一种基于特征强化的血管分割方法及装置制造方法及图纸

本发明专利技术公开了一种基于特征强化的血管分割方法及装置，属于图像处理技术领域。该方法首先获取待测血管CT影像对应的待测血管特征图；待测血管特征图中携带有用于指示血管类别的血管结构点；并根据任意两个血管结构点之间的测地距离，获得血管邻接矩阵；之后将所有血管结构点的位置信息和待测血管特征图进行拼接处理，得到血管节点矩阵；最后基于血管节点矩阵和血管邻接矩阵，利用图神经模型进行血管特征强化处理，得到血管分割结果。由此，本实施例通过利用血管邻接矩阵和血管节点矩阵，能够将血管结构点形成的点云数据建立顶点与边的相关关系，从而使得图神经模型能够从不同角度提取血管特征，丰富了数据特征，提高了血管分割的准确性。割的准确性。割的准确性。

【技术实现步骤摘要】
一种基于特征强化的血管分割方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种基于特征强化的血管分割方法及装置。

技术介绍

[0002]目前，常见的血管疾病有血管钙化、肿瘤、狭窄和斑块等；然而血管提取是血管疾病诊断的基础。血管通常具有管径小、狭长、弯曲过多，以及结构精细等特点。利用人工从医学图像中提取血管是一件非常耗时费力的工作，为此利用计算机辅助诊断的血管提取方法成为目前研究热点。
[0003]从血管电子计算机断层扫描图像中提取血管结构主要有两大类方法。第一类方法是基于图形学及血管拓扑结构建模；这类方法大多是基于几何结构，如轮廓横截面、最短路径、与血管结构类似的管状结构、中心线等方法；但此类方法容易受到血管噪声的影响，分割效果不是很好。第二类方法是基于深度学习的方法；例如学习像素级分类来分割血管结构。近几年随着CNN、FCN网络在各类图像分割任务上的突出表现，以及UNet在医学分割领域的广泛应用；使用3D卷积神经网络处理医学图像已经成为一个基础方法。但是由于三维医学图像尺寸较大，同时3D卷积神经网络参数量庞大，因此对计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征强化的血管分割方法，其特征在于，包括：获取待测血管电子计算机断层扫描CT影像对应的待测血管特征图；其中，所述待测血管特征图中携带有用于指示血管类别的血管结构点；根据任意两个所述血管结构点之间的测地距离，获得血管邻接矩阵；将所有血管结构点的位置信息和所述待测血管特征图进行拼接处理，得到血管节点矩阵；基于所述血管节点矩阵和所述血管邻接矩阵，利用图神经模型进行血管特征强化处理，得到血管分割结果。2.根据权利要求1所述的方法，其特征在于，将所有血管结构点的位置信息和所述待测血管特征图进行拼接处理，得到血管节点矩阵，包括：基于所有血管结构点的位置信息，对所述血管结构点进行连通域标记，得到连通域矩阵；将所述连通域矩阵、所有血管结构点的位置信息和所述待测血管特征图进行拼接处理，得到血管节点矩阵。3.根据权利要求1所述的方法，其特征在于，所述根据任意两个所述血管结构点之间的测地距离，获得血管邻接矩阵，包括：根据任意两个所述血管结构点之间的欧式距离，获得血管距离矩阵；根据所述血管距离矩阵计算任意两个所述血管结构点之间的测地距离，得到血管邻接矩阵。4.根据权利要求1所述的方法，其特征在于，所述获取待测血管CT影像对应的待测血管特征图，包括：获取待测血管CT影像；从所述待测血管CT影像中提取血管结构点的位置信息，得到待测点云数据；基于所述待测血管CT影像，对所述待测点云数据中所有血管结构点标记分类标签；利用点云分割模型对具有分类标签的待测点云数据进行特征提取处理，得到待测血管特征图。5.根据权利要求4所述的方法，其特征在于，所述从所述待测血管CT影像中提取血管结构点的位置信息，得到待测点云数据，包括：利用血管分割模型对所述待测血管CT影像进行分割处理，得到待测血管分割结果和非血管分割结果；对所述待测血管分割结果进行点云处理，得到待测点云数据。6.根据权利要求4所述的方法，其特征在于，所述点云分割模型通过如下方法获得：获取第一血管CT影...

【专利技术属性】
技术研发人员：刘宇航，王东，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：