一种血管分割方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种血管分割方法、装置、电子设备及存储介质，涉及医疗图像处理技术领域。首先获取训练数据，其中，训练数据包括多张医疗图像，且每张医疗图像中均包括血管信息，再依据血管信息对网络模型进行训练，并获取血管权重模型，其中，血管权重模型用于识别医疗图像中的血管信息，然后将目标医疗图像输入血管权重模型，并获取血管信息初步分割结果，最后利用连通域检测模型对初步分割结果进行过滤，以获取最终分割结果。本申请提供的血管分割方法、装置、电子设备及存储介质具有能够提升血管分割精度的效果。升血管分割精度的效果。升血管分割精度的效果。

【技术实现步骤摘要】
一种血管分割方法、装置、电子设备及存储介质


[0001]本申请涉及医疗图像处理
，具体而言，涉及一种血管分割方法、装置、电子设备及存储介质。

技术介绍

[0002]目前冠状动脉血管自动分割对于冠状动脉影像的导航至关重要。然而在实际场景中，冠状动脉血管分割技术可能会出现较大误差。
[0003]例如，在分割带有脊椎的待分割冠状动脉图像时，可能会将部分脊椎阴影误判为血管，导致分割结果与实际情况存在较大误差。
[0004]综上，现有技术中存在血管分割的结果可能存在较大误差的问题。

技术实现思路

[0005]本申请的目的在于提供一种血管分割方法、装置、电子设备及存储介质，以解决现有技术中血管分割结果可能存在较大误差的问题
[0006]为了实现上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，本申请实施例提供了一种血管分割方法，所述方法包括：
[0008]获取训练数据，其中，所述训练数据包括多张医疗图像，且每张医疗图像中均包括血管信息；
[0009]依据所述血管信息对网络模型进行训练，并获取血管权重模型，其中，所述血管权重模型用于识别医疗图像中的血管信息；
[0010]将目标医疗图像输入所述血管权重模型，并获取血管信息初步分割结果；
[0011]利用连通域检测模型对所述初步分割结果进行过滤，以获取最终分割结果。
[0012]可选地，在依据所述血管信息对网络模型进行训练，并获取血管权重模型的步骤之前，所述方法还包括：/>[0013]利用局部直方图均衡化对所述训练数据进行处理。
[0014]可选地，所述利用局部直方图均衡化对所述训练数据进行处理的步骤包括：
[0015]将所述医疗图像划分为大小相等的不重叠子块；
[0016]利用双线性插值对每个所述子块进行像素点重构。
[0017]可选地，依据所述血管信息对网络模型进行训练，并获取血管权重模型的步骤包括：
[0018]将所述训练数据输入所述网络模型，并获取多个待定血管权重模型；
[0019]从所述多个待定血管权重模型中确定损失函数最小且损失函数下降最平滑的模型作为目标血管权重模型。
[0020]可选地，利用连通域检测模型对所述初步分割结果进行过滤，以获取最终分割结果的步骤包括：
[0021]提取所有连通域并进行连通域面积比对；
[0022]选定面积最大的连通域作为连通域检测模型，并利用所述连通域检测模型对所述初步分割结果进行过滤。
[0023]第二方面，本申请实施例还提供了一种血管分割装置，所述装置包括：
[0024]数据获取模块，用于获取训练数据，其中，所述训练数据包括多张医疗图像，且每张医疗图像中均包括血管信息；
[0025]数据处理模块，用于依据所述血管信息对网络模型进行训练，并获取血管权重模型，其中，所述血管权重模型用于识别医疗图像中的血管信息；
[0026]数据处理模块，还用于将目标医疗图像输入所述血管权重模型，并获取血管信息初步分割结果；
[0027]数据处理模块，还用于利用连通域检测模型对所述初步分割结果进行过滤，以获取最终分割结果。
[0028]可选地，所述处理模块还用于利用局部直方图均衡化对所述训练数据进行处理。
[0029]可选地，所述数据处理模块还用于提取所有连通域并进行连通域面积比对；
[0030]选定面积最大的连通域作为连通域检测模型，并利用所述连通域检测模型对所述初步分割结果进行过滤。
[0031]第三方面，本申请实施例还提供了一种电子设备，包括：
[0032]存储器，用于存储一个或多个程序；
[0033]处理器；
[0034]当所述一个或多个程序被所述处理器执行时，实现上述的方法。
[0035]第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行上述的方法。
[0036]相对于现有技术，本申请具有以下有益效果：
[0037]本申请提供了一种血管分割方法、装置、电子设备及存储介质，首先获取训练数据，其中，训练数据包括多张医疗图像，且每张医疗图像中均包括血管信息，再依据血管信息对网络模型进行训练，并获取血管权重模型，其中，血管权重模型用于识别医疗图像中的血管信息，然后将目标医疗图像输入血管权重模型，并获取血管信息初步分割结果，最后利用连通域检测模型对初步分割结果进行过滤，以获取最终分割结果。由于本申请中采用在利用血管权重模型对医疗图像中的血管信息进行分割的基础上，还会利用连通域检测模型对分割结果进行过滤，使得最终的分割结果中，能够去除其它部位阴影对血管信息的影响，分割结果更加精确。
[0038]为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0039]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
[0040]图1为本申请实施例提供的电子设备的模块示意图。
[0041]图2为本申请实施例提供的血管分割方法的一种示例性流程图。
[0042]图3为本申请实施例提供的血管分割方法的另一种示例性流程图。
[0043]图4为本申请实施例提供的经过局部直方图均衡化处理前后的医疗图像。
[0044]图5为本申请实施例提供的血管分割前的医疗图像。
[0045]图6为本申请实施例提供的血管分割后的初步分割结果示意图。
[0046]图7为本申请实施例提供的经过过滤后的最终分割结果示意图。
[0047]图8为本申请实施例提供的血管分割装置的模块示意图。
[0048]图中：100
‑
电子设备；101
‑
处理器；102
‑
存储器；103
‑
通信接口；200
‑
血管分割装置；210
‑
数据获取模块；220
‑
数据处理模块。
具体实施方式
[0049]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0050]因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血管分割方法，其特征在于，所述方法包括：获取训练数据，其中，所述训练数据包括多张医疗图像，且每张医疗图像中均包括血管信息；依据所述血管信息对网络模型进行训练，并获取血管权重模型，其中，所述血管权重模型用于识别医疗图像中的血管信息；将目标医疗图像输入所述血管权重模型，并获取血管信息初步分割结果；利用连通域检测模型对所述初步分割结果进行过滤，以获取最终分割结果。2.如权利要求1所述的血管分割方法，其特征在于，在依据所述血管信息对网络模型进行训练，并获取血管权重模型的步骤之前，所述方法还包括：利用局部直方图均衡化对所述训练数据进行处理。3.如权利要求2所述的血管分割方法，其特征在于，所述利用局部直方图均衡化对所述训练数据进行处理的步骤包括：将所述医疗图像划分为大小相等的不重叠子块；利用双线性插值对每个所述子块进行像素点重构。4.如权利要求1所述的血管分割方法，其特征在于，依据所述血管信息对网络模型进行训练，并获取血管权重模型的步骤包括：将所述训练数据输入所述网络模型，并获取多个待定血管权重模型；从所述多个待定血管权重模型中确定损失函数最小且损失函数下降最平滑的模型作为目标血管权重模型。5.如权利要求1所述的血管分割方法，其特征在于，利用连通域检测模型对所述初步分割结果进行过滤，以获取最终分割结果的步骤包括：提取所有连通域并进行连通域面积比对；选定面积最大的连通域作为连...

【专利技术属性】
技术研发人员：柏健，黄志俊，刘金勇，钱坤，王银庆，赵艺杰，
申请(专利权)人：杭州朗博康医疗科技有限公司，
类型：发明
国别省市：