一种血管识别方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种血管识别方法、装置、存储介质及电子设备。其中方法包括：获取基于血管识别模型输出的各类型血管的识别结果；对于所述识别结果中的任一类型血管，确定当前类型血管的各个连通域；确定各所述连通域中的血管中心点，并存储所述血管中心点；基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域；基于所述血管中心点对所述生长区域进行验证，将验证成功的生长区域确定为所述当前类型血管。通过在血管识别模型输出识别结果之后，确定识别结果中的各类型血管的连通域，对各类型血管的连通域进行区域生长，以保证同一类型血管的连通域的连续性。基于已存储的血管中心点对生长得到的生长区域进行验证，提高血管修正的正确性。

【技术实现步骤摘要】
一种血管识别方法、装置、存储介质及电子设备
本专利技术实施例涉及图像处理技术，尤其涉及一种血管识别方法、装置、存储介质及电子设备。
技术介绍
近年来，深度学习在很多领域都取得了非常好的效果，从图像分类、语音识别到自然语言处理等，目前，深度学习已应用到医学图像的处理领域，例如识别医学影像中的血管以及血管类型。但是在实现本专利技术的过程中，专利技术人发现现有技术中至少存在以下技术问题：在使用深度神经网络分割动静脉时，往往会存在因分类错误导致的血管不连续，动静脉混乱等的问题。
技术实现思路
本专利技术实施例提供一种血管识别方法、装置、存储介质及电子设备，以实现提高血管识别精度。第一方面，本专利技术实施例提供了一种血管识别方法，包括：获取基于血管识别模型输出的各类型血管的识别结果；对于所述识别结果中的任一类型血管，确定当前类型血管的各个连通域；确定各所述连通域中的血管中心点，并存储所述血管中心点；基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域；基于所述血管中心点对所述生长区域进行验证，将验证成功的生长区域确定为所述当前类型血管。第二方面，本专利技术实施例还提供了一种血管识别方法，包括：识别结果获取模块，用于获取基于血管识别模型输出的各类型血管的识别结果；连通域确定模块，用于对于所述识别结果中的任一类型血管，确定当前类型血管的各个连通域；血管中心点确定模块，用于确定各所述连通域中的血管中心点，并存储所述血管中心点；生长区域确定模块，用于基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域；当前类型血管确定模块，用于基于所述血管中心点对所述生长区域进行验证，将验证成功的生长区域确定为所述当前类型血管。第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术任一实施例提供的血管识别方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例提供的血管识别方法。本专利技术实施例提供的技术方案，通过在血管识别模型输出识别结果之后，确定识别结果中的各类型血管的连通域，对各类型血管的连通域进行区域生长，以保证同一类型血管的连通域的连续性。进一步的通过确定并存储各连通域的血管中心点，基于已存储的血管中心点对生长得到的生长区域进行验证，剔除验证失败的生长区域，提高生长区域的正确性，进一步的提高血管修正的正确性。附图说明图1是本专利技术中实施例提供的血管识别模型输出识别结果的示意图；图2是本专利技术实施例提供的血管识别结果的局部示意图；图3为本专利技术实施例提供的一种血管识别方法的流程示意图；图4是本专利技术实施例提供的一种血管识别方法的流程示意图；图5是本专利技术实施例提供的一种血管识别装置的结构示意图图6为本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。本实施例中，对目标对象采集医学数据，基于预先设置的血管识别模型对采集的医学数据进行血管识别，得到血管识别结果，该血管识别结果中包括识别出的血管以及血管的类型。其中，目标对象可以是人体或者动物体等，还可以是人体或者动物体的局部，例如可以是但不限于肺部、头部等。对目标对象采集的医学数据可以是但不限于血管造影数据。预先设置的血管识别模型可以是深度神经网络模型，例如CNN(ConvolutionalNeuralNetwork，卷积神经网络)、DNN(DeepNeuralNetworks，深度神经网络)、VGG(VisualGeometryGroup)模型等，本实施例中，不限定血管识别模型的具体结构，具有血管识别功能的机器学习模型即可。该预先设置的血管识别模型可以是通过样本血管造影数据和该样本血管造影数据对应的血管标签训练得到的。预先设置的血管识别模型用于识别血管造影数据中的血管以及血管类型，其中，血管类型包括动脉血管和静脉血管。该血管识别模型的输出的识别结果可以是对各类型的血管进行标记，或者区别显示。示例性的，以肺部为例，参见图1，图1是本专利技术中实施例提供的血管识别模型输出识别结果的示意图。图1中对肺部不同类型的血管通过颜色进行区别显示，例如红色标识动脉血管，绿色标识静脉血管。在其他实施例中，还可以是对识别结果通过其他方式进行标记，对此不作限定。由于血管识别模型的精度问题，导致识别结果中存在分类错误，导致图1中存在血管不连续，以及出现串色的情况。示例性的，参见图2，图2是本专利技术实施例提供的血管识别结果的局部示意图。目前的血管识别模型无法保证血管识别的无误差，对于识别结果中血管不连续，以及不同类型血管混乱的情况，通常是通过人工识别，人工修改的方式进行修正，导致时间成功和人工成本的浪费，同时人工修改存在修改遗漏的问题。针对上述技术问题，本实施例提供了一种血管识别方法，图3为本专利技术实施例提供的一种血管识别方法的流程示意图，本实施例可适用于对深度学习模型输出的血管识别结果进行进一步识别的情况，该方法可以由本专利技术实施例提供的血管识别装置来执行，该血管识别装置可以由软件和/或硬件来实现，该血管识别装置可以配置在诸如计算机等的电子设备上，具体包括如下步骤：S110、获取基于血管识别模型输出的各类型血管的识别结果。S120、对于所述识别结果中的任一类型血管，确定当前类型血管的各个连通域。S130、确定各所述连通域中的血管中心点，并存储所述血管中心点。S140、基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域。S150、基于所述血管中心点对所述生长区域进行验证，将验证成功的生长区域确定为所述当前类型血管。获取血管识别模型输出的类型血管的识别结果，不限定识别结果的展示形式，例如可以是三维图像的形式，该三维图像中包括不同颜色标记的不同类型血管，例如还可以是数据列表的形式，该数据列表中包括各像素点对应的标签，不同标签用于标记不同类型血管，本实施例中，可以是对数据列表的形式的识别结果构建三维模型，便于对识别结果的进一步识别和处理。本实施例中，对血管识别模型输出的识别结果进一步处理，对识别结果中各类型血管进行校正和修改，实现对血管识别模型输出识别结果的自动校正，提高血管识别模型输出识别结果的校正效率和准确性。血管识别结果中包括不同类型血管的识别结果，其中，不同类型血管可以是静脉血管和动脉血管。本实施例中，对于任一类型血管进行相同的处理方式，可选的，可以是对识别结果中不同类型血管进行同步处理，以提高识别结果的处理效率。对于任一类型血管，对同一类型血管的识别结果进行连通域的划本文档来自技高网...

【技术保护点】
1.一种血管识别方法，其特征在于，包括：/n获取基于血管识别模型输出的各类型血管的识别结果；/n对于所述识别结果中的任一类型血管，确定当前类型血管的各个连通域；/n确定各所述连通域中的血管中心点，并存储所述血管中心点；/n基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域；/n基于所述血管中心点对所述生长区域进行验证，将验证成功的生长区域确定为所述当前类型血管。/n

【技术特征摘要】
1.一种血管识别方法，其特征在于，包括：
获取基于血管识别模型输出的各类型血管的识别结果；
对于所述识别结果中的任一类型血管，确定当前类型血管的各个连通域；
确定各所述连通域中的血管中心点，并存储所述血管中心点；
基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域；
基于所述血管中心点对所述生长区域进行验证，将验证成功的生长区域确定为所述当前类型血管。


2.根据权利要求1所述的方法，其特征在于，所述确定各所述连通域中的血管中心点，包括：
若所述连通域为独立连通域，则基于所述连通域的轮廓点和血管参数确定血管中心点；
若所述连通域为非独立连通域，则对接触连通域的接触区域进行腐蚀处理，得到接触点，基于所述接触点和所述血管参数确定血管中心点。


3.根据权利要求2所述的方法，其特征在于，所述对接触连通域的接触区域进行腐蚀处理，得到接触点，包括：
对于所述接触区域的像素点迭代进行轮廓点剔除，将得到的腐蚀后接触区域的中心点确定为所述接触点。


4.根据权利要求1所述的方法，其特征在于，所述基于各所述连通域对所述当前类型血管进行区域生长，得到生长区域，包括：
将最大连通域以外的连通域确定为种子区域，对所述种子区域进行区域生长，直到所述种子区域与所述最大连通域或任一生长区域相交。


5.根据权利要求1所述的方法，其特征在于，所述基于所述血管中心点对所述生长区域进行验证，包括：
确定已存储的血管中心点与各生长区域相交点的连线，其中，所述连线包括所述已存储的血管中心点与各生长区域相交点的直线，以及所述已存储的血管中心点与各生长区域相交点沿所...

【专利技术属性】
技术研发人员：单亚峰，刘恩佑，张欢，王瑜，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：北京;11