本申请公开了一种血管的异常区域的分割方法、装置及电子设备，其中，方法包括：获取待分割的血管图像，血管图像包括血管区域和依附于血管上的异常区域；基于血管图像，获取包含血管区域和异常区域的点云域图像；将点云域图像输入预先训练的目标分割模型，获取异常区域的分割图像，其中，目标分割模型包括用于分割所述异常区域的第一分割模块和用于对邻近血管区域和异常区域之间的交界的区域进行阻断的第二分割模块。本申请通过利第一分割模块对点云域图像进行分割获得初始异常区域的分割图像，并确定血管区域与初始异常区域的交界，便于后续利用第二分割模块对该交界附近的点云进行进一步阻断，从而精准的获得最终异常区域的分割图像。域的分割图像。域的分割图像。
【技术实现步骤摘要】
一种血管的异常区域的分割方法、装置及电子设备
[0001]本专利技术涉及图像分割
，特别涉及一种血管的异常区域的分割方法、装置及电子设备。
技术介绍
[0002]颅内动脉瘤(intracranial aneurysm，英文简称：IA)是一种常见的威胁着人们身体健康的疾病，在普通人群中的占比约为3.2％
‑
6％，在自发性蛛网膜下腔出血(subarachnoid hemorrhage，英文简称：SAH)患者中的占比约为80％
‑
85％。动脉瘤的破裂会导致显著的高死亡率，即使是幸存者，也可能遭受长期的身体和心理的压力，导致生活质量严重下降。
[0003]随着科技以及医疗水平的进步，先进的成像技术得到了广泛应用，动脉瘤也被越来越多的发现。现有的动脉瘤分割方法中，通常是基于图像域数据的分割方法或点云域的检测方法。然而，基于图像域数据的分割方法不仅需要消耗大量的计算资源，而且没有充分利用动脉瘤的解剖结构特点，检测结果的准确度较低；而基于点云域的分割方法也存在分割结果不够准确的问题。
[0004]由此亟需一种血管的异常区域的分割方法，以解决现有技术中血管异常区域分割不够精准的问题。
技术实现思路
[0005]有鉴于此，本专利技术提供了一种血管的异常区域的分割方法、装置及电子设备，主要目的在于解决目前血管异常区域分割不够精准的问题。
[0006]为解决上述问题，本申请提供一种血管的异常区域的分割方法，包括：
[0007]获取待分割的血管图像，所述血管图像包括血管区域和依附于血管上的异常区域；
[0008]基于所述血管图像，获取包含所述血管区域和所述异常区域的点云域图像；
[0009]将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像，其中，所述目标分割模型包括用于分割所述异常区域的第一分割模块和用于对邻近所述血管区域和所述异常区域之间的交界的区域进行阻断的第二分割模块。
[0010]可选的，所述基于所述血管图像，获取包含所述血管区域和所述异常区域的点云域图像，包括：
[0011]将所述血管图像内的血管和异常区域进行网格化处理，并提取网格内至少一个像素点，得到像素点集合；
[0012]将所述像素点集合转化为点云域，获取点云域图像；或，
[0013]提取所述血管图像内血管区域和异常区域的边界点像素，得到像素点集合；
[0014]将所述像素点集合转化为点云域，获取点云域图像。
[0015]可选的，所述将所述点云域图像输入预先训练的目标分割模型，获取所述异常区
域的分割图像，包括：
[0016]基于所述第一分割模块获取所述异常区域的初始分割图像和所述异常区域与所述血管区域的交界；
[0017]基于所述第二分割模块对所述初始分割图像中的异常区域和血管区域之间的交界两侧特定区域内的点云进行阻隔处理，获取异常区域的分割图像，其中，所述阻隔处理包括将位于所述异常区域一侧的点云归为异常区域，和将位于所述血管区域一侧的点云归为血管区域。
[0018]可选的，在将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像之前，还包括：
[0019]将所述点云域图像分割成若干个血管段图像；
[0020]所述将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像，包括：
[0021]将所述若干个血管段图像输入预先训练的目标分割模型，获取若干血管段对应的异常区域的若干子分割图像；
[0022]将若干所述子分割图像进行重组，获取所述异常区域的分割图像。
[0023]可选的，所述血管的异常区域的分割方法还包括：获取预先训练的目标分割模型，其中，所述获取预先训练的目标分割模型包括：
[0024]获取包含异常区域和血管的样本点云域图像和对所述异常区域进行标注的标签点云域图像；
[0025]基于所述样本点云域图像和所述标签点云域图像训练初始第一分割模块，在达到第一预设终止条件时，获取第一分割模块；
[0026]基于所述标签点云域图像，获取所述异常区域和血管的交界；
[0027]基于所述交界和标签点云域图像以及所述第一分割模块的输出图像，训练初始第二分割模块，在达到第二预设终止条件时，获取第二分割模块，其中，所述第二分割模块的关注区域至少包括所述交界两侧特定范围内的区域，所述第一预设终止条件包括与所述第一分割模块对应的损失函数的值达到预设阈值或所述第一分割模块的训练次数到达预设次数，所述第二预设终止条件包括与所述第二分割模块对应的损失函数的值达到预设阈值或所述第二分割模块的训练次数到达预设次数。
[0028]可选的，血管的异常区域的分割方法还包括：通过近邻算法或固定阈值方法确定所述第二分割模块的关注区域。
[0029]可选的，所述获取对所述异常区域进行标注的标签点云域图像，包括：
[0030]获取所述样本点云域图像中血管与异常区域的交界，以及所述异常区域内的种子点；
[0031]基于所述异常区域的解剖学形态特征、交界和种子点，对所述样本点云域图像中的异常区域进行标注，获取标签点云域图像。
[0032]可选的，在获得异常区域的分割图像之后，所述方法还包括：针对所述点云域图像中的异常区域以及血管区域，采用不同的显示方式进行显示。
[0033]可选的，所述目标分割模型还包括后处理模块，用于将所述第二分割模块的输出结果恢复到图像域。
[0034]为解决上述问题，本申请提供一种血管的异常区域的分割装置，包括：
[0035]第一获取模块，用于获取待分割的血管图像，所述血管图像包括血管区域和依附于血管上的异常区域；
[0036]第二获取模块，用于基于所述血管图像，获取包含所述血管区域和所述异常区域的点云域图像；
[0037]分割模块，用于将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像，其中，所述目标分割模型包括用于分割所述异常区域的第一分割模块和用于对邻近所述血管区域和所述异常区域之间的交界的区域进行阻断的第二分割模块。
[0038]为解决上述问题，本申请提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述血管的异常区域的分割方法的步骤。
[0039]本申请中的血管的异常区域的分割方法、装置及电子设备，通过获取待分割血管图像的点云域图像，能够利用目标分割模型中的第一分割模块对点云域图像中的各点云进行检测识别，确定各点云为血管点还是异常点，即获得初始异常区域的分割图像，并确定血管区域与初始异常区域的交界，便于后续利用第二分割模块对该交界附近的点云进行进一步优化/阻断，从而精准的确定出异常点，进而精准的获得最终异常区域的分割图像。
[0040]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种血管的异常区域的分割方法，其特征在于，包括：获取待分割的血管图像，所述血管图像包括血管区域和依附于血管上的异常区域；基于所述血管图像，获取包含所述血管区域和所述异常区域的点云域图像；将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像，其中，所述目标分割模型包括用于分割所述异常区域的第一分割模块和用于对邻近所述血管区域和所述异常区域之间的交界的区域进行阻断的第二分割模块。2.如权利要求1所述的方法，其特征在于，所述基于所述血管图像，获取包含所述血管区域和所述异常区域的点云域图像，包括：将所述血管图像内的血管和异常区域进行网格化处理，并提取网格内至少一个像素点，得到像素点集合；将所述像素点集合转化为点云域，获取点云域图像；或，提取所述血管图像内血管区域和异常区域的边界点像素，得到像素点集合；将所述像素点集合转化为点云域，获取点云域图像。3.如权利要求1所述的方法，其特征在于，所述将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像，包括：基于所述第一分割模块获取所述异常区域的初始分割图像；基于所述第二分割模块对所述初始分割图像中的异常区域和血管区域之间的交界两侧特定区域内的点云进行阻隔处理，获取异常区域的分割图像，其中，所述阻隔处理包括将位于所述异常区域一侧的点云归为异常区域，和将位于所述血管区域一侧的点云归为血管区域。4.如权利要求1所述的方法，其特征在于，在将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像之前，还包括：将所述点云域图像分割成若干个血管段图像；所述将所述点云域图像输入预先训练的目标分割模型，获取所述异常区域的分割图像，包括：将所述若干个血管段图像输入预先训练的目标分割模型，获取若干血管段对应的异常区域的若干子分割图像；将所述若干所述子分割图像进行重组，获取所述异常区域的分割图像。5.如权利要求1所述的方法，其特征在于，还包括：获取预先训练的目标分割模型，其中，所述获取预先训练的目标分割模型包括：获取包含异常区域和血管的样本点云域图像和对所述异常区域进行标注的标签点云域图像；...
【专利技术属性】
技术研发人员：万钇良，
申请(专利权)人：东软医疗系统股份有限公司，
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。