一种血管分割方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开一种血管分割方法、装置、存储介质及电子设备，血管分割方法包括：通过预设尺寸的滑窗在血管图像上进行图像采样，得到多个图像块，相邻的两个图像块的重叠率等于第一阈值；确定图像块中包括血管图像的图像块；将全部包括血管图像的图像块融合，得到候选血管图像块；基于血管图像和候选血管图像块确定目标血管图像块。该分割方法能够尽可能多地召回血管段，得到完整的血管信息；同时移除多余的粘连血管，得到精细血管分割的同时也不会出现断裂的情况。断裂的情况。断裂的情况。

【技术实现步骤摘要】
一种血管分割方法、装置、存储介质及电子设备


[0001]本专利技术涉及血管分割
，尤其涉及一种血管分割方法、装置、存储介质及电子设备。

技术介绍

[0002]血管分割的现有方法是基于深度学习中U
‑
Net模型直接预测血管的分割，但现有方法通常会出现以下问题：（1）易断裂：血管很细，平均直径只有10个像素，普通的分割模型极易出现分割时血管断裂的问题。
[0003]（2）易粘连：每种血管周边也存在一些其他类型的血管（如冠脉血管周边粘连有肝脏血管），分割的时候很容易将其他类型的血管也分割进来，如何移除粘连的血管，是现阶段面临的最具挑战的问题。
[0004]（3）血管分割相比于一般的医疗影像分割，具有较大的前景区域，因此血管分割对算法的精度要求更高。
[0005]因此，亟需提供一种血管分割方法，解决上述血管分割时出现的问题。

技术实现思路

[0006]本专利技术提供一种血管分割方法、装置、存储介质及电子设备，以至少解决现有技术中存在的以上技术问题。
[0007]本专利技术一方面提供一种血管分割方法，包括：通过预设尺寸的滑窗在血管图像上进行图像采样，得到多个图像块，相邻的两个所述图像块的重叠率等于第一阈值；确定所述图像块中包括血管图像的图像块；将全部所述包括血管图像的图像块融合，得到候选血管图像块；基于所述血管图像和所述候选血管图像块确定目标血管图像块。
[0008]上述分割方法能够尽可能多地召回血管段，得到完整的血管信息；同时移除多余的粘连血管，得到精细血管分割的同时也不会出现断裂的情况。
[0009]本专利技术另一方面提供一种血管分割装置，包括：图像块获取模块，通过预设尺寸的滑窗在血管图像上进行图像采样，得到多个图像块，相邻的两个所述图像块的重叠率等于第一阈值；图像块确定模块，用于确定所述图像块中包括血管图像的图像块；候选血管图像块获取模块，用于将全部所述包括血管图像的图像块融合，得到候选血管图像块；目标血管图像块确定模块，用于基于所述血管图像和所述候选血管图像块确定目标血管图像块。
[0010]本专利技术再一方面提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本专利技术所述的血管分割方法。
[0011]本专利技术还一方面提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本专利技术所述的血管分割方法。
附图说明
[0012]图1示出了本专利技术实施例提供的血管分割方法的步骤流程图；图2示出了本专利技术实施例提供的粗分割的步骤流程图；图3示出了本专利技术实施例提供的利用滑窗在血管图像样本上进行图像采样的示意图；图4示出了本专利技术实施例提供的细分割的步骤流程图；图5示出了本专利技术实施例提供的血管分割装置的结构框图。
[0013]附图标记：100
‑
图像块获取模块；200
‑
图像块确定模块；300
‑
候选血管图像块获取模块；400
‑
目标血管图像块确定模块；101
‑
图像块获取单元；102
‑
图像块划分单元；201
‑
第一模型训练单元；202
‑
第一模型调整单元；203
‑
第一模型预测单元；204
‑
图像块确定单元；401
‑
第一图像块获取单元；402
‑
第二模型训练单元；403
‑
第一模型调整单元；404
‑
分割图像块确定单元；405
‑
目标血管图像块确定单元；1
‑
样本滑窗；2
‑
重叠区域；3
‑
目标血管。
具体实施方式
[0014]为使本专利技术的目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0015]图1示出了本专利技术实施例提供的血管分割方法的步骤流程图，请查看图1，本专利技术实施例提供的血管分割方法包括以下步骤：步骤S1：通过预设尺寸的滑窗在血管图像上进行图像采样，得到多个图像块，相邻的两个图像块的重叠率等于第一阈值。
[0016]步骤S2：确定图像块中包括血管图像的图像块。
[0017]步骤S3：将全部包括血管图像的图像块融合，得到候选血管图像块。
[0018]步骤S4：基于血管图像和候选血管图像块确定目标血管图像块。
[0019]上述分割方法主要从：粗分割和细分割，这两个方面进行血管分割。一幅原始血管图像中不仅包括有血管，还有其他多余的背景图像，粗分割是将原始血管图像中包含有血管的图像提取出来，尽可能保留血管信息，为细分割提供基础。通常，一种类型的血管周边还粘连有一些其他类型的血管，例如：冠脉血管周边粘连有肝脏血管，为保证获取的冠脉血管的准确性，需要将周边的肝脏血管剔除。因此，细分割需要在粗分割得到的血管图像的基础上，将其他血管移除。
[0020]具体的，步骤S1至S3为粗分割，步骤S4为细分割。
[0021]对于粗分割，本专利技术的实施例是通过滑窗的方式先将一副血管图像划分为多个图像块，再确定多个图像块中包含有血管的图像块，最终将包含有血管的图像块组成一副完整的图像，即为步骤S3得到的候选血管图像块。这样做能够尽可能分割出一副血管图像中
所有的血管，保证血管的召回率。
[0022]以下通过附图对粗分割和细分割进行详细说明。
[0023]图2示出了本专利技术实施例提供的粗分割的步骤流程图，请查看图2，本专利技术实施例提供的粗分割包括以下步骤：步骤S11：利用样本滑窗在血管图像样本上进行图像采样，得到多个图像块样本，相邻的两个图像块样本的重叠率等于第一阈值。
[0024]具体的，在使用血管分割模型进行粗分割之前，需要对血管分割模型进行训练，训练的同时根据实际值与预测值之间的误差对应修改血管分割模型中的参数，使得训练完成的血管分割模型更加准确。本专利技术的步骤S11至步骤S14为训练血管分割模型的方法。
[0025]本专利技术实施例的血管图像样本可以是拍摄的冠状动脉CTA（CT angiography，血管造影）图像，根据血管图像样本的尺寸大小和具体情况，预先设置样本滑窗的尺寸，再使用样本滑窗在血管图像样本上采样。
[0026]本专利技术实施例中，样本滑窗可以为正方形，或者长方形等规则形状；且在采样时第一阈值可以为50%。
[0027]图3示出了本专利技术实施例提供的利用滑窗在血管图像样本上进行图像采样的示意图，如图3中所示，血管图像样本上包括目标血管3，样本滑窗1为虚线正方形。当正方形的样本滑窗1完成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血管分割方法，其特征在于，包括：通过预设尺寸的滑窗在血管图像上进行图像采样，得到多个图像块，相邻的两个所述图像块的重叠率等于第一阈值；确定所述图像块中包括血管图像的图像块；将全部所述包括血管图像的图像块融合，得到候选血管图像块；基于所述血管图像和所述候选血管图像块确定目标血管图像块。2.根据权利要求1所述的血管分割方法，其特征在于，所述包括血管图像的图像块基于血管分割模型确定；确定所述图像块中包括血管图像的图像块之前，还包括：利用样本滑窗在血管图像样本上进行图像采样，得到多个图像块样本，相邻的两个所述图像块样本的重叠率等于所述第一阈值；将所述图像块样本划分为正例图像块样本集和负例图像块样本集；将所述正例图像块样本集和所述负例图像块样本集输入所述血管分割模型，预测所述图像块样本是否为血管图像块；确定预测结果与所述图像块样本的标签之间的差异；基于所述差异调整所述血管分割模型的损失函数。3.根据权利要求2所述的血管分割方法，其特征在于，所述确定所述图像块中包括血管图像的图像块包括：将在所述血管图像上进行图像采样得到的多个所述图像块输入所述血管分割模型中，得到多个所述图像块包括血管图像的概率值；对在任意位置重叠的两个以上的所述图像块，计算所述图像块包括血管图像的概率值的平均值，得到所述位置的包括血管图像的概率值；若所述概率值大于第二阈值，则确定所述概率值对应的所述图像块中包括血管图像。4.根据权利要求1所述的血管分割方法，其特征在于，将全部所述包括血管图像的图像块融合，得到候选血管图像块包括：将包括血管图像的所述图像块按照所述血管图像的图像块在所述血管图像中的位置，融合为候选血管图像块。5.根据权利要求1所述的血管分割方法，其特征在于，基于所述血管图像和所述候选血管图像块确定目标血管图像块包括：将所述血管图像和所述候选血管图像块进行与操作，得到第一图像块；基于所述第一图像块确定分割图像块；将所述分割图像块和所述候选血管...

【专利技术属性】
技术研发人员：刘宇航，王东，胡阳，王立威，丁佳，吕晨翀，
申请(专利权)人：北京医准智能科技有限公司，
类型：发明
国别省市：