【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种骨性解剖结构分割方法、装置、设备、介质和产品。
技术介绍
1、在神经内镜下经鼻蝶垂体瘤手术中，骨性解剖结构分割通过提供精准的骨性解剖结构语义分割信息，能够帮助医生更准确地定位手术区域，减少手术风险和误操作，从而提高临床手术的安全性。
2、然而，由于鼻蝶窦内解剖结构的复杂性和个体间的变异性，且不同患者之间的个体差异以及内窥镜视野的多样性，使得现有的分割方法往往无法达到理想的准确率。
技术实现思路
1、本专利技术提供一种骨性解剖结构分割方法、装置、设备、介质和产品，用以解决现有技术中骨性解剖结构分割方法准确率欠佳的缺陷。
2、本专利技术提供一种骨性解剖结构分割方法，包括：
3、获取待分割的医学视频帧；
4、将所述医学视频帧输入至已训练的分割模型，对所述医学视频帧进行骨性解剖结构分割，得到所述分割模型输出的分割结果；
5、所述分割模型包括卷积-图卷积神经网络模块，以及基于视觉图像转换器的编码模块和解码模块，所述卷积-图卷积神经网络模块用于保持骨性解剖结构的完整性；
6、所述分割结果包括骨性解剖结构的类别，所述类别包括鞍底、颈内动脉、斜坡神经、蝶鞍结节、视神经和视神经隐窝中的至少一种。
7、根据本专利技术提供的骨性解剖结构分割方法，所述将所述医学视频帧输入至已训练的分割模型，对所述医学视频帧进行骨性解剖结构分割，得到所述分割模型输出的分割结果，包括：
8、将
9、将所述医学视频帧输入至所述编码模块，对所述医学视频帧进行多尺度上下文特征提取，得到所述编码模块输出的多尺度上下文特征；
10、将所述关键结构特征和所述多尺度上下文特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果。
11、根据本专利技术提供的骨性解剖结构分割方法，所述卷积-图卷积神经网络模块包括卷积神经网络模块和图卷积神经网络模块，所述将所述医学视频帧输入至所述卷积-图卷积神经网络模块，对所述医学视频帧进行关键结构特征提取，得到所述卷积-图卷积神经网络模块输出的关键结构特征，包括：
12、将所述医学视频帧输入至所述卷积神经网络模块，对所述医学视频帧进行高维特征提取，得到所述卷积神经网络模块输出的高维特征；
13、将所述高维特征中的像素节点作为图节点，任意两个像素节点之间的邻接矩阵作为边，构建图结构，并将所述图结构输入至所述图卷积神经网络模块进行关键结构特征提取，得到所述图卷积神经网络模块输出的关键结构特征。
14、根据本专利技术提供的骨性解剖结构分割方法，所述分割模型还包括特征融合模块，所述将所述关键结构特征和所述多尺度上下文特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果，包括：
15、将所述关键结构特征和所述多尺度上下文特征输入至所述特征融合模块，得到所述特征融合模块输出的第一融合特征；
16、将所述第一融合特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果。
17、根据本专利技术提供的骨性解剖结构分割方法，所述解码模块包括顺次连接的多个解码子模块，所述将所述第一融合特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果，包括：
18、针对任一解码子模块，将所述第一融合特征输入至所述解码子模块中的上采样模块，得到所述上采样模块输出的上采样特征；
19、通过跳跃连接将所述上采样特征和所述编码模块中对应的编码子模块输出的不同尺度特征进行融合，将融合后得到的第二融合特征输入至所述解码子模块中的视觉转换器模块，得到所述视觉转换器模块输出的上下文解码特征；
20、将最后一个解码子模块输出的上下文解码特征输入至所述解码模块的线性映射模块，进行像素级语义预测，得到所述线性映射模块输出的所述分割结果。
21、根据本专利技术提供的骨性解剖结构分割方法，所述将所述医学视频帧输入至已训练的分割模型，包括：
22、将所述医学视频帧进行标准化处理，并将标准化处理后的医学视频帧划分成预设大小的单元图块，将所述单元图块输入至已训练的分割模型。
23、本专利技术还提供一种骨性解剖结构分割装置，包括：
24、视频帧获取单元，用于获取待分割的医学视频帧；
25、分割单元，用于将所述医学视频帧输入至已训练的分割模型，对所述医学视频帧进行骨性解剖结构分割，得到所述分割模型输出的分割结果；
26、所述分割模型包括卷积-图卷积神经网络模块，以及基于视觉图像转换器的编码模块和解码模块，所述卷积-图卷积神经网络模块用于保持骨性解剖结构的完整性；
27、所述分割结果包括骨性解剖结构的类别，所述类别包括鞍底、颈内动脉、斜坡神经、蝶鞍结节、视神经和视神经隐窝中的至少一种。
28、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述骨性解剖结构分割方法。
29、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述骨性解剖结构分割方法。
30、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述骨性解剖结构分割方法。
31、本专利技术提供的骨性解剖结构分割方法、装置、设备、介质和产品，提供一种分割模型，分割模型包括卷积-图卷积神经网络模块，以及基于视觉图像转换器的编码模块和解码模块。其中卷积-图卷积神经网络模块的连接方式有助于在传播过程中保持骨性解剖结构的完整性，防止关键结构信息丢失，实现对解剖结构的精确建模和追踪，从而提供了更准确的解剖结构分割结果。
本文档来自技高网...【技术保护点】
1.一种骨性解剖结构分割方法，其特征在于，包括：
2.根据权利要求1所述的骨性解剖结构分割方法，其特征在于，所述将所述医学视频帧输入至已训练的分割模型，对所述医学视频帧进行骨性解剖结构分割，得到所述分割模型输出的分割结果，包括：
3.根据权利要求2所述的骨性解剖结构分割方法，其特征在于，所述卷积-图卷积神经网络模块包括卷积神经网络模块和图卷积神经网络模块，所述将所述医学视频帧输入至所述卷积-图卷积神经网络模块，对所述医学视频帧进行关键结构特征提取，得到所述卷积-图卷积神经网络模块输出的关键结构特征，包括：
4.根据权利要求2所述的骨性解剖结构分割方法，其特征在于，所述分割模型还包括特征融合模块，所述将所述关键结构特征和所述多尺度上下文特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果，包括：
5.根据权利要求4所述的骨性解剖结构分割方法，其特征在于，所述解码模块包括顺次连接的多个解码子模块，所述将所述第一融合特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果，包括：
6.根据权利要求1
7.一种骨性解剖结构分割装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述骨性解剖结构分割方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述骨性解剖结构分割方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述骨性解剖结构分割方法。
...【技术特征摘要】
1.一种骨性解剖结构分割方法，其特征在于，包括：
2.根据权利要求1所述的骨性解剖结构分割方法，其特征在于，所述将所述医学视频帧输入至已训练的分割模型，对所述医学视频帧进行骨性解剖结构分割，得到所述分割模型输出的分割结果，包括：
3.根据权利要求2所述的骨性解剖结构分割方法，其特征在于，所述卷积-图卷积神经网络模块包括卷积神经网络模块和图卷积神经网络模块，所述将所述医学视频帧输入至所述卷积-图卷积神经网络模块，对所述医学视频帧进行关键结构特征提取，得到所述卷积-图卷积神经网络模块输出的关键结构特征，包括：
4.根据权利要求2所述的骨性解剖结构分割方法，其特征在于，所述分割模型还包括特征融合模块，所述将所述关键结构特征和所述多尺度上下文特征输入至所述解码模块，进行特征解码，得到所述解码模块输出的分割结果，包括：
5.根据权利要求4所述的骨性解剖结构分割方法，其特征在于，所述解...
【专利技术属性】
技术研发人员：伍芷影，龚朝辉，冯铭，刘宏斌，
申请(专利权)人：中国科学院香港创新研究院人工智能与机器人创新中心有限公司，
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。