动脉瘤的图像检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种动脉瘤的图像检测方法、装置、计算机设备及存储介质，其中方法包括：采用预设的滑动窗和预设的滑动步长配置，对所述目标头部三维图像进行三维图像块提取，以作为目标三维图像块，所述滑动步长配置中的与目标方向对应的滑动步长小于所述滑动窗的与所述目标方向对应的长度；将每个所述目标三维图像块输入预设的目标预测模型分别进三维图像块动脉瘤预测、体素动脉瘤预测及融合处理得到动脉瘤掩膜块；根据所述目标头部三维图像对各个所述动脉瘤掩膜块进行三维掩膜图像拼接得到动脉瘤三维掩膜图像。从而有利于尽量保证血管的完整性，避免血管截断处的特征与动脉瘤的特征混淆，降低了假阳性。降低了假阳性。降低了假阳性。

Image detection method, device, computer equipment and storage medium of aneurysm

【技术实现步骤摘要】
动脉瘤的图像检测方法、装置、计算机设备及存储介质


[0001]本专利技术涉及数字医疗
，尤其涉及一种动脉瘤的图像检测方法、装置、 计算机设备及存储介质。

技术介绍

[0002]颅内的动脉瘤是常见的可致死疾病，动脉瘤破裂会导致蛛网膜下腔出血，从 而导致高死亡率。颅内早期发现动脉瘤有助于对其进行测量，评估破裂风险，有 利于在临床中对未破裂的动脉瘤制定治疗方案。
[0003]目前基于影像的动脉瘤自动检测方法大多利用深度学习实现，但是这些方法 的假阳性较高，平均每个检查会有5
‑
10个检测结果为假阳。深度学习的模型对 于区别动脉瘤及其他动脉异常的能力较弱，比如，对区分血管分支、血管扩张的 能力较弱，易将正常动脉部分误诊为动脉瘤，导致较高的假阳性。现有采用从原 始三维图像划分三维图像块进行动脉瘤预测，两个三维图像块的分割处的血管不 完整，导致血管截断处的特征与动脉瘤的特征混淆，导致较高的假阳性。专利公 开号为CN111369574A的专利提出了一种胸腔器官分割方法及装置，该专利采用 的方案为在分类结果大于待分割胸腔器官的预设阈值的情况下，将分割数据直接 确定为分割结果，该专利中的方法是将分类结果作为判断条件，从而不能抑制预 测过程中出现的假阳性。专利公开号为CN113130078A的专利提出了一种预测颅 内动脉瘤闭塞的方法，该专利采用的方案为对包含预设特征的概率和动脉瘤闭塞 的概率进行加权相加，该专利中的方法采用不同预测目标预测的概率进行加权相 加，从而不能抑制预测过程中出现的假阳性。

技术实现思路

[0004]基于此，有必要针对上述问题，提出了一种动脉瘤的图像检测方法、装置、 计算机设备及存储介质。
[0005]一种动脉瘤的图像检测方法，所述方法包括：
[0006]获取目标头部三维图像；
[0007]采用预设的滑动窗和预设的滑动步长配置，对所述目标头部三维图像进行三 维图像块提取，以作为目标三维图像块，其中，所述滑动步长配置中的与目标方 向对应的滑动步长小于所述滑动窗的与所述目标方向对应的长度，所述目标方向 为x方向、y方向和z方向中的任一个；
[0008]将每个所述目标三维图像块输入预设的目标预测模型分别进行三维图像块 动脉瘤预测、体素动脉瘤预测及融合处理，得到动脉瘤掩膜块；
[0009]根据所述目标头部三维图像，对各个所述动脉瘤掩膜块进行三维掩膜图像拼 接，得到动脉瘤三维掩膜图像。
[0010]进一步的，所述将每个所述目标三维图像块输入预设的目标预测模型分别进 行三维图像块动脉瘤预测、体素动脉瘤预测及融合处理，得到动脉瘤掩膜块的步 骤，包括：
[0011]采用所述目标预测模型的目标编码器，对每个所述目标三维图像块进行下采 样，得到多个单层采样特征；
[0012]采用所述目标预测模型的分类预测层，对所述目标编码器的最后一个编码层 对应的所述单层采样特征进行三维图像块的动脉瘤概率预测，得到图像块动脉瘤 预测概率；
[0013]采用所述目标预测模型的目标解码器，对各个所述单层采样特征进行体素动 脉瘤预测，得到体素动脉瘤概率掩膜块；
[0014]采用所述目标预测模型的目标融合层，对所述图像块动脉瘤预测概率和所述 体素动脉瘤概率掩膜块中的每个概率进行加权求和，得到所述动脉瘤掩膜块。
[0015]进一步的，所述根据所述目标头部三维图像，对各个所述动脉瘤掩膜块进行 三维掩膜图像拼接，得到动脉瘤三维掩膜图像的步骤，包括：
[0016]将所述目标头部三维图像中的每个体素，从各个所述动脉瘤掩膜块中获取各 个单体素动脉瘤预测值，得到单体素动脉瘤预测值集；
[0017]将各个所述单体素动脉瘤预测值集中的任一个作为目标单体素动脉瘤预测 值集；
[0018]若所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值的数量大 于1，则对所述目标单体素动脉瘤预测值集中的各个所述单体素动脉瘤预测值进 行平均值计算，得到单体素目标预测值；
[0019]若所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值的数量等 于1，则将所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值作为所 述单体素目标预测值；
[0020]对各个所述单体素目标预测值进行三维掩膜图像拼接，得到所述动脉瘤三维 掩膜图像。
[0021]进一步的，所述将每个所述目标三维图像块输入预设的目标预测模型分别进 行三维图像块动脉瘤预测、体素动脉瘤预测及融合处理，得到动脉瘤掩膜块的步 骤之前，还包括：
[0022]获取多个训练样本和初始模型；
[0023]将任一个所述训练样本作为目标训练样本；
[0024]将所述目标训练样本中的三维图像块样本输入所述初始模型进行动脉瘤预 测及体素动脉瘤预测，得到动脉瘤分类预测概率和训练预测掩膜块；
[0025]根据所述动脉瘤分类预测概率、所述训练预测掩膜块、所述目标训练样本中 的动脉瘤分类标签及掩膜块标签进行损失值计算，以形成目标损失值；
[0026]根据所述目标损失值更新所述初始模型的网络参数，并且将更新后的所述初 始模型用于下一次计算所述动脉瘤分类预测概率和所述训练预测掩膜块；
[0027]重复执行所述将任一个所述训练样本作为目标训练样本的步骤，直至达到预 设的模型训练结束条件；
[0028]将达到所述模型训练结束条件的所述初始模型作为所述目标预测模型。
[0029]进一步的，所述获取多个训练样本和初始模型的步骤之前，还包括：
[0030]获取头部三维图像样本集；
[0031]采用所述滑动窗和所述滑动步长配置，对所述头部三维图像样本集中的每个 头
部三维图像样本进行三维图像块提取，得到初始三维图像块；
[0032]采用预设的数据增强配置，对每个所述初始三维图像块进行数据增强，得到 增强后三维图像块，其中，所述数据增强配置是根据旋转操作和/或翻转操作得到 的配置；
[0033]根据所述增强后三维图像块获取所述动脉瘤分类标签及所述掩膜块标签；
[0034]将同一个所述初始三维图像块对应的所述增强后三维图像块、所述动脉瘤分 类标签及所述掩膜块标签进行关联，得到所述训练样本。
[0035]进一步的，所述将所述目标训练样本中的三维图像块样本输入所述初始模型 进行动脉瘤预测及体素动脉瘤预测，得到动脉瘤分类预测概率和训练预测掩膜块 的步骤，包括：
[0036]将所述目标训练样本中的所述三维图像块样本输入所述初始模型的编码器 进行下采样，得到每个编码层对应的单层编码特征，其中，所述编码器包括顺序 相连的n个所述编码层，n为大于3的整数；
[0037]将第n个所述编码层对应的所述单层编码特征输入所述初始模型的分类预测 层进行三维图像块的动脉瘤概率预测，得到所述动脉瘤分类预测概率；
[0038]将各个所述单层编码特征输入所述初始模型的解码器进行体素动脉瘤预测， 得到体素动脉瘤预测掩膜块，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动脉瘤的图像检测方法，所述方法包括：获取目标头部三维图像；采用预设的滑动窗和预设的滑动步长配置，对所述目标头部三维图像进行三维图像块提取，以作为目标三维图像块，其中，所述滑动步长配置中的与目标方向对应的滑动步长小于所述滑动窗的与所述目标方向对应的长度，所述目标方向为x方向、y方向和z方向中的任一个；将每个所述目标三维图像块输入预设的目标预测模型分别进行三维图像块动脉瘤预测、体素动脉瘤预测及融合处理，得到动脉瘤掩膜块；根据所述目标头部三维图像，对各个所述动脉瘤掩膜块进行三维掩膜图像拼接，得到动脉瘤三维掩膜图像。2.根据权利要求1所述的动脉瘤的图像检测方法，其特征在于，所述将每个所述目标三维图像块输入预设的目标预测模型分别进行三维图像块动脉瘤预测、体素动脉瘤预测及融合处理，得到动脉瘤掩膜块的步骤，包括：采用所述目标预测模型的目标编码器，对每个所述目标三维图像块进行下采样，得到多个单层采样特征；采用所述目标预测模型的分类预测层，对所述目标编码器的最后一个编码层对应的所述单层采样特征进行三维图像块的动脉瘤概率预测，得到图像块动脉瘤预测概率；采用所述目标预测模型的目标解码器，对各个所述单层采样特征进行体素动脉瘤预测，得到体素动脉瘤概率掩膜块；采用所述目标预测模型的目标融合层，对所述图像块动脉瘤预测概率和所述体素动脉瘤概率掩膜块中的每个概率进行加权求和，得到所述动脉瘤掩膜块。3.根据权利要求1所述的动脉瘤的图像检测方法，其特征在于，所述根据所述目标头部三维图像，对各个所述动脉瘤掩膜块进行三维掩膜图像拼接，得到动脉瘤三维掩膜图像的步骤，包括：将所述目标头部三维图像中的每个体素，从各个所述动脉瘤掩膜块中获取各个单体素动脉瘤预测值，得到单体素动脉瘤预测值集；将各个所述单体素动脉瘤预测值集中的任一个作为目标单体素动脉瘤预测值集；若所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值的数量大于1，则对所述目标单体素动脉瘤预测值集中的各个所述单体素动脉瘤预测值进行平均值计算，得到单体素目标预测值；若所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值的数量等于1，则将所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值作为所述单体素目标预测值；对各个所述单体素目标预测值进行三维掩膜图像拼接，得到所述动脉瘤三维掩膜图像。4.根据权利要求1所述的动脉瘤的图像检测方法，其特征在于，所述将每个所述目标三维图像块输入预设的目标预测模型分别进行三维图像块动脉瘤预测、体素动脉瘤预测及融合处理，得到动脉瘤掩膜块的步骤之前，还包括：获取多个训练样本和初始模型；
将任一个所述训练样本作为目标训练样本；将所述目标训练样本中的三维图像块样本输入所述初始模型进行动脉瘤预测及体素动脉瘤预测，得到动脉瘤分类预测概率和训练预测掩膜块；根据所述动脉瘤分类预测概率、所述训练预测掩膜块、所述目标训练样本中的动脉瘤分类标签及掩膜块标签进行损失值计算，以形成目标损失值；根据所述目标损失值更新所述初始模型的网络参数，并且将更新后的所述初始模型用于下一次计算所述动脉瘤分类预测概率和所述训练预测掩膜块；重复执行所述将任一个所述训练样本作为目标训练样本的步骤，直至达到预设的模型训练结束条件；将达到所述模型训练结束条件的所述初始模型作为所述目标预测模型。5.根据权利要求4所述的动脉瘤的图像检测方法，其特征在于，所述获取多个训练样本和初始模型的步骤之前，还包括：获取...

【专利技术属性】
技术研发人员：王思伦，南雅诗，
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：