【技术实现步骤摘要】
一种血管图像提取方法、装置、电子设备和可读存储介质
[0001]本申请涉及通信
，具体涉及一种血管图像提取方法、装置、电子设备和可读存储介质。
技术介绍
[0002]随着科学技术的不断发展，造影成像技术已经越来越多的应用在医疗诊断中，因此，提供自动化图像处理对临床诊断来说具有重要的研究价值和实际意义。
[0003]AI图像处理结果对后处理医生来说非常节省时间，也会让病人更早拿到诊断报告，临床价值较高。但是，在AI图像处理过程中，经常会遇到生理组织自动提取失败的问题。例如，由于器官、骨骼等生理组织结构的复杂性，或者，显影剂不足等问题，导致血管提取的难度大幅度提高，容易出现漏提、错提等问题。
技术实现思路
[0004]本专利技术的目的在于提供一种血管图像提取方法、装置、电子设备和可读存储介质。
[0005]为达到上述目的，本方案采用下述技术方案：
[0006]第一方面，本方案提供一种血管图像提取方法，该方法的步骤包括：
[0007]对获取得到的目标生理组织图像中血管的关键特征
【技术保护点】
【技术特征摘要】
1.一种血管图像提取方法，其特征在于，该方法的步骤包括：对获取得到的目标生理组织图像中血管的关键特征信息进行标记；基于所述关键特征信息，构建感兴趣区；根据感兴趣区在目标生理组织图像中的位置，调用对应所述位置的血管分割模型，提取目标生理组织图像中的血管图像。2.根据权利要求1所述的血管图像提取方法，其特征在于，所述关键特征信息包括：血管的关键分叉点、血管段的端点、能够表征血管生理特性的生理特征识别点中的一种或多种。3.根据权利要求1或2所述的血管图像提取方法，其特征在于，所述对获取得到的目标生理组织图像中血管的关键特征信息进行标记的步骤包括：利用关键特征信息标记模型，对获取得到的目标生理组织图像中血管的关键特征信息进行标记。4.根据权利要求3所述的血管图像提取方法，其特征在于，所述关键特征信息标记模型是以生理组织图像为输入，以关键特征信息为训练目标，通过深度学习网络模型经多次训练获得的标记模型。5.根据权利要求1或2所述的血管图像提取方法，其特征在于，所述基于所述关键特征信息，构建感兴趣区的步骤包括：以同一血管支路上的关键特征信息作为区域边界，形成预定范围的区域；或者，以位于同一血管层级的关键特征信息作为区域边界，形成预定范围的区域；或者，以关键特征信息为基准，利用凸包算法形成...
【专利技术属性】
技术研发人员：肖月庭，阳光，郑超，
申请(专利权)人：数坤北京网络科技股份有限公司，
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。