本公开涉及一种颅脑CT血管造影图像的处理方法、装置、介质及电子设备。方法包括：对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像；将三维脑组织图像输入到预先构建的分段模型中，得到初始分段供血区图像；获取包含分段供血区解剖特征在内的隐空间；根据隐空间，对初始分段供血区图像进行修正。这样，只需将目标颅脑CT血管造影图像对应的三维脑组织图像输入到分段模型中即可自动获取到多个分段供血区，显著提升了分段效率。另外，将包含分段供血区解剖特征在内的隐空间融合至分段结果的修正过程中，可避免分段模型因在训练阶段无法学习到分段供血区解剖特征导致分段结果在解剖结构上不合理的问题，从而保证了分段精度。从而保证了分段精度。从而保证了分段精度。
【技术实现步骤摘要】
颅脑CT血管造影图像的处理方法、装置、介质及电子设备
[0001]本公开涉及图像处理
，具体地，涉及一种颅脑CT血管造影图像的处理方法、装置、介质及电子设备。
技术介绍
[0002]CT血管造影(Computed Tomography angiography，CTA)图像，指对人体血管注射造影剂的情况下CT扫描得到图像，血管显影更明显。与无造影剂的计算机断层扫描相比，CTA可清楚显示椎动脉、基底动脉以及大脑后动脉及其主要分支，对闭塞性血管病变可提供重要的诊断依据，对于血管变异、血管疾病以及显示病变和血管关系有重要价值。
[0003]其中，颅脑CTA图像中通常包括多个分段供血区，医生通过分析各分段供血区的CTA图像特征来确定脑部区域的状态，进而确定是否发生急性后循环缺血性卒中、前循环缺血性卒中等脑血管疾病。其中，准确分辨各分段供血区是保证脑部区域状态判定精度的前提。现阶段主要通过肉眼来分辨各分段供血区，通常只有经验丰富的医生才能够通过肉眼快速准确分辨分段供血区，而缺乏经验的医生需要花费大量时间分辨分段供血区、并且准确度较难保证，这样，将无法快速、准确地确定脑部区域的状态。
技术实现思路
[0004]为了克服相关技术中存在的问题，本公开提供一种颅脑CT血管造影图像的处理方法、装置、介质及电子设备。
[0005]为了实现上述目的，第一方面，本公开提供一种颅脑CT血管造影图像的处理方法，包括：
[0006]对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像；
[0007]将所述三维脑组织图像输入到预先构建的分段模型中，得到初始分段供血区图像；
[0008]获取包含分段供血区解剖特征在内的隐空间，其中，所述分段供血区解剖特征包括所述初始分段供血区图像中每一分段供血区的参考形状、参考位置以及不同分段供血区的相对参考位置关系；
[0009]根据所述隐空间，对所述初始分段供血区图像进行修正，得到修正后的分段供血区图像。
[0010]可选地，所述获取包含分段供血区解剖特征的隐空间，包括：
[0011]获取颅脑CT血管造影模板图像，所述颅脑CT血管造影模板图像中标注有每一所述分段供血区；
[0012]通过将所述颅脑CT血管造影模板图像作为变分自动编码器的输入和目标输出的方式进行模型训练，以得到所述变分自动编码器；
[0013]将所述颅脑CT血管造影模板图像输入到所述变分自编码器中，以得到所述变分自
编码器的编码网络输出的隐特征，之后，对所述隐特征构成的隐空间进行特征增强，得到包含分段供血区解剖特征的隐空间。
[0014]可选地，所述根据所述隐空间，对所述初始分段供血区图像进行修正，得到修正后的分段供血区图像，包括：
[0015]对所述初始分段供血区图像进行编码，得到第一特征；
[0016]从所述隐空间中确定与所述第一特征相似度最高的第二特征；
[0017]对所述第二特征进行解码，得到修正后的分段供血区图像。
[0018]可选地，在所述对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像的步骤之前，所述方法还包括：
[0019]对目标颅脑CT血管造影图像进行去噪处理；
[0020]所述对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像，包括：
[0021]对去噪处理后所得的目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像。
[0022]可选地，所述方法还包括：
[0023]分别确定所述修正后的分段供血区图像中的每一分段供血区是否异常。
[0024]可选地，所述分别确定所述修正后的分段供血区图像中的每一分段供血区是否异常，包括：
[0025]针对所述修正后的分段供血区图像中的每一分段供血区，提取该分段供血区中的血管区域；
[0026]确定所述血管区域的体积占该分段供血区的体积的比例；
[0027]提取该分段供血区中脑组织区域的影像组学特征；
[0028]根据所述比例和所述影像组学特征，确定该分段供血区是否异常。
[0029]可选地，所述根据所述比例和所述影像组学特征，确定该分段供血区是否异常，包括：
[0030]将所述比例和所述影像组学特征输入到预先训练好的、与该分段供血区对应的二分类模型中，以确定该分段供血区是否异常。
[0031]可选地，在所述根据所述比例和所述影像组学特征，确定该分段供血区是否异常的步骤之前，所述分别确定所述修正后的分段供血区图像中的每一分段供血区是否异常，还包括：
[0032]对所述影像组学特征进行特征筛选；
[0033]所述根据所述比例和所述影像组学特征，确定该分段供血区是否异常，包括：
[0034]根据所述比例和特征筛选后所得的影像组学特征，确定该分段供血区是否异常。
[0035]第二方面，本公开提供一种颅脑CT血管造影图像的处理装置，包括：
[0036]提取模块，用于对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像；
[0037]分段模块，用于将所述提取模块提取到的所述三维脑组织图像输入到预先构建的分段模型中，得到初始分段供血区图像；
[0038]获取模块，用于获取包含分段供血区解剖特征在内的隐空间，其中，所述分段供血
区解剖特征包括所述初始分段供血区图像中的每一分段供血区的参考形状、参考位置以及不同分段供血区的相对参考位置关系；
[0039]修正模块，用于根据所述获取模块获取到的所述隐空间，对所述分段模块得到的所述初始分段供血区图像进行修正，得到修正后的分段供血区图像。
[0040]第三方面，本公开提供一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
[0041]第四方面，本公开提供一种电子设备，包括：
[0042]存储器，其上存储有计算机程序；
[0043]处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。
[0044]在上述技术方案中，对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像；将三维脑组织图像输入到预先构建的分段模型中，得到初始分段供血区图像；获取包含分段供血区解剖特征在内的隐空间，其中，分段供血区解剖特征包括所述初始分段供血区图像中每一分段供血区的参考形状、参考位置以及不同分段供血区的相对参考位置关系；根据所述隐空间，对所述初始分段供血区图像进行修正，得到修正后的分段供血区图像。这样，这样，只需将目标颅脑CT血管造影图像对应的三维脑组织图像输入到分段模型中即可自动获取到多个分段供血区，显著提升了分段效率。另外，将包含分段供血区解剖特征在内的隐空间融合至分段结果的修正过程中，可以避免分段模型因在训练阶段无法学习到分段供血区解本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种颅脑CT血管造影图像的处理方法，其特征在于，包括：对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像；将所述三维脑组织图像输入到预先构建的分段模型中，得到初始分段供血区图像；获取包含分段供血区解剖特征在内的隐空间，其中，所述分段供血区解剖特征包括所述初始分段供血区图像中每一分段供血区的参考形状、参考位置以及不同分段供血区的相对参考位置关系；根据所述隐空间，对所述初始分段供血区图像进行修正，得到修正后的分段供血区图像。2.根据权利要求1所述的方法，其特征在于，所述获取包含分段供血区解剖特征的隐空间，包括：获取颅脑CT血管造影模板图像，所述颅脑CT血管造影模板图像中标注有每一所述分段供血区；通过将所述颅脑CT血管造影模板图像作为变分自动编码器的输入和目标输出的方式进行模型训练，以得到所述变分自动编码器；将所述颅脑CT血管造影模板图像输入到所述变分自编码器中，以得到所述变分自编码器的编码网络输出的隐特征，之后，对所述隐特征构成的隐空间进行特征增强，得到包含分段供血区解剖特征的隐空间。3.根据权利要求1所述的方法，其特征在于，所述根据所述隐空间，对所述初始分段供血区图像进行修正，得到修正后的分段供血区图像，包括：对所述初始分段供血区图像进行编码，得到第一特征；从所述隐空间中确定与所述第一特征相似度最高的第二特征；对所述第二特征进行解码，得到修正后的分段供血区图像。4.根据权利要求1所述的方法，其特征在于，在所述对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像的步骤之前，所述方法还包括：对目标颅脑CT血管造影图像进行去噪处理；所述对目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像，包括：对去噪处理后所得的目标颅脑CT血管造影图像中的脑组织进行三维轮廓提取，得到三维脑组织图像。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述方法还包括：分别确定所述修正后的分段供血区图像中的每一分段供血区是否异常。6.根据权利要求5所述的方法，其特征在于，所述分别确定所述修正后的分段...
【专利技术属性】
技术研发人员：杨明雷，钱山，袁红美，贾晓甜，
申请(专利权)人：沈阳东软智能医疗科技研究院有限公司，
类型：发明
国别省市：
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。