基于血管识别的目标组织定位方法和装置制造方法及图纸

本申请涉及一种基于血管识别的目标组织定位方法、装置、计算机设备和计算机可读存储介质，其中方法包括：获取待识别的血管图像；对血管图像进行中心线提取；利用训练完备的机器学习模型对提取的中心线进行识别，得到中心线对应的名称和分段标记；基于中心线对血管图像中的血管进行分割和分析，以检测目标组织；根据检测结果与中心线对应的名称和分段标记，对目标组织进行定位。通过本申请，可以快速准确定位血管中的目标组织。

【技术实现步骤摘要】
基于血管识别的目标组织定位方法和装置
本申请涉及图像处理领域，特别是涉及基于血管识别的目标组织定位方法、装置、计算机设备和计算机可读存储介质。
技术介绍
近年来，脑血管疾病的发病率和死亡率正逐年增加，逐步成为了我国致死率第一的疾病。随着血管壁磁共振成像技术的越发成熟，如何基于磁共振的血管图像识别出主要的脑血管，并检测出血管中的目标组织是目前需要解决的问题。目前，基于血管图像对血管中的目标组织识别的研究已有一些，一般是采用手动或交互式的方式来获取黑血序列的血管中心线，并根据黑血序列的血管中心线进行目标组织的定位。但是这种方式存在的问题是，一般在人工的参与下只能确定是哪个血管，无法定位到具体的血管段上；而且存在人为因素会导致效率低、目标组织定位不准确。目前针对相关技术中，对于目标组织，无法准确定位到具体的血管段上的问题，尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种基于血管识别的目标组织定位方法、装置、计算机设备和计算机可读存储介质，以至少解决相关技术中对于目标组织，无法准确定位到具体的血管段上的问题。第一方面，本申请实施例提供了一种基于血管识别的目标组织定位方法，包括以下步骤：获取待识别的血管图像；对所述血管图像进行中心线提取；利用训练完备的机器学习模型对提取的所述中心线进行识别，得到所述中心线对应的名称和分段标记；基于所述中心线对所述血管图像中的血管进行分割和分析，以检测目标组织；根据检测结果与所述中心线对应的名称和分段标记，对所述目标组织进行定位。在其中一些实施例中，还包括以下步骤：获取多个血管图像，对所述多个血管图像进行中心线提取，并对提取的中心线进行命名和分段标记；将带有中心线名称和分段标记的所述多个血管图像作为样本数据进行训练，得到所述训练完备的机器学习模型。在其中一些实施例中，基于所述中心线对所述血管图像中的血管进行分割和分析，以检测目标组织，包括以下步骤：沿着所述中心线，对所述血管图像中的血管进行逐层分析，并在每个重建层上分割出血管的管腔管壁；对分割得到的所述管腔管壁进行管径分析，以识别血管的狭窄部位；对所述狭窄部位的管腔管壁之间的成分进行识别，并根据识别结果判断所述狭窄部位是否存在所述目标组织。在其中一些实施例中，对分割得到的所述管腔管壁进行管径分析，以识别血管的狭窄部位，包括以下步骤：计算分割得到的所述管腔管壁的定量参数；所述定量参数包括管腔面积、管壁面积和管壁厚度；根据所述定量参数，识别所述血管的狭窄部位。在其中一些实施例中，对所述狭窄部位的管腔管壁之间的成分进行识别，并根据识别结果判断所述狭窄部位是否存在所述目标组织，包括以下步骤：对所述狭窄部位的管腔管壁之间的成分进行识别并标记，并定量计算各种成分的面积及占比；根据计算结果，判断所述狭窄部位是否存在所述目标组织。在其中一些实施例中，对所述血管图像进行中心线提取，包括以下步骤：利用配准算法对所述血管图像进行中心线提取；或，利用交互式检测算法对所述血管图像进行中心线提取；或，利用自动检测算法对所述血管图像进行中心线提取。在其中一些实施例中，用于检测所述目标组织的图像为单个序列上的单层，和/或多个配准序列相同位置的多层。第二方面，本申请实施例提供了一种基于血管识别的目标组织定位装置，其特征在于，包括图像获取模块、中心线提取模块、中心线命名标记模块、目标组织检测模块以及目标组织定位模块；所述图像获取模块，用于获取待识别的血管图像；所述中心线提取模块，用于对所述血管图像进行中心线提取；所述中心线命名标记模块，用于利用训练完备的机器学习模型对提取的所述中心线进行识别，得到所述中心线对应的名称和分段标记；所述目标组织检测模块，用于基于所述中心线对所述血管图像中的血管进行分割和分析，检测目标组织；所述目标组织定位模块，用于根据检测结果与所述中心线对应的名称和分段标记，对所述目标组织进行定位。在其中一些实施例中，还包括训练模块；所述训练模块，用于获取多个血管图像，对所述多个血管图像进行中心线提取，并对提取的中心线进行命名和分段标记；将带有中心线名称和分段标记的所述多个血管图像作为样本数据进行训练，得到所述训练完备的机器学习模型。在其中一些实施例中，所述目标组织检测模块包括第一分析单元、第二分析单元以及识别单元；所述第一分析单元，用于沿着所述中心线，对所述血管图像中的血管进行逐层分析，并在每个重建层上分割出血管的管腔管壁；所述第二分析单元，用于对分割得到的所述管腔管壁进行管径分析，以识别血管的狭窄部位；所述识别单元，用于对所述狭窄部位的管腔管壁之间的成分进行识别，并根据识别结果判断所述狭窄部位是否存在所述目标组织。在其中一些实施例中，所述第二分析单元，还用于计算分割得到的所述管腔管壁的定量参数；所述定量参数包括管腔面积、管壁面积和管壁厚度；根据所述定量参数，识别所述血管的狭窄部位。在其中一些实施例中，所述识别单元，还用于对所述狭窄部位的管腔管壁之间的成分进行识别并标记，并定量计算各种成分的面积及占比；根据计算结果，判断所述狭窄部位是否存在所述目标组织。在其中一些实施例中，所述中心线提取模块，还用于利用配准算法对所述血管图像进行中心线提取；或，利用交互式检测算法对所述血管图像进行中心线提取；或，利用自动检测算法对所述血管图像进行中心线提取。第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以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，所述处理器执行所述计算机程序时实现如第一方面所述的基于血管识别的目标组织定位方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的基于血管识别的目标组织定位方法。相比于相关技术，本申请实施例提供的基于血管识别的目标组织定位方法、装置、计算机设备和计算机可读存储介质，通过对血管图像的检测结果和识别得到的中心线对应的名称和分段标记，能够快速准确地定位血管中的目标组织，且定位的目标组织带有名称和分段标记。本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是本申请一实施例提供的基于血管识别的目标组织定位方法的流程图；图2是本申请图1所示的实施例中的步骤S240的流程图；图3是本申请一实施例提供的重建图的示意图；图4是本申请一实施例提供的对重建图进行分割后的示意图；图5是本申请一实施例提供的基于本文档来自技高网...

【技术保护点】
1.一种基于血管识别的目标组织定位方法，其特征在于，包括以下步骤：/n获取待识别的血管图像；/n对所述血管图像进行中心线提取；/n利用训练完备的机器学习模型对提取的所述中心线进行识别，得到所述中心线对应的名称和分段标记；/n基于所述中心线对所述血管图像中的血管进行分割和分析，以检测目标组织；/n根据检测结果与所述中心线对应的名称和分段标记，对所述目标组织进行定位。/n

【技术特征摘要】
1.一种基于血管识别的目标组织定位方法，其特征在于，包括以下步骤：
获取待识别的血管图像；
对所述血管图像进行中心线提取；
利用训练完备的机器学习模型对提取的所述中心线进行识别，得到所述中心线对应的名称和分段标记；
基于所述中心线对所述血管图像中的血管进行分割和分析，以检测目标组织；
根据检测结果与所述中心线对应的名称和分段标记，对所述目标组织进行定位。


2.根据权利要求1所述的基于血管识别的目标组织定位方法，其特征在于，还包括以下步骤：
获取多个血管图像，对所述多个血管图像进行中心线提取，并对提取的中心线进行命名和分段标记；
将带有中心线名称和分段标记的所述多个血管图像作为样本数据进行训练，得到所述训练完备的机器学习模型。


3.根据权利要求1或2所述的基于血管识别的目标组织定位方法，其特征在于，基于所述中心线对所述血管图像中的血管进行分割和分析，以检测目标组织，包括以下步骤：
沿着所述中心线，对所述血管图像中的血管进行逐层分析，并在每个重建层上分割出血管的管腔管壁；
对分割得到的所述管腔管壁进行管径分析，以识别血管的狭窄部位；
对所述狭窄部位的管腔管壁之间的成分进行识别，并根据识别结果判断所述狭窄部位是否存在所述目标组织。


4.根据权利要求3所述的基于血管识别的目标组织定位方法，其特征在于，对分割得到的所述管腔管壁进行管径分析，以识别血管的狭窄部位，包括以下步骤：
计算分割得到的所述管腔管壁的定量参数；所述定量参数包括管腔面积、管壁面积和管壁厚度；
根据所述定量参数，识别所述血管的狭窄部位。


5.根据权利要求3所述的基于血管识别的目标组织定位方法，其特征在于，对所述狭窄部位的管腔管壁之间的成分进行识别，并根据识别结果判断所述狭窄部位是否存在所述目标组织，包括以下步...

【专利技术属性】
技术研发人员：杨雄，
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