血管识别方法、装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术提供一种血管识别方法、装置、电子设备及可读存储介质，其中方法包括：获取血管内OCT图像；采用EffcientFormer提取所述血管内OCT图像中的特征，得到目标训练特征图像；采用所述目标训练特征图像对Polyp_PVT模型进行训练，得到目标识别模型；获取待识别的血管内OCT图像，将所述待识别的血管内OCT图像输入至所述目标识别模型，得到识别结果。本发明专利技术能够实现高准确度和高效率的血管识别。实现高准确度和高效率的血管识别。实现高准确度和高效率的血管识别。

【技术实现步骤摘要】
血管识别方法、装置、电子设备及可读存储介质


[0001]本专利技术实施例涉及血管内OCT诊断医学成像领域
，尤其涉及一种血管识别方法、装置、电子设备及可读存储介质。

技术介绍

[0002]冠状动脉介入治疗是当前治疗动脉粥样硬化引起的血管堵塞最常见的治疗手段。对于分叉病变领域的治疗，植入支架是一种最直接有效的治疗方案。植入支架前需要确定支架的尺寸和最佳放置位置，而这需要精确的定位主血管和分支血管。
[0003]当前，基于OCT(Optical CoherenceTomography，光学相干断层扫描技术)图像的高分辨率，存在部分识别模型能够对主血管与分支血管进行识别和定位。
[0004]然而，当前的识别模型对血管的识别准确度低、识别效率低。

技术实现思路

[0005]本专利技术实施例提供一种血管识别方法、装置、电子设备及可读存储介质，以解决现有的识别模型对血管的识别准确度低、识别效率低的问题。
[0006]为了解决上述技术问题，本专利技术是这样实现的：
[0007]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：
[0008]获取血管内OCT图像；
[0009]采用EffcientFormer提取所述血管内OCT图像中的特征，得到目标训练特征图像；
[0010]采用所述目标训练特征图像对Polyp_PVT模型进行训练，得到目标识别模型；
[0011]获取待识别的血管内OCT图像，将所述待识别的血管内OCT图像输入至所述目标识别模型，得到识别结果。
[0012]可选地，
[0013]采用EffcientFormer提取所述训练血管内OCT图像中的特征，包括：
[0014]按照预设的预处理规则，至少两次对所述血管内OCT图像进行预处理，
[0015]其中：在每次预处理之后，采用EffcientFormer提取当次预处理之后的所述血管内OCT图像中的特征，得到当次的所述目标训练特征图像，并以当次预处理之后的血管内OCT图像作为新的所述血管内OCT图像进行下一次所述预处理，直至预处理次数达到所述预处理规则确定的预处理次数。
[0016]可选地，
[0017]所述预处理规则包括：预设的梯度缩减规则以及预设的再处理策略；
[0018]对所述血管内OCT图像进行预处理，包括：
[0019]按照所述梯度缩减规则，对所述血管内OCT图像进行尺寸缩减；
[0020]按照预设的再处理策略，对当次尺寸缩减之后的所述血管内OCT图像进行再处理。
[0021]可选地，
[0022]所述预处理规则确定的预处理次数为四次。
[0023]可选地，
[0024]采用所述目标训练特征图像对Polyp_PVT模型进行训练，包括：
[0025]采用伪装识别模块CIM对第一次所述预处理得到的所述目标训练特征图像进行特征粗提取，得到粗提取特征图像；
[0026]对第一次之外的其他次所述预处理得到的所述目标训练特征图像进行特征细提取，得到细提取特征图像；
[0027]采用所述粗提取特征图像以及所述细提取特征图像对Polyp_PVT模型进行训练，得到所述目标识别模型。
[0028]可选地，
[0029]采用TensorRT加快所述目标识别模型的识别速度。
[0030]可选地，
[0031]采用所述目标训练特征图像对Polyp_PVT模型进行训练，包括：
[0032]每隔预设的时间间隔，采用损失函数度量真实值与当前Polyp_PVT模型得到的预测值之间的差异值，若所述差异值小于预设的目标差异值，确定当前Polyp_PVT模型为所述目标识别模型；
[0033]所述损失函数为：
[0034]Loss＝L
bce
+0.5*L
dice
[0035][0036][0037]其中，N为所有像素个数，N
f
为前景像素个数(前景表示图像的主血管和分支血管区域像素，其余区域为背景)，N
b
为背景像素个数，p(x)为预测值(即当前Polyp_PVT模型得到的预测值)，g(x)为真实值(即为血管内OCT图像中的真实值)，w为权重值，ε为极小的非零值。
[0038]第二方面，本专利技术实施例提供了一种血管识别装置，包括：
[0039]第一获取模块，用于获取血管内OCT图像；
[0040]第一执行模块，用于采用EffcientFormer提取所述血管内OCT图像中的特征，得到目标训练特征图像；
[0041]所述第一执行模块，还用于采用所述目标训练特征图像对Polyp_PVT模型进行训练，得到目标识别模型；
[0042]所述第一执行模块，还用于获取待识别的血管内OCT图像，将所述待识别的血管内OCT图像输入至所述目标识别模型，得到识别结果。
[0043]第三方面，本专利技术实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的血管识别方法中的步骤。
[0044]第四方面，本专利技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的血管识别方法
中的步骤。
[0045]在本专利技术实施例中，通过获取血管内OCT图像，将EffcientFormer作为特征提取模块提取血管内OCT图像中的特征，提高了被提取特征(即目标训练特征图像)的准确度，再采用所述目标训练特征图像对Polyp_PVT模型进行训练，所得到的目标识别模型能够高效且准确地对血管进行识别。本专利技术实施例能够实现高准确度和高效率的血管识别。
附图说明
[0046]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0047]图1为本专利技术实施例血管识别方法的流程示意图；
[0048]图2为应用本专利技术实施例血管识别方法的流程示意图；
[0049]图3a为预处理示意图；
[0050]图3b为MB4D模块的原理框图；
[0051]图3c为MB3D模块的原理框图；
[0052]图4为本专利技术实施例血管识别装置的原理框图；
[0053]图5为本专利技术实施例电子设备的原理框图。
具体实施方式
[0054]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0055]本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血管识别方法，其特征在于，包括：获取血管内OCT图像；采用EffcientFormer提取所述血管内OCT图像中的特征，得到目标训练特征图像；采用所述目标训练特征图像对Polyp_PVT模型进行训练，得到目标识别模型；获取待识别的血管内OCT图像，将所述待识别的血管内OCT图像输入至所述目标识别模型，得到识别结果。2.根据权利要求1所述的血管识别方法，其特征在于：采用EffcientFormer提取所述训练血管内OCT图像中的特征，包括：按照预设的预处理规则，至少两次对所述血管内OCT图像进行预处理，其中：在每次预处理之后，采用EffcientFormer提取当次预处理之后的所述血管内OCT图像中的特征，得到当次的所述目标训练特征图像，并以当次预处理之后的血管内OCT图像作为新的所述血管内OCT图像进行下一次所述预处理，直至预处理次数达到所述预处理规则确定的预处理次数。3.根据权利要求2所述的血管识别方法，其特征在于：所述预处理规则包括：预设的梯度缩减规则以及预设的再处理策略；对所述血管内OCT图像进行预处理，包括：按照所述梯度缩减规则，对所述血管内OCT图像进行尺寸缩减；按照预设的再处理策略，对当次尺寸缩减之后的所述血管内OCT图像进行再处理。4.根据权利要求2或3所述的血管识别方法，其特征在于：所述预处理规则确定的预处理次数为四次。5.根据权利要求2所述的血管识别方法，其特征在于：采用所述目标训练特征图像对Polyp_PVT模型进行训练，包括：采用伪装识别模块CIM对第一次所述预处理得到的所述目标训练特征图像进行特征粗提取，得到粗提取特征图像；对第一次之外的其他次所述预处理得到的所述目标训练特征图像进行特征细提取，得到细提取特征图像；采用所述粗提取特征图像以及所述细提取特征图像对Polyp_PVT模型进行训练，得到所述目标识别模型。6.根据权利...

【专利技术属性】
技术研发人员：涂世鹏，白晓淞，侯建勋，李学铭，刘俞辰，刘耿壮，
申请(专利权)人：深圳英美达医疗技术有限公司，
类型：发明
国别省市：