斑块的分割方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种斑块的分割方法、装置、计算机设备和存储介质。通过获取包括了多个基准图像块的目标冠脉，通过预设的斑块检测网络，分别对目标冠脉中的各个基准图像块进行冠脉斑块检测，得到候选基准图像块，然后将得到的候选基准图像块输入至预设的斑块分割网络中，即得到候选基准图像块的冠脉斑块分割结果。该方法可以提高冠脉斑块检测的识别率，以及可以将冠脉斑块的边缘细节分割更加精确，实现快速且精确地分割出每个候选基准图像块中的冠脉斑块。斑块。斑块。

【技术实现步骤摘要】
斑块的分割方法、装置、计算机设备和存储介质


[0001]本申请涉及医学图像处理
，特别是涉及一种斑块的分割方法、装置、计算机设备和存储介质。

技术介绍

[0002]心血管疾病是发病率和死亡率较高的疾病，并且具有发病急、隐蔽性强等特性，冠心病的主要病理基础就是斑块，它可以导致冠状动脉的管腔狭窄直至完全闭塞，因此实现心脏疾病的诊断具有十分重要的临床意义。目前，伴随着CT的成像速度和扫描精度的提高，CT医学影像已被广泛应用于心脏检查和斑块诊断。与此同时，为了更好地实现心血管疾病的检查，心脏冠脉分割和冠脉斑块分割作为一种辅助手段被广泛使用，其可以提取出冠脉以及管腔中斑块的轮廓，通过提取的冠脉轮廓和斑块可以让医生更加方便的观察狭窄、钙化和斑块等情况，从而为医生对心血管疾病的早期预防和诊断提供依据。
[0003]在冠脉斑块分割领域，基于图割、水平集等多种图像处理技术被广泛使用，成熟心脏冠脉进行分割时均采用此类技术。然而，由于冠脉斑块CT灰度值的分布比较复杂，尤其是冠脉软斑的CT值和增强血管CT值具有很大的重叠和交叉，通过现有的灰度和梯度等特征很难分割软斑，这对冠脉斑块的提取带来了很大的难度。因此，传统技术无法精确地分割出冠脉斑块。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种斑块的分割方法、装置、计算机设备和存储介质，能够精确地分割出冠脉斑块。
[0005]第一方面，本申请实施例提供一种斑块的分割方法，该方法包括：
[0006]获取包括待分割冠脉斑块的目标冠脉；目标冠脉包括多个基准图像块；
[0007]通过预设的斑块检测网络，分别对多个基准图像块进行冠脉斑块检测，得到候选基准图像块；
[0008]将候选基准图像块输入至预设的斑块分割网络中，得到候选基准图像块的冠脉斑块分割结果。
[0009]在其中一个实施例中，在上述分别对目标冠脉中的各个基准图像块进行冠脉斑块检测之前，该方法还包括：
[0010]获取多个样本冠脉，并沿着样本冠脉的支干中心线，将各样本冠脉的支干划分为多个样本基准图像块；
[0011]将各样本基准图像块中进行标注，得到各样本冠脉中的冠脉斑块标注数据；
[0012]基于各样本冠脉中的冠脉斑块标注数据，训练初始斑块检测网络得到斑块检测网络；以及基于各样本冠脉中的冠脉斑块标注数据，训练初始斑块分割网络，得到斑块分割网络。
[0013]在其中一个实施例中，上述基于各样本冠脉中的冠脉斑块标注数据，训练初始斑
块分割网络，得到斑块分割网络，包括：
[0014]根据各样本冠脉中的冠脉斑块标注数据，得到各样本冠脉中的冠脉斑块的分割结果；
[0015]将各样本冠脉中的冠脉斑块的分割结果，作为初始斑块分割网络的训练样本集，训练初始斑块分割网络，直至满足预设的收敛条件，得到斑块分割网络。
[0016]在其中一个实施例中，上述将各样本冠脉中的冠脉斑块的分割结果，作为初始斑块分割网络训练样本集，包括：
[0017]通过预设的数据处理方式，对各样本冠脉中的冠脉斑块的分割结果进行增广；
[0018]将增广后的冠脉斑块的分割结果，作为初始斑块分割网络训练样本集。
[0019]在其中一个实施例中，上述获取包括待分割冠脉斑块的目标冠脉，包括：
[0020]获取心脏数据中候选冠脉的冠脉掩膜；
[0021]对冠脉掩膜进行细化，得到候选冠脉的中心线骨架；
[0022]沿着候选冠脉的中心线骨架，以预设步长从垂直候选冠脉的中心线的截面上截取多个基准图像块，得到目标冠脉。
[0023]在其中一个实施例中，上述获取心脏数据中候选冠脉的冠脉掩膜，包括：
[0024]获取预设的中心线模型和心脏数据之间的相似变换参数；
[0025]通过相似变换参数将中心线模型映射到心脏数据中，得到心脏数据中候选冠脉的主干中心线；
[0026]以候选冠脉的主干中心线上的各采样体素为种子体素，基于预设增长条件进行区域增长处理，得到候选冠脉的冠脉掩膜。
[0027]在其中一个实施例中，上述对冠脉掩膜进行细化，得到候选冠脉的中心线骨架，包括：
[0028]根据预设的骨架点计算方式，从多个方位对冠脉掩膜进行细化，得到候选冠脉的轮廓骨架；
[0029]提取候选冠脉的主干中心线骨架，并根据主干中心线骨架确定候选冠脉的左右分支的起始点；按照左右分支的起始点，确定各分支的末端点到起始点的路径，得到左右分支的中心线骨架；
[0030]根据主干中心线骨架和左右分支的中心线骨架，得到候选冠脉的中心线骨架。
[0031]第二方面，本申请实施例提供一种斑块的分割装置，该装置包括：
[0032]获取模块，用于获取待分割冠脉斑块的目标冠脉；目标冠脉包括多个基准图像块；
[0033]检测模块，用于通过预设的斑块检测网络，分别对目标冠脉中的各个基准图像块进行冠脉斑块检测，得到候选基准图像块；
[0034]分割模块，用于将候选基准图像块输入至预设的斑块分割网络中，得到候选基准图像块的冠脉斑块分割结果。
[0035]第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，该处理器执行计算机程序时实现上述第一方面中任一项实施例的方法步骤。
[0036]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项实施例的方法步骤。
[0037]本申请实施例提供的一种斑块的分割方法、装置、计算机设备和存储介质。通过获取包括了多个基准图像块的目标冠脉，通过预设的斑块检测网络，分别对目标冠脉中的各个基准图像块进行冠脉斑块检测，得到候选基准图像块，然后将得到的候选基准图像块输入至预设的斑块分割网络中，即得到候选基准图像块的冠脉斑块分割结果。该方法中，一方面，因斑块检测网络是预先训练的深度学习网络模型，通过斑块检测网络对冠脉斑块进行检测，可以提高冠脉斑块检测的识别率，有效避免斑块的遗漏、错检、误检的情况，使得斑块检测更加快速且精确；又因为检测时是以基准图像块为小单元进行检测，检测区域较小，进一步提高了检测速度和检测的精确性；另一方面，斑块分割网络也是预先训练的深度学习网络模型，通过斑块分割网络对候选基准图像块中的冠脉斑块进行分割，可以将冠脉斑块的边缘细节分割更加精确，实现快速且精确地分割出每个候选基准图像块中的冠脉斑块，得到每个候选基准图像块的冠脉斑块检测结果。
附图说明
[0038]图1为一个实施例中提供的斑块的分割方法的应用环境图；
[0039]图2为一个实施例中提供的斑块的分割方法的流程示意图；
[0040]图3为一个实施例中提供的冠脉斑块分割结果示意图；
[0041]图4为另一个实施例中提供的斑块的分割方法流程示意图；
[0042]图5为一个实施例中提供的基准图像块截取示意图；
[0043]图6为另本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种斑块的分割方法，其特征在于，所述方法包括：获取包括待分割冠脉斑块的目标冠脉；所述目标冠脉包括多个基准图像块；通过预设的斑块检测网络，分别对所述多个基准图像块进行冠脉斑块检测，得到候选基准图像块；将所述候选基准图像块输入至预设的斑块分割网络中，得到所述候选基准图像块的冠脉斑块分割结果。2.根据权利要求1所述的分割方法，其特征在于，在所述分别对所述目标冠脉中的各个基准图像块进行冠脉斑块检测之前，所述方法还包括：获取多个样本冠脉，并沿着所述样本冠脉的支干中心线，将各所述样本冠脉的支干划分为多个样本基准图像块；将各所述样本基准图像块中进行标注，得到各所述样本冠脉中的冠脉斑块标注数据；基于各所述样本冠脉中的冠脉斑块标注数据，训练初始斑块检测网络得到所述斑块检测网络；以及基于各所述样本冠脉中的冠脉斑块标注数据，训练初始斑块分割网络，得到所述斑块分割网络。3.根据权利要求2所述的分割方法，其特征在于，所述基于各所述样本冠脉中的冠脉斑块标注数据，训练初始斑块分割网络，得到所述斑块分割网络，包括：根据各所述样本冠脉中的冠脉斑块标注数据，得到各所述样本冠脉中的冠脉斑块的分割结果；将各所述样本冠脉中的冠脉斑块的分割结果，作为所述初始斑块分割网络训练样本集，训练所述初始斑块分割网络，直至满足预设的收敛条件，得到所述斑块分割网络。4.根据权利要求3所述的分割方法，其特征在于，所述将各所述样本冠脉中的冠脉斑块的分割结果，作为所述初始斑块分割网络训练样本集，包括：通过预设的数据处理方式，对各所述样本冠脉中的冠脉斑块的分割结果进行增广；将增广后的冠脉斑块的分割结果，作为所述初始斑块分割网络训练样本集。5.根据权利要求1
‑
4任一项所述的分割方法，其特征在于，所述获取包括待分割冠脉斑块的目标冠脉，包括：获取心脏数据中候选冠脉的冠脉掩膜；对所述冠脉掩膜进行细化，得到所述候...

【专利技术属性】
技术研发人员：沈建华，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：