对血管病变进行检测的计算机实现方法、装置及介质制造方法及图纸

本申请涉及一种对血管病变进行检测的计算机实现方法、装置及介质。所示计算机实现方法包括获取血管的3D医学图像、3D分割蒙版和3D中心线；基于所述3D医学图像、所述3D分割蒙版和所述3D中心线，生成医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图；基于所述医学图像球面展开图、所述分割蒙版球面展开图和所述中心线球面展开图，利用训练好的深度学习网络，预测血管病变的推荐框及其相关信息；将预测的血管病变的推荐框及其相关信息映射回所述3D中心线以供显示。本申请能够以更低的时间代价和更小的计算代价，从整体的角度对血管病变进行更高效、敏感性更高、更准确地预测，并使用户能够更直观、更便捷地获取血管病变的相关信息。变的相关信息。变的相关信息。

Computer implementation method, device and medium for detecting vascular disease

The application relates to a computer implementation method, device and medium for detecting vascular diseases. The computer implementation method includes acquiring 3D medical images of blood vessels, 3D segmentation masks and 3D centerlines; Based on the 3D medical image, the 3D segmentation mask and the 3D centerline, generate the spherical expansion map of the medical image, the spherical expansion map of the segmentation mask and the spherical expansion map of the centerline; Based on the spherical expansion map of the medical image, the spherical expansion map of the segmented mask and the spherical expansion map of the centerline, using the trained deep learning network, predict the recommendation box of vascular disease and its related information; The recommendation box of the predicted vascular disease and its related information are mapped back to the 3D centerline for display. The application can predict the vascular disease more efficiently, sensitively and accurately from the overall perspective with lower time cost and less calculation cost, and enable the user to obtain the relevant information of vascular disease more intuitively and conveniently. Change related information. Change related information< br/>

【技术实现步骤摘要】
对血管病变进行检测的计算机实现方法、装置及介质


[0001]本申请涉及医学数据及医学图像的处理和分析的
，更具体地，涉及一种对血管病变进行检测的计算机实现方法、装置及介质。

技术介绍

[0002]血管疾病一直是威胁人类健康的重要问题，相当比例的血管疾病起因在于血管壁上的斑块病变累积造成血管狭窄、血管壁上的异常膨出造成动脉瘤等。计算机断层扫描血管造影（Computed Tomography Angiography, CTA）或磁共振血管造影（Magnetic Resonance Angiography, MRA）可对全身各部位的血管及其病变进行成像，是常用的血管影像学检查技术。
[0003]但现有技术对血管病变的检测和识别存在一定不足，例如影像上非钙化斑块、混合斑块及动脉瘤与周围组织对比度较低，极易与周围组织混淆而导致漏检。以头颈动脉斑块为例，目前头颈CTA血管病变检测方法一般有人工分析和自动分析软件。人工斑块分析严重依赖放射科医师及心血管专家经验，粥样硬化斑块、动脉瘤等病变离散地分布在结构复杂的头颈动脉血管壁上，在海量的CTA数据中分析血管病变，对医生来说无疑是极其耗时的工作。非钙化、混合斑块的不确定性更是增加了医生诊断的难度。现有的血管病变分析软件可一定程度上减轻医生日常诊断工作量，但亦存在一定的不足，如西门子等CT设备厂商自带的半自动分析软件需耗费大量人工交互完成血管分割、直径估计及管壁形态分析等，且该方案一般只针对局部血管。
[0004]现有的基于深度学习的方案一般采用单一的检测模型，且将CTA图像按固定的步进分为多个图像块，再对图像块逐个预测病变，存在图像块过多导致预测效率较低的问题，且这类方案选取的图像块中心点一般不在血管中，不符合模型训练时病变连通域中心点位于血管内的实际情况。
[0005]另一种现有方案在对多支血管拉直后，在拉直图上使用模型预测病变。然而该方案在三维医学图像上获取的图像块或拉直图数据量极大，故非常耗时，效率较低，且存在敏感性较低的情况，不利于医生发现病灶。

技术实现思路

[0006]提供本申请以解决现有技术中存在的上述问题。
[0007]本申请旨在提供一种对血管病变进行检测的计算机实现方法，其能够在不损失血管信息丰富性的情况下，将在3D医学图像中进行血管病变检测转换为在2D图像中进行血管病变检测，并且无需对多支血管进行单独处理，可以将整支血管树作为一个整体来进行血管病变预测，能够在大幅提升血管病变检测效率的同时，提高血管病变检测的敏感性，并且可以保证所预测的血管病变位于血管内，从而减少假阳性病变的检出概率。
[0008]根据本申请的第一方案，提供一种对血管病变进行检测的计算机实现方法，包括获取血管的3D医学图像、3D分割蒙版和3D中心线；基于所述3D医学图像、所述3D分割蒙版和
所述3D中心线，生成医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图；基于所述医学图像球面展开图、所述分割蒙版球面展开图和所述中心线球面展开图，利用训练好的深度学习网络，预测血管病变的推荐框及其相关信息；将预测的血管病变的推荐框及其相关信息映射回所述3D中心线以供显示。
[0009]根据本申请的第二方案，提供一种利用计算机实现的对血管病变进行检测的装置，所述装置包括接口和至少一个处理器，所述接口被配置为获取血管的3D医学图像，或，获取血管的3D医学图像、3D分割蒙版和3D中心线。所述至少一个处理器被配置为执行根据本申请实施例的对血管病变进行检测的计算机实现方法的步骤。
[0010]根据本申请的第三方案，提供一种非暂时性计算机可读存储介质，其上存储有计算机可执行的指令，其中当所述计算机可执行指令由处理器执行时，执行根据本申请实施例的对血管病变进行检测的计算机实现方法的步骤。
[0011]根据本申请各个实施例的对血管病变进行检测的计算机实现方法、装置及介质，能够获取血管的3D医学图像，以及所述血管对应的3D分割蒙版和3D中心线，并将所述3D医学图像、所述3D分割蒙版和所述3D中心线通过球面展开，生成2D的医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图，基于上述2D平面图像，利用训练好的深度学习网络，合理参考血管分割以及血管中心线信息，特别是通过在深度学习网络的多个环节结合考虑中心线球面展开图中的中心线坐标信息和角度信息等，来对整个血管（例如血管树）中的血管病变进行更高效、敏感性更高、更准确地预测，并再次结合中心线球面展开图中的中心线信息对所预测的血管病变进行筛选，滤除位于血管以外的假阳性病变，并进一步将位于血管内的血管病变的推荐框及其相关信息映射回3D中心线，在所述3D中心线对应的位置显示筛选后的血管病变及其分类信息。
[0012]上述的一般描述和以下的详细描述只是示例性和说明性的，并不旨在限制要求保护的专利技术。
附图说明
[0013]在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的类似附图标记可以表示相似组件的不同示例。附图通过举例而不是以限制的方式大体上示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是说明性和示例性的，而并非旨在作为本方法、装置、系统或具有用于实现该方法的指令的非暂时性计算机可读介质的穷尽或排他的实施例。
[0014]图1示出根据本申请实施例的对血管病变进行检测的计算机实现方法的流程图。
[0015]图2示出根据本申请实施例的基于血管的3D医学图像获取对应的3D分割蒙版和3D中心线的流程图。
[0016]图3示出根据本申请实施例的获取医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图的流程图。
[0017]图4（a）示出基于医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图，利用训练好的深度学习网络进行血管病变检测的流程的示意图。
[0018]图4（b）示出根据本申请实施例的冗余锚点被抑制的示意图。
[0019]图5示出根据本申请实施例的利用中心线角度引导的RoI池化的示意图。
[0020]图6示出根据本申请实施例的血管病变的推荐框向3D中心线映射的流程图。
[0021]图7示出根据本申请实施例的利用计算机实现的对血管病变进行检测的系统的组成的示意性框图。
[0022]图8示出根据本申请实施例的利用计算机实现的对血管病变进行检测的系统的工作流程示意图。
具体实施方式
[0023]为使本领域技术人员更好地理解本专利技术，下面参照附图对本专利技术的实施例进行详细说明，但不作为对本专利技术的限定。
[0024]图1示出根据本申请实施例的对血管病变进行检测的计算机实现方法的流程图。
[0025]首先，在步骤S101中，可以获取血管的3D医学图像、3D分割蒙版和3D中心线。其中，所述3D医学图像为冠脉CTA图像、头颈CTA图像或常规的肺部CT图像中的一种。
[0026]在一些实施例中，例如可以经由接口本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对血管病变进行检测的计算机实现方法，其特征在于，包括：获取血管的3D医学图像、3D分割蒙版和3D中心线；基于所述3D医学图像、所述3D分割蒙版和所述3D中心线，生成医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图；基于所述医学图像球面展开图、所述分割蒙版球面展开图和所述中心线球面展开图，利用训练好的深度学习网络，预测血管病变的推荐框及其相关信息；将预测的血管病变的推荐框及其相关信息映射回所述3D中心线以供显示。2.根据权利要求1所述的计算机实现方法，其特征在于，所述深度神经网络基于特征提取部、RPN网络、RoI池化层和RCNN预测网络依序串联而构成。3.根据权利要求2所述的计算机实现方法，其特征在于，基于所述医学图像球面展开图、所述分割蒙版球面展开图和所述中心线球面展开图，利用训练好的深度学习网络，预测血管病变的推荐框及其相关信息进一步包括：基于所述医学图像球面展开图，利用所述特征提取部，得到所述医学图像球面展开图的特征图；计算并标注所述中心线球面展开图中各个点对应的角度，以生成中心线角度图，并对所述中心线角度图进行降采样，生成降采样后的中心线角度图；基于所述降采样后的中心线角度图、所述医学图像球面展开图的特征图、所述分割蒙版球面展开图和所述中心线角度图，利用所述RPN网络，以得到N个推荐框，其中，N为自然数；将所述N个推荐框、所述降采样后的中心线角度图和所述医学图像球面展开图的特征图输入所述RoI池化层，以得到N个推荐框的特征图；基于所述N个推荐框的特征图，利用所述RCNN预测网络，对所述N个推荐框及其相关信息进行预测。4.根据权利要求3所述的计算机实现方法，其特征在于，对所述中心线角度图进行降采样，生成降采样后的中心线角度图进一步包括：根据所述医学图像球面展开图的特征图的尺寸，对所述中心线角度图进行降采样，生成与所述特征图的尺寸相匹配的降采样后的中心线角度图。5.根据权利要求3所述的计算机实现方法，其特征在于，基于所述降采样后的中心线角度图、所述医学图像球面展开图的特征图、所述分割蒙版球面展开图和所述中心线角度图，利用所述RPN网络，以得到N个推荐框进一步包括：生成与所述医学图像球面展开图的特征图的尺寸相同的锚点图，将所述锚点图中与所述降采样后的中心线角度图相交的点设置为激活锚点；利用所述RPN网络，得到各个激活锚点的分类信息和对应的候选锚框的回归参数，其中，所述RPN网络是基于所述分割蒙版球面展开图和所述中心线角度图进行训练的；通过非极大值抑制方法缩减所述候选锚框的数量，选取前N个候选锚框作为推荐框，并输出所述推荐框的回归信息及对应的锚点处的分类信息。6.根据权利要求3所述的计算机实现方法，其特征在于，将所述N个推荐框、所述降采样后的中心...

【专利技术属性】
技术研发人员：蓝重洲，王洋，李俊环，李育威，曹坤琳，
申请(专利权)人：深圳科亚医疗科技有限公司，
类型：发明
国别省市：