【技术实现步骤摘要】
造影图像质量的确定方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
，尤其是涉及一种造影图像质量的确定方法、装置、电子设备及存储介质。
技术介绍
[0002]在医疗诊断领域，造影图像，例如冠脉造影图像，是诊断冠状动脉粥样硬化性心脏病(冠心病)的一种常用而且有效的方法；每个患者一般会拍摄多个序列的造影图像(二维的动态序列)，但并不是每个序列中的造影图像都能够进行分析，例如在造影剂还没有流入拍摄的血管部位时，拍摄的该造影图像无法用于分析诊断冠心病。
[0003]目前，造影图像的质量一般由经验丰富的医生进行人为主观评估，但是人工评估的方式需要耗费大量的人力与时间，增大了医生和患者的手术负担；而且基于统计学指标进行质量评分，太过于片面和全局化。例如，方差小的数据表示其稳定性好，但在造影图像中，首先要保证有血管显影在里面，这种方差很低，但造影剂还没流入血管，看不到血管的造影图像，是不可分析的图像，所以这些硬性指标基于全局计算，很容易忽略造影图像中的前景重要性。因此，如何确定造影图像的质量，以提高确定造影图像...
【技术保护点】
【技术特征摘要】
1.一种造影图像质量的确定方法，其特征在于，所述确定方法包括：获取造影图像；将所述造影图像输入至训练好的图像处理模型中，得到输出图像；其中，所述图像处理模型是基于多张无标记的造影样本图像进行训练的；将所述造影图像与所述输出图像进行相似度比对，得到所述造影图像与所述输出图像之间的相似度；若所述相似度大于预设阈值，则将所述造影图像的质量确定为合格。2.根据权利要求1所述的确定方法，其特征在于，所述图像处理模型包括特征提取模块，低频提取模块以及高频提取模块；通过以下步骤训练图像处理模型：获取多张无标记的造影样本图像；针对每张无标记的造影样本图像，将该造影样本图像输入至所述特征提取模块，得到特征图像；将所述特征图像输入至低频提取模块，得到低频图像；将所述特征图像输入至高频提取模块，得到高频图像；将所述低频图像和所述高频图像进行加权融合，得到参考图像；将所述参考图像和该造影样本图像进行比对，得到所述参考图像的损失函数；若所述损失函数小于预设阈值，则训练完成，得到训练好的图像处理模型。3.根据权利要求2所述的确定方法，其特征在于，所述特征提取模块包括多个卷积结构，每个卷积结构包括N个卷积层和M个池化层；所述将该造影样本图像输入至所述特征提取模块，得到特征图像的步骤，包括：将该造影样本图像输入至所述特征提取模块的第一个卷积结构中，并将所述第一个卷积结构作为当前卷积结构，经过所述当前卷积结构的N个卷积层提取该造影样本图像的特征信息后，再经过所述当前卷积结构的M个池化层对所述提取的特征信息进行浓缩，得到所述当前卷积结构输出的特征图像；将所述当前卷积结构的下一个卷积结构更新为当前卷积结构，并将所述当前卷积结构的上一个卷积结构对应的特征图像输入至所述当前卷积结构中，继续得到所述当前卷积结构输出的特征图像，直至遍历到所述特征提取模块中的最后一个卷积结构，得到所述特征提取模块中每个卷积结构输出的特征图像。4.根据权利要求3所述的确定方法，其特征在于，所述低频提取模块包括多个低频反卷积结构，每个低频反卷积结构包括N个卷积层和M个反卷积层；所述低频反卷积结构的数量与所述特征提取模块的卷积结构的数量相同；所述将所述特征图像输入至低频提取模块，得到低频图像的步骤，包括：将所述特征提取模块中最后一个卷积结构输出的特征图像输入至所述低频提取模块中的第一个低频反卷积结构中，并将所述第一个低频反卷积结构作为当前低频反卷积结构，经过所述当前低频反卷积结构的N个卷积层提取特征后，再经过所述当前低频反卷积结构的M个反卷积层进行上采样，得到所述当前低频反卷积结构输出的低频特征图像；将所述当前低频反卷积结构的下一个低频反卷积结构更新为当前低频反卷积结构，并将所述当前低频反卷积结构的上一个低频反卷积结构输出的低频特征图像和所述特征提取模块中对应的卷积结构输出的特征图像一起输入至所述当前低频反卷积结构中，继续得
到所述当前低频反卷积结构输出的低频特征图像，直至遍历到所述低频提取模块中的最后一个低频反卷积结构，得到所述低频提取模块中最后一个低频反卷积结构输出的低频图像。5.根据权利要求3所述的确定方法，其特征在于，所述高频提取模块包括多个高频反卷积结构，每个高频反卷积结构包括N个卷积层和M个反卷积层；所述高频反卷积结构的数量与所述特征提取模块的卷积结构的数量相同；所述将所述特征图像输入至高频提取模块，得到高频图像的步骤，包括：...
【专利技术属性】
技术研发人员：张瑜，马骏，郑凌霄，兰宏志，
申请(专利权)人：深圳睿心智能医疗科技有限公司，
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。