医学影像的血管分割方法、计算机设备和可读存储介质技术

本申请涉及一种医学影像的血管分割方法、计算机设备和可读存储介质。该方法包括：获取待分割的医学影像；将医学影像输入预设的血管分割模型中，得到医学影像的血管分割结果；其中，血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。由该方法训练得到的血管分割模型，考虑了医生感兴趣血管(即重要血管)的分类信息，可使得血管分割模型更加关注重要血管的分割过程，则其得到的血管分割结果中重要血管的分割结果比较突出或明显，能够更好的辅助医生进行阅片。

Vascular segmentation method, computer equipment and readable storage medium of medical image

【技术实现步骤摘要】
医学影像的血管分割方法、计算机设备和可读存储介质
本申请涉及图像处理
，特别是涉及一种医学影像的血管分割方法、计算机设备和可读存储介质。
技术介绍
血管分析在临床领域发挥着重要作用，而血管分割是血管分析过程极其重要的一步。早期的血管分割方法主要是针对血管造影图像进行图像分析，得到血管分割结果，但其易受血管周围骨质或斑块的干扰，影响对血管狭窄程度的测量；或是采用减影法对血管造影图像进行处理，但其要求患者在扫描时保持固定，轻微的移动都会导致减影图像结果不理想。当前，深度学习已逐渐应用在血管分割任务中，采用监督学习方法从带标注的训练数据中学习到用于血管分割的网络模型，对于血管造影图像中的每个像素通过网络模型都会输出一个对应结果，表示这个像素是否属于血管部分。但是，传统技术得到的血管分割结果比较笼统，对医生的阅片辅助效果不理想。
技术实现思路
基于此，有必要针对传统技术中得到的血管分割结果比较笼统，对医生的阅片辅助效果不理想的问题，提供一种医学影像的血管分割方法、计算机设备和可读存储介质。第一方面，本申请实施例提供一种医学影像的血管分割方法，包括：获取待分割的医学影像；将医学影像输入预设的血管分割模型中，得到医学影像的血管分割结果；其中，血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。在其中一个实施例中，上述方法还包括：针对医学影像，确定医学影像中像素点的位置信息；将医学影像和位置信息输入预设的血管分割模型，通过医学影像和位置信息表征的血管空间分布信息，得到医学影像的血管分割结果；其中，血管分割模型为根据带有感兴趣血管分类信息和血管位置信息的训练样本进行训练所得到的。在其中一个实施例中，将医学影像和位置信息输入预设的血管分割模型中，通过医学影像和位置信息表征的血管空间分布信息，得到医学影像的血管分割结果，包括：将医学影像和位置信息通过不同通道输入血管分割模型中；血管分割模型通过位置信息，获取血管空间分布信息，以及对医学影像进行特征提取，得到医学影像的特征信息；根据血管空间分布信息和特征信息，确定医学影像的血管分割结果。在其中一个实施例中，训练样本包括多个训练样本影像和每个训练样本影像对应的标签，标签包括分割标签和感兴趣血管分类信息；血管分割模型的训练方式包括：将训练样本影像和训练样本影像的坐标矩阵输入初始血管分割模型，通过训练样本影像和坐标矩阵表征的血管空间分布信息，得到初始血管分割结果；利用第一损失对初始血管分割模型进行训练，得到参考血管分割模型；其中，第一损失为初始血管分割结果和分割标签之间的损失，分割标签用于表征当前区域是否为血管区域，坐标矩阵用于表征训练样本影像中像素点的位置信息；将训练样本影像和训练样本影像的坐标矩阵输入参考血管分割模型，通过训练样本影像和坐标矩阵表征的血管空间分布信息，得到参考血管分割结果；利用第二损失对参考血管分割模型进行训练，得到血管分割模型；其中，第二损失包括参考血管分割结果和分割标签之间的整体损失、以及参考血管分割结果和感兴趣血管分割标签之间的损失，感兴趣血管分割标签为带有感兴趣血管分类信息的分割标签。在其中一个实施例中，参考血管分割结果中包括感兴趣血管分割结果；利用第二损失对所述参考血管分割模型进行训练，得到所述血管分割模型，包括：计算参考血管分割结果和分割标签之间的整体损失，以及感兴趣血管分割结果和感兴趣血管分割标签之间的第三损失；根据整体损失和第三损失确定第二损失，利用第二损失对参考血管分割模型进行训练；当第二损失满足预设条件时，得到血管分割模型。在其中一个实施例中，上述针对医学影像，确定医学影像中像素点的位置信息，包括：确定医学影像中每个像素点与预设的坐标原点的相对位置，坐标原点位于医学影像的预设位置上；根据每个像素点与坐标原点的相对位置，确定位置信息。在其中一个实施例中，将医学影像和位置信息输入预设的血管分割模型中，通过医学影像和位置信息表征的血管空间分布信息，得到医学影像的血管分割结果，包括：获取医学影像上预设尺寸的多个影像块以及每个影像块对应的位置信息；将每个影像块和每个影像块对应的位置信息输入血管分割模型中，得到每个影像块的血管分割结果；根据每个影像块对应的位置信息，将每个影像块的血管分割结果拼接为医学影像的血管分割结果。在其中一个实施例中，上述血管分割模型为三维网络模型。第二方面，本申请实施例提供一种医学影像的血管分割装置，包括：获取模块，用于获取待分割的医学影像；确定模块，用于将医学影像输入预设的血管分割模型中，得到医学影像的血管分割结果；其中，血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：获取待分割的医学影像；将医学影像输入预设的血管分割模型中，得到医学影像的血管分割结果；其中，血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取待分割的医学影像；将医学影像输入预设的血管分割模型中，得到医学影像的血管分割结果；其中，血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。上述医学影像的血管分割方法、装置、计算机设备和可读存储介质，能够将待分割的医学影像输入预设的血管分割模型中，得到医学影像的血管分割结果，该血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练得到的。由此训练得到的血管分割模型，考虑了医生感兴趣血管(即重要血管)的分类信息，可使得血管分割模型更加关注重要血管的分割过程，则其得到的血管分割结果中重要血管的分割结果比较突出或明显，能够更好的辅助医生进行阅片。附图说明图1为一个实施例提供的计算机设备的结构示意图；图2为一个实施例提供的医学影像的血管分割方法的流程示意图；图2a为一个实施例提供的医学影像的血管分割结果示意图；图3为另一个实施例提供的医学影像的血管分割方法的流程示意图；图3a为一个实施例提供的医学影像的血管分割过程的处理示意图；图4为又一个实施例提供的医学影像的血管分割方法的流程示意图；图5为又一个实施例提供的医学影像的血管分割方法的流程示意图；图6为一个实施例提供的医学影像的血管分割装置的结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请实施例提供的医学影像的血管分割方法，可以适用于如图1所示的计算机设备。该本文档来自技高网...

【技术保护点】
1.一种医学影像的血管分割方法，其特征在于，包括：/n获取待分割的医学影像；/n将所述医学影像输入预设的血管分割模型中，得到所述医学影像的血管分割结果；其中，所述血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。/n

【技术特征摘要】
1.一种医学影像的血管分割方法，其特征在于，包括：
获取待分割的医学影像；
将所述医学影像输入预设的血管分割模型中，得到所述医学影像的血管分割结果；其中，所述血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对所述医学影像，确定所述医学影像中像素点的位置信息；
将所述医学影像和所述位置信息输入预设的血管分割模型，通过所述医学影像和所述位置信息表征的血管空间分布信息，得到所述医学影像的血管分割结果；其中，所述血管分割模型为根据带有感兴趣血管分类信息和血管位置信息的训练样本进行训练所得到的。


3.根据权利要求2所述的方法，其特征在于，所述将所述医学影像和所述位置信息输入预设的血管分割模型中，通过所述医学影像和所述位置信息表征的血管空间分布信息，得到所述医学影像的血管分割结果，包括：
将所述医学影像和所述位置信息通过不同通道输入所述血管分割模型中；
所述血管分割模型通过所述位置信息，获取血管空间分布信息，以及对所述医学影像进行特征提取，得到所述医学影像的特征信息；
根据所述血管空间分布信息和所述特征信息，确定所述医学影像的血管分割结果。


4.根据权利要求2或3所述的方法，其特征在于，所述训练样本包括多个训练样本影像和每个训练样本影像对应的标签，所述标签包括分割标签和感兴趣血管分类信息；所述血管分割模型的训练方式包括：
将所述训练样本影像和所述训练样本影像的坐标矩阵输入初始血管分割模型，通过所述训练样本影像和所述坐标矩阵表征的血管空间分布信息，得到初始血管分割结果；利用第一损失对所述初始血管分割模型进行训练，得到参考血管分割模型；其中，所述第一损失为所述初始血管分割结果和所述分割标签之间的损失，所述分割标签用于表征当前区域是否为血管区域，所述坐标矩阵用于表征所述训练样本影像中像素点的位置信息；
将所述训练样本影像和所述训练样本影像的坐标矩阵输入所述参考血管分割模型，通过所述训练样本影像和所述坐标矩阵表征的血管空间分布信息，得到参考血管分割结果；利用第二损失对所述参考血管分割模型进行训练，得...

【专利技术属性】
技术研发人员：江鹏博，石峰，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31