【技术实现步骤摘要】
血管检测装置和基于图像的血管检测方法
[0001]本专利技术涉及一种图像识别技术,具体来说,涉及一种血管检测装置和基于图像的血管检测方法。
技术介绍
[0002]血管图像是作为多种疾病在病灶确定的重要根据。而医生根据血管图像进行诊断时,往往会纳入主观的因素,让诊断的结果产生偏差。此外,人工判读也是一个耗时、耗财的一个过程。从病患的角度,整个诊断的过程像是个黑盒子,病患无法理解如何得出诊断结果,进而导致沟通不良产生纠纷。
[0003]现有血管分割技术包括主要分成计算法。计算法根据图像上各像素强度作分析。例如,将像素对图像的两个维度计算二阶的偏微分,再根据得到的二阶偏微分矩阵的特征向量以和特征值,来确定这像素点是否属于血管。然而,由于血管的样式很多,再加上血管医疗图像照影的血管很有可能已经病态,从而增加血管差异程度,使得通过特征向量和特征值的确定无法涵盖各种血管的型态。此外,这种方法只局限于小尺度的确定,而没有考虑大尺度的信息。
技术实现思路
[0004]本专利技术是针对一种血管检测装置和基于图像的血管检测方法,可准确地检测血管图像中的血管。
[0005]根据本专利技术的实施例,基于图像的血管检测方法包括(但不仅限于)下列步骤:通过第一检测模型对第一待评估数据检测,以获得第一检测结果;通过第二检测模型对第二待评估数据检测,以获得第二检测结果。第一检测模型是基于机器学习算法所建构,第一待评估数据包括对血管拍摄所得的一张或更多张医疗图像,且第一检测模型所输出的第一检测结果包括医疗图像中的一个或
【技术保护点】
【技术特征摘要】
1.一种基于图像的血管检测方法,其特征在于,包括:通过第一检测模型对第一待评估数据检测,以获得第一检测结果,其中所述第一检测模型是基于多个机器学习算法中的一个个所建构,所述第一待评估数据包括对血管拍摄所得的至少一医疗图像,且所述第一检测模型所输出的所述第一检测结果包括所述至少一医疗图像的中至少一像素属于所述血管;以及通过第二检测模型对第二待评估数据检测,以获得第二检测结果,其中所述第二检测模型是基于所述机器学习算法中的一个个所建构,所述第二待评估数据包括所述第一检测结果,且所述第二检测模型所输出的所述第二检测结果包括所述至少一医疗图像中的所述至少一像素属于所述血管。2.根据权利要求1所述的基于图像的血管检测方法,其特征在于,还包括:对所述至少一医疗图像进行图像处理,其中所述图像处理相关于增强所述血管的轮廓,且所述第二待评估数据还包括经所述图像处理的所述至少一医疗图像。3.根据权利要求1所述的基于图像的血管检测方法,其特征在于,所述至少一医疗图像包括根据时间序列排序的多张医疗图像,且获得所述第二检测结果的步骤之后,还包括:根据所述医疗图像的所述第二检测结果分割出每一所述医疗图像中属于所述血管的多个血管区域,以获得多张分割图像;根据所述时间序列确定所述分割图像中的所述血管区域的每一像素的位移;以及根据每一所述血管区域对应的位移与先前所述分割图像中的血管区域的比对结果分类所述血管区域,其中所述比对结果相关于所述位移与所述血管区域的重叠大小。4.根据权利要求1所述的基于图像的血管检测方法,其特征在于,所述至少一医疗图像包括根据时间序列排序的多张医疗图像,且获得所述第二检测结果的步骤之后,还包括:通过第三检测模型对第三待评估数据检测,以获得第三检测结果,其中所述第三检测模型是基于所述机器学习算法中的一个个所建构,所述第三待评估数据包括当前所述医疗图像的所述第二检测结果和与先前所述医疗图像的所述第二检测结果,所述第三检测模型所输出的所述第三检测结果包括所述至少一医疗图像中的主要血管,且所述主要血管是基于评估多个血管段的病灶复杂度的权重所决定。5.根据权利要求4所述的基于图像的血管检测方法,其特征在于,获得所述第三检测结果的步骤之后,还包括:根据所述第二检测结果和所述第三检测结果确定所述主要血管的骨干,其中所述骨干为根据其宽度和长度所决定。6.根据权利要求1所述的基于图像的血管检测方法,其特征在于,获得所述第二检测结果的步骤之后,还包括:根据所述至少一医疗图像映射的投照体位决定目标血管;以及确定所述至少一医疗图像的所述目标血管的血管头端。7.根据权利要求6所述的基于图像的血管检测方法,其特征在于,确定所述至少一医疗图像的所述目标血管的所述血管头端的步骤之后,还包括:根据所述血管头端将所述目标血管映像到所述第二检测结果对应的分割图像,其中所述分割图像包括属于所述...
【专利技术属性】
技术研发人员:吕昀寰,谢成典,李爱先,庄文博,
申请(专利权)人:医疗财团法人徐元智先生医药基金会亚东纪念医院,
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。