血管识别方法和装置制造方法及图纸

本发明专利技术实施例提供了一种血管识别方法和装置，涉及医学影像技术领域，能够提高血管识别的效率。该血管识别方法包括：获取待识别血管的血管中心线的特征；根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型，识别所述待识别血管的种类。

【技术实现步骤摘要】

本专利技术涉及医学影像
，尤其涉及一种血管识别方法和装置。
技术介绍
在基于图像的血管应用中，例如电子计算机断层扫描(ComputedTomography，CT)图像或核磁共振(MagneticResonance，MR)图像，分割出血管之后，还需要识别出血管在解剖学上属于什么血管，例如，在腹部血管中，需要识别出腹主动脉、肠系膜上动脉、肝动脉、脾动脉、左肾动脉、右肾动脉、左腿动脉和右腿动脉。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：对于这些不同类型的血管的识别，目前是通过人工进行识别，识别效率较低。
技术实现思路
有鉴于此，本专利技术提供了一种血管识别方法和装置，能够提高血管识别的效率。一方面，提供了一种血管识别方法，包括：获取待识别血管的血管中心线的特征；根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型，识别所述待识别血管的种类。具体地，在所述根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别本文档来自技高网...

【技术保护点】
一种血管识别方法，其特征在于，包括：获取待识别血管的血管中心线的特征；根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型，识别所述待识别血管的种类。

【技术特征摘要】
1.一种血管识别方法，其特征在于，包括：获取待识别血管的血管中心线的特征；根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型，识别所述待识别血管的种类。2.根据权利要求1所述的方法，其特征在于，在所述根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型，识别所述待识别血管的种类过程之前，还包括：获取已知的血管的种类和对应的血管中心线的特征，并作为训练样本；基于机器学习算法对所述训练样本进行训练，建立所述血管识别模型。3.根据权利要求2所述的方法，其特征在于，任意所述血管中心线的特征包括：用于表示血管中心线的位置、长度或走势的特征。4.根据权利要求3所述的方法，其特征在于，所述用于表示血管中心线的位置、长度或走势的特征包括：血管中心线上的位置坐标值和/或血管中心线上的两个位置坐标值之差；所述血管中心线上的位置坐标值包括以下各项之一或任意组合：血管中心线的起始坐标值、血管中心线的终点坐标值、血管中心线的中点坐标值以及血管中心线从起始位置至预设位置之间的终点坐标值和中点坐标值；所述血管中心线上的两个位置坐标值之差包括以下各项之一或任意组合：血管中心线的起始坐标值与终点坐标值之差、血管中心线的起始坐标值与中点坐标值之差、血管中心线的中点坐标值与终点坐标值之差、血管中心线从起始位置至预设位置之间的起始坐标值与终点坐标值之差、血管中心线从起始位置至预设位置之间的起始坐标值与中点坐标值之差以及血管中心线从起始位置至预设位置之间的中点坐标值与终点坐标值之差。5.根据权利要求3或4所述的方法，其特征在于，在所述基于机器学习算法对所述训练样本进行训练，建立所述血管识别模型的过程之前，还包括：确定不同种类的血管的识别顺序；所述基于机器学习算法对所述训练样本进行训练，建立所述血管识别模型具体为：基于机器学习算法按照所述识别顺序对所述训练样本进行训练，获得每个血管种类所对应的血管识别模型；所述根据所获取的待识别血管的血管中心线的特征，利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型，识别所述待识别血管的种类的过程为：按照所述识别顺序利用每个血管种类所对应的血管识别模型识别所述待识别血管的种类；任意所述血管中心线的特征还包括：用于表示所述识别顺序中除了排序在第一位之外的任意血管的血管中心线与所述识别顺序中排序在该血管之前的血管的血管中心线之间的相互位置关系的特征。6.根据权利要求5所述的方法，其特征在于，所述用于表示所述识别顺序中除了排序在第一位之外的任意血管的血管中心线与所述识别顺序中排序在该血管之前的血管...

【专利技术属性】
技术研发人员：赵鹏，毛玉妃，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31