本申请涉及一种冠脉分割方法、装置、计算机设备和存储介质。所述方法包括：获取用户针对待分割影像输入的编辑点，并根据所述编辑点确定所述待分割影像中的目标分割区域；利用预先训练的距离场模型对所述目标分割区域进行计算，得到所述目标分割区域对应的距离场图；根据所述距离场图和所述编辑点进行最优路径计算，得到所述待分割影像中的冠脉中心线；根据所述冠脉中心线和所述距离场图进行分割，得到目标分割结果。采用本方法能够避免查找路径错误或者失败的问题。错误或者失败的问题。错误或者失败的问题。
【技术实现步骤摘要】
冠脉分割方法、装置、计算机设备和存储介质
[0001]本申请涉及图像分割
，特别是涉及一种冠脉分割方法、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疾病诊断。基于CT医学影像进行心脏冠脉分割和冠脉边缘提取，可以为医生提供冠脉轮廓，从而方便医生观察狭窄、钙化和斑块等情况，进而为医生对心血管疾病的早期预防和诊断提供依据。
[0003]相关技术中，自动冠脉分割算法已经能够识别大部分冠脉，而对于冠脉分割中的错分、漏分或者多分的情形，可以采用手动冠脉编辑算法进行补充。
[0004]但是，对于冠脉分叉和静脉粘连等情形经常会出现查找路径错误或者失败的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够避免查找路径错误或失败等问题的冠脉分割方法、装置、计算机设备和存储介质。
[0006]一种冠脉分割方法，该方法包括：
[0007]获取用户针对待分割影像输入的编辑点，并根据编辑点确定待分割影像中的目标分割区域；
[0008]利用预先训练的距离场模型对目标分割区域进行计算，得到目标分割区域对应的距离场图；
[0009]根据距离场图和编辑点进行最优路径计算，得到待分割影像中的冠脉中心线；
[0010]根据冠脉中心线和距离场图进行分割，得到目标分割结果。
[0011]在其中一个实施例中，上述利用预先训练的距离场模型对目标分割区域进行计算，得到目标分割区域对应的距离场图，包括：
[0012]按照预设尺寸对目标分割区域进行采样，得到多个体数据；
[0013]将多个体数据依次输入到距离场模型中，得到距离场模型输出的各体数据对应的距离场；
[0014]将计算出的多个距离场进行合并处理，得到目标分割区域所对应的距离场图。
[0015]在其中一个实施例中，上述根据距离场图和编辑点进行最优路径计算，得到待分割影像中冠脉中心线，包括：
[0016]以用户输入的第一个编辑点为起始点，利用预先设置的最优路径算法根据距离场图进行路径查找，并将查找出的多个编辑点之间的最优路径确定为待分割影像中的冠脉中心线。
[0017]在其中一个实施例中，上述根据冠脉中心线和距离场图进行冠脉分割，得到目标
分割结果，包括：
[0018]根据冠脉中心线确定种子点，根据距离场图确定增长约束条件；
[0019]根据种子点和增长约束条件进行区域增长处理，得到目标分割结果。
[0020]在其中一个实施例中，在上述得到目标分割结果之后，该方法还包括：
[0021]对目标分割结果进行边缘优化处理，得到优化分割结果。
[0022]在其中一个实施例中，在上述将计算出的多个距离场进行合并处理之后，还包括：
[0023]将合并处理后的距离场进行归一化处理，得到待分割图像中的距离场图。
[0024]在其中一个实施例中，在上述利用预先训练的距离场模型对目标分割区域进行计算，得到目标分割区域对应的距离场图之前，该方法还包括：
[0025]获取训练样本集；训练样本集包括多个样本影像和各样本影像对应的样本距离场；
[0026]基于训练样本集进行深度学习模型的训练，得到距离场模型。
[0027]在其中一个实施例中，上述获取训练样本集，包括：
[0028]获取多个样本影像，并对各样本影像进行冠脉分割得到各样本影像对应的初始分割结果；
[0029]对各样本影像对应的初始分割结果进行修正处理，得到各样本影像对应的修正分割结果；
[0030]根据各样本影像的修正分割结果进行距离场计算，得到各样本影像对应的样本距离场，由多个样本影像和各样本影像对应的样本距离场组成训练样本集。
[0031]在其中一个实施例中，上述基于训练样本集进行深度学习模型的训练，得到距离场模型，包括：
[0032]将样本影像输入到深度学习模型中，得到深度学习模型输出的训练结果；
[0033]利用预设损失函数计算训练结果与样本距离场之间的损失值；
[0034]若损失值不符合预设收敛条件，则调整深度学习模型中的参数，直到损失值符合预设收敛条件为止，得到距离场模型；
[0035]其中，预设损失函数中冠脉和背景的权重比为预设比值。
[0036]一种冠脉分割装置，该装置包括：
[0037]区域确定模块，用于获取用户针对待分割影像输入的编辑点，并根据编辑点确定待分割影像中的目标分割区域；
[0038]距离场计算模块，用于利用预先训练的距离场模型对目标分割区域进行计算，得到目标分割区域对应的距离场图；
[0039]路径计算模块，用于根据距离场图和编辑点进行最优路径计算，得到待分割影像中的冠脉中心线；
[0040]分割模块，用于根据冠脉中心线和距离场图进行分割，得到目标分割结果。
[0041]在其中一个实施例中，上述距离场计算模块，具体用于按照预设尺寸对目标分割区域进行采样，得到多个体数据；将多个体数据依次输入到距离场模型中，得到距离场模型输出的各体数据对应的距离场；将计算出的多个距离场进行合并处理，得到目标分割区域所对应的距离场图。
[0042]在其中一个实施例中，上述路径计算模块，具体用于以用户输入的第一个编辑点
为起始点，利用预先设置的最优路径算法根据距离场图进行路径查找，并将查找出的多个编辑点之间的最优路径确定为待分割影像中的冠脉中心线。
[0043]在其中一个实施例中，上述分割模块，具体用于根据冠脉中心线确定种子点，根据距离场图确定增长约束条件；根据种子点和增长约束条件进行区域增长处理，得到目标分割结果。
[0044]在其中一个实施例中，该装置还包括：
[0045]优化模块，用于对目标分割结果进行边缘优化处理，得到优化分割结果。
[0046]在其中一个实施例中，该装置还包括：
[0047]归一化模块，用于将合并处理后的距离场进行归一化处理，得到待分割图像中的距离场图。
[0048]在其中一个实施例中，该装置还包括：
[0049]样本集获取模块，用于获取训练样本集；训练样本集包括多个样本影像和各样本影像对应的样本距离场；
[0050]训练模块，用于基于训练样本集进行深度学习模型的训练，得到距离场模型。
[0051]在其中一个实施例中，上述样本集获取模块，具体用于获取多个样本影像，并对各样本影像进行冠脉分割得到各样本影像对应的初始分割结果；对各样本影像对应的初始分割结果进行修正处理，得到各样本影像对应的修正分割结果；根据各样本影像的修正分割结果进行距离场计算，得到各样本影像对应的样本距离场，由多个样本影像和各样本影像对应的样本距离场组成训练样本集。
[0052]在其中一个实施例中，上述训练模块，具体用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种冠脉分割方法，其特征在于，所述方法包括：获取用户针对待分割影像输入的编辑点，并根据所述编辑点确定所述待分割影像中的目标分割区域；利用预先训练的距离场模型对所述目标分割区域进行计算，得到所述目标分割区域对应的距离场图；根据所述距离场图和所述编辑点进行最优路径计算，得到所述待分割影像中的冠脉中心线；根据所述冠脉中心线和所述距离场图进行分割，得到目标分割结果。2.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距离场模型对所述目标分割区域进行计算，得到所述目标分割区域对应的距离场图，包括：按照预设尺寸对所述目标分割区域进行采样，得到多个体数据；将所述多个体数据依次输入到所述距离场模型中，得到所述距离场模型输出的各所述体数据对应的距离场；将计算出的多个所述距离场进行合并处理，得到所述目标分割区域所对应的距离场图。3.根据权利要求2所述的方法，其特征在于，所述根据所述距离场图和所述编辑点进行最优路径计算，得到所述待分割影像中冠脉中心线，包括：以用户输入的第一个编辑点为起始点，利用预先设置的最优路径算法根据所述距离场图进行路径查找，并将查找出的多个所述编辑点之间的最优路径确定为所述待分割影像中的冠脉中心线。4.根据权利要求2所述的方法，其特征在于，所述根据所述冠脉中心线和所述距离场图进行冠脉分割，得到目标分割结果，包括：根据所述冠脉中心线确定种子点，根据所述距离场图确定增长约束条件；根据所述种子点和所述增长约束条件进行区域增长处理，得到所述目标分割结果。5.根据权利要求4所述的方法，其特征在于，在所述得到所述目标分割结果之后，所述方法还包括：对所述目标分割结果进行边缘优化处理，得到优化分割结果。6.根据权...
【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：
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。