【技术实现步骤摘要】
用于血管动脉瘤介入手术导航系统的导管检测方法及系统
本专利技术属于图像处理
，具体涉及了一种用于血管动脉瘤介入手术导航系统的导管检测方法及系统。
技术介绍
微创介入手术导航系统是一种新兴的心血管疾病治疗系统，即集计算机科学、人工智能、自动控制、影像处理、多模态融合、目标分割、三维图像学、虚拟现实培训和临床治疗等多方面技术为一体的新方法。该方法使用多种模态的医学影像协助医生将介入手术器械从桡动脉或股动脉穿刺，送到血管狭窄的部位进行治疗，该方法可以提高手术质量、减少手术创伤、降低患者痛苦。虽然该方法取得了较好的临床进步，但是微创介入手术在主动脉瘤手术实际应用过程中还面临着多方面的困难。例如，目前在进行某些介入相关治疗时，并没有一种完善的手术规划方法；医生很难按照预定的手术方案准确地将介入治疗器械送到病变部位，实施手术，血管介入手术中的导管检测是实现血管导航系统的重要一环，但是有着以下难点：(1)X射线图像的信噪比(SNR)低，背景噪声极大地干扰了导管的分割。(2)极端的前景-背景类别失衡是由导管像素与背景像素的低比率产生的...
【技术保护点】
1.一种用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，所述检测方法包括：/n步骤S10，获取手术过程中包含导管的区域的X光透射视频序列，作为待检测视频序列；/n步骤S20，基于所述待检测视频序列，通过训练好的基于深度学习的编码解码结构生成所述导管的二值分割掩膜序列；/n步骤S30，将所述二值分割掩膜序列覆盖在所述待检测视频序列上获得所述导管的视频序列；/n其中，所述基于深度学习的编码解码结构包括顺次连接的第一卷积层、第一循环残差块、多级嵌套的编码解码结构和第二卷积层；所述多级嵌套的编码解码结构为在各级编码解码结构的编码器与解码器之间嵌套插入下一级编码解码结构；/...
【技术特征摘要】
1.一种用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，所述检测方法包括：
步骤S10，获取手术过程中包含导管的区域的X光透射视频序列，作为待检测视频序列；
步骤S20，基于所述待检测视频序列，通过训练好的基于深度学习的编码解码结构生成所述导管的二值分割掩膜序列；
步骤S30，将所述二值分割掩膜序列覆盖在所述待检测视频序列上获得所述导管的视频序列；
其中，所述基于深度学习的编码解码结构包括顺次连接的第一卷积层、第一循环残差块、多级嵌套的编码解码结构和第二卷积层；所述多级嵌套的编码解码结构为在各级编码解码结构的编码器与解码器之间嵌套插入下一级编码解码结构；
所述多级嵌套的编码解码结构，其编码器和解码器分别包括多个编码模块和多个解码模块；所述编码模块通过残差连接与对应的同级解码模块连接；
所述编码模块基于MobileNetV2网络构建，包括顺次连接的编码残差块和第二循环残差块；
所述解码模块基于U-net神经结构和递归神经网络构建，包括顺次连接的解码块和第二循环残差块。
2.根据权利要求1所述的用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，步骤S20包括：
步骤S21，对于所述待检测视频序列中任一待检测图片，通过所述基于深度学习的编码解码结构中第一卷积层生成第一特征图像；
步骤S22，通过基于深度学习的编码解码结构中第一循环残差块将所述第一特征图像生成第二特征图像；
步骤S23，基于所述第二特征图像，通过所述基于深度学习的编码解码结构中各编码模块进行分级编码，获得特征压缩图像；
步骤S24，基于所述特征压缩图像，通过所述基于深度学习的编码解码结构中各解码模块，进行分级解码，获得上采样特征图像；
步骤S25，基于所述上采样特征图像，通过所述基于深度学习的编码解码结构中第二卷积层生成所述待检测图片对应的导管的二值分割掩膜，获得导管的二值分割掩膜序列。
3.根据权利要求1所述的用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，所述第二循环残差块为包含两个循环卷积层的残差块。
4.根据权利要求1所述的用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，所述编码残差块，为包含了第四卷积层、Dwise卷积层和第五卷积层的残差块。
5.根据权利要求1所述的用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，所述解码块，包括顺次连接的第六卷积层、转置卷积层和第七卷积层。
6.根据权利要求5所述的用于血管动脉瘤介入手术导航系统的导管检测方法，其特征在于，所述第六卷积层和第七卷积层为合并了批正则化层的卷积层。
...
【专利技术属性】
技术研发人员：刘市祺，谢晓亮，侯增广，周彦捷，奉振球，周小虎，马西瑶，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11
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。