本申请涉及一种用于血管系统变异检测的方法、装置和存储介质。所述方法包括获取包含血管系统的3D医学图像和对应的包含关键片层的3D血管分割掩模；基于关键片层和3D血管分割掩模，利用血管分段模型或以手动标识方式，获取血管分段结果，所述血管分段结果包含各个血管段的血管分割掩模；基于3D医学图像、关键片层和血管分段结果，利用特征提取模型，获取感兴趣血管系统的结构特征、形态特征、影像组学特征和深度语义特征；基于结构特征、形态特征、影像组学特征和深度语义特征，利用预先训练收敛的第一深度学习网络，预测感兴趣血管系统的变异信息。利用本申请的方法能够更加快速、准确、稳健地预测血管系统的变异信息。稳健地预测血管系统的变异信息。稳健地预测血管系统的变异信息。
【技术实现步骤摘要】
用于血管系统变异检测的方法、装置和存储介质
[0001]本申请涉及医学图像处理的
，更具体地，涉及一种用于血管系统变异检测的方法、装置和存储介质。
技术介绍
[0002]在传统技术中，血管系统变异检测主要通过影像科或放射科医生对医学影像进行主观阅片分析，例如确定Willis环是否存在解剖变异以及存在何种解剖变异，确定头颈椎动脉系、颈内动脉系和锁骨下动脉系是否存在起源变异以及存在何种起源变异，等等。这一过程存在受主观影响较大、检测效率较低的问题。在目前较为先进的现有技术中，基于计算机辅助的血管系统变异检测技术虽然能够对血管变异进行自动检测，检测效果优于传统技术，也提高了检测效率，但是由于其往往仅仅考虑了血管系统的部分较为简单的特征，例如结构特征等，而并未对医学图像中所可能包含的关于血管系统变异的潜在信息进行深入挖掘，更没有在此基础上将多种特征进行融合分析，并且容易受到血管分割、血管分段不准确的影响，导致变异检测结果准确性不高的问题。
技术实现思路
[0003]提供本申请以解决现有技术中存在的上述问题。
[0004]本申请旨在提供一种用于血管系统变异检测的方法、装置和存储介质，其能够在包含血管系统的3D医学图像和对应的3D血管分割掩模的基础上，对感兴趣血管系统的各类特征进行深入挖掘和融合分析，以减少血管分割和/或血管分段不准确对于血管系统变异检测的影响，从而能够对血管系统的变异信息进行更快速、更准确、更稳健的预测。
[0005]根据本申请的第一方案，提供一种用于血管系统变异检测的方法，包括：获取包含血管系统的3D医学图像和对应的3D血管分割掩模，其中，所述3D血管分割掩模包含用于定位感兴趣血管系统的关键片层；基于所述关键片层和所述3D血管分割掩模，利用血管分段模型或以手动标识方式，获取血管分段结果，所述血管分段结果包含所划分的各个血管段的血管分割掩模；基于所述3D医学图像、所述关键片层和所述血管分段结果，利用特征提取模型，获取所述感兴趣血管系统的结构特征、形态特征、影像组学特征和深度语义特征；基于所获取的结构特征、形态特征、影像组学特征和深度语义特征，利用预先训练收敛的第一深度学习网络，预测所述感兴趣血管系统的变异信息。
[0006]根据本申请的第二方案，提供一种用于血管系统变异检测的装置，包括接口和至少一个处理器，所述接口被配置为获取包含血管系统的3D医学图像和3D血管分割掩模，其中，所述3D血管分割掩模包含用于定位感兴趣血管系统的关键片层。所述至少一个处理器被配置为执行根据本申请实施例的用于血管系统变异检测的方法的步骤。
[0007]根据本申请的第三方案，提供一种非暂时性计算机可读存储介质，其上存储有计算机可执行的指令，其中当所述计算机可执行指令由处理器执行时，执行根据本申请实施例的用于血管系统变异检测的方法的步骤。
[0008]根据本申请各个实施例的用于血管系统变异检测的方法、装置和存储介质，其能够在获取包含血管系统的3D医学图像和对应的3D血管分割掩模的基础上，基于3D血管分割掩模及其中所包含的可以对感兴趣血管系统进行更准确定位的关键片层，利用血管分段模型或以手动标识的方式，对感兴趣血管系统进行按需分段，然后，在血管分段结果的基础上，利用特征提取模型，从多种角度对3D医学图像以及3D血管分割中所包含的血管系统变异的特征进行深入挖掘和充分提取，并将所提取的各类特征融合后作为深度学习网络的输入，最终实现对血管系统的变异信息进行快速、准确、稳健地预测。相较现有技术中仅基于血管分割进行分段，以及仅基于血管分段结果进行血管系统的变异分析，本申请中的方法能够在各个环节更加充分地利用3D医学图像中所包含的与血管系统变异相关联的信息，尽可能地减少由于血管分割和/或血管分段不够准确对变异检测的影响，并且通过多种特征的融合与综合分析，可以进一步提高血管变异检测的准确性和稳健性。
[0009]上述的一般描述和以下的详细描述只是示例性和说明性的，并不旨在限制要求保护的专利技术。
附图说明
[0010]在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的类似附图标记可以表示相似组件的不同示例。附图通过举例而不是以限制的方式大体上示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是说明性和示例性的，而并非旨在作为本方法、装置、系统或具有用于实现该方法的指令的非暂时性计算机可读介质的穷尽或排他的实施例。
[0011]图1示出根据本申请实施例的用于血管系统变异检测的方法的流程图。
[0012]图2示出根据本申请实施例的获取血管分段结果的流程的示意图。
[0013]图3示出根据本申请实施例的特征提取网络的组成结构的示意图。
[0014]图4示出根据本申请实施例的第一深度学习网络的组成结构的示意图。
[0015]图5示出根据本申请实施例的根据本申请实施例的用于血管系统变异检测的装置的组成的示意性框图。
具体实施方式
[0016]为使本领域技术人员更好地理解本专利技术，下面参照附图对本专利技术的实施例进行详细说明，但不作为对本专利技术的限定。
[0017]图1示出根据本申请实施例的用于血管系统变异检测的方法的流程图。
[0018]首先，在步骤S101中，可以获取包含血管系统的3D医学图像和对应的3D血管分割掩模，其中，所述3D血管分割掩模包含用于定位感兴趣血管系统的关键片层。
[0019]在一些实施例中，例如可以经由接口，从数据库或从医学影像扫描设备等，获取包含血管系统的3D医学图像。在另一些实施例中，还可以经由接口，获取以掩模方式存储的3D医学图像所对应的3D血管分割（即，3D血管分割掩模），并且与所述3D血管分割掩模一并获取能够用于对感兴趣血管系统进行定位的关键片层。
[0020]在一些实施例中，所述3D医学图像至少可以包括头颈部和/或头部的CTA血管造影
图像、MRA血管造影图像、DSA血管造影图像中的一种。对于不同的3D医学图像，其中所包含的感兴趣血管系统也不尽相同，仅作为示例，对于头颈部或头部的3D医学图像而言，其中可能包含的血管系统例如可以是Willis环等，根据本申请实施例的方法可以用于确定Willis环是否存在解剖变异以及存在何种解剖变异。在另一些实施例中，感兴趣血管系统也可以是头颈椎动脉系、颈内动脉系和锁骨下动脉系，根据本申请实施例的方法可以用于确定头颈椎动脉系、颈内动脉系和锁骨下动脉系是否存在起源变异以及存在何种起源变异等。
[0021]优选地，上述3D医学图像可以由计算机设备从后处理工作站或影像归档和通信系统(Picture Archiving and Communication Systems, PACS)中获取。
[0022]可选地，计算机设备可以获取放射科/影像科技师实时上传到PACS系统中的医学影像，也可以以固定时间间隔为周期从PACS系统中获取这一时间段内的所有3D医学图像。
...
【技术保护点】
【技术特征摘要】
1.一种用于血管系统变异检测的方法，其特征在于，包括：获取包含血管系统的3D医学图像和对应的3D血管分割掩模，其中，所述3D血管分割掩模包含用于定位感兴趣血管系统的关键片层；基于所述关键片层和所述3D血管分割掩模，利用血管分段模型或以手动标识方式，获取血管分段结果，所述血管分段结果包含所划分的各个血管段的血管分割掩模；基于所述3D医学图像、所述关键片层和所述血管分段结果，利用特征提取模型，获取所述感兴趣血管系统的结构特征、形态特征、影像组学特征和深度语义特征；基于所获取的结构特征、形态特征、影像组学特征和深度语义特征，利用预先训练收敛的第一深度学习网络，预测所述感兴趣血管系统的变异信息。2.根据权利要求1所述的方法，其特征在于，所述第一深度学习网络由输入层、至少一个隐藏层、血管段学习层和血管段分类层依序串联而构成，其中，所述血管段学习层的各层和所述血管段分类层的各层与所述感兴趣血管系统的各个血管段相对应地设置。3.根据权利要求1所述的方法，其特征在于，所述感兴趣血管系统的变异信息包括各个血管段所对应的变异状态，基于所获取的结构特征、形态特征、影像组学特征和深度语义特征，利用预先训练收敛的第一深度学习网络，预测所述感兴趣血管系统的变异信息进一步包括：对所获取的结构特征、形态特征、影像组学特征和深度语义特征进行融合处理，生成高维融合特征，基于所述高维融合特征，利用预先训练收敛的第一深度学习网络，预测所述感兴趣血管系统的各个血管段所对应的变异状态。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述特征提取模型包括结构特征提取子模型，所述方法进一步包括：由所述结构特征子模型基于所述血管分段结果，提取用于表征所述感兴趣血管系统的各个血管段是否存在的结构特征向量，作为所述感兴趣血管系统的结构特征。5.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述特征提取模型包括形态特征提取子模型，所述方法进一步包括：由所述形态特征提取子模型基于所述血管分段结果，提取各个血管段与下游血管段的平均半径的比值，以及各个血管段的平均真实半径、真实长度、等效体积、真实体积、各个血管段与其对称血管段的平均半径的比值中的一种或其组合，作为所述感兴趣血管系统的形态特征。6.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述特征提取模型包括影像组学特征提取子模型，所述方法进一步包括：由所述影像组学特征提取子模型基于所述血管分段结果、所述3D医学图像和所述关键片层，计算各个血管段的第一影像组学特征，所述第一影像组学特征...
【专利技术属性】
技术研发人员：袁绍锋，蓝重洲，陈雯，李育威，曹坤琳，
申请(专利权)人：深圳科亚医疗科技有限公司，
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。