【技术实现步骤摘要】
血管钙化图像分割方法、系统和可读存储介质
[0001]本专利技术涉及图像处理
,特别涉及一种血管钙化图像分割方法、系统和可读存储介质。
技术介绍
[0002]血管疾病尤其是心血管疾病,已经成为威胁人类生命安全的主要疾病之一。在手术过程中,医生通过血管成像技术来辅助诊断各种血管疾病,例如钙化、主动脉夹层、动脉瘤,心脑血管狭窄等。
[0003]血管成像技术包括计算机断层血管造影(CTA)、核磁共振血管造影(MRA)等。血管成像得到的是三维影像,该影像不仅有血管组织同时还包含血管周围其他组织(骨骼、脂肪、肌肉、肺组织等),无法给医生带来精准诊断。所以,从三维影像中提取整个血管区域和钙化区域,并以三维显示技术展示血管和钙化的形态,并定量计算钙化的量,这会提高医生诊断准确率。
[0004]虽然目前已经有很多血管钙化分割的技术,但血管钙化分割问题仍然是一个非常具有挑战性的任务。目前血管钙化分割方法主要是先采用手动或半自动的方式对血管进行分割提取,然后在血管上先计算初步钙化区域,然后再对初步结果进行规则合并,得到最终 ...
【技术保护点】
【技术特征摘要】
1.一种血管钙化图像分割方法,其特征在于,包括:采用预先训练好的神经网络模型对待分割血管图像进行分割,得到初始血管分割图像;对所述初始血管分割图像进行形态学膨胀,得到血管区域掩模图像;对所述血管区域掩模图像和所述待分割血管图像进行乘操作,得到血管分割图像;根据所述血管分割图像确定一钙化阈值,并根据所述钙化阈值确定所述血管分割图像中的血管钙化区域,得到血管钙化分割图像。2.根据权利要求1所述的血管钙化图像分割方法,其特征在于,所述神经网络模型为深度全卷积网络模型。3.根据权利要求1所述的血管钙化图像分割方法,其特征在于,所述深度全卷积神经网络模型包括编码网络和解码网络;所述编码网络包括输入层、n+1个级联的第一神经网络组,前n个第一神经网络组包括级联的卷积层和最大池化层,第n+1个第一神经网络组包括卷积层;所述解码网络包括n个级联的第二神经网络组和输出层,所述第二神经网络组包括级联的反卷积层、合并层、卷积层,所述合并层用于将所述反卷积层的输出图像与所述编码网络中相应的卷积层的输出图像进行线性相加合并。4.根据权利要求3所述的血管钙化图像分割方法,其特征在于,所述编码网络包括n个级联的第一残差连接,所述解码网络包括n个级联的第二残差连接。5.根据权利要求1所述的血管钙化图像分割方法,其特征在于,所述对所述初始血管分割图像进行形态学膨胀,包括:对所述初始血管分割图像进行自适应形态学膨胀,其中所述膨胀参数等于血管壁厚度与所述初始血管分割图像中像素间距的比值。6.根据权利要求1所述的血管钙化图像分割方法,其特征在于,所述对所述血管区域掩模图像和所述待分割血管图像进行乘操作,得到血管分割图像,包括:对所述血管区域掩膜中的血管区域进...
【专利技术属性】
技术研发人员:陈俊强,吕文尔,杨溪,
申请(专利权)人:上海微创卜算子医疗科技有限公司,
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。