血管检测装置和基于图像的血管检测方法制造方法及图纸

本发明专利技术提供一种血管检测装置和基于图像的血管检测方法。在方法中，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更多个像素属于血管。第一和第二检测模型是基于机器学习算法所建构，第二待评估数据包括第一检测结果，且第二检测模型所输出的第二检测结果包括医疗图像中的一个或更多个像素属于血管。藉此，可提升血管识别准确度。可提升血管识别准确度。可提升血管识别准确度。

【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更多个像素属于血管。第二检测模型是基于机器学习算法所建构，第二待评估数据包括第一检测结果，且第二检测模型所输出的第二检测结果包括医疗图像中的一个或更多个像素属于血管。
[0006]根据本专利技术的实施例，血管检测装置包括(但不仅限于)存储器和处理器。存储器存储程序代码。处理器耦接存储器，并经组态加载且执行那些程序代码而用以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，并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更多个像素属于血管。第二检测模型是基于机器学习算法所建构，第二待评估数据包括第一检测结果，且第二检测模型所输出的第二检测结果包括医疗图像中的一个或更多个像素属于血管。
[0007]基于上述，根据本专利技术实施例的血管检测装置和基于图像的血管检测方法，可提供多阶段的血管检测机制，并让先前检测结果作为后续检测模型的输入数据，以提升识别
的准确度。
附图说明
[0008]包含附图以便进一步理解本专利技术，且附图并入本说明书中并构成本说明书的一部分。附图说明本专利技术的实施例，并与描述一起用于解释本专利技术的原理。
[0009]图1为根据本专利技术一实施例的血管检测装置的组件方块图；
[0010]图2为根据本专利技术一实施例的基于图像的血管检测方法的流程图；
[0011]图3为根据本专利技术一实施例的血管检测方法的流程示意图；
[0012]图4A和图4B示出检测结果比对的实例；
[0013]图5为根据本专利技术一实施例的基于时间序列的目标追踪的示意图；
[0014]图6A～图6C示出医疗图像和检测结果的对照实例；
[0015]图7为根据本专利技术一实施例的主要血管检测方法的流程示意图；
[0016]图8示出主要血管检测的实例；
[0017]图9为根据本专利技术一实施例的目标血管检测方法的流程示意图；
[0018]图10示出不同投照体位的实例；
[0019]图11示出血管头端检测的实例。
[0020]附图标号说明
[0021]100:血管检测装置；
[0022]110：存储器；
[0023]130：处理器；
[0024]150：显示器；
[0025]S210～S230、S301、S710、S901～S905：步骤；
[0026]D1～D3：待评估数据；
[0027]M1～M3：检测模型；
[0028]R1～R7、R31～R33：检测结果；
[0029]SD1～SD5：补充数据；
[0030]R11、R12、R21、R22：分割图像；
[0031]Sk：骨干；
[0032]O11～O13、MI：医疗图像；
[0033]Vh、Lh1、Lh2：血管头端；
[0034]P：位置；
[0035]LCX：左回旋支；
[0036]LAD
‑
proximal：左前降支
‑
近端；
[0037]Diagonal：对角支；
[0038]OM：钝缘支；
[0039]RCA：右冠状动脉；
[0040]AcM：锐缘支；
[0041]Box：追踪区域；
[0042]FP：假阳性。
具体实施方式
[0043]现将详细地参考本专利技术的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在附图和描述中用来表示相同或相似部分。
[0044]图1为根据本专利技术一实施例的血管检测装置100的组件方块图。请参照图1，血管检测装置100包括(但不仅限于)存储器110和处理器130。血管检测装置100可以是台式计算机、笔记本电脑、智能手机、平板、服务器、医疗检测仪器或其他运算装置。
[0045]存储器110可以是任何型态的固定或可移动随机存取内存(Radom Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、闪存(flash memory)、传统硬盘(Hard Disk Drive，HDD)、固态硬盘(Solid
‑
State Drive，SSD)或类似组件。在一实施例中，存储器110用以记录程序代码、软件模块、组态配置、数据或文件。
[0046]处理器130耦接存储器110，处理器130并可以是中央处理单元(Central Processing Unit，CPU)、图形处理单元(Graphic Processing unit，GPU)，或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、可程序化控制器、现场可程序化逻辑门阵列(Field Programmable Gate Array，FPGA)、特殊应用集成电路(Application
‑
Specific Integrated Circuit，ASIC)、神经网络加速器或其他类似组件或上述组件的组合。在一实施例中，处理器130用以执行血管检测装置100的所有或部份作业，且可加载并执行存储器110所记录的各程序代码、软件模块、文件和数据。...

【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：