【技术实现步骤摘要】
本专利技术涉及一种血管造影图像中血管分割与狭窄检测的方法，尤其是一种全自动的血管分割与狭窄检测方法，属于医学影像处理领域。
技术介绍
1、冠状动脉疾病是最常见的心血管疾病，并且是世界上最常见的死亡原因之一。在世界卫生组织(who)发布的最新数据，心血管疾病是四大非传染性慢性疾病之一，也是死亡人数增加最多的疾病。由于冠状动脉血管造影图像较为复杂，很难像脑部、四肢血管造影图像一样得到清晰的减影图像，因此从冠脉造影图像提取出清晰、完整的血管树结构是至关重要的。
2、目前，动脉造影图像分割有许多经典的方法如：阈值分割法，边缘检测法，区域生长法，以及基于跟踪的方法。但由于动脉造影图像通常对比度低且背景复杂，传统算法在实际应用中可能难以满足临床需求。
3、深度学习方法，提高了动脉造影图像分割的准确性和鲁棒性。如卷积神经网络、transformer模型和新兴的mamba模型。其中基于mamba模型提出的vm-unet处理大规模医学图像数据时更为高效，该模型利用状态空间模型来捕获广泛的上下文信息，医学图像分割任务中表现出很强的竞争力。
4、进一步，在血管狭窄检测方面，首先需要进行中心线提取，首先通过侵蚀操作，通过血管分割图得到中心线。之后需要进行血管直径测量。常用的血管直径估计方法包括边缘交点法、多项式拟合法和高斯曲线拟合法、mom法等。最后进行血管狭窄程度的判断，根据当前点的直径与前后血管段的直径进行比较，计算出具体的狭窄程度。
技术实现思路
1、冠状动脉造影
2、本专利技术的技术方案是：基于vm-unet模型提取血管树，包括：步骤1，采用rof和clahe方法对图像进行去噪。
3、步骤2，先训练一个简单的vm-unet，对图像进行粗分割。
4、步骤3，在掩码图像上等间距选取10个点作为提示反馈给medsam，从而自动获取medsam编码器输出的特征向量。
5、步骤4，将两个编码器的特征向量串联，然后送入vm-unet的解码器，反向传播不断更新权重，最终得到输出的掩码图像。
6、基于动态队列检测血管狭窄，包括：
7、步骤1，采用bfs算法将血管分成多段路径
8、步骤2，创建一个空的队列，在每段路径上寻找半径不断缩小的点列，并且记录队头的半径。
9、步骤3，当点列的半径开始变大时，记录半径的最小值。
10、步骤4，后续点列不断入队，直到队尾点的半径比即将入队的下一个点更大，流程结束，计算狭窄程度。
11、步骤5，重复上述步骤，继续在血管路径上遍历，直到遍历完所有血管。
12、与现有技术相比，本专利技术的优势主要体现在以下几个方面：
13、首先，本专利技术在血管提取和狭窄检测的流程设计上更为完善。通过深度学习算法的优化，我们能够以更高的准确度识别和提取冠状动脉的血管轮廓，从而为医生提供更加精确、可靠的诊断指标。
14、其次，本专利技术创新性地融合了medsam的特征提取能力与vm-unet的视觉状态空间模型。这种结合不仅发挥了medsam在特征提取方面的强大能力，还利用了vm-unet模型在线性复杂度方面的优势。相较于传统的vision transformer，本专利技术的推理速度更快，数据处理能力更强，因此在血管图像的分割准确率和稳定性方面实现了显著提升。
本文档来自技高网...【技术保护点】
1.一种从造影图像中全自动血管提取及狭窄检测方法，由四个关键模块构成。其中包括：(1)VM-UNet特征提取模块：冻结解码器，通过编码器中的核心双分支结构VSS块，结合线性层、深度可分离卷积和2D-Selective-Scan模块进行特征提取，得到分支1的特征向量。(2)SAM-VMNet特征提取模块：解冻解码器，将图像输入VM-UNet，从输出图像中选择标注点作为MedSAM的提示，获取特征向量，通过1×1卷积和平均池化进行下采样，得到分支2的特征向量。(3)双分支特征融合模块：将双分支的特征向量进行线性融合，融合后的向量通过VM-UNet解码器上采样，输出最终预测结果。(4)动态队列狭窄检测模块：动态捕捉血管直径的极小值点，自动标注血管狭窄位置。
2.如权利要求1所述的全自动血管提取及狭窄检测的方法，其中VM-UNet特征提取模块，可以在建立远距离依赖关系的同时保持线性复杂度，捕捉广泛的上下文信息。
3.如权利要求1所述的全自动血管提取及狭窄检测的方法，其中SAM-VMNet特征提取模块，可以增强模型的整体特征提取能力，加快推理速度。
4.
5.如权利要求1所述的全自动血管提取及狭窄检测的方法，其中动态队列狭窄检测模块，可以检测血管具体的狭窄位置，可视化检测过程。
...【技术特征摘要】
1.一种从造影图像中全自动血管提取及狭窄检测方法，由四个关键模块构成。其中包括：(1)vm-unet特征提取模块：冻结解码器，通过编码器中的核心双分支结构vss块，结合线性层、深度可分离卷积和2d-selective-scan模块进行特征提取，得到分支1的特征向量。(2)sam-vmnet特征提取模块：解冻解码器，将图像输入vm-unet，从输出图像中选择标注点作为medsam的提示，获取特征向量，通过1×1卷积和平均池化进行下采样，得到分支2的特征向量。(3)双分支特征融合模块：将双分支的特征向量进行线性融合，融合后的向量通过vm-unet解码器上采样，输出最终预测结果。(4)动态队列狭窄检测模块：动态捕捉血管直径的极小值点，自动标注血管狭窄...
【专利技术属性】
技术研发人员：曾雪迎，黄柏翔，罗钰，魏光宇，何松晏，邵玉爽，
申请(专利权)人：中国海洋大学，
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。