本申请涉及一种图像特征点的确定方法、装置、计算机设备、存储介质和计算机程序产品。获取灌注影像数据，并根据灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点；基于该候选特征点，确定出灌注影像数据的目标特征点；即本申请实施例中，可以自动进行动静脉点的选取操作，得到符合要求且准确性高的动静脉点，无需人工参与动静脉点的选取过程，缩短了动静脉点的选取时间，减少了人力成本，还能够避免因用户主观因素的影响导致的动静脉点选取不准确的问题，提高动静脉点的选取效率，还能提高动静脉点的选取准确性。静脉点的选取准确性。静脉点的选取准确性。
【技术实现步骤摘要】
图像特征点的确定方法、装置、计算机设备和存储介质
[0001]本申请涉及图像处理
，特别是涉及一种图像特征点的确定方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]灌注成像通过在静脉快速注射对比剂，对感兴趣区域进行连续扫描，根据感兴趣区域的扫描结果能够量化感兴趣区域的血流灌注量的变化情况，对明确病灶的血液供应具有重要意义。通常，主要是根据感兴趣区域的扫描结果中的动静脉点的特征获取感兴趣区域的血流灌注量的变化情况，而感兴趣区域中不同动静脉点的特征存在差异，不同的动静脉特征对应感兴趣区域不同的血流灌注量的变化情况，因此，感兴趣区域中动静脉点的选取在得到感兴趣区域的血流灌注量的变化情况中显得尤为重要。
[0003]传统技术中，通常是医生基于感兴趣区域的扫描结果和感兴趣区域的动静脉点的相关选取规则，选取用户获取感兴趣区域的血流灌注量的变化情况的动静脉点。但是，传统的动静脉点的选取方法存在效率较低的问题。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种通过自动选取动静脉点，来提高动静脉点的选取效率的图像特征点的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种图像特征点的确定方法。该方法包括：
[0006]获取灌注影像数据；
[0007]根据灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；
[0008]将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点；该候选特征点包括灌注影像数据对应的候选动脉点和灌注影像数据对应的候选静脉点；
[0009]基于该候选特征点，确定出灌注影像数据的目标特征点。
[0010]在其中一个实施例中，该候选特征点包括至少一对候选特征点；基于该候选特征点，确定出灌注影像数据的目标特征点，包括：
[0011]将各候选特征点分别输入预设的分类模型中，得到各候选特征点对应的分类结果；
[0012]根据各候选特征点对应的分类结果，确定目标特征点。
[0013]在其中一个实施例中，根据各候选特征点对应的分类结果，确定目标特征点，包括：
[0014]根据各候选特征点对应的分类结果，确定与预设分类结果对应的目标候选特征点；
[0015]将该目标候选特征点，确定为目标特征点。
[0016]在其中一个实施例中，注意力图包括形态注意力图和位置注意力图，将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点，包括：
[0017]将第一特征图、形态注意力图和位置注意力图输入该候选点生成模型，得到灌注影像数据对应的候选特征点。
[0018]在其中一个实施例中，候选点生成模型的训练过程包括：
[0019]获取样本灌注影像数据和样本灌注影像数据对应的金标准特征点；
[0020]根据样本灌注影像数据，得到样本灌注影像数据对应的第一样本特征图和样本注意力图；
[0021]将第一样本特征图和样本注意力图输入初始候选点生成网络，得到样本灌注影像数据对应的样本候选特征点；该样本候选特征点包括样本灌注影像数据对应的样本候选动脉点和样本灌注影像数据对应的样本候选静脉点；
[0022]根据该样本候选特征点和金标准特征点对初始候选点生成网络进行训练，得到候选点生成模型。
[0023]在其中一个实施例中，获取样本灌注影像数据对应的金标准特征点，包括：
[0024]获取样本灌注影像数据对应的初始金标准特征点；
[0025]针对每个初始金标准特征点，确定初始金标准特征点的预设范围内的多个随机特征点；
[0026]将多个随机特征点中与初始金标准特征点之间的相似度大于或者等于预设相似度阈值的随机特征点添加至初始金标准特征点中，得到金标准特征点。
[0027]在其中一个实施例中，分类模型的训练过程包括：
[0028]获取金标准特征点对应的类别，作为第一金标准类别；
[0029]获取样本候选特征点对应的类别，作为第二金标准类别；
[0030]根据金标准特征点以及第一金标准类别，和/或，样本候选特征点和第二金标准类型，对初始分类网络进行训练，得到分类模型。
[0031]第二方面，本申请还提供了一种图像特征点的确定装置。该装置包括：
[0032]第一获取模块，用于获取灌注影像数据；
[0033]第二获取模块，用于根据该灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；
[0034]第三获取模块，用于将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点；该候选特征点包括灌注影像数据对应的候选动脉点和灌注影像数据对应的候选静脉点；
[0035]确定模块，用于基于该候选特征点，确定出灌注影像数据的目标特征点。
[0036]第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行所述计算机程序时实现以下步骤：
[0037]获取灌注影像数据；
[0038]根据灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；
[0039]将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点；该候选特征点包括灌注影像数据对应的候选动脉点和灌注影像数据对应的候选静脉点；
[0040]基于该候选特征点，确定出灌注影像数据的目标特征点。
[0041]第四方面，本申请还提供了一种计算机可读存储介质。该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以下步骤：
[0042]获取灌注影像数据；
[0043]根据灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；
[0044]将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点；该候选特征点包括灌注影像数据对应的候选动脉点和灌注影像数据对应的候选静脉点；
[0045]基于该候选特征点，确定出灌注影像数据的目标特征点。
[0046]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0047]获取灌注影像数据；
[0048]根据灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；
[0049]将第一特征图和注意力图输入候选点生成模型，得到灌注影像数据对应的候选特征点；该候选特征点包括灌注影像数据对应的候选动脉点和灌注影像数据对应的候选静脉点；
[0050]基于该候选特征点，确定出灌注影像数据的目标特征点。
[0051]上述图像特征点的确定方法、装置、计算机设备、存储介质和计算机程序产品，计算机设备通过获取灌注影像数据，并根据灌注影像数据，得到灌注影像数据对应的第一特征图和注意力图；接着，将第一特征图和注意力图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像特征点的确定方法，其特征在于，所述方法包括：获取灌注影像数据；根据所述灌注影像数据，得到所述灌注影像数据对应的第一特征图和注意力图；将所述第一特征图和所述注意力图输入候选点生成模型，得到所述灌注影像数据对应的候选特征点；所述候选特征点包括所述灌注影像数据对应的候选动脉点和所述灌注影像数据对应的候选静脉点；基于所述候选特征点，确定出所述灌注影像数据的目标特征点。2.根据权利要求1所述的方法，其特征在于，所述候选特征点包括至少一对候选特征点；所述基于所述候选特征点，确定出所述灌注影像数据的目标特征点，包括：将各所述候选特征点分别输入预设的分类模型中，得到各所述候选特征点对应的分类结果；根据各所述候选特征点对应的分类结果，确定所述目标特征点。3.根据权利要求2所述的方法，其特征在于，所述根据各所述候选特征点对应的分类结果，确定所述目标特征点，包括：根据各所述候选特征点对应的分类结果，确定与预设分类结果对应的目标候选特征点；将所述目标候选特征点，确定为所述目标特征点。4.根据权利要求1所述的方法，其特征在于，所述注意力图包括形态注意力图和位置注意力图，所述将所述第一特征图和所述注意力图输入候选点生成模型，得到所述灌注影像数据对应的候选特征点，包括：将所述第一特征图、所述形态注意力图和所述位置注意力图输入所述候选点生成模型，得到所述灌注影像数据对应的候选特征点。5.根据权利要求1所述的方法，其特征在于，所述候选点生成模型的训练过程包括：获取样本灌注影像数据和所述样本灌注影像数据对应的金标准特征点；根据所述样本灌注影像数据，得到所述样本灌注影像数据对应的第一样本特征图和样本注意力图；将所述第一样本特征图和所述样本注意力图输入初始候选点生成网络，得到所述样本灌注影像数据对应的样本候选特征点；所述样本候选特征点包括所述样本灌注影像数据对应的样本候选动脉点和所...
【专利技术属性】
技术研发人员：杨海波，廖术，
申请(专利权)人：上海联影智能医疗科技有限公司，
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。