本发明专利技术涉及人工智能和医学领域，具体涉及一种基于MRA序列图像确定血流储备分数的方法及装置，所述方法包括：通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；根据识别结果确定所述MRA序列检查图像的背景噪声；从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像；对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处；根据查找结果，确定所述血管狭窄段中心位置；根据所述血管狭窄段中心位置的两侧等间隔位置处的信号量和所述MRA序列检查图像的背景噪声，确定血流储备分数。本发明专利技术可以有效提高血管分割的效果，提高血流储备分数的计算准确性。提高血流储备分数的计算准确性。提高血流储备分数的计算准确性。
【技术实现步骤摘要】
基于MRA序列图像确定血流储备分数的方法及装置
[0001]本专利技术涉及人工智能
，特别涉及一种基于MRA序列图像确定血流储备分数的方法及装置。
技术介绍
[0002]对于冠状动脉疾病的研究表明，血管狭窄百分比计算不是识别该疾病的最佳标志物，基于血流储备分数（FFR）利用狭窄处的压力梯度来识别血流动力学，对评估病变的严重程序具有重要意义。
[0003]在对血流储备分数计算过程中，需要提取出脑血管分割图像并重建。当前存在脑血管分割效果差的问题，并导致血流储备分数计算误差较大。针对上述问题，现有技术未给出有效的解决方案。
技术实现思路
[0004]本专利技术实施例中提供一种基于MRA序列图像确定血流储备分数的及装置，用以至少提高血流储备分数计算过程中血管图像分割效果。
[0005]第一方面，本专利技术实施例提供一种基于MRA序列图像确定血流储备分数的方法，所述基于MRA序列图像确定血流储备分数的方法，包括：通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；根据识别结果确定所述MRA序列检查图像的背景噪声；从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像；对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处；根据查找结果，确定所述血管狭窄段中心位置；根据所述血管狭窄段中心位置的两侧等间隔位置处的信号量和所述MRA序列检查图像的背景噪声，确定血流储备分数。
[0006]可选地，所述深度学习网络为语义分割模型；所述通过深度学习网络从磁共振血管造影MRA检查图像中识别出血管区域图像之前，包括：采用在最大强度投影视图对预先获得的MRA序列样本图像中每张切片的二维图像上标注血管区域，生成样本掩码图像；根据所述样本掩码图像制作标签数据集，训练得到所述语义分割模型。
[0007]可选地，所述从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像，包括：在三维空间中，从所述血管区域图像中查找所有连通域；根据连通域从大到小的顺序，按照预设的连通域数量阈值，在所有连通域中保留目标连通域；从保留目标连通区域的血管区域图像确定当前血管段图像；
在最大强度投影视图的所述当前血管段图像中裁剪出所述血管狭窄段图像。
[0008]可选地，所述对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处，包括：对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，在遍历到未有血管像素的切面时，确定该切面为所述血管狭窄段图像的断裂处；根据所述血管狭窄段图像的断裂处的两侧相邻切面的掩码图像的区域中心点和区域最大面积，修复所述血管狭窄段图像的断裂处的掩码图像。
[0009]可选地，所述对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，在遍历到未有血管像素的切面时，确定该切面为所述血管狭窄段图像的断裂处之前，包括：对各切面的掩码图像进行膨胀处理，遍历膨胀后掩码图像的各像素，根据预设的验证方式，验证各切面的掩码图像；所述验证方式为根据待验证掩码图像的各像素的坐标对应的MRA序列检查图像的像素值和预设像素阈值的大小关系，验证膨胀后掩码图像的血管像素；根据验证结果，设置待验证掩码图像的血管像素，得到验证后的掩码图像。
[0010]可选地，所述根据验证结果，设置各切面的掩码图像的血管像素之后，包括：确定验证后的各切面的掩码图像的区域中心点和区域边界；根据所述区域边界确定所有切面的掩码图像的区域最大面积。
[0011]可选地，所述根据所述血管狭窄段图像的断裂处的两侧相邻切面的掩码图像的区域中心点和区域最大面积，修复所述血管狭窄段图像的断裂处的掩码图像，包括：将两侧相邻切面的掩码图像的区域中心点的平均值作为所述血管狭窄段图像的断裂处的区域中心点；根据所述区域最大面积和所述血管狭窄段图像的断裂处的区域中心点，确定所述血管狭窄段图像的断裂处的虚设掩码图像；根据所述验证方式，验证所述虚设掩码图像，用以修复所述血管狭窄段图像的断裂处。
[0012]可选地，所述根据识别结果确定所述MRA序列检查图像的背景噪声，包括：将去除血管区域图像的MRA序列检查图像的信号量平均值作为背景噪声。
[0013]可选地，所述根据查找结果，确定所述血管狭窄段中心位置，包括：根据遍历结果，确定是否查找到所述血管狭窄段图像具有断裂处；若查找到，对断裂处检修修复，将修复后的血管狭窄段图像的各切面的掩码图像中最小区域面积对应的切面作为所述血管狭窄段中心位置；如未查找到，直接将血管狭窄段图像的各切面的掩码图像中最小区域面积对应的切面作为所述血管狭窄段中心位置。
[0014]第二方面，本专利技术实施例提供一种基于MRA序列图像确定血流储备分数的装置，所述基于MRA序列图像确定血流储备分数的装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时，实现如上任一项所述的基于MRA序列图像确定血流储备分数的方法的步骤。
[0015]本专利技术各个实施例可以有效避免识别的血管图像存在噪声、断裂等异常情况，有
效提高血管分割的效果，并采用血管段的方式进行检测及修复，替代在整个三维图像数据上处理，减少了复杂环境下的计算量并提高了修复的准确性，同时根据所述血管狭窄段中心位置的两侧等间隔位置处的信号量和所述MRA序列检查图像的背景噪声，确定血流储备分数，可以有效提高血流储备分数的计算准确性。
附图说明
[0016]图1是根据本专利技术实施例的基于MRA序列图像确定血流储备分数的方法的流程图；图2是根据本专利技术实施例的在MIP视图标注二维图像上的血管区域示意图；图3是根据本专利技术实施例的样本掩码图像的示意图；图4是根据本专利技术实施例的识别的血管区域图像示意图；图5是根据本专利技术实施例的去噪点后的血管区域图像示意图；图6是根据本专利技术实施例的计算FFR分数示意图。
具体实施方式
[0017]下面结合附图和具体实施例对本专利技术作进一步详细描述，应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0018]在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0019]实施例一本专利技术实施例提供一种基于MRA序列图像确定血流储备分数的方法，如图1所示，所述基于MRA序列图像确定血流储备分数的方法，包括：S101，通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；其中的血管可以是脑血管；S102，根据识别结果确定所述MRA序列检查图像的背景噪声；S103，从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像；S104，对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处；S105，根据查找结果，确定所述血管狭窄段中心位置；具体地，可以根据遍历结果，确定是否查找到所述血管狭窄段图像具有断裂处；若查找本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于MRA序列图像确定血流储备分数的方法，其特征在于，所述基于MRA序列图像确定血流储备分数的方法，包括：通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；根据识别结果确定所述MRA序列检查图像的背景噪声；从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像；对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处；根据查找结果，确定所述血管狭窄段中心位置；根据所述血管狭窄段中心位置的两侧等间隔位置处的信号量和所述MRA序列检查图像的背景噪声，确定血流储备分数。2.根据权利要求1所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述深度学习网络为语义分割模型；所述通过深度学习网络从磁共振血管造影MRA检查图像中识别出血管区域图像之前，包括：采用在最大强度投影视图对预先获得的MRA序列样本图像中每张切片的二维图像上标注血管区域，生成样本掩码图像；根据所述样本掩码图像制作标签数据集，训练得到所述语义分割模型。3.根据权利要求1所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像，包括：在三维空间中，从所述血管区域图像中查找所有连通域；根据连通域从大到小的顺序，按照预设的连通域数量阈值，在所有连通域中保留目标连通域；从保留目标连通区域的血管区域图像确定当前血管段图像；在最大强度投影视图的所述当前血管段图像中裁剪出所述血管狭窄段图像。4.根据权利要求1
‑
3中任意一项所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处，包括：对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，在遍历到未有血管像素的切面时，确定该切面为所述血管狭窄段图像的断裂处；根据所述血管狭窄段图像的断裂处的两侧相邻切面的掩码图像的区域中心点和区域最大面积，修复所述血管狭窄段图像的断裂处的掩码图像。5.根据权利要求4所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，在遍历到未有血管像素的切面时，确定该切面为所述血管狭窄段图像的断裂处之前，包括：对各切面的掩码图像进行膨胀处理，遍历膨胀后掩...
【专利技术属性】
技术研发人员：赖永航，陈栋栋，曹鸥，冯健，
申请(专利权)人：青岛美迪康数字工程有限公司，
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。