一种动静脉确定方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种动静脉确定方法、装置、设备和存储介质，其中，动静脉确定方法包括：获取包含目标血管的初始医学图像数据；基于预先训练的主干提取神经网络模型，确定初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为目标血管中，预设支干的动脉血管和静脉血管；基于预设约束条件，确定初始医学图像数据中的动脉细支信息和静脉细支信息，结合动脉主干信息和静脉主干信息，得到目标血管的动脉血管信息和静脉血管信息，本发明专利技术实施例的技术方案能够快速、准确且完整地实现动脉血管与静脉血管的分离。

【技术实现步骤摘要】
一种动静脉确定方法、装置、设备和存储介质
本专利技术实施例涉及图像处理
，尤其涉及一种动静脉确定方法、装置、设备和存储介质。
技术介绍
肺部疾病是我国发病率较高的病种，对肺部疾病的预防和治疗依赖于精确的诊断和定量的分析。近年来医学成像技术的飞速发展使得对肺部的定量分析成为可能，计算机断层扫描(CT)技术允许以低辐射剂量在亚毫米级别上描绘肺部解剖结构，如肺血管系统和支气管。高分辨率CT图像下对肺部血管的分析，有助于早期肺部结节检测，肺栓塞，慢性阻塞性肺病(COPD)，慢性血栓栓塞性肺动脉高压(CTEPH)或肺动脉/静脉高压(PAH/PVH)等疾病的精确分析和辅助诊断。定量肺分析的难点在于肺血管树的重建：肺血管存在噪音、结构细小、气管干扰、结构复杂、分叉众多、尺寸多样且周围组织结构复杂等特点，同时由于图像的分辨率和容积效应等原因，肺动脉和肺静脉在主干和远端细支都存在很多黏连的地方，图像中并没有明显的独立分开。现有肺动静脉分离方法主要包括：使用多尺度管状过滤器增强肺部血管，在肺部血管增强图上构建四维血管路径图，然后使用整数规划二类优化算法将包含所有血管的四维血管路径图从整体上分离为肺动脉血管和静脉血管。该方法既使用了局部特征(血管增强程度、血管直径、血管方向、相邻血管点之间的距离)构建四维血管路径，又使用优化算法从整体上进行动静脉分类该算法的缺点是运行速度非常慢，整个算法设计复杂步骤多。还有使用血管子树划分进行动静脉分类的方法。该方法先生成血管中心线图，在中心线图中使用末端剪枝检测动静脉黏连点，通过断开动静脉黏连点生成肺血管子树，最后通过周围血管匹配确定子树是动脉子树或静脉子树。该算法思路清晰简单，但是并不能得到完整的肺动脉血管树和肺静脉血管树，提出的血管子树分类的方法误差较大，仍然比较耗时。近来有论文尝试引入深度学习算法辅助肺动静脉分离，用空间尺度粒子表示四维血管路径图，然后使用深度学习网络对表示血管的粒子进行分类，最后使用图割整体优化网络分类结果。该方案的缺点是运行效率差，深度学习网络模型分类的准确度低，基本依靠图割对网络预测结果进行优化，很难获取到完整的肺动脉和肺静脉。
技术实现思路
本专利技术提供一种动静脉确定方法、装置、设备和存储介质，能够快速、准确且完整地实现动脉血管与静脉血管的分离。第一方面，本专利技术实施例提供了一种动静脉确定方法，所述动静脉确定方法包括：获取包含目标血管的初始医学图像数据；基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为所述目标血管中，预设支干的动脉血管和静脉血管；基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息。第二方面，本专利技术实施例还提供了一种动静脉确定装置，所述动静脉确定装置包括：初始医学图像数据获取模块，用于获取包含目标血管的初始医学图像数据；动脉主干和静脉主干确定模块，用于基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为所述目标血管中，预设支干的动脉血管和静脉血管；动脉血管和静脉血管确定模块，用于基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息。第三方面，本专利技术实施例还提供了一种计算机设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任一实施例所述的动静脉确定方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术任一实施例所述的动静脉确定方法。本专利技术实施例通过获取包含目标血管的初始医学图像数据；基于预先训练的主干提取神经网络模型，确定初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为目标血管中，预设支干的动脉血管和静脉血管；基于预设约束条件，确定初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到目标血管的动脉血管信息和静脉血管信息，上述结合神经网络和传统的血管处理方法，使用训练好的神经网络直接分割肺动脉和肺静脉主要血管，能够很好的完成肺动脉和肺静脉主要分支黏连的分离任务，使用传统的血管处理方法处理深度神经网络模型不能够识别的细支血管，能够快速、准确且完整地实现动脉血管与静脉血管的分离。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一中的一种动静脉确定方法的流程图；图2是本专利技术实施例二中的一种动静脉确定方法的流程图；图3a是本专利技术实施例三中的一种动静脉确定方法的流程图；图3b是本专利技术实施例三中的一种U-Net神经网络模型的结构示意图；图3c是本专利技术实施例三中的一种肺动脉主干与完整肺动脉的示意图；图3d是本专利技术实施例三中的一种肺动静脉主干与完整肺动静脉的示意图；图4是本专利技术实施例四中的一种动静脉确定装置的结构示意图；图5是本专利技术实施例五中的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种动静脉确定方法的流程图，本实施例可适用于需要确定医学图像中目标血管的动静脉的情况，该方法可以由动静脉确定装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于计算机设备中。如图1所示，本实施例的方法具体可以包括：S110、获取包含目标血管的初始医学图像数据。其中，目标血管可以是目标物体(目标物体可以是人体或动物等)上任意部位处的血管，包括动脉血管和静脉血管，例如，目标血管可以是肺部血管、肝脏血管以及脾脏血管中的至少一种，肺部血管可以包括肺动脉血管和肺静脉血管，肝脏血管可以包括肝动脉血管和肝静脉血管等。初始医学图像可以是利用医学成像方法获取到的目标血管的医学图像。优选的，医学成像方法可以是血管成像方法，其中，血管成像方法可选包括CTA(ComputedTomographyAngiography，计算机断层扫描血管成像)、MRA(MigmeticResonaneeAngiography，核磁共振血管成像)和DSA本文档来自技高网...

【技术保护点】
1.一种动静脉确定方法，其特征在于，包括：/n获取包含目标血管的初始医学图像数据；/n基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为所述目标血管中，预设支干的动脉血管和静脉血管；/n基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息。/n

【技术特征摘要】
1.一种动静脉确定方法，其特征在于，包括：
获取包含目标血管的初始医学图像数据；
基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为所述目标血管中，预设支干的动脉血管和静脉血管；
基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息。


2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，包括：
基于第一目标体素对应的第一预设物理尺寸，对所述初始医学图像数据进行三维重采样，得到具有所述第一目标体素的第一重采样医学图像数据；
将所述第一重采样医学图像数据输入第一主干提取神经网络模型中，得到所述动脉主干和静脉主干图像。


3.根据权利要求1所述的方法，其特征在于，所述基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，还包括：
基于第二目标体素对应的第二预设物理尺寸，对所述初始医学图像数据进行三维重采样，得到具有所述第二目标体素的第二重采样医学图像数据；
将所述第二重采样医学图像数据输入预提取神经网络模型中，得到目标血管概貌图像；
基于所述目标血管概貌图像，确定所述目标血管的目标血管感兴趣区域；
根据所述目标血管感兴趣区域，确定所述初始医学图像数据中，与所述目标血管感兴趣区域相对应的感兴趣初始医学图像数据；
基于第三目标体素对应的第三预设物理尺寸，对所述感兴趣初始医学图像数据进行三维重采样，得到具有所述第三目标体素的第三重采样医学图像数据；
将所述第三重采样医学图像数据输入第二主干提取神经网络模型中，得到所述动脉主干和静脉主干图像。


4.根据权利要求3所述的方法，其特征在于，所述基于所述目标血管概貌图像，确定所述目标血管的目标血管感兴趣区域，包括：
确定所述目标血管概貌图像中的最大连通区域；
将所述最大连通区域作为所述目标血管感兴趣区域。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述主干提取神经网络模型为卷积神经网络模型。


...

【专利技术属性】
技术研发人员：郭宇翔，袁绍锋，
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