【技术实现步骤摘要】
本专利技术属于人工智能与医学数据处理结合领域，具体涉及一种联合几何拓扑分析的动脉瘤3d点云自动化分割方法。
技术介绍
1、颅内动脉瘤（ia）是大脑动脉的异常扩张。一旦动脉瘤破裂，就会引发蛛网膜下腔出血，这是极其危险的，具有高发病率和死亡率。然而，未破裂的 ia 管理起来更具挑战性。随着医学成像技术的进步，大多数未破裂性动脉瘤是在计算机断层血管造影（cta）或磁共振血管造影（mra）检查（如事故后的创伤检测）中偶然被发现的。在动脉瘤破裂之前检测到动脉瘤并对其风险进行分层，是指导采取预防措施的关键步骤。
2、但是，由于 ia 尺寸相对较小以及颅内血管结构复杂，通过盲目查看 cta 或 mra图像进行 ia 检测是一项艰巨的任务，需要大量医疗资源。特别是在资源匮乏地区和发展中国家，经验丰富的放射科医生相对短缺。此外，观察者之间和观察者内部存在高度可变性，这会导致漏诊或误诊病例。因此，自动 ia 检测或分割技术的需求十分迫切。
3、传统方法主要聚焦于成像数据，借助图像数据中的特定特征或应用预定义规则来自动识别动脉瘤。随着基于深度学习的图像分割方法不断发展，从血管数据中导出的三维（3d）血管几何形状或点云变得易于获取，进而能够实现自动检测ia。与传统的二维动脉瘤图像相比，重建的3d数据能够更全面地描述物体形状，这对于捕捉动脉瘤的微小特征和精细细节至关重要。越来越多的研究者开发出先进的点云分割方法，然而，3d点云具有无序性和不规则性，单一的体素化或者多视图方法会导致较高的计算复杂度。此外，一些直接基于点的几何信息的深
4、实际上，几何信息和拓扑信息都是理解细粒度复杂物体形状的重要线索。为此，本研究旨在通过引入拓扑数据分析（tda）和辅助几何信息来改进ia检测和分割，从而有效地解决上述问题。
技术实现思路
1、针对现有技术存在的问题，本专利技术提出了一种联合几何拓扑分析的动脉瘤3d点云自动化分割方法，将拓扑持久同源特征集成到点云的分层几何学习网络中，增强了其捕获细粒度3d对象中复杂结构的多尺度拓扑特征的能力，从而提高点云分割精度。所述方法包括：
2、3d动脉瘤点云数据预处理模块，用于对mra图像重建的原始3d动脉瘤点云数据集进行预处理，有效提升3d点云数据的质量和输入一致性；
3、双分支特征提取框架，用于分别获取输入数据的几何信息和拓扑信息；第一个分支是层次几何特征学习模块，用于提取动脉瘤点云的局部上下文几何信息；第二个分支是拓扑分析模块，用于定量计算动脉瘤的拓扑特征，同时过滤局部噪声的影响；
4、注意力融合模块，用于整合层次几何特征学习模块和拓扑分析模块得到的不同感受野的信息，得到最终分割结果；
5、联合损失函数，用于同时利用几何和拓扑信息对模型进行优化，通过引入拓扑损失函数，能够更好地保留动脉瘤的拓扑结构，进一步减少分割误差，从而提高分割性能。
6、在一实施例中，所述的3d动脉瘤点云数据预处理模块具体用于对所述原始点云数据进行最远点采样和坐标进行归一化处理，最远点采样技术有效减少了点云数据中的冗余信息，同时保留了关键结构特征，从而提升了数据的质量和计算效率，坐标归一化则确保了点云数据在不同尺度和范围下的一致性，为后续的动脉瘤检测和分割算法提供了可靠且稳定的输入数据；
7、在一实施例中，所述的双分支特征提取框架中的层次几何特征学习模块，使用了一个分层的神经网络迭代地处理在度量空间中采样的点集，对3d动脉瘤点云数据预处理模块处理后的动脉瘤点云数据集进行训练和预测，训练时采用分类交叉熵损失作为损失函数，从局部到整体逐步捕捉和学习动脉瘤更高层次的几何信息；
8、在一实施例中，所述的双分支特征提取框架的拓扑分析模块，提取动脉瘤的拓扑结构表示，同时过滤了局部噪声的影响，有助于进一步从几何建模中进行形状分析，并引入拓扑损失来增强正确拓扑关系的分割输出；
9、在一实施例中，所述的注意力融合模块，通过高效的信息整合机制，将来自层次几何特征学习模块和拓扑模块的互补信息深度融合，以实现对动脉瘤3d点云数据的精细分割；
10、在一实施例中，所述的联合损失函数用于同时优化几何特征和拓扑特征，以提高动脉瘤3d点云的分割精度。该联合损失函数由几何损失和拓扑损失组成，分别针对模型的几何信息提取和拓扑不变性特征进行优化。
11、与现有技术相比，采用上述方案所产生的有益效果在于：首先将原始动脉瘤点云样本通过3d动脉瘤点云数据预处理模块实施最远点采样技术，有效降低了数据冗余，同时保持了关键信息的完整性，坐标归一化处理进一步提升了数据的一致性和质量；其次，预处理后的数据被划分为训练集和测试集，并输入到双分支特征提取框架中进行训练。层次几何特征学习模块通过多层次的特征提取与抽象，能够捕捉并学习动脉瘤点云数据中的局部上下文几何信息，在训练过程中，采用分类交叉熵损失作为优化目标，确保了模型能够准确区分动脉瘤与其他血管结构，保证了分割的准确性。拓扑分析模块则利用了先进的计算拓扑方法，通过定量计算动脉瘤训练集中的拓扑特征，即拓扑持久同源特征，过滤了局部噪声的干扰，揭示了动脉瘤的内在拓扑结构，拓扑损失的引入进一步强化了模型对正确拓扑关系的识别能力，确保了分割结果既符合几何形态又保持正确的拓扑结构；最后用注意力融合模块整合层次几何特征学习模块和拓扑分析模块中得到的互补信息，根据信息的重要性和相关性进行动态调整，从而生成更加丰富、全面且精确的动脉瘤特征表示；因此这一方法不仅显著提升了动脉瘤分割的精度和鲁棒性，同时实现了优异的泛化性能。
本文档来自技高网...【技术保护点】
1.一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的联合几何拓扑分析的动脉瘤3D点云自动化分割方法，其特征在于，所述的3D动脉瘤点云数据预处理模块，包括采样和数据归一化两个主要步骤：
3.根据权利要求1所述的联合几何拓扑分析的动脉瘤3D点云自动化分割方法，其特征在于，所述的双分支特征提取框架中的层次几何特征学习模块，使用了一个分层的神经网络处理在度量空间中采样的点集；首先，利用距离度量将点集划分为重叠的局部区域；随后，在不同空间尺度下，从每个局部区域的相邻点提取局部几何特征；最后，将提取的局部几何特征聚合为更大的单元，以生成更高级的特征表示；重复这个过程，直到点集中的所有特征都被完全提取出来；整个网络由多个抽象模块组成，每个模块包含采样、分组和特征提取层：
4.根据权利要求1所述的联合几何拓扑分析的动脉瘤3D点云自动化分割方法，其特征在于，所述的双分支特征提取框架中的拓扑分析模块，使用持久同源性分析识别持久性特征，从而提取动脉瘤的拓扑结构表示，包括如下步骤：
5.根据权利要求1
6.根据权利要求1所述的联合几何拓扑分析的动脉瘤3D点云自动化分割方法，其特征在于，所述的联合损失函数，利用交叉熵损失函数监督模型生成基于空间位置坐标和几何信息的粗略分类结果，同时，引入拓扑损失，测量两个PD之间的差异，实现优化分割；
...【技术特征摘要】
1.一种联合几何拓扑分析的动脉瘤3d点云自动化分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的联合几何拓扑分析的动脉瘤3d点云自动化分割方法，其特征在于，所述的3d动脉瘤点云数据预处理模块，包括采样和数据归一化两个主要步骤：
3.根据权利要求1所述的联合几何拓扑分析的动脉瘤3d点云自动化分割方法，其特征在于，所述的双分支特征提取框架中的层次几何特征学习模块，使用了一个分层的神经网络处理在度量空间中采样的点集；首先，利用距离度量将点集划分为重叠的局部区域；随后，在不同空间尺度下，从每个局部区域的相邻点提取局部几何特征；最后，将提取的局部几何特征聚合为更大的单元，以生成更高级的特征表示；重复这个过程，直到点集中的所有特征都被完全提取出来；整个网络由多个抽象模块组成，每个模块包含采样、分组和特征提取层：
4.根据权利要求1所述的联合几何拓扑分析的动脉瘤3d点...
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。