一种冠脉造影图像的血管分割方法技术

本申请提供了一种冠脉造影图像的血管分割方法

【技术实现步骤摘要】
一种冠脉造影图像的血管分割方法、装置、设备及介质


[0001]本申请涉及医学图像处理
，尤其是涉及一种冠脉造影图像的血管分割方法
、
装置
、
设备及介质
。

技术介绍

[0002]在现代医学
中，血管图像技术能够帮助医生了解病人的血管状态，血管造影技术对血管等管状物进行成像得到了广泛的应用
。
因此，一个高准确率的血管图像分割方法变得尤为重要
。
[0003]冠脉造影中的血管分割是一项具有挑战性的任务，冠脉造影图像受到多种因素的干扰，如噪声
、
散射
、
钙化斑块等
。
这些因素会导致图像质量下降，使血管边界模糊或不清晰，增加了分割的困难度
。
而且冠脉血管具有多样的形态，包括曲折
、
分支
、
狭窄等
。
这使得确定血管的边界变得困难
。
因此，如何提高冠脉造影中血管分割的准确性成为了亟需解决的技术问题
。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种冠脉造影图像的血管分割方法
、
装置
、
设备及介质，使用回归网络模型预测的血管边界来修正分割模型输出的二值分割图像，得到更精准的血管分割结果，能够准确分割冠脉造影中不同粗细的血管，并充分考虑到血管狭窄处的特性，充分把握血管每个位置的细节，提高了对于冠脉造影图像进行血管分割的准确性和鲁棒性
。
[0005]第一方面，本申请实施例提供了一种冠脉造影图像的血管分割方法，所述血管分割方法包括：
[0006]获取冠脉造影原始图像，并将所述冠脉造影原始图像输入到预先训练好的分割模型中，得到二值分割图像以及所述分割模型的不同网络层输出的多个特征图；
[0007]从所述二值分割图像中提取出血管骨架，基于所述血管骨架从所述二值分割图像中选取出多个参考点，并基于多个所述特征图确定出每个参考点对应的中心选取块；其中，所述多个参考点中包括多个目标点以及每个目标点对应的辅助点；
[0008]针对于每个目标点，将该目标点对应的辅助点作为目标辅助点，并对该目标点对应的中心选取块以及所述目标辅助点对应的中心选取块进行拼接，得到该目标点对应的拼接输入数据；
[0009]将该目标点对应的拼接输入数据输入到预先训练好的回归网络模型中，得到该目标点对应的血管边界；
[0010]将每个目标点对应的血管边界映射到所述二值分割图像中，修正所述分割模型的分割结果，以得到所述二值分割图像对应的血管分割结果
。
[0011]进一步的，所述基于所述血管骨架从所述二值分割图像中选取出多个参考点，包括：
[0012]针对于所述血管骨架上的每个骨架点，以该骨架点为圆心，基于预设半径从所述二值分割图像中确定出该骨架点对应的滤波核；
[0013]对所述二值分割图像和该骨架点对应的滤波核进行卷积操作，得到该骨架点对应的直径特征值；
[0014]根据每个骨架点对应的直径特征值，从多个骨架点中确定出直径特征值最大的骨架点作为冠脉起点；
[0015]将所述冠脉起点作为所述目标点，选取所述二值分割图像中位于所述目标点周围的像素点作为所述目标点对应的辅助点；
[0016]将所述目标点对应的辅助点作为所述目标点，返回执行所述选取所述二值分割图像中位于所述目标点周围的像素点作为所述目标点对应的辅助点的步骤，直至所述目标点为所述血管骨架的终点
。
[0017]进一步的，所述基于多个所述特征图确定出每个参考点对应的中心选取块，包括：
[0018]对多个所述特征图进行特征拼接，得到综合特征图；
[0019]利用每个所述参考点对所述综合特征图进行特征取块，得到每个参考点对应的中心选取块
。
[0020]进一步的，所述将每个目标点对应的血管边界映射到所述二值分割图像中，修正所述分割模型的分割结果，以得到所述二值分割图像对应的血管分割结果，包括：
[0021]基于每个目标点对应的血管边界从所述二值分割图像中确定出血管区域，以及位于所述血管区域内的多个第一血管像素点；
[0022]在所述二值分割图像中确定出多个像素值为1的第二血管像素点；
[0023]针对于多个第二血管像素点对应的坐标值中每个不同的目标横坐标，基于该目标横坐标从多个第一血管像素点中筛选出多个参考像素点，基于该目标横坐标从多个第二血管像素点中筛选出多个待修正像素点，其中，所述参考像素点的横坐标值和所述待修正像素点的横坐标值均为该目标横坐标；
[0024]基于多个所述参考像素点的纵坐标值修正多个所述待修正像素点的纵坐标值，得到该目标横坐标对应的多个目标血管像素点；
[0025]基于多个所述目标横坐标对应的多个目标血管像素点得到所述二值分割图像对应的血管分割结果
。
[0026]进一步的，通过以下步骤对所述分割模型和所述回归网络模型进行训练：
[0027]获取冠脉造影样本图像；其中，标注所述冠脉造影样本图像中血管区域内的像素点的样本标签值为1，标注所述冠脉造影样本图像中非血管区域内的像素点的样本标签值为0；
[0028]将所述冠脉造影样本图像输入到原始分割模型中，得到二值分割预测图像以及所述原始分割模型的不同网络层输出的多个特征预测图；
[0029]将所述二值分割预测图像中每个像素点对应的预测标签值与所述冠脉造影样本图像中每个像素点对应的样本标签值进行对比，确定出当前状态下所述原始分割模型的第一损失函数；
[0030]基于所述二值分割预测图像和多个所述特征预测图确定出位于所述二值分割预测图像内的每个预测目标点对应的预测输入数据；
[0031]将每个预测目标点对应的预测输入数据输入到原始回归网络模型中，得到每个预测目标点对应的预测血管边界，并基于每个预测目标点对应的预测血管边界分别从所述二值分割预测图像和冠脉造影样本图像中确定出预测血管区域；
[0032]将所述二值分割预测图像中所述预测血管区域内的每个像素点对应的预测标签值与所述冠脉造影样本图像中所述预测血管区域内的每个像素点对应的样本标签值进行对比，确定出当前状态下所述原始回归网络模型的第二损失函数；
[0033]将所述第一损失函数和第二损失函数相加得到总损失函数，基于所述总损失函数不断更新所述原始分割模型的模型参数和所述原始回归网络模型的模型参数，对所述原始分割模型和所述原始回归网络模型进行迭代训练，直至所述总损失函数收敛，得到所述分割模型和所述回归网络模型
。
[0034]第二方面，本申请实施例还提供了一种冠脉造影图像的血管分割装置，所述血管分割装置包括：
[0035]图像确定模块，用于获取冠脉造影原始图像，并将所述冠脉造影原始图像输入到预先训练好的分割模型中，得到二值分割图像以及所述分割模型的不同网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种冠脉造影图像的血管分割方法，其特征在于，所述血管分割方法包括：获取冠脉造影原始图像，并将所述冠脉造影原始图像输入到预先训练好的分割模型中，得到二值分割图像以及所述分割模型的不同网络层输出的多个特征图；从所述二值分割图像中提取出血管骨架，基于所述血管骨架从所述二值分割图像中选取出多个参考点，并基于多个所述特征图确定出每个参考点对应的中心选取块；其中，所述多个参考点中包括多个目标点以及每个目标点对应的辅助点；针对于每个目标点，将该目标点对应的辅助点作为目标辅助点，并对该目标点对应的中心选取块以及所述目标辅助点对应的中心选取块进行拼接，得到该目标点对应的拼接输入数据；将该目标点对应的拼接输入数据输入到预先训练好的回归网络模型中，得到该目标点对应的血管边界；将每个目标点对应的血管边界映射到所述二值分割图像中，修正所述分割模型的分割结果，以得到所述二值分割图像对应的血管分割结果
。2.
根据权利要求1所述的血管分割方法，其特征在于，所述基于所述血管骨架从所述二值分割图像中选取出多个参考点，包括：针对于所述血管骨架上的每个骨架点，以该骨架点为圆心，基于预设半径从所述二值分割图像中确定出该骨架点对应的滤波核；对所述二值分割图像和该骨架点对应的滤波核进行卷积操作，得到该骨架点对应的直径特征值；根据每个骨架点对应的直径特征值，从多个骨架点中确定出直径特征值最大的骨架点作为冠脉起点；将所述冠脉起点作为所述目标点，选取所述二值分割图像中位于所述目标点周围的像素点作为所述目标点对应的辅助点；将所述目标点对应的辅助点作为所述目标点，返回执行所述选取所述二值分割图像中位于所述目标点周围的像素点作为所述目标点对应的辅助点的步骤，直至所述目标点为所述血管骨架的终点
。3.
根据权利要求1所述的血管分割方法，其特征在于，所述基于多个所述特征图确定出每个参考点对应的中心选取块，包括：对多个所述特征图进行特征拼接，得到综合特征图；利用每个所述参考点对所述综合特征图进行特征取块，得到每个参考点对应的中心选取块
。4.
根据权利要求1所述的血管分割方法，其特征在于，所述将每个目标点对应的血管边界映射到所述二值分割图像中，修正所述分割模型的分割结果，以得到所述二值分割图像对应的血管分割结果，包括：基于每个目标点对应的血管边界从所述二值分割图像中确定出血管区域，以及位于所述血管区域内的多个第一血管像素点；在所述二值分割图像中确定出多个像素值为1的第二血管像素点；针对于多个第二血管像素点对应的坐标值中每个不同的目标横坐标，基于该目标横坐标从多个第一血管像素点中筛选出多个参考像素点，基于该目标横坐标从多个第二血管像
素点中筛选出多个待修正像素点，其中，所述参考像素点的横坐标值和所述待修正像素点的横坐标值均为该目标横坐标；基于多个所述参考像素点的纵坐标值修正多个所述待修正像素点的纵坐标值，得到该目标横坐标对应的多个目标血管像素点；基于多个所述目标横坐标对应的多个目标血管像素点得到所述二值分割图像对应的血管分割结果
。5.
根据权利要求1所述的血管分割方法，其特征在于，通过以下步骤对所述分割模型和所述回归网络模型进行训练：获取冠脉造影样本图像；其中，标注所述冠脉造影样本图像中血管区域内的像素点的样本标签值为1，标注所述冠脉造影样本图像中非血管区域内的像素点的样本标签值为0；将所述冠脉造影样本图像输入到原始分割模型中，得到二值分割预测图像以及所述原始分割模型的不同网络层输出的多个特征预测图；将所述二值分割预测图像中每个像素点对应的预测标签值与所述冠脉造影样本图像中每个像素点对应的样本标签值进行对比，确定出当前状态下所述原始分割模型的第一损失函数；基于所述二值分割预测图像和多个所述特征预测图确定出位于所述二值分割预测图像内的...

【专利技术属性】
技术研发人员：张瑜，马骏，郑凌霄，兰宏志，
申请(专利权)人：深圳睿心智能医疗科技有限公司，
类型：发明
国别省市：