医学影像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种医学影像处理方法、装置、计算机设备和存储介质。所述方法包括：获取初始影像数据，并根据所述初始影像数据确定冠脉中心线骨架；所述初始影像数据包含冠脉和静脉；获取所述冠脉中心线骨架中多个分叉处的分支影像数据，并利用预先训练的静脉识别模型从所述多个分叉处的分支影像数据中识别出静脉影像数据；根据所述静脉影像数据对所述初始影像数据进行静脉去除处理，得到去除静脉后的目标影像数据。采用本方法能够很好地去除粘连的静脉，提高静脉去除效率。提高静脉去除效率。提高静脉去除效率。

【技术实现步骤摘要】
医学影像处理方法、装置、计算机设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种医学影像处理方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着CT(Computed Tomography，即电子计算机断层扫描)设备的成像速度和扫描精度的提高，CT医学影像已被广泛应用于心脏检查和斑块诊断。基于CT医学影像进行心脏冠脉分割被广泛使用，它可以提取出冠脉以及官腔中斑块的轮廓，方便医生观察狭窄、钙化和斑块等情况，为医生对心血管疾病的早期预防和诊断提供依据。
[0003]在心脏冠脉分割过程中，如果造影效果不好，很容易导致动静脉粘连，进而导致将静脉错分为动脉。为了提高心脏冠脉分割的准确率，常常需要进行静脉去除处理。
[0004]目前，常用的静脉去除方法包括拓扑分析法和流量分析法等。但是，对于冠脉尾部的部分粘连静脉，上述两种方法难以很好地去除粘连的静脉，很多时候仍需要手工去除，静脉去除的效率较低。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够很好地去除粘连的静脉、提高静脉去除效率的医学影像处理方法、装置、计算机设备和存储介质。
[0006]一种医学影像处理方法，该方法包括：
[0007]获取初始影像数据，并根据初始影像数据确定冠脉中心线骨架；
[0008]获取冠脉中心线骨架中多个分叉处的分支影像数据，并利用预先训练的静脉识别模型从多个分叉处的分支影像数据中识别出静脉影像数据；
[0009]根据静脉影像数据对初始影像数据进行静脉去除处理，得到去除静脉后的目标影像数据。
[0010]在其中一个实施例中，上述获取冠脉中心线骨架中多个分叉处的分支影像数据，包括：
[0011]在冠脉中心线骨架中任意一个分叉处，沿着每个分支的中心线进行影像数据采样，得到每个分支对应的分支影像数据。
[0012]在其中一个实施例中，上述沿着每个分支的中心线进行影像数据采样，得到每个分支对应的分支影像数据，包括：
[0013]针对每个分支，沿着分支的中心线每隔预设长度采集预设大小的截面数据，并由预设数量的截面数据组成分支影像数据。
[0014]在其中一个实施例中，上述利用预先训练的静脉识别模型从多个分叉处的分支影像数据中识别出静脉影像数据，包括：
[0015]将各分支影像数据分别输入到静脉识别模型中，得到静脉识别模型输出的各分支影像数据对应的识别结果；
[0016]根据各分支影像数据对应的识别结果，从多个分支影像数据中选取出静脉影像数据。
[0017]在其中一个实施例中，在上述利用预先训练的静脉识别模型从多个分叉处的分支影像数据中识别出静脉影像数据之前，该方法还包括：
[0018]获取训练样本集；训练样本集包括正样本和负样本，正样本为冠脉影像数据，负样本为静脉影像数据；
[0019]基于训练样本集进行深度学习模型的训练，得到静脉识别模型。
[0020]在其中一个实施例中，上述获取训练样本集，包括：
[0021]获取多个样本影像数据，并对多个样本影像数据的分叉处进行数据采样，得到第一预设数量的初始样本；
[0022]对初始样本进行数据增广，得到第二预设数量的正样本和第三预设数量的负样本，并由正样本和负样本组成训练样本集。
[0023]在其中一个实施例中，上述根据静脉影像数据对初始影像数据进行静脉去除处理，得到去除静脉后的目标影像数据，包括：
[0024]根据静脉影像数据和冠脉中心线骨架进行区域增长处理，得到增长后的静脉分支；
[0025]在初始影像数据中去除增长后的静脉分支，得到目标影像数据。
[0026]在其中一个实施例中，上述根据初始影像数据确定冠脉中心线骨架，包括：
[0027]根据初始影像数据进行冠脉分割，得到冠脉掩模；
[0028]对冠脉掩模进行细化处理，得到冠脉中心线骨架。
[0029]在其中一个实施例中，上述根据初始影像数据进行冠脉分割，得到冠脉掩模，包括：
[0030]在初始影像数据中对冠脉中心线进行初步定位；
[0031]根据初步定位的冠脉中心线得到冠脉主干中心线；
[0032]根据冠脉主干中心线进行区域增长处理，得到冠脉掩模。
[0033]在其中一个实施例中，上述对冠脉掩模进行细化处理，得到冠脉中心线骨架，包括：
[0034]对冠脉掩模进行细化得到冠脉骨架点，对细化过程进行迭代得到冠脉骨架；
[0035]根据冠脉主干中心线和冠脉骨架，确定冠脉中心线骨架。
[0036]一种医学影像处理装置，所述装置包括：
[0037]骨架确定模块，用于获取初始影像数据，并根据初始影像数据确定冠脉中心线骨架；
[0038]静脉确定模块，用于获取冠脉中心线骨架中多个分叉处的分支影像数据，并利用预先训练的静脉识别模型从多个分叉处的分支影像数据中识别出静脉影像数据；
[0039]静脉去除模块，用于根据静脉影像数据对初始影像数据进行静脉去除处理，得到去除静脉后的目标影像数据。
[0040]在其中一个实施例中，上述静脉确定模块包括：
[0041]分支采样子模块，用于在冠脉中心线骨架中任意一个分叉处，沿着每个分支的中心线进行影像数据采样，得到每个分支对应的分支影像数据。
[0042]在其中一个实施例中，上述分支采样子模块，具体用于针对每个分支，沿着分支的中心线每隔预设长度采集预设大小的截面数据，并由预设数量的截面数据组成分支影像数据。
[0043]在其中一个实施例中，上述静脉确定模块，包括：
[0044]识别子模块，用于将各分支影像数据分别输入到静脉识别模型中，得到静脉识别模型输出的各分支影像数据对应的识别结果；
[0045]静脉选取子模块，用于根据各分支影像数据对应的识别结果，从多个分支影像数据中选取出静脉影像数据。
[0046]在其中一个实施例中，该装置还包括：
[0047]样本获取模块，用于获取训练样本集；训练样本集包括正样本和负样本，正样本为冠脉影像数据，负样本为静脉影像数据；
[0048]训练模块，用于基于训练样本集进行深度学习模型的训练，得到静脉识别模型。
[0049]在其中一个实施例中，上述样本获取模块，用于获取多个样本影像数据，并对多个样本影像数据的分叉处进行数据采样，得到第一预设数量的初始样本；对初始样本进行数据增广，得到第二预设数量的正样本和第三预设数量的负样本，并由正样本和负样本组成训练样本集。
[0050]在其中一个实施例中，上述静脉去除模块，具体用于根据静脉影像数据和冠脉中心线骨架进行区域增长处理，得到增长后的静脉分支；在初始影像数据中去除增长后的静脉分支，得到目标影像数据。
[0051]在其中一个实施例中，上述骨架确定模块包括：
[0052]掩模确定子模块，用于根据初始影像数据进行冠脉分割，得到冠脉掩模；
[0053本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像处理方法，其特征在于，所述方法包括：获取初始影像数据，并根据所述初始影像数据确定冠脉中心线骨架；获取所述冠脉中心线骨架中多个分叉处的分支影像数据，并利用预先训练的静脉识别模型从所述多个分叉处的分支影像数据中识别出静脉影像数据；根据所述静脉影像数据对所述初始影像数据进行静脉去除处理，得到去除静脉后的目标影像数据。2.根据权利要求1所述的方法，其特征在于，所述获取所述冠脉中心线骨架中多个分叉处的分支影像数据，包括：在所述冠脉中心线骨架中任意一个分叉处，沿着每个分支的中心线进行影像数据采样，得到每个分支对应的分支影像数据。3.根据权利要求2所述的方法，其特征在于，所述沿着每个分支的中心线进行影像数据采样，得到每个分支对应的分支影像数据，包括：针对每个分支，沿着分支的中心线每隔预设长度采集预设大小的截面数据，并由预设数量的截面数据组成所述分支影像数据。4.根据权利要求1所述的方法，其特征在于，所述利用预先训练的静脉识别模型从所述多个分叉处的分支影像数据中识别出静脉影像数据，包括：将各所述分支影像数据分别输入到所述静脉识别模型中，得到所述静脉识别模型输出的各所述分支影像数据对应的识别结果；根据各所述分支影像数据对应的识别结果，从多个所述分支影像数据中选取出所述静脉影像数据。5.根据权利要求1所述的方法，其特征在于，在所述利用预先训练的静脉识别模型从所述多个分叉处的分支影像数据中识别出静脉影像数据之前，所述方法还包括：获取训练样本集；所述训练样本集包括正样本和负样本，...

【专利技术属性】
技术研发人员：沈建华，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：