【技术实现步骤摘要】
本专利技术涉及医学影像分割，尤其涉及一种三维脑血管影像分割方法、装置、电子设备及存储介质。
技术介绍
1、在颅内动脉介入手术过程中，三维数字剪影造影图可以实现颅内动脉的准确分割和形态分析，提供颅内动脉区域准确的解剖信息，这对于术前规划和术中导航都具有重要意义。
2、现有技术中，由于颅内动脉的三维脑血管影像尺寸非常大，鉴于实际内存的限制，很难将整个颅内动脉体积放入到三维分割模型中，因此，常规方式是将三维分割模型应用在从原始体积裁剪的三维子块上。虽然该方法可以捕获到影像在三个维度方向的依赖关系，但这种方法只利用了局部区域的信息进行分割，而忽略了整个体积的全局语义，从而导致三维脑血管影像的分割精度并不高。
3、因此，如何更好地实现三维脑血管影像的分割已经成为业界亟待解决的技术问题。
技术实现思路
0、
技术实现思路
/
技术实现思路
1、本专利技术提供一种三维脑血管影像分割方法、装置、电子设备及存储介质，用以更好地实现三维脑血管影像的分割。
2、本专利技术提供一种三维脑血管影像分割方法，包括：
3、将待分割的三维脑血管影像的降采样影像输入至降采样分割模型，得到所述降采样分割模型输出的所述降采样影像的全局分割影像；所述降采样分割模型是根据三维脑血管影像样本及其对应的分割影像标签训练得到的；
4、对所述全局分割影像进行窗口采样，确定所述全局分割影像的裁剪窗口集合，并基于所述裁剪窗口集合对所述三维脑血管影像进行裁剪处理，得到多个
5、将所述多个影像子块输入至局部分割模型，得到所述局部分割模型输出的每个所述影像子块的局部分割影像；所述局部分割模型是利用训练好的降采样分割模型，基于所述三维脑血管影像样本及其对应的分割影像标签训练得到的；
6、对各个所述局部分割影像进行拼接，得到所述三维脑血管影像的分割结果。
7、根据本专利技术提供的一种三维脑血管影像分割方法，所述降采样分割模型包括特征提取网络；在所述基于所述裁剪窗口集合对所述三维脑血管影像进行裁剪处理，得到多个影像子块之后，所述方法还包括：
8、获取所述特征提取网络的最后一层输出的目标特征图像；
9、将所述目标特征图像和所述全局分割影像输入至空间融合模块，得到所述空间融合模块输出的所述三维脑血管影像的全局特征图像；
10、将所述全局特征图像分别与所述多个影像子块进行拼接，得到多个拼接后的影像子块；
11、对每个所述拼接后的影像子块进行局部分割及拼接，得到所述三维脑血管影像的分割结果。
12、根据本专利技术提供的一种三维脑血管影像分割方法，所述空间融合模块具体用于：基于所述裁剪窗口集合对所述全局分割影像进行裁剪，得到多个裁剪图子块，并基于所述裁剪窗口集合对所述目标特征图像进行裁剪，得到多个特征图子块；
13、基于所述多个裁剪图子块和所述多个特征图子块，确定脑血管组织拓扑图；
14、对所述脑血管组织拓扑图进行特征提取，得到所述全局特征图像。
15、根据本专利技术提供的一种三维脑血管影像分割方法，所述基于所述多个裁剪图子块和所述多个特征图子块，确定脑血管组织拓扑图，包括：
16、对于所述多个裁剪图子块中的任一裁剪图子块，确定所述任一裁剪图子块中脑血管体素的第一数量、所述多个裁剪图子块中其他任一裁剪图子块中的脑血管体素的第二数量，以及所述任一裁剪图子块与所述其他任一裁剪图子块中相同血管体素的第三数量；
17、基于所述第一数量、所述第二数量和所述第三数量，确定每个所述裁剪图子块之间的邻接度，并根据各个所述邻接度，确定邻接矩阵；
18、对各个所述特征图子块进行全局平均池化处理，得到每个所述特征图子块对应的特征向量；以所述特征向量为节点，所述邻接矩阵为边，建立所述脑血管组织拓扑图。
19、根据本专利技术提供的一种三维脑血管影像分割方法，所述对所述脑血管组织拓扑图进行特征提取，得到所述全局特征图像，包括：
20、将所述脑血管组织拓扑图输入至图神经网络，得到所述图神经网络输出的节点向量组；所述图神经网络用于对所述脑血管组织拓扑图中相邻拓扑节点的信息进行编码及融合处理；
21、将所述节点向量组中的各个节点向量作为所述裁剪窗口集合中对应的裁剪窗口的权重向量，并将每个所述权重向量与对应的裁剪窗口的特征图子块进行加权求和，得到血管全局特征；对所述血管全局特征进行上采样，得到所述全局特征图像。
22、根据本专利技术提供的一种三维脑血管影像分割方法，所述对所述全局分割影像进行窗口采样，确定所述全局分割影像的裁剪窗口集合，包括：
23、将所述全局分割影像转化为点云数据；
24、对所述点云数据进行最远点采样，得到所述全局分割影像对应的稀疏点云数据；
25、以所述稀疏点云数据中的各个点为中心，根据预设窗口尺寸，生成所述全局分割影像的裁剪窗口集合。
26、根据本专利技术提供的一种三维脑血管影像分割方法，在所述将待分割的三维脑血管影像的降采样影像输入至降采样分割模型，得到所述降采样分割模型输出的所述降采样影像的全局分割影像之前，所述方法还包括：
27、将获取的三维脑血管影像样本及其对应的分割影像标签作为一组训练样本，获取多组所述训练样本；
28、利用多组所述训练样本对降采样分割模型进行训练，得到训练好的降采样分割模型；
29、将所述三维脑血管影像样本的降采样影像输入至所述训练好的降采样分割模型，得到所述三维脑血管影像样本的全局分割影像，并基于所述三维脑血管影像样本的全局分割影像，确定所述三维脑血管影像样本对应的裁剪窗口集合；
30、基于所述三维脑血管影像样本对应的裁剪窗口集合，分别对所述三维脑血管影像样本及其对应的分割影像标签进行裁剪处理，得到多个子块分割掩膜以及每个所述子块分割掩膜对应的标签子块；
31、利用所述多个子块分割掩膜以及每个所述子块分割掩膜对应的标签子块对局部分割模型进行训练，得到训练好的局部分割模型。
32、本专利技术还提供一种三维脑血管影像分割装置，包括：
33、第一分割模块，用于将待分割的三维脑血管影像的降采样影像输入至降采样分割模型，得到所述降采样分割模型输出的所述降采样影像的全局分割影像；所述降采样分割模型是根据三维脑血管影像样本及其对应的分割影像标签训练得到的；
34、第一裁剪模块，用于对所述全局分割影像进行窗口采样，确定所述全局分割影像的裁剪窗口集合，并基于所述裁剪窗口集合对所述三维脑血管影像进行裁剪处理，得到多个影像子块；第二分割模块，用于将所述多个影像子块输入至局部分割模型，得到所述局部分割模型输出的每个所述影像子块的局部分割影像；所述局部分割模型是利用训练好的降采样分割模型，基于所述三维脑血管影像样本及其对应的分割影像标签训练得到的；
35、第一拼接模块，用于对各个所述局部分割影像进行拼本文档来自技高网...
【技术保护点】
1.一种三维脑血管影像分割方法，其特征在于，包括：
2.根据权利要求1所述的三维脑血管影像分割方法，其特征在于，所述降采样分割模型包括特征提取网络；在所述基于所述裁剪窗口集合对所述三维脑血管影像进行裁剪处理，得到多个影像子块之后，所述方法还包括：
3.根据权利要求2所述的三维脑血管影像分割方法，其特征在于，所述空间融合模块具体用于：
4.根据权利要求3所述的三维脑血管影像分割方法，其特征在于，所述基于所述多个裁剪图子块和所述多个特征图子块，确定脑血管组织拓扑图，包括：
5.根据权利要求3所述的三维脑血管影像分割方法，其特征在于，所述对所述脑血管组织拓扑图进行特征提取，得到所述全局特征图像，包括：
6.根据权利要求1所述的三维脑血管影像分割方法，其特征在于，所述对所述全局分割影像进行窗口采样，确定所述全局分割影像的裁剪窗口集合，包括：
7.根据权利要求1-6任一项所述的三维脑血管影像分割方法，其特征在于，在所述将待分割的三维脑血管影像的降采样影像输入至降采样分割模型，得到所述降采样分割模型输出的所述降采样影像的
8.一种三维脑血管影像分割装置，其特征在于，包括：
9.一种电子设备，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7任一项所述三维脑血管影像分割方法。
10.一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7任一项所述三维脑血管影像分割方法。
...【技术特征摘要】
1.一种三维脑血管影像分割方法，其特征在于，包括：
2.根据权利要求1所述的三维脑血管影像分割方法，其特征在于，所述降采样分割模型包括特征提取网络；在所述基于所述裁剪窗口集合对所述三维脑血管影像进行裁剪处理，得到多个影像子块之后，所述方法还包括：
3.根据权利要求2所述的三维脑血管影像分割方法，其特征在于，所述空间融合模块具体用于：
4.根据权利要求3所述的三维脑血管影像分割方法，其特征在于，所述基于所述多个裁剪图子块和所述多个特征图子块，确定脑血管组织拓扑图，包括：
5.根据权利要求3所述的三维脑血管影像分割方法，其特征在于，所述对所述脑血管组织拓扑图进行特征提取，得到所述全局特征图像，包括：
6.根据权利要求1所述的三维脑血管影像分割方法，其特征在于，所述...
【专利技术属性】
技术研发人员：刘市祺，谢晓亮，王韬，赵海宁，周小虎，侯增广，焦力群，罗继昌，胡斌，
申请(专利权)人：中国科学院自动化研究所，
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。