本公开涉及一种肺血管的分割方法及装置、电子设备和存储介质，涉及肺血管分割技术领域。所述的肺血管的分割方法，包括：获取增强肺图像及其对应的肺血管图像、第一非增强肺图像、及预设第一分割模型；对所述增强肺图像及所述第一非增强肺图像执行配准操作，得到所述第一非增强肺图像对应的肺配准图像；对所述肺配准图像进行肺区域分割，得到肺区域图像；基于所述肺血管图像及所述肺区域图像，对所述预设第一分割模型进行训练；基于所述训练的预设第一分割模型，对第二非增强肺图像进行肺血管分割。本公开实施例可实现非增强肺图像的非增强肺图像。强肺图像。强肺图像。
【技术实现步骤摘要】
肺血管的分割方法及装置、电子设备和存储介质
[0001]本公开涉及肺血管分割
，尤其涉及一种肺血管的分割方法及装置、电子设备和存储介质。
技术介绍
[0002]肺是人体呼吸系统的重要器官，是气体交换的场所。由于吸烟及空气污染等原因，肺部疾病连年 高发，严重威胁人们的身体健康。用于肺部检查的高空间分辨率胸部CT[4]图像可以诊断肺部疾病， 并提供病变位置和大小的良好特征。
[0003]从胸部CT图像中准确地分割肺血管是必要且复杂的。它可用于肺栓塞、肺动脉高压或肺结节的 筛查、诊断和治疗。此外，分段的肺血管可以作为辅助指南，用于切除肺癌肺叶和肺段。但是，由于 肺部血管形态复杂多变，血管直径粗细不一，血管灰度值不均等且与周围组织灰度较为接近，这给血 管的精确分割带来了一定的困难。
[0004]许多基于规则的方法被提出来分割肺血管。基于Hessian矩阵增强的方法大多显示出良好的性能。 但是，Hessian特征值在非规则管状结构的血管上增强效果不佳，需要经过进一步的分割才能提取出 最终的血管树。基于规则的方法还包括图割法等基于图的模型。图割法首先对血管进行建模，然后通 过使用优化方法找到整个图上的最佳切口，基于图的方法需要结合先验知识进行适当的预处理和参数 调整。
[0005]深度学习方法依赖于标注数据，标注的质量直接决定了模型的性能。由于复杂的解剖结构和与其 他组织(气道壁和结节)相似的CT值，尤其是在非增强CT(NCCT)肺图像中，肺血管的标注是一 个耗时费力的过程，标注样本稀少且不准确。通过静脉注射造影剂，增强CT(CECT)肺图像可以显 示肺血管。然而，对于一些有造影剂禁忌症的患者和没有CECT肺图像的患者，有必要从NCCT肺图 像中分割出肺血管。
技术实现思路
[0006]本公开提出了一种肺血管的分割方法及装置、电子设备和存储介质技术方案。
[0007]根据本公开的一方面，提供了一种肺血管的分割方法，包括：
[0008]获取增强肺图像及其对应的肺血管图像、第一非增强肺图像、及预设第一分割模型；
[0009]对所述增强肺图像及所述第一非增强肺图像执行配准操作，得到所述第一非增强肺图像对应的肺 配准图像；
[0010]对所述肺配准图像进行肺区域分割，得到肺区域图像；
[0011]基于所述肺血管图像及所述肺区域图像，对所述预设第一分割模型进行训练；
[0012]基于所述训练的预设第一分割模型，对第二非增强肺图像进行肺血管分割。
[0013]优选地，在所述获取增强肺图像及其对应的肺血管图像之前，分别对所述获取增强肺图像进行血 管分割及肺区域分割，得到血管图像及肺区域图像；
[0014]根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像。
[0015]优选地，所述分别对所述获取增强肺图像进行血管分割及肺区域分割的方法，包括：获取预设血 管分割模型及第一预设肺区域分割模型；
[0016]分别基于所述预设血管分割模型及所述第一预设肺区域分割模型，对所述获取增强肺图像进行血 管分割及肺区域分割，得到血管图像及肺区域图像；
[0017]以及/或，
[0018]所述根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像的方法，包括：
[0019]对所述血管图像及所述肺区域图像执行乘法操作，得所述增强肺图像对应的肺血管图像。
[0020]优选地，所述对所述肺配准图像进行肺区域分割，得到肺区域图像的方法，包括：
[0021]获取第二预设肺区域分割模型；
[0022]基于所述第二预设肺区域分割模型，对所述肺配准图像进行肺区域分割，得到肺区域图像；
[0023]以及/或，
[0024]所述第一分割模型，包括：U
‑
Net骨干网络，所述U
‑
Net骨干网络在每次卷积操作后，得到多个特 征图；分别对所述多个特征图进行特征映射归一化；并利用激活函数对归一化的所述多个特征图进行 激活；
[0025]以及/或，
[0026]所述基于所述肺血管图像及所述肺区域图像，对所述预设第一分割模型进行训练的方法，包括：
[0027]在所述第一分割模型解码过程中，计算每次解码后对应的特征图的损失；根据所述每次解码后对 应的特征图的损失，得到训练过程中的总损失。
[0028]根据本公开的一方面，提供了一种肺血管的分割方法，包括：
[0029]获取增强肺图像及其对应的肺血管图像、第一非增强肺图像、及预设第一分割模型；
[0030]分别对所述增强肺图像及所述第一非增强肺图像进行分割，得到第一肺区域图像及第二肺区域图 像；
[0031]对所述第一肺区域图像及第二肺区域图像执行配准操作，得到所述第二肺区域图像对应的肺区域 配准图像；
[0032]基于所述肺区域配准图像及所述肺血管图像，对所述预设第一分割模型进行训练；
[0033]基于所述训练的预设第一分割模型，对第二非增强肺图像进行肺血管分割。
[0034]优选地，在所述获取增强肺图像及其对应的肺血管图像之前，分别对所述获取增强肺图像进行血 管分割及肺区域分割，得到血管图像及肺区域图像；
[0035]根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像；
[0036]以及/或，
[0037]所述分别对所述获取增强肺图像进行血管分割及肺区域分割的方法，包括：获取预设血管分割模 型及第一预设肺区域分割模型；
[0038]分别基于所述预设血管分割模型及所述第一预设肺区域分割模型，对所述获取增
强肺图像进行血 管分割及肺区域分割，得到血管图像及肺区域图像；
[0039]以及/或，
[0040]所述根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像的方法，包括：
[0041]对所述血管图像及所述肺区域图像执行乘法操作，得所述增强肺图像对应的肺血管图像。
[0042]优选地，所述分别对所述增强肺图像及所述第一非增强肺图像进行分割，得到第一肺区域图像及 第二肺区域图像的方法，包括：
[0043]获取第三预设肺区域分割模型及第四预设肺区域分割模型；
[0044]分别基于所述第三预设肺区域分割模型及所述第四预设肺区域分割模型，对所述增强肺图像及所 述第一非增强肺图像进行分割，得到第一肺区域图像及第二肺区域图像；
[0045]以及/或，
[0046]所述第一分割模型，包括：U
‑
Net骨干网络，所述U
‑
Net骨干网络在每次卷积操作后，得到多个特 征图；分别对所述多个特征图进行特征映射归一化；并利用激活函数对归一化的所述多个特征图进行 激活；
[0047]以及/或，
[0048]所述基于所述肺血管图像及所述肺区域图像，对所述预设第一分割模型进行训练的方法，包括：...
【技术保护点】
【技术特征摘要】
1.一种肺血管的分割方法，其特征在于，包括：获取增强肺图像及其对应的肺血管图像、第一非增强肺图像、及预设第一分割模型；对所述增强肺图像及所述第一非增强肺图像执行配准操作，得到所述第一非增强肺图像对应的肺配准图像；对所述肺配准图像进行肺区域分割，得到肺区域图像；基于所述肺血管图像及所述肺区域图像，对所述预设第一分割模型进行训练；基于所述训练的预设第一分割模型，对第二非增强肺图像进行肺血管分割。2.根据权利要求1所述的分割方法，其特征在于，在所述获取增强肺图像及其对应的肺血管图像之前，分别对所述获取增强肺图像进行血管分割及肺区域分割，得到血管图像及肺区域图像；根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像。3.根据权利要求2所述的分割方法，其特征在于，所述分别对所述获取增强肺图像进行血管分割及肺区域分割的方法，包括：获取预设血管分割模型及第一预设肺区域分割模型；分别基于所述预设血管分割模型及所述第一预设肺区域分割模型，对所述获取增强肺图像进行血管分割及肺区域分割，得到血管图像及肺区域图像；以及/或，所述根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像的方法，包括：对所述血管图像及所述肺区域图像执行乘法操作，得所述增强肺图像对应的肺血管图像。4.根据权利要求1
‑
3任一项所述的分割方法，其特征在于，所述对所述肺配准图像进行肺区域分割，得到肺区域图像的方法，包括：获取第二预设肺区域分割模型；基于所述第二预设肺区域分割模型，对所述肺配准图像进行肺区域分割，得到肺区域图像；以及/或，所述第一分割模型，包括：U
‑
Net骨干网络，所述U
‑
Net骨干网络在每次卷积操作后，得到多个特征图；分别对所述多个特征图进行特征映射归一化；并利用激活函数对归一化的所述多个特征图进行激活；以及/或，所述基于所述肺血管图像及所述肺区域图像，对所述预设第一分割模型进行训练的方法，包括：在所述第一分割模型解码过程中，计算每次解码后对应的特征图的损失；根据所述每次解码后对应的特征图的损失，得到训练过程中的总损失。5.一种肺血管的分割方法，其特征在于，包括：获取增强肺图像及其对应的肺血管图像、第一非增强肺图像、及预设第一分割模型；分别对所述增强肺图像及所述第一非增强肺图像进行分割，得到第一肺区域图像及第二肺区域图像；对所述第一肺区域图像及第二肺区域图像执行配准操作，得到所述第二肺区域图像对
应的肺区域配准图像；基于所述肺区域配准图像及所述肺血管图像，对所述预设第一分割模型进行训练；基于所述训练的预设第一分割模型，对第二非增强肺图像进行肺血管分割。6.根据权利要求5所述的分割方法，其特征在于，在所述获取增强肺图像及其对应的肺血管图像之前，分别对所述获取增强肺图像进行血管分割及肺区域分割，得到血管图像及肺区域图像；根据所述血管图像及所述肺区域图像，得所述增强肺图像对应的肺血管图像；以及/或，所述分别对所述获取增强肺图像进...
【专利技术属性】
技术研发人员：齐守良，王美欢，吴雅楠，杨英健，
申请(专利权)人：东北大学，
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。