一种软件层面的血管内oct三维图像管腔分割方法和装置制造方法及图纸

本发明专利技术提出了一种软件层面的血管内oct三维图像管腔分割方法和装置，该分割方法包括：构建人工神经网络训练模型；将待分割血管内的oct三维图像序列输入所述人工神经网络训练模型中；获取所述人工神经网络训练模型输出的对应三维管腔二值图像；根据所述三维管腔二值图像获取轮廓信息，得到管腔轮廓点集坐标；将所述管腔轮廓点集坐标与血管内oct三维图像进行匹配，获得管腔三维分割结果。本发明专利技术简化了医生进行手动管腔分割的的重复劳动，提高了医生分析冠脉oct图像的效率，使得医生的劳动力应用到更加专业的判断上，最终使更多的心血管患者获益。

【技术实现步骤摘要】
一种软件层面的血管内oct三维图像管腔分割方法和装置
本专利技术涉及神经网络与图像处理领域，具体而言，涉及一种软件层面的血管内oct三维图像管腔分割方法和装置。
技术介绍
光学相干层析成像技术(OpticalCoherenceTomography，oct)是一种非侵入的探测技术。oct技术现已被广泛应用于生物组织的活体截面结构成像。通过测量与深度有关的散射光，oct可以提供高分辨，高灵敏度的组织结构。当oct应用于血管成像时，利用可以转动的光学透镜和光纤向血管内表面发射近红外光，利用光干涉仪接收反射回来的光波并成像。因为利用光波成像，oct成像分辨率高，轴向分辨率可以达到10-20μm，可以对斑块表面的成分以及微结构进行成像。但是，由于近红外光波穿透性不强（约1.0-2.5mm），血细胞、红血栓以及斑块的脂质核心或斑块内坏死都会影响oct对血管壁结构的观察和斑块负荷的估计。因为红细胞对红光的散射，过去的oct在成像时需要不断注入造影剂将血液冲刷开。现代的oct系统通过快速旋转回撤等技术部分地减少了红细胞等对成像的干扰，在数秒内完成一段长度血管的成像。目前，oct图像的斑块及管腔分割的方法主要还是依赖于专业医生的人工标注，标注过程中需要医生的专业知识进行判断，不仅需要大量的重复劳动，而且人工标注效率也不高。
技术实现思路
本专利技术的目的在于提供一种软件层面的血管内oct三维图像管腔分割方法和装置，其目的在于全自动的找到并分割出血管内oct三维图像的管腔轮廓。为解决上述技术问题，本专利技术采用的技术方案是：一种软件层面的血管内oct三维图像管腔分割方法，包括：构建人工神经网络训练模型；将待分割血管内的oct三维图像序列输入所述人工神经网络训练模型中；获取所述人工神经网络训练模型输出的对应三维管腔二值图像；根据所述三维管腔二值图像获取轮廓信息，得到管腔轮廓点集坐标；将所述管腔轮廓点集坐标与血管内oct三维图像进行匹配，获得管腔三维分割结果。作为优选方案，所述构建人工神经网络训练模型，包括：获取多个血管内的oct三维图像序列；对所述oct三维图像人工标注管腔轮廓，获得管腔轮廓点集的坐标；在全零矩阵中，根据坐标将管腔轮廓点集连接成轮廓，并进行填充，得到管腔的二值图像，作为数据集的标签label；将所述oct三维图像的每一帧添加一层蒙版与原本图像通道叠加，形成多通道，作为数据集的输入input；将所述数据集的标签label和输入input传输至unet网络结构中，进行训练，多次迭代过程后，得到最终人工神经网络训练模型。作为优选方案，每个oct三维图像序列的第一帧图片采用以图片中心为圆心，一定半径的圆作为蒙版，后续图片用上一帧训练的输出结果作为蒙版。作为优选方案，训练所使用的损失函数为：其中，P为unet网络模型训练得到的预测矩阵，Y为标签矩阵，yi为Y中的一个元素，pi为P中的一个元素，N为Y或P中的元素个数，λ为超参数，选取0.5。作为优选方案，在将所述数据集的标签label和输入input传输至unet网络结构中之前，还包括：对所述数据集进行降采样，所述输入input包括4个通道，每个通道和标签label的图像长宽尺寸转换为原来的1/K。作为优选方案，对所述oct三维图像人工标注管腔轮廓，包括：创建一个交互界面，人工在血管内oct三维图像上进行手动管腔分割。作为优选方案，所述三维管腔二值图像包括：管腔内的部分为1，背景部分为0。作为优选方案，根据所述三维管腔二值图像获取轮廓信息，包括：以像素值为1的所有点集的平均坐标为圆心，每间隔2°向外发射180条射线，射线所处像素值由1变化为0的点即为所采样的轮廓点。本专利技术还公开了一种软件层面的血管内oct三维图像管腔分割装置，包括；模型构建模块，用于构建人工神经网络训练模型；三维图像输入模块，用于将待分割血管内的oct三维图像序列输入所述人工神经网络训练模型中；二值图像获取模块，用于获取所述人工神经网络训练模型输出的对应三维管腔二值图像；坐标获取模块，用于根据所述三维管腔二值图像获取轮廓信息，得到管腔轮廓点集坐标；结果获取模块，用于将所述管腔轮廓点集坐标与血管内oct三维图像进行匹配，获得管腔三维分割结果。作为优选方案，所述模型构建模块，包括：图像序列获取单元，用于获取多个血管内的oct三维图像序列；人工标注单元，用于对所述oct三维图像人工标注管腔轮廓，获得管腔轮廓点集的坐标；标签生成单元，用于在全零矩阵中，根据坐标将管腔轮廓点集连接成轮廓，并进行填充，得到管腔的二值图像，作为数据集的标签label；输入生成单元，用于将所述oct三维图像的每一帧添加一层蒙版与原本图像通道叠加，形成多通道，作为数据集的输入input；训练单元，用于将所述数据集的标签label和输入input传输至unet网络结构中，进行训练，多次迭代过程后，得到最终人工神经网络训练模型。与现有技术相比，本专利技术的有益效果包括：通过构建人工神经网络训练模型，并将oct三维图像序列输入其中，获取对应的三维管腔二值图像，进而得到管腔轮廓点集坐标。本专利技术简化了医生进行手动管腔分割的的重复劳动，提高了医生分析冠脉oct图像的效率，使得医生的劳动力应用到更加专业的判断上，最终使更多的心血管患者获益。附图说明参照附图来说明本专利技术的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本专利技术的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：图1为本专利技术实施例软件层面的血管内oct三维图像管腔分割方法的流程图；图2为本专利技术实施例构建人工神经网络训练模型的流程图；图3为本专利技术实施例血管内oct三维图像的单独一帧图像；图4为本专利技术实施例分割后管腔的二值图像；图5为本专利技术实施例单独一帧图像血管管腔最终分割结果；图6为本专利技术实施例软件层面的血管内oct三维图像管腔分割装置的结构示意图；图7为本专利技术实施例模型构建模块的结构示意图。具体实施方式容易理解，根据本专利技术的技术方案，在不变更本专利技术实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本专利技术的技术方案的示例性说明，而不应当视为本专利技术的全部或者视为对本专利技术技术方案的限定或限制。根据本专利技术的一实施方式结合图1示出。一种软件层面的血管内oct三维图像管腔分割方法，包括如下步骤：S101：构建人工神经网络训练模型。其中，构建人工神经网络训练模型，包括步骤S1011至S1015，如图2所示。步骤S1011：获取多个血管内的oct三维图像序列。图像序列是指通过对一根血管从下往上进行类似切片的快速扫描的方法，将“摄像机”深入血管内部并进行快速旋转，每间隔一定时间就扫描一定厚度的血管横截面，获得每个时间点扫描的图像，即同一个血管上不同高度的横截面图像。如图3所示，为血管内oct三维图像的单独一帧图像本文档来自技高网...

【技术保护点】
1.一种软件层面的血管内oct三维图像管腔分割方法，其特征在于，包括：/n构建人工神经网络训练模型；/n将待分割血管内的oct三维图像序列输入所述人工神经网络训练模型中；/n获取所述人工神经网络训练模型输出的对应三维管腔二值图像；/n根据所述三维管腔二值图像获取轮廓信息，得到管腔轮廓点集坐标；/n将所述管腔轮廓点集坐标与血管内oct三维图像进行匹配，获得管腔三维分割结果。/n

【技术特征摘要】
1.一种软件层面的血管内oct三维图像管腔分割方法，其特征在于，包括：
构建人工神经网络训练模型；
将待分割血管内的oct三维图像序列输入所述人工神经网络训练模型中；
获取所述人工神经网络训练模型输出的对应三维管腔二值图像；
根据所述三维管腔二值图像获取轮廓信息，得到管腔轮廓点集坐标；
将所述管腔轮廓点集坐标与血管内oct三维图像进行匹配，获得管腔三维分割结果。


2.根据权利要求1所述的软件层面的血管内oct三维图像管腔分割方法，其特征在于，所述构建人工神经网络训练模型，包括：
获取多个血管内的oct三维图像序列；
对所述oct三维图像人工标注管腔轮廓，获得管腔轮廓点集的坐标；
在全零矩阵中，根据坐标将管腔轮廓点集连接成轮廓，并进行填充，得到管腔的二值图像，作为数据集的标签label；
将所述oct三维图像的每一帧添加一层蒙版与原本图像通道叠加，形成多通道，作为数据集的输入input；
将所述数据集的标签label和输入input传输至unet网络结构中，进行训练，多次迭代后，得到最终人工神经网络训练模型。


3.根据权利要求2所述的软件层面的血管内oct三维图像管腔分割方法，其特征在于，每个oct三维图像序列的第一帧图片采用以图片中心为圆心，一定半径的圆作为蒙版，后续图片用上一帧训练的输出结果作为蒙版。


4.根据权利要求2所述的软件层面的血管内oct三维图像管腔分割方法，其特征在于，训练所使用的损失函数为：



其中，P为unet网络模型训练得到的预测矩阵，Y为标签矩阵，yi为Y中的一个元素，pi为P中的一个元素，N为Y或P中的元素个数，λ为超参数，选取0.5。


5.根据权利要求2所述的软件层面的血管内oct三维图像管腔分割方法，其特征在于，在将所述数据集的标签label和输入input传输至unet网络结构中之前，还包括：对所述数据集进行降采样，所述输入input包括4个通道，每个通道和标签label的图像长宽尺寸转换为原来的1/K。

【专利技术属性】
技术研发人员：张真铨，滕忠照，沈金花，
申请(专利权)人：南京景三医疗科技有限公司，
类型：发明
国别省市：江苏;32