一种基于CTA影像的血管分段模型训练数据标注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CTA影像的血管分段模型训练数据标注方法及装置，该方法包括颅骨分割步骤、血管组织分割步骤、钙化分割步骤、血管分段步骤。本申请严格限制各层(即颅骨、血管、钙化斑块)之间的标注顺序，即下一层对象的标注，必须在上一次对象标注完成之后才能开始。能够让专业医生只需参与到训练数据中重难点内容的审核中，其他简单内容可以让普通医生审核；同时还提升了去除颅骨的精度，提升最终血管分段分割的精度。血管分段分割的精度。血管分段分割的精度。

【技术实现步骤摘要】
一种基于CTA影像的血管分段模型训练数据标注方法及装置


[0001]本专利技术涉及医学影像处理
，特别涉及一种基于CTA影像的血管分段模型训练数据标注方法、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]头颈部CTA(计算机断层扫描血管造影术)常用于血管堵塞、畸型或软斑等脑血管疾病检查，具备较强的时间和空间的屏幕分辨率，能多方位地对脑部血管开展合理的观查。脑血管重建需要对动脉血管进行精准分割。受颅骨、造影剂浓度以及病变的影响，全自动分割算法稳定性较差；而半自动分割算法需要人工干预，效率降低。AI算法能弥补上述缺点，但是迎来一个新的问题
‑
训练集Label标注。肿瘤病变标注往往形状简单、数量少，而头颈部血管脉络复杂、数量多且半径小，标注难度极大。由于阅读头颈部医学影像并进行各种组织的区分对操作人员的专业性要求很高，纯人工标注一般由经验丰富的医生来操作，一例完整的头颈CTA动脉血管标注，需要耗费医生数小时的时间，所以当需要对大量头颈CTA动脉血管标注时，就需要占用专业医生大量的时间，而影响医生正常开展业本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CTA影像的血管分段模型训练数据标注方法，其特征在于，所述方法包括：颅骨分割步骤：获取待处理的CTA影像数据并对所述CTA影像数据进行去骨处理得到颅骨掩膜；基于人工对所述颅骨掩膜的修改操作得到颅骨标签并基于所述颅骨标签训练得到颅骨分割模型；血管组织分割步骤：基于所述颅骨分割模型对所述CTA影像数据进行去骨处理并对去骨处理后的CTA影像数据进行血管组织分割得到血管组织掩膜；基于人工对所述血管组织掩膜的修改操作得到血管组织标签并基于所述血管组织标签训练得到血管组织分割模型；其中，所述血管组织掩膜包括纯血管和钙化斑；钙化分割步骤：基于所述血管组织分割模型对所述CTA影像数据进行血管组织分割得到血管组织影像数据并对所述血管组织影像数据进行分割得到纯血管掩膜和钙化斑块掩膜；基于人工对所述纯血管掩膜和钙化斑块掩膜的修改操作得到纯血管标签和钙化斑块标签并基于所述纯血管标签和钙化斑块标签共同训练得到纯血管分割模型；血管分段步骤：基于所述纯血管分割模型对所述CTA影像数据进行纯血管分割得到纯血管影像数据并基于所述纯血管影像数据对纯血管进行血管分段，根据血管分段结果对所述纯血管标签重新赋予血管分段标签得到血管分段数据；基于人工对所述血管分段数据的修改操作得到血管分段标签，以便基于所述血管分段标签训练得到血管分段模型。2.根据权利要求1所述的一种基于CTA影像的血管分段模型训练数据标注方法，其特征在于，所述对所述CTA影像数据进行去骨处理得到颅骨掩膜，具体包括：获取与所述CTA影像数据和对应的NCCT影像数据；利用CTA影像数据与CTA影像数据进行做差处理得到颅骨掩膜。3.根据权利要求1所述的一种基于CTA影像的血管分段模型训练数据标注方法，其特征在于，所述对去骨处理后的CTA影像数据进行血管分割得到血管组织掩膜，具体包括：基于聚类算法分割得到所述去骨处理后的CTA影像数据中血管组织对应的区域；在血管组织对应的区域中定位动脉弓位置并将其作为种子点，结合区域生长算法与随机游走算法得到分割后的血管初始掩膜；利用活动轮廓模型对血管初始掩膜进行处理得到血管组织掩膜。4.根据权利要求1所述的一种基于CTA影像的血管分段模型训练数据标注方法，其特征在于，所述对所述血管组织影像数据进行分割得到纯血管掩膜和钙化斑块掩膜...

【专利技术属性】
技术研发人员：王思伦，周竞宇，
申请(专利权)人：深圳市铱硙医疗科技有限公司，
类型：发明
国别省市：