本申请涉及一种冠脉血管的分割方法、装置及存储介质。所述分割方法包括：获取包含冠脉血管的三维CTA图像；将所述三维CTA图像输入训练好的分叉点检测网络，以获取所述冠脉血管的分叉点信息，其中，所述分叉点检测网络基于第一深度全卷积网络构建；将所述三维CTA图像和所述分叉点信息一并输入训练好的血管分割网络，以确定所述冠脉血管的分割结果，其中，所述血管分割网络基于第二深度全卷积网络构建。本申请的冠脉血管的分割方法能够实现从三维CTA图像到冠脉血管以端到端方式快速且准确地分割，并且由于将冠脉血管中的分叉点作为辅助信息，从而使得血管分割的可靠度和精度进一步提高。高。高。
【技术实现步骤摘要】
一种冠脉血管的分割方法、装置及存储介质
[0001]本申请涉及医学图像处理领域，更具体地，涉及一种冠脉血管的分割方法、装置及存储介质。
技术介绍
[0002]基于冠脉CT影像开发的无创的血管功能评估技术，能够提供病变血管的血流动力学信息（生理功能评估），从而可以在不增加射线量的前提下提供无创“一站式”的解剖和功能评价。相比有创FFR（血流储备分数）测量，无创FFR评估技术更有优势。
[0003]针对CTA的无创功能评估，通常都需要基于三维CT影像对血管进行分割，即三维血管分割。三维血管分割是从冠脉CTA影像中区分血管前景和背景，提取血管的像素级三维模型的计算机算法过程，三维血管分割算法产生出像素级的血管分割结果。但是从CTA图像中准确可靠地分割冠脉具有一定挑战，主要表现在冠脉本身具有多变的走向和粗细变化，不同的CTA图像的噪声程度不同，同时要求分割方法具有快速处理庞大三维图像的能力。
[0004]传统的水平集等基于图像亮度的分割方法在文献中被用于CTA中冠脉分割，这类方法对图像中冠脉和周围组织的亮度对比有较高要求，在冠脉提亮程度不同的图像上表现存在差异，且对图像中噪声敏感。
[0005]另一类常用的分割血管方法基于对图像中每个像素点周围进行多尺度求解二阶导来进行管状度分析，提亮图像中形状上接近于管状的区域并压制其他区域。但是该方法输出的管状度值高低对血管粗细敏感，导致在实际应用时必须使用不同的参数来高亮不同粗细的血管，导致不同粗细的血管提取并不均匀。由于需要在每点求解二阶导，其计算速度对于庞大的三维CTA图像也非常缓慢。
技术实现思路
[0006]提供了本申请以解决现有技术中存在的上述缺陷。需要一种冠脉血管的分割方法、装置及存储介质，其能够充分利用冠脉血管中的分叉点信息，使得在利用血管分割网络进行冠脉血管分割时，能够以更快的速度，得到更准确、更鲁棒并且精度更高的分割结果。
[0007]根据本申请的第一方案，提供了一种冠脉血管的分割方法，所述分割方法包括：获取包含冠脉血管的三维CTA图像；基于所述CTA图像，利用训练好的分叉点检测网络确定所述冠脉血管的分叉点信息；基于所述CTA图像和所述分叉点信息，利用训练好的血管分割网络确定所述冠脉血管的分割结果。
[0008]根据本申请的第二方案，提供了一种冠脉血管的分割装置，所述装置包括：接口，其配置为获取包含冠脉血管的三维CTA图像；和处理器，其配置为执行根据本申请中各个实施例所述的冠脉血管的分割方法。
[0009]根据本申请的第三方案，提供了一种计算机可读存储介质，其上存储有指令，其中当由处理器执行时，所述指令执行本申请中各个实施例所述的冠脉血管的分割方法的步骤。
[0010]本申请各个实施例提供的冠脉血管的分割方法、装置及存储介质，其首先通过分叉点检测网络对三维CTA图像中的冠脉血管结构中的分叉点进行检测，并将冠脉血管的分叉点信息作为辅助信息，与三维CTA图像一并输入训练好的血管分割网络，在血管分割网络进行血管分割时提供辅助和引导信息，使得所确定的冠脉血管的分割结果具有更高的准确性和鲁棒性，分割的精确度也更高。此外，由于分叉点检测网络和血管分割网络均采用全卷积网络，因此具有更低的运算消耗，在对复杂的三维CTA图像进行冠脉血管分割时具有更高的训练和运行效率。
附图说明
[0011]图1示出根据本申请实施例的冠脉血管的分割方法的流程图；图2示出根据本申请实施例的第二深度全卷积网络的结构和训练过程；图3示出根据本申请实施例的血管分叉点真值提取示意图；以及图4示出根据本申请实施例的冠脉血管的分割装置的部分组成示意图。
具体实施方式
[0012]为使本领域技术人员更好的理解本公开的技术方案，下面结合附图和具体实施方式对本申请作详细说明。下面结合附图和具体实施例对本申请的实施例作进一步详细描述，但不作为对本申请的限定。
[0013]本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。
[0014]本申请提出了一种冠脉血管的分割方法。图1示出根据本申请实施例的冠脉血管的分割方法的流程图。如图1所示，该方法始于步骤101，获取包含冠脉血管的三维CTA图像。
[0015]所述包含冠脉血管的三维CTA图像是对冠状动脉进行计算机断层扫描血管造影得到的三维CTA图像。在一些实施例中，例如各种基于三维CTA图像开发的无创的血管评估技术，需要对三维CTA图像中的血管进行分割，以区分血管前景和背景，提取血管的像素级的三维模型，产生像素级的血管分割结果。
[0016]在步骤102中，将所述三维CTA图像输入训练好的分叉点检测网络，以获取所述冠脉血管的分叉点信息，其中，所述分叉点检测网络基于第一深度全卷积网络构建。需要注意的是，上述分叉点检测网络的输出是冠脉血管解剖结构中的分叉点，而对于冠脉血管以外的其他血管或其他组织中的分叉点是不识别并且排斥在外的。
[0017]仅作为示例，冠脉血管呈树形结构，由粗到细的走向中存在一个或多个分叉点，这些分叉点明确地包含或者隐含了血管解剖结构的信息，而血管的解剖结构在一些情况下对于血管分割具有引导或辅助的意义。仅作为示例，分叉点信息能够很好地加强冠脉血管的定位，同时引导分割算法提取正确的冠脉血管树拓扑结构，例如当根据分叉点信息可以获知图像中的某一位置并非分叉点时，那么在进行冠脉血管分割时，就可以认为从该位置发出的分叉大概率为静脉或其他组织结构，或者是由噪声引起的错误分割等。对于分叉点信息的利用方式在此不一一列举。
[0018]在一些实施例中，将分叉点检测网络设置为基于深度全卷积网络（也即，深度全卷
积神经网络）构建，还可以通过对网络深度（即，所包含的层级数目）的设置，使网络具有充足的模型容量。在一些实施例中，还可以通过对深度全卷积神经网络的具体配置例如可以使分叉点检测网络只具有卷积层而不包含全连接层，来使其在训练和预测的时候具备速度快、运算消耗小的特点。
[0019]接下来，在步骤103中，将所述三维CTA图像和所述分叉点信息一并输入训练好的血管分割网络，以确定所述冠脉血管的分割结果，其中，所述血管分割网络基于第二深度全卷积网络构建。在一些实施例中，冠脉血管的分割结果为像素级的血管分割蒙版。在一些实施例中，冠脉血管的分割结果也可以以其他形式表示，本申请对此不做限制。
[0020]通过上述步骤102，能够获取作为冠脉血管中关键并且重要的冠脉血管分叉点的信息，并且将其与三维CTA图像一起，作为同样基于深度全卷积网络构建的血管分割网络的输入，如此，在分叉点信息的辅助或引导下，能够很好地解决冠脉血管解剖结构复杂、个体差异大，血管近段与远段粗细差距大、存在静脉血管及其他组织的干扰，以及图像噪声程度不同、图像质量差异大等问题，使得血管分割网络可以输出的冠脉血管分割更完整、更准确、更可靠，血管分割网络本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种冠脉血管的分割方法，其特征在于，包括：获取包含冠脉血管的三维CTA图像；将所述三维CTA图像输入训练好的分叉点检测网络，以获取所述冠脉血管的分叉点信息，其中，所述分叉点检测网络基于第一深度全卷积网络构建；将所述三维CTA图像和所述分叉点信息一并输入训练好的血管分割网络，以确定所述冠脉血管的分割结果，其中，所述血管分割网络基于第二深度全卷积网络构建。2.根据权利要求1所述的分割方法，其特征在于，所述分叉点信息包括分叉点蒙版、分叉点的坐标、基于分叉点扩展得到的球体、基于分叉点变换得到的热点图中的至少一种。3.根据权利要求1所述的分割方法，其特征在于，所述分叉点信息与所述三维CTA图像尺寸相同，将所述三维CTA图像和所述分叉点信息一并输入训练好的血管分割网络，以确定所述冠脉血管的分割结果具体包括：所述三维CTA图像与所述分叉点信息拼接后，作为所述训练好的血管分割网络的输入，以确定所述冠脉血管的分割结果。4.根据权利要求1所述的分割方法，其特征在于，所述第二深度全卷积网络不包含全连接层，并且基于由包含冠脉血管的三维CTA图像、所述冠脉血管的血管分割地面真值、所述冠脉血管的分叉点信息组成的第二训练数据集进行训练。5.根据权利要求4所述的分割方法，其特征在于，所述冠脉血管的血管分割地面真值以血管分割蒙版表示。6.根据权利要求5所述的分割方法，其特征在于，所述第一深度...
【专利技术属性】
技术研发人员：夏军，
申请(专利权)人：深圳市第二人民医院深圳市转化医学研究院，
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。