本发明专利技术公开一种冠状动脉优势型判定方法、装置、存储介质及电子设备，冠状动脉优势型判定方法包括：对血管图像进行图像分割，得到候选血管图像；对候选血管图像进行腐蚀处理，得到目标血管图像；获取目标血管图像对应的点云数据；基于点云数据确定目标血管图像对应的血管类型。采用点云数据的方式表示血管结构，降低血管结构信息的表示复杂度；同时使用神经网络模型对血管类型进行预测，避免人为规则预测血管类型导致的准确性低的情况。血管类型导致的准确性低的情况。血管类型导致的准确性低的情况。
【技术实现步骤摘要】
冠状动脉优势型判定方法、装置、存储介质及电子设备
[0001]本专利技术涉及冠状动脉优势型判别
，尤其涉及一种冠状动脉优势型判定方法、装置、存储介质及电子设备。
技术介绍
[0002]根据冠状动脉中左冠脉和右冠脉的解剖学分布，冠状动脉主要分为以下三种类型：右优势型、均衡型、左优势型。冠状动脉的优势型判别对于后续的冠脉疾病分析具有重要意义，当前对于冠脉优势型的自动判别技术均基于人工设计规则的方法，如利用中心线上各点到主动脉距离进行判断和诊断；但是基于人工设计规则进行判别的方法难以覆盖所有的情况，很可能会造成判断错误；同时人工设计的规则对于图像的变化不鲁棒，拍摄过程中出现的微小变化就会导致冠脉优势型判别结果发生改变，进而影响判断的准确度。因此亟需提供一种不受拍摄位置、角度等因素影响的预测结果准确的冠状动脉优势型判别方法。
技术实现思路
[0003]本专利技术提供一种冠状动脉优势型判定方法、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。
[0004]本专利技术一方面提供一种冠状动脉优势型判定方法，包括：对血管图像进行图像分割，得到候选血管图像；对所述候选血管图像进行腐蚀处理，得到目标血管图像；获取所述目标血管图像对应的点云数据；基于所述点云数据确定所述目标血管图像对应的血管类型。
[0005]采用点云数据的方式表示血管结构，降低血管结构信息的表示复杂度，利用该结构信息判别血管类型。
[0006]进一步的，所述目标血管图像对应的血管类型基于血管分类模型确定；所述基于所述点云数据确定所述目标血管图像对应的血管类型之前，所述方法还包括：获取血管样本图像对应的点云数据训练样本，以及所述点云数据训练样本对应的血管样本分类标签；以所述点云数据训练样本作为所述血管分类模型的输入，得到所述血管分类模型输出的血管预测类型；确定所述血管样本分类标签与所述血管预测类型的差异；基于所述差异调整所述血管分类模型的参数。
[0007]使用神经网络模型对血管类型进行预测，避免人为规则预测血管类型导致的准确性低的情况，提升血管类型预测方法的泛化性，在图像拍摄的角度有所变化时也能够保证准确的预测结果。
[0008]本专利技术另一方面提供一种冠状动脉优势型判定装置，包括：图像分割单元，用于对血管图像进行图像分割，得到候选血管图像；图像处理单元，用于对所述候选血管图像进行腐蚀处理，得到目标血管图像；点云数据获取单元，用于获取所述目标血管图像对应的点云数据；血管类型确定单元，用于基于所述点云数据确定所述目标血管图像对应的血管类型
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冠状动脉优势型判定方法。
[0009]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冠状动脉优势型判定方法。
附图说明
[0010]图1示出了本专利技术实施例提供的冠状动脉优势型判定方法的步骤流程图；图2示出了本专利技术实施例提供的对血管图像进行图像分割，得到候选血管图像的流程图；图3示出了本专利技术实施例提供的获取目标血管图像对应的点云数据的流程图；图4示出了本专利技术实施例提供的训练血管分类模型的流程图；图5示出了本专利技术实施例提供的验证血管分类模型的流程图；图6示出了本专利技术具体实施例提供的血管点云表示示意图；图7示出了本专利技术实施例提供的冠状动脉优势型判定装置的结构框图。
[0011]附图标记：100
‑
图像分割单元；200
‑
图像处理单元；300
‑
点云数据获取单元；400
‑
血管类型确定单元；101
‑
血管结构定位子单元；102
‑
确定分割区域子单元；103
‑
分割子单元；301
‑
确定目标区域子单元；302
‑
点云数据获取子单元；401
‑
获取训练样本子单元；402
‑
训练子单元；403
‑
确定差异子单元；404
‑
调整参数子单元；405
‑
获取验证样本子单元；406
‑
验证子单元；407
‑
确定准确性子单元。
具体实施方式
[0012]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。
[0013]图1示出了本专利技术实施例提供的冠状动脉优势型判定方法的步骤流程图，如图1所示，本专利技术的实施例提供了一种冠状动脉优势型判定方法，包括以下步骤：步骤S1：对血管图像进行图像分割，得到候选血管图像。
[0014]步骤S2：对候选血管图像进行腐蚀处理，得到目标血管图像。
[0015]步骤S3：获取目标血管图像对应的点云数据。
[0016]步骤S4：基于点云数据确定目标血管图像对应的血管类型。
[0017]其中，图2示出了本专利技术实施例提供的冠状动脉优势型判定方法的步骤S1的流程图，如图2所示，步骤S1包括：步骤S11：对血管图像中包括的血管结构进行定位，得到血管结构在血管图像中的位置。
[0018]步骤S12：基于各血管结构在血管图像中的位置，确定血管结构对应的分割区域。
[0019]步骤S13：基于血管结构对应的分割区域，对血管图像进行图像分割，得到血管结构对应的候选血管图像。
[0020]具体的，拍摄冠状动脉CTA（CT angiography，血管造影）图像的机型多种多样，不同机型拍摄出的血管图像尺寸差异较大，因此在对血管图像进行图像分割之前，可以对血管图像进行预处理，以保证血管图像的一致性。预处理包括：对有不同像素间距（像素间距（Spacing）是指两个像素之间的距离）的图像，将图像中每个像素在长、宽、高三个方向之间的间距均缩放为Spacing=（0.5mm，0.5mm，0.5mm），保证了冠状动脉图像的各向同性。
[0021]血管图像包括心脏区域和心脏以外的区域，心脏区域内有血管结构。因此，对血管结构进行定位，得到血管结构在血管图像中的位置，并基于该位置确定血管结构对应的分割区域是指心脏以外的区域。将血管图像中心脏以外的区域切除，排除心脏以外区域的干扰，最终得到血管结构对应的候选血管图像。
[0022]其中，步骤S2的腐蚀处理包括：采用形态学腐蚀方法将候选血管图像中的血管结构的宽度腐蚀至一个像素，得到目标血管图像。
[0023]具体的，形态学操作是改变物体的形状，腐蚀就是“变瘦”。能够消除目标区域所有边界点，使目标区域范围“本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种冠状动脉优势型判定方法，其特征在于，包括：对血管图像进行图像分割，得到候选血管图像；对所述候选血管图像进行腐蚀处理，得到目标血管图像；获取所述目标血管图像对应的点云数据；基于所述点云数据确定所述目标血管图像对应的血管类型。2.根据权利要求1所述的冠状动脉优势型判定方法，其特征在于，所述目标血管图像对应的血管类型基于血管分类模型确定；所述基于所述点云数据确定所述目标血管图像对应的血管类型之前，所述方法还包括：获取血管样本图像对应的点云数据训练样本，以及所述点云数据训练样本对应的血管样本分类标签；以所述点云数据训练样本作为所述血管分类模型的输入，得到所述血管分类模型输出的血管预测类型；确定所述血管样本分类标签与所述血管预测类型的差异；基于所述差异调整所述血管分类模型的参数。3.根据权利要求2所述的冠状动脉优势型判定方法，其特征在于，所述获取血管样本图像对应的点云数据训练样本，包括：获取点云数据训练样本集中的点云数据样本在每个坐标维度的最大值；针对每个所述点云数据样本，将所述点云数据样本在每个坐标维度的坐标值除以所述点云数据训练样本集中的点云数据样本在所述坐标维度的最大值，得到所述点云数据训练样本。4.根据权利要求2所述的冠状动脉优势型判定方法，其特征在于，所述基于所述差异调整所述血管分类模型的参数之后，所述方法还包括：获取血管验证图像对应的点云数据验证样本，以及所述点云数据验证样本对应的第一血管类型标签；将所述点云数据验证样本输入所述血管分类模型，得到所述血管分类模型输出的第二血管类型标签；比较所述第一血管类型标签与所述第二血管类型标签的差异，基于所述差异确定所述血管分类模型预测血管类型的准确性...
【专利技术属性】
技术研发人员：王东，刘宇航，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：
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。