图像分割方法及计算机可读存储介质技术

本申请提供了一种图像分割方法及计算机可读存储介质，所述图像分割方法包括：利用冠脉分割模型对待分割图像中的冠脉血管进行分割，得到所述待分割图像对应的冠脉血管分割结果；基于所述待分割图像对应的冠脉血管分割结果进行曲面重建，得到所述待分割图像对应的曲面重建图像；利用管腔及斑块分割模型对所述待分割图像对应的曲面重建图像进行分割，得到所述待分割图像对应的管腔及斑块分割结果。相比传统图像分割方法，本方法准确性更高，稳定性更好，速度更快。速度更快。速度更快。

【技术实现步骤摘要】
图像分割方法及计算机可读存储介质


[0001]本申请涉及图像处理
，尤其涉及图像分割方法及计算机可读存储介质。

技术介绍

[0002]冠心病是一种常见的心血管疾病，且随着人口老龄化不断加重，严重威胁人类生命健康及生活质量。冠状动脉成像(CTA)技术可无创性地观察血管及斑块形态，是临床检查的重要手段。在临床中对动脉粥样硬化病变的评价尤为重要，为了对血管特征及斑块成分进行定量分析，医生需要手动绘制血管内管腔、外壁轮廓线及斑块，这样一方面耗时耗力，极大影响工作效率，一方面受图像伪影、噪声等影响，难以得到准确的结果。尤其对于非钙化斑块，由于没有规则的形态及边界，容易误判，并且需要经验丰富的医生或技师来审核。
[0003]随着人工智能在冠脉CTA辅助诊断中的发展，自动化地将管腔、斑块及血管外壁分割出来并且做出定量分析成为可能，这不仅可以为临床提供鉴别斑块类型的依据，而且能为血管狭窄程度的计算提供数值支撑。因此，亟需设计一种图像分割方法，以满足实际应用的需求

技术实现思路

[0004]本申请的目的在于提供图像分割方法及计算机可读存储介质，图像分割的准确性更高、稳定性更好、速度更快。
[0005]本申请的目的采用以下技术方案实现：
[0006]第一方面，本申请提供了一种图像分割方法，所述方法包括：利用冠脉分割模型对待分割图像中的冠脉血管进行分割，得到所述待分割图像对应的冠脉血管分割结果；基于所述待分割图像对应的冠脉血管分割结果进行曲面重建，得到所述待分割图像对应的曲面重建图像；利用管腔及斑块分割模型对所述待分割图像对应的曲面重建图像进行分割，得到所述待分割图像对应的管腔及斑块分割结果。
[0007]该技术方案的有益效果在于，通过冠脉分割模型对待分割图像中的冠脉血管进行分割得到冠脉血管分割结果，将冠脉血管分割结果进行曲面重建得到曲面重建图像；通过管腔及斑块分割模型对得到的曲面重建图像进行分割，可以自动输出待分割图像对应的管腔及斑块分割结果；通过端到端的模式自动得到待分割图像对应的管腔及斑块分割结果，相比传统图像处理方法其准确性更高、稳定性更好、速度更快。
[0008]在一些可选的实施例中，所述利用管腔及斑块分割模型对所述待分割图像对应的曲面重建图像进行分割，得到所述待分割图像对应的管腔及斑块分割结果，包括：利用斑块检测网络检测所述待分割图像对应的曲面重建图像，得到所述待分割图像对应的原始注意力图；将所述待分割图像对应的曲面重建图像和原始注意力图输入所述管腔及斑块分割模型，得到所述待分割图像对应的管腔及斑块分割结果。
[0009]该技术方案的有益效果在于，通过引入注意力机制，将待分割图像对应的原始注意力图和曲面重建图像作为管腔及斑块分割模型的输入，相比单纯使用分割图像对应的曲
面重建图像作为管腔及斑块分割模型的输入，所得到待分割图像对应的管腔及斑块分割结果鲁棒性更强。
[0010]在一些可选的实施例中，所述利用斑块检测网络检测所述待分割图像对应的曲面重建图像，得到所述待分割图像对应的原始注意力图，包括：将所述待分割图像对应的曲面重建图像输入所述斑块检测网络的特征提取模块，得到多通道特征图；将所述多通道特征图输入所述斑块检测网络的分类器，得到各斑块类别的概率向量；基于各斑块类别的概率向量，计算各斑块类别对各通道的敏感性权重；基于所述多通道特征图和各斑块类别对各通道的敏感性权重，获取所述待分割图像对应的原始注意力图。
[0011]该技术方案的有益效果在于，利用斑块检测网络检测待分割图像对应的曲面重建图像，可以得到待分割图像对应的原始注意力图，以便于通过注意力机制将所得到的原始注意力图和待分割图像所对应的曲面重建图像输入管腔及斑块分割模型，进而得到待分割图像对应的管腔及斑块分割结果，提高了图像分割的效率和准确性。
[0012]在一些可选的实施例中，所述基于各斑块类别的概率向量，计算各斑块类别对各通道的敏感性权重，包括：计算各斑块类别的概率向量对各通道中各体素的偏导数在宽、高和深三个维度上的全局平均值，作为各斑块类别对各通道的敏感性权重。该技术方案的有益效果在于，将各斑块类别的概率向量对各通道中各体素的偏导数在多个维度上计算其全局平均值，可以得到各斑块类别对各通道的敏感性权重，所获取的待分割图像对应的原始注意力图，在有系统误差的情况下保证了计算结果的一致性。
[0013]在一些可选的实施例中，所述基于所述多通道特征图和各斑块类别对各通道的敏感性权重，获取所述待分割图像对应的原始注意力图，包括：基于各斑块类别对各通道的敏感性权重，对所述多通道特征图进行加权求和，得到各斑块类别的加权求和结果；将各斑块类别的加权求和结果输入激活函数层，得到所述待分割图像对应的原始注意力图。
[0014]该技术方案的有益效果在于，将多通道特征图进行加权求和，得到各斑块类别的加权求和结果；将各斑块类别的加权求和结果输入激活函数层，得到所述待分割图像对应的原始注意力图，用于将所得到的原始注意力图和待分割图像对应的曲面重建图像输入管腔及斑块分割模型，得到所对应的管腔及斑块分割结果，所得到的管腔及斑块分割结果更能反应系统的真实值。
[0015]在一些可选的实施例中，所述将所述待分割图像对应的曲面重建图像和原始注意力图输入所述管腔及斑块分割模型，得到所述待分割图像对应的管腔及斑块分割结果，包括：将所述待分割图像对应的曲面重建图像顺次经过所述管腔及斑块分割模型的N个下采样层和N个上采样层，得到所述待分割图像对应的管腔及斑块分割结果，N是正整数；其中，针对每个下采样层，以所述下采样层的待输入特征图与尺寸相同的注意力图的相乘结果作为所述下采样层的输入图像，所述尺寸相同的注意力图是利用所述原始注意力图得到的。
[0016]该技术方案的有益效果在于，在下采样减小特征图尺寸并增加输出通道数的同时，以下采样层的待输入特征图与尺寸相同的注意力图的相乘结果作为下采样层的输入图像，可以减少下采样过程中的信息丢失。
[0017]在一些可选的实施例中，所述将所述待分割图像对应的曲面重建图像和原始注意力图输入所述管腔及斑块分割模型，得到所述待分割图像对应的管腔及斑块分割结果，包括：将所述待分割图像对应的曲面重建图像顺次经过所述管腔及斑块分割模型的N个下采
样层和N个上采样层，得到所述待分割图像对应的管腔及斑块分割结果，N是正整数；其中，针对每个上采样层，将所述上采样层的输出图像与对应下采样层的待输入特征图的融合结果作为下一个上采样层的输入图像。
[0018]该技术方案的有益效果在于，将上采样层的输出图像与对应下采样层的待输入特征图的融合结果作为下一个上采样层的输入图像，得到的待分割图像的管腔及斑块分割结果更准确。
[0019]在一些可选的实施例中，所述管腔及斑块分割模型的训练过程如下：获取样本曲面重建图像；基于所述样本曲面重建图像的斑块标注信息，获取所述样本曲面重建图像中的正常血管段的CT值的均值和方差，并基于所述正常血管段的CT值的均值和方差确定所述样本曲面重建图像中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：利用冠脉分割模型对待分割图像中的冠脉血管进行分割，得到所述待分割图像对应的冠脉血管分割结果；基于所述待分割图像对应的冠脉血管分割结果进行曲面重建，得到所述待分割图像对应的曲面重建图像；利用管腔及斑块分割模型对所述待分割图像对应的曲面重建图像进行分割，得到所述待分割图像对应的管腔及斑块分割结果。2.根据权利要求1所述的图像分割方法，其特征在于，所述利用管腔及斑块分割模型对所述待分割图像对应的曲面重建图像进行分割，得到所述待分割图像对应的管腔及斑块分割结果，包括：利用斑块检测网络检测所述待分割图像对应的曲面重建图像，得到所述待分割图像对应的原始注意力图；将所述待分割图像对应的曲面重建图像和原始注意力图输入所述管腔及斑块分割模型，得到所述待分割图像对应的管腔及斑块分割结果。3.根据权利要求2所述的图像分割方法，其特征在于，所述利用斑块检测网络检测所述待分割图像对应的曲面重建图像，得到所述待分割图像对应的原始注意力图，包括：将所述待分割图像对应的曲面重建图像输入所述斑块检测网络的特征提取模块，得到多通道特征图；将所述多通道特征图输入所述斑块检测网络的分类器，得到各斑块类别的概率向量；基于各斑块类别的概率向量，计算各斑块类别对各通道的敏感性权重；基于所述多通道特征图和各斑块类别对各通道的敏感性权重，获取所述待分割图像对应的原始注意力图。4.根据权利要求3所述的图像分割方法，其特征在于，所述基于各斑块类别的概率向量，计算各斑块类别对各通道的敏感性权重，包括：计算各斑块类别的概率向量对各通道中各体素的偏导数在宽、高和深三个维度上的全局平均值，作为各斑块类别对各通道的敏感性权重。5.根据权利要求3所述的图像分割方法，其特征在于，所述基于所述多通道特征图和各斑块类别对各通道的敏感性权重，获取所述待分割图像对应的原始注意力图，包括：基于各斑块类别对各通道的敏感性权重，对所述多通道特征图进行加权求和，得到各斑块类别的加权求和结果；将各斑块类别的加权求和结果输入激活函数层，得到所述待分割图像对应的原始注意力图。6.根据权利要求2所述的图像分割方法，其特征在于，所述将所述待分割图像对应的曲面重建图像和原始注意力图输入所述管腔及斑块分割模型，得到所述待分割图像对应的管腔及斑块分割结果，包括：将所述待分割图像对应的曲面重建图像顺次经过所述管腔及斑块分割模型的N个下采样层和N个上采样层，得到所述待分割图像对应的管腔及斑块分割结果，N是正整数；其中，针对每个下采样层，以所述下采样层的待输入特征图与尺寸相同的注意力图的相乘结果作为所述下采样层的输入图像，所述尺寸相同的注意力图是利用所述原始注意力
图得到的。7.根据权利要求2所述的图像分割方法，其特征在于，所述将所述待分割图像对应的曲面重建图像和原始注意力图输入所述管腔及斑块...

【专利技术属性】
技术研发人员：李嘉豪，董昢，吴迪嘉，杨帆，雷丙震，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：