中黑线标识区域图像为分割后得到的主动脉管内区域图像；

图5是本发明方法中分割后切片的三维重建，得到的绘制后三维主动脉模型。

具体实施方式

下面结合附图对本发明做详细描述。

参照附图1，对本发明的装置进行清楚、完整地描述。

本发明的装置包括数据读取模块、二维切片模块、分割模块、三维重建模块、主动脉缩窄判别模块、特征提取模块、分类模块、结果显示模块。

数据读取模块，用于读入格式为.dcm或.raw的原始胸部CT数据。

二维切片模块，用于将读入的原始胸部CT数据分别映射为不同灰度值像素点的二维切片图像矩阵。

分割模块，用于从二维切片图像矩阵中选择包含降主动脉末端的切片图像矩阵，选择包含降主动脉末端的切片图像矩阵，以所选的切片图像矩阵的中心点为中心，生成n*n厘米的正方形框，n的大小介于图像矩阵长度的五分之一到四分之一之间；利用S[i,j]＝I[p,q]×G[0.25]公式，计算平滑后图像各像素点坐标处的灰度值，去除二维切片图像噪声，利用医学图像软件，提取正方形框内的降主动脉末端血管边缘，得到血管壁边缘图像；将血管壁边缘图像所包围的所有内部点的灰度值置为255，组成一个血管内部区域图像，利用公式，计算血管内部区域图像的质心；载入已标记血管区域切片图像矩阵之外的最下层切片图像矩阵，在切片图像矩阵上确定一个种子点元素，该种子点元素的横坐标与上层切片图像矩阵血管内部区域的质心横坐标相等，纵坐标与上层切片图像矩阵血管内部区域的质心纵坐标相等，以血管壁图像的边缘为界限，以种子点元素坐标确定种子点进行8邻域自适应区域生长，得到切片图像矩阵上的主动脉管内区域图像；其中，S[i,j]表示平滑后图像中位于[i,j]处的像素点的灰度值，I[p,q]表示二维切片图像中位于[p,q]处的像素点的灰度值，G[0.25]表示标准差为0.25的高斯函数，M表示血管内部区域图像的质心点，∫表示积分操作，f(x,y)表示血管内部区域图像像素点(x,y)处的灰度值。

三维重建模块，用于将切片图像矩阵上的主动脉管内区域图像导入到三维重建软件中进行三维体绘制，得到绘制后的三维主动脉模型。

主动脉缩窄判别模块，用于在三维主动脉模型中，每间隔1mm测量一次主动脉直径，分别将相邻的两次测量的主动脉直径做比，并将比值结果存入直径比统计表中，若直径比统计表中的值均大于0.8，则存在缩窄，否则，不存在缩窄。

特征提取模块，用于将三维主动脉模型导入医学图像处理软件，将软件计算得到的主动脉血管的最大梯度dmax值作为特征1的值；将主动脉缩窄位于升主动脉位置时的标识赋值为0，将主动脉缩窄位于降主动脉位置时的标识赋值为‐1，将主动脉缩窄位于主动脉弓位置时的标识赋值为1，将赋值后的标识作为特征2的值；将三维主动脉模型导入医学图像处理软件，将软件测量得到的主动脉血管的最缩窄处直径作为特征3的值；将三维主动脉模型导入医学图像处理软件，将软件测量并计算得到的最缩窄处直径与降主动脉直径的比值作为特征4的值；利用R1＝πR²/(SQRT((H×W)/3600)公式，计算主动脉缩窄面积比，将计算结果作为特征5的值；利用R2＝D/SQRT(SQRT((H×W)/3600)公式，计算主动脉缩窄比率，将计算结果作为特征6的值；其中，R1表示主动脉图像的缩窄面积比，π表示圆周率，R表示主动脉图像最缩窄处半径，/表示除法操作，SQRT表示开方操作，H表示患者身高，W表示患者体重，R2表示主动脉图像的缩窄比率，D表示主动脉图像中最缩窄处直径。

分类模块，用于将6个特征值输入到主缩压差模型中，主缩压差模型输出与6个特征值相对应的主动脉缩窄处的压差值。

结果显示模块，用于显示主缩压差模型得到的主动脉缩窄处压差值。

参照附图2对本发明的方法做进一步的详细描述。

步骤1，读取CT影像。

数据读取模块读入格式为.dcm或.raw的原始胸部CT数据。

步骤2，对CT数据进行二维切片处理。

二维切片模块将读入的原始胸部CT数据分别映射为不同灰度值像素点的二维切片图像矩阵，采用3DMed软件将原始胸部CT数据根据灰度值映射为二维切片图像矩阵。

步骤3，分割主动脉图像。

第一步，分割模块从二维切片图像矩阵中，选择包含降主动脉末端的切片图像矩阵，以所选的切片图像矩阵的中心点为中心，生成n*n厘米的正方形框，n的大小介于图像矩阵长度的五分之一到四分之一之间。

第二步，利用高斯平滑公式，计算平滑后图像各像素点坐标处的灰度值，去除二维切片图像噪声，利用医学图像软件，提取正方形框内的降主动脉末端血管边缘，得到血管壁边缘图像。

所述的高斯平滑公式如下：

S[i,j]＝I[p,q]×G[0.25]

其中，S[i,j]表示平滑后图像中位于[i,j]处的像素点的灰度值，I[p,q]表示二维切片图像中位于[p,q]处的像素点的灰度值，G[0.25]表示标准差为0.25的高斯函数。

第三步，将血管壁边缘图像所包围的所有内部点的灰度值置为255，组成一个血管内部区域图像，利用Image Moments公式，计算血管内部区域图像的质心。

所述的Image Moments公式如下：

其中，M表示血管内部区域图像的质心点，∫表示积分操作，f(x,y)表示血管内部区域图像像素点(x,y)处的灰度值。

第四步，载入已标记血管区域切片图像矩阵之外的最下层切片图像矩阵，在载入的切片图像矩阵上确定一个种子点元素，其横坐标与上层切片图像矩阵血管内部区域的质心横坐标相等，纵坐标与上层切片图像矩阵血管内部区域的质心纵坐标相等，以第三步得到的血管壁图像的边缘为界限，以种子点元素坐标确定种子点进行8邻域自适应区域生长，得到切片图像矩阵上的主动脉管内区域图像。

第五步，判断是否已载入所有切片图像矩阵，若是，则执行步骤4，否则，执行第四步。

步骤4，测量主动脉直径比。

三维重建模块将切片图像矩阵上的主动脉管内区域图像，导入到三维重建软件中进行三维体绘制，得到绘制后的三维主动脉模型。

在三维主动脉模型中，每间隔1mm测量一次主动脉直径。

分别将相邻的两次测量的主动脉直径做比，并将比值结果存入直径比统计表中。

步骤5，主动脉缩窄判别模块，判断直径比统计表中是否存在小于0.8的值，若是，则执行步骤(6)，否则，执行步骤(7)。

步骤6，从三维主动脉模型中提取特征。

特征提取模块将三维主动脉模型导入医学图像处理软件，将软件计算得到的主动脉血管的最大梯度dmax值作为特征1的值。

将主动脉缩窄位于升主动脉位置时的标识赋值为0，将主动脉缩窄位于降主动脉位置时的标识赋值为‐1，将主动脉缩窄位于主动脉弓位置时的标识赋值为1，将赋值后的标识作为特征2的值。

将三维主动脉模型导入医学图像处理软件，将软件测量得到的主动脉血管的最缩窄处直径作为特征3的值。

将三维主动脉模型导入医学图像处理软件，将软件测量并计算得到的最缩窄处直径与降主动脉直径的比值作为特征4的值。

利用缩窄面积比公式，计算主动脉图像主动脉缩窄面积比，将计算结果作为特征5的值。

所述的缩窄面积比公式如下：

R1＝πR²/(SQRT((H×W)/3600)

其中，R1表示主动脉图像的缩窄面积比，π表示圆周率，R表示主动脉图像最缩窄处半径，/表示除法操作，SQRT表示开方操作，H表示患者身高，W表示患者体重。

利用缩窄比率公式，计算主动脉图像缩窄比率，将计算结果作为特征6的值。

所述的缩窄比率公式如下：

R2＝D/SQRT(SQRT((H×W)/3600)

其中，R2表示主动脉图像的缩窄比率，D表示主动脉图像中最缩窄处直径。

步骤7，对主动脉缩窄程度进行分类：

从医院数据库中采集500例主动脉缩窄患者的病例数据组成训练集，每例病例数据包含患者的CT影像，身长，体重，主动脉缩窄处压差四种数据。

使用步骤6中的方法，定量计算患者的六个特征。

根据患者主动脉缩窄处的压差确定该训练数据的标签label值，具体为，压差从0-5mmHg、6-10mmHg、10-15mmHg…95-100mmHg，标签label值分别为1、2、3…20。

将所有病例的特征及相应的label值作为训练集，输入到分类器中，所有500例数据导入完毕后，运行分类器得到分类模型model。

选取100例病例作为测试集，提取每一例测试病人的六个特征，输入到分类器的model模型进行分类，将得到的结果与该病例实际的压差进行比较，统计分类的准确率，准确率在80％以上则表明该模型具有很好的可用性。

分类模块将6个特征值输入到主缩压差模型中。

主缩压差模型输出与6个特征值相对应的主动脉缩窄处的压差值，具体是根据主缩压差模型的输出分类结果确定具体的压差值，输出结果为0表示该患者主动脉缩窄压差为0‐5mmHg，输出为1则表示该患者主动脉缩窄压差为5–10mmHg，以此类推，输出为20表示患者的主动脉缩窄压差为95–100mmHg。

步骤8，结果显示模块显示主缩压差模型得到的主动脉缩窄处压差值。