本发明专利技术公开了一种血管的分割方法、装置及计算机可读介质，属于图像处理技术领域。该方法包括：将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取，得到血管特征图；对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。由此，能够避免血管分割结果出现血管断裂和/或静脉血管粘连等问题，提高了血管分割的准确性，解决了现有技术中存在的血管图像远距离依赖问题。赖问题。赖问题。
【技术实现步骤摘要】
一种血管分割的方法、装置及计算机可读介质
[0001]本专利技术涉及图像处理
，尤其涉及一种血管分割的方法、装置及计算机可读介质。
技术介绍
[0002]目前，血管造影技术已经被广泛应用于临床的诊断和治疗中，血管分割算法可实现自动化的血管重建(比如头颈部血管、冠脉等)，这在减轻技师工作压力的同时，大幅度提高了医院的运行效率。在实际场景中，一些外部因素(比如伪影、噪声、拍摄技术等)会影响血管成像的质量，从局部范围内难以区分动脉血管和静脉血管。
[0003]现有技术中，冠脉血管分割算法通常是基于UNet结构直接预测冠脉血管的分割，然而该方法存在的缺陷在于：无法基于冠脉血管的远距离依赖进行建模，从而导致血管分割结果出现血管断裂和/或静脉血管粘连等问题。
[0004]为此，急需要提供一种新的血管分割模型对血管进行准确分割。
技术实现思路
[0005]为了解决上述现有技术存在的问题，本专利技术实施例提供一种血管的分割方法、装置及计算机可读介质，能够对血管进行准确分割，解决了现有技术中存在的血管图像远距离依赖问题。
[0006]为实现上述目的，根据本专利技术实施例第一方面，提供一种血管的分割方法，该方法包括：将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取，得到血管特征图；对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。
[0007]可选的，对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量，包括：利用标签掩膜图对所述血管特征图进行特征点索引，得到血管掩膜图；所述标签掩膜图用于指示对血管进行特征点标注的图像；对所述血管掩膜图中所有特征点进行特征提取，得到血管特征向量；对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量；其中，所述位置注意力权重用于指示任意两个特征点之间的位置关联度；对所述血管特征向量施加语义注意力权重，得到血管的语义特征向量；其中，所述语义注意力权重用于指示任意两个特征点之间的语义关联度。
[0008]可选的，所述对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量，包括：从所述血管掩膜图中获取所有特征点的坐标；针对任一所述特征点：根据所述特征点与该特征点以外任一特征点之间的空间距离，确定所述特征点的位置注意力权重；对每个所述特征点的特征施加对应的位置注意力权重，得到血管的位置特征向量。
[0009]可选的，所述对所述血管特征向量施加语义注意力权重，得到血管的语义特征向
量，包括：对所述血管特征向量进行转置处理，得到血管特征向量的转置矩阵；基于所述血管特征向量以及所述转置矩阵之间的内积，确定血管的语义注意力权重；对所述血管特征向量施加所述语义注意力权重，得到血管的语义特征向量。
[0010]可选的，所述基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型，包括：将所述位置特征向量和所述语义特征向量进行融合处理，得到融合特征；利用所述融合特征进行模型训练，得到血管分割模型。
[0011]可选的，一种血管的分割方法还包括：获取原始血管CT图像；对所述原始CT图像进行数据扩增处理，得到多个训练样本。
[0012]为实现上述目的，根据本专利技术实施例第二方面，还提供一种血管的分割装置，该装置包括：特征提取模块，用于将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取，得到血管特征图；双重注意力模块，用于对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；训练模块，用于基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；预测模块，用于利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。
[0013]可选的，所述双重注意力模块包括：索引单元，用于利用标签掩膜图对所述血管特征图进行特征点索引，得到血管掩膜图；所述标签掩膜图用于指示对血管进行特征点标注的图像；特征点提取单元，用于对所述血管掩膜图中所有特征点进行特征提取，得到血管特征向量；位置特征向量单元，用于对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量；其中，所述位置注意力权重用于指示任意两个特征点之间的位置关联度；语义特征向量单元，用于对所述血管特征向量施加语义注意力权重，得到血管的语义特征向量；其中，所述语义注意力权重用于指示任意两个特征点之间的语义关联度。
[0014]可选的，所述位置特征向量单元包括：获取子单元，用于从所述血管掩膜图中获取所有特征点的坐标；确定子单元，用于针对任一所述特征点：根据所述特征点与该特征点以外任一特征点之间的空间距离，确定所述特征点的位置注意力权重；加权子单元，用于对每个所述特征点的特征施加对应的位置注意力权重，得到血管的位置特征向量。
[0015]为实现上述目的，根据本专利技术实施例第三方面，还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述的方法。
[0016]与现有技术相比，本专利技术实施例提供一种血管的分割方法、装置及计算机可读介质，该方法首先将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取；并对提取获得的血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；之后基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；由此提高了血管分割模型的感受野和信息传递的效率；最后利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。由此，能够避免血管分割结果出现血管断裂和/或静脉血管粘连等问题，提高了血管分割的准确性，解决了现有技术中存在的血管图像远距离依赖问题。
[0017]理解的是，本专利技术的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本专利技术的其他实施方式还能够实现上面未提到的有益效果。
附图说明
[0018]附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中在附图中，相同或对应的标号表示相同或对应的部分。
[0019]图1为本专利技术一实施例血管的分割方法的示意性流程图；
[0020]图2为本专利技术另一实施例确定血管的位置特征向量和语义特征向量的示意性流程图；
[0021]图3为本专利技术再一实施例中确定血管的位置特征向量的示意性流程图；
[0022]图4为本专利技术又一实施例中确定血管的语义特征向量的示意性流程图；
[0023]图5为本专利技术一实施例血管的分割装置的示意性结构图。
具体实施方式
[0024]以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种血管的分割方法，其特征在于，包括：将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取，得到血管特征图；对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。2.根据权利要求1所述的方法，其特征在于，对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量，包括：利用标签掩膜图对所述血管特征图进行特征点索引，得到血管掩膜图；所述标签掩膜图用于指示对血管进行特征点标注的图像；对所述血管掩膜图中所有特征点进行特征提取，得到血管特征向量；对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量；其中，所述位置注意力权重用于指示任意两个特征点之间的位置关联度；对所述血管特征向量施加语义注意力权重，得到血管的语义特征向量；其中，所述语义注意力权重用于指示任意两个特征点之间的语义关联度。3.根据权利要求2所述的方法，其特征在于，所述对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量，包括：从所述血管掩膜图中获取所有特征点的坐标；针对任一所述特征点：根据所述特征点与该特征点以外任一特征点之间的空间距离，确定所述特征点的位置注意力权重；对每个所述特征点的特征施加对应的位置注意力权重，得到血管的位置特征向量。4.根据权利要求2所述的方法，其特征在于，所述对所述血管特征向量施加语义注意力权重，得到血管的语义特征向量，包括：对所述血管特征向量进行转置处理，得到血管特征向量的转置矩阵；基于所述血管特征向量以及所述转置矩阵之间的内积，确定血管的语义注意力权重；对所述血管特征向量施加所述语义注意力权重，得到血管的语义特征向量。5.根据权利要求1所述的方法，其特征在于，所述基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型，包括：将所述位置特征向量...
【专利技术属性】
技术研发人员：刘宇航，王东，王立威，丁佳，吕晨翀，
申请(专利权)人：北京医准智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。