医学影像中的导管参数提取方法及装置制造方法及图纸

本申请提供了一种医学影像中的导管参数提取方法及装置，预先采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域包含有所述第一导管，所述方法包括：获取内部包含有第二导管的第二生物组织的原始医学影像；将所述第二生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第二导管所在候选区域；于所述第二导管所在候选区域定位所述第二导管，并提取出所述第二导管的图像特征参数。

【技术实现步骤摘要】
医学影像中的导管参数提取方法及装置
本申请涉及智慧医疗领域，具体涉及一种医学影像中的导管参数提取方法及装置。
技术介绍
在医疗领域中，常常会需要将导管插入人体组织以进行医疗诊断或者医疗治疗。例如：在冠脉造影中，需要将导管插入人体组织，以通过导管向冠脉注射显影剂。为了提高医疗诊断或者医疗治疗的准确度，多采用图像处理技术对医学影像中的导管进行准确定位，进而提取导管的图像特征参数以助力医疗诊断或者医疗治疗。现有技术中，对用于导管定位的医学影像常常存在一定门槛的要求，需要对医学影像进行一系列预处理，以提高医学影像的质量或者调整医学影像中导管的拍摄角度，否则很容易无法成功定位导管，自然也无法准确提取出导管的图像特征参数。
技术实现思路
本申请的一个目的在于提出一种医学影像中的导管参数提取方法及装置，能够提高导管定位的适用范围，从而提高了导管的图像特征参数的提取效率。根据本申请实施例的一方面，公开了一种医学影像中的导管参数提取方法，预先采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域包含有所述第一导管，所述方法包括：获取内部包含有第二导管的第二生物组织的原始医学影像；将所述第二生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第二导管所在候选区域；于所述第二导管所在候选区域定位所述第二导管，并提取出所述第二导管的图像特征参数。根据本申请实施例的一方面，公开了一种医学影像中的导管参数提取装置，预先采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域包含有所述第一导管，所述装置包括：影像获取模块，配置为获取内部包含有第二导管的第二生物组织的原始医学影像；输入模块，配置为将所述第二生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第二导管所在候选区域；定位提取模块，配置为于所述第二导管所在候选区域定位所述第二导管，并提取出所述第二导管的图像特征参数。在本申请的一示例性实施例中，采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的第一导管所在候选区域包含有所述第一导管，所述装置配置为：获取内部包含有所述第一导管的第一生物组织的原始医学影像，并获取在所述第一生物组织的原始医学影像中预先标注的所述第一导管的目标位置；不断地将所述第一生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域，并基于所述第一导管所在候选区域与所述第一导管的目标位置之间的差异更新所述用于导管定位的机器学习模型，直到于所述第一导管所在候选区域定位所述第一导管所得到的位置，与所述第一导管的目标位置相比出现偏差的频率小于预设频率阈值。在本申请的一示例性实施例中，所述装置配置为：确定所述第二导管所在候选区域中各连通域的面积；基于所述各连通域的面积确定所述第二导管所在连通域；于所述第二导管所在连通域中定位所述第二导管。在本申请的一示例性实施例中，所述装置配置为：对所述第二导管进行细化处理，得到细化第二导管；基于对所述细化第二导管进行特征点检测所得到的检测结果，对所述细化第二导管进行修剪，得到无分叉细化第二导管。在本申请的一示例性实施例中，所述装置配置为：基于对所述细化第二导管进行特征点检测所得到的检测结果，定位所述细化第二导管所包含的分叉点以及端点；基于各所述分叉点与各所述端点之间的距离，对所述细化第二导管进行修剪，得到所述无分叉细化第二导管。在本申请的一示例性实施例中，所述装置配置为：提取所述无分叉细化第二导管的中心线；获取无分叉第二导管在所述中心线上各中心点的直径大小，其中，所述无分叉第二导管为二值化的细化处理前的所述无分叉细化第二导管；基于所述无分叉第二导管在所述中心线上各中心点的直径大小，定位位于所述无分叉第二导管的两端的直径异常段；删除所述直径异常段内的所述无分叉细化第二导管的中心线，得到优化后中心线。在本申请的一示例性实施例中，所述装置配置为：将所述第二生物组织的原始医学影像输入所述用于轮廓检测的机器学习模型，得到所述第二导管的第一直径线，其中，所述第一直径线为所述用于轮廓检测的机器学习模型所预测的垂直于所述第二导管的轴向、且用于描述所述第二导管的轮廓直径的直径线；基于所述优化后中心线对所述第一直径线进行优化。在本申请的一示例性实施例中，所述装置配置为：将所述第一直径线的同侧端点平滑连接，得到所述第二导管的轮廓边界；生成垂直于所述优化后中心线、且用于描述所述第二导管的轮廓直径的第二直径线；基于所述第二直径线的长度均值，删除长度不符合预设条件的所述第二直径线。在本申请的一示例性实施例中，所述装置配置为：经过各所述第一直径线的中点，生成所述第二导管的平滑的直径中点线，其中，所述直径中点线垂直于所述第一直径线；定位所述直径中点线与所述优化后中心线之间的偏差段，并确定所述偏差段的偏差距离；定位所述直径中点线中所述偏差距离大于预设距离阈值的偏差段，并删除所述偏差段内的所述第一直径线。在本申请的一示例性实施例中，所述装置配置为：响应于操作界面针对所述优化后中心线的手动调整指令，调整所述优化后中心线。在本申请的一示例性实施例中，所述装置配置为：响应于操作界面针对所述第二直径线的手动调整指令，调整所述第二直径线。根据本申请实施例的一方面，公开了一种电子设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行以上权利要求中的任一个所述的方法。根据本申请实施例的一方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行以上权利要求中的任一个所述的方法。根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。本申请实施例中，预先将原始医学影像作为用于导管定位的机器学习模型的直接输入，使得该用于导管定位的机器学习模型具备直接从原始医学影像中所预测的候选区域包含导管的能力。进而将该用于导管定位的机器学习模型投本文档来自技高网...

【技术保护点】
1.一种医学影像中的导管参数提取方法，其特征在于，预先采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域包含有所述第一导管，所述方法包括：/n获取内部包含有第二导管的第二生物组织的原始医学影像；/n将所述第二生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第二导管所在候选区域；/n于所述第二导管所在候选区域定位所述第二导管，并提取出所述第二导管的图像特征参数。/n

【技术特征摘要】
1.一种医学影像中的导管参数提取方法，其特征在于，预先采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域包含有所述第一导管，所述方法包括：
获取内部包含有第二导管的第二生物组织的原始医学影像；
将所述第二生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第二导管所在候选区域；
于所述第二导管所在候选区域定位所述第二导管，并提取出所述第二导管的图像特征参数。


2.根据权利要求1所述的方法，其特征在于，采用将内部包含有第一导管的第一生物组织的原始医学影像作为直接输入的方式，对用于导管定位的机器学习模型进行训练，使得所述用于导管定位的机器学习模型所预测的第一导管所在候选区域包含有所述第一导管，包括：
获取内部包含有所述第一导管的第一生物组织的原始医学影像，并获取在所述第一生物组织的原始医学影像中预先标注的所述第一导管的目标位置；
不断地将所述第一生物组织的原始医学影像输入所述用于导管定位的机器学习模型，得到所述用于导管定位的机器学习模型所预测的所述第一导管所在候选区域，并基于所述第一导管所在候选区域与所述第一导管的目标位置之间的差异更新所述用于导管定位的机器学习模型，直到于所述第一导管所在候选区域定位所述第一导管所得到的位置，与所述第一导管的目标位置相比出现偏差的频率小于预设频率阈值。


3.根据权利要求1所述的方法，其特征在于，于所述第二导管所在候选区域定位所述第二导管，包括：
确定所述第二导管所在候选区域中各连通域的面积；
基于所述各连通域的面积确定所述第二导管所在连通域；
于所述第二导管所在连通域中定位所述第二导管。


4.根据权利要求1所述的方法，其特征在于，在于所述第二导管所在候选区域定位所述第二导管之后，所述方法还包括：
对所述第二导管进行细化处理，得到细化第二导管；
基于对所述细化第二导管进行特征点检测所得到的检测结果，对所述细化第二导管进行修剪，得到无分叉细化第二导管。


5.根据权利要求4所述的方法，其特征在于，基于对所述细化第二导管进行特征点检测所得到的检测结果，对所述细化第二导管进行修剪，得到无分叉细化第二导管，包括：
基于对所述细化第二导管进行特征点检测所得到的检测结果，定位所述细化第二导管所包含的分叉点以及端点；
基于各所述分叉点与各所述端点之间的距离，对所述细化第二导管进行修剪，得到所述无分叉细化第二导管。


6.根据权利要求4所述的方法，其特征在于，在得到无分叉细化第二导管之后，所述方法还包括：
提取所述无分叉细化第二导管的中心线；
获取无分叉第二导管在所述中心线上各中心点的直径大小，其中，所述无分叉第二导管为二值化的细化...

【专利技术属性】
技术研发人员：张瑜，马骏，兰宏志，郑凌霄，
申请(专利权)人：深圳睿心智能医疗科技有限公司，
类型：发明
国别省市：广东;44