本公开提供一种颅内动脉瘤识别检测的方法、装置、设备及介质，包括基于待检测图像对应的平滑图像与原始图像，确定待检测图像的差分图像；根据差分图像，设定待检测图像对应的全局特征值和局部特征值；结合待检测图像的像素灰度值，构建全局特征值和局部特征值对应的第一权重值和第二权重值；基于全局特征值和局部特征值，以及第一权重值和第二权重值，通过预设的图像分割模型对待检测图像进行分割，得到分割图像；提取分割图像中目标区域的图像特征，并基于预设的动脉瘤检测模型，对图像特征进行分类，判断分割图像中是否存在动脉瘤。本公开的方法能够准确识别待检测图像中是否存在动脉瘤。在动脉瘤。在动脉瘤。
【技术实现步骤摘要】
颅内动脉瘤识别检测的方法、装置、设备及介质
[0001]本公开涉及图像识别
，尤其涉及一种颅内动脉瘤识别检测的方法、装置、设备及介质。
技术介绍
[0002]颅内动脉瘤是对人类生命健康危害最大的脑血管疾病之一，其症状不易发现，且发病过程紧急，具有很高的致死、致残率。因此，颅内动脉瘤的前期诊疗十分关键。目前针对颅内动脉瘤的检查方式主要有三种：计算机断层扫描血管造影、磁共振血管造影、和数字剪影血管造影；在传统诊断方式中，医生分析颅内动脉瘤的医学图像时，需要手动标注病灶区域，选择动脉瘤的显示角度，这在增加医生工作量的同时，也缺乏客观准确性。
[0003]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
[0004]本公开实施例提供一种颅内动脉瘤识别检测的方法、装置、设备及介质，能够至少解决现有技术中部分问题，也即解决通过人工增加工作量并且缺乏客观准确性的问题。
[0005]本公开实施例的第一方面，提供一种颅内动脉瘤识别检测的方法，包括：基于待检测图像对应的平滑图像与原始图像，确定所述待检测图像的差分图像；根据所述差分图像，设定所述待检测图像对应的全局特征值和局部特征值；根据所述全局特征值和所述局部特征值，结合所述待检测图像的像素灰度值，构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值；基于所述全局特征值和所述局部特征值，以及所述第一权重值和所述第二权重值，通过预设的图像分割模型对所述待检测图像进行分割，得到分割图像，其中，所述图像分割模型基于所述全局特征值和所述局部特征值实现对所述待检测图像全局和边缘区域的检测进而完成图像分割；提取所述分割图像中目标区域的图像特征，并基于预设的动脉瘤检测模型，对所述图像特征进行分类，判断所述分割图像中是否存在动脉瘤，其中，所述动脉瘤检测模型基于双输入和双输出的卷积神经网络模型构建，所述目标区域包含血管。
[0006]在一种可选的实施方式中，所述根据所述差分图像，设定所述待检测图像对应的全局特征值和局部特征值包括：通过预设的图像灰度分割曲线按照图像灰度将所述差分图像分割为第一图像区域和第二图像区域，其中，所述图像灰度分割曲线为闭合曲线，所述第一图像区域用于指示
处于所述图像灰度分割曲线内部的图像区域，所述第二图像区域用于指示处于所述图像灰度分割曲线外部的图像区域；确定所述第一图像区域的第一灰度均值和所述第二图像区域的第二灰度均值；根据所述第一灰度均值和所述第二灰度均值，以及预设的高斯平滑函数和所述图像灰度分割曲线对应的曲线函数确定所述全局特征值；根据所述第一灰度均值和所述第二灰度均值，以及所述图像灰度分割曲线对应的水平集和所述图像灰度分割曲线的曲率确定所述局部特征值。
[0007]在一种可选的实施方式中，所述确定所述全局特征值的方法还包括：按照如下公式确定所述全局特征值：其中，G(x)表示全局特征值，L表示所述差分图像的像素集，x表示某一像素，m1、m2分别表示所述第一灰度均值和所述第二灰度均值，H(L)表示高斯平滑函数，I(x)表示所述图像灰度分割曲线对应的曲线函数；在一种可选的实施方式中，所述构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值包括：根据所述全局特征值和所述局部特征值，选定与所述全局特征值对应的第一滑动窗口、与所述局部特征值对应的第二滑动窗口；基于所述第一滑动窗口和所述第二滑动窗口，确定所述差分图像中像素灰度均匀区域和像素灰度不均匀区域，进而得到所述像素灰度均匀区域的第一像素差分绝对值和所述像素灰度不均匀区域的第二像素差分绝对值；通过所述第一滑动窗口大小和所述第二滑动窗口大小、所述第一像素差分绝对值和所述第二像素差分绝对值，以及预设的高斯平滑函数，构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值。
[0008]在一种可选的实施方式中，在基于预设的动脉瘤检测模型，对所述图像特征进行分类，判断所述分割图像中是否存在动脉瘤之前，还包括训练动脉瘤检测模型，所述训练动脉瘤检测模型包括：基于预先获取的训练图像集中各个训练图像的相邻两帧图像各个像素点的像素值，以及各个像素点在横向和纵向的像素位置点；分别将所述相邻两帧图像各个像素点的像素值输入待训练动脉瘤检测模型的第一卷积核，将所述各个像素点在横向和纵向的像素位置点输入待训练动脉瘤检测模型的第二卷积核，将所述第一卷积核对应的第一卷积结果使用最大池化层降维去取冗余信息，得到相邻两帧图像各个像素点的运行轨迹信息；将所述第二卷积核对应的第二卷积结果使用最大池化层的池化位置参数进行索引，输出对应位置的光流矢量；根据所述相邻两帧图像各个像素点的运行轨迹信息以及所述对应位置的光流矢
量对所述待训练动脉瘤检测模型进行训练，直至所述待训练动脉瘤检测模型的输出结果符合预设条件。
[0009]在一种可选的实施方式中，提取所述分割图像中目标区域的图像特征之前，还包括对所述分割图像的目标区域进行预处理，所述对所述分割图像的目标区域进行预处理包括：根据所述分割图像的目标区域中各个像素点的横纵坐标以及目标区域的图像层数，设置所述目标区域各个像素点的三维点云坐标；按照预设顺序对所述三维点云坐标进行扫描，并根据所述各个像素点的属性信息，对所述各个像素点的三维点云进行等值面切分；通过线性插值算法和中心差分算法，确定等值面多个顶点的顶点坐标以及顶点梯度；基于所述多个顶点的顶点坐标以及顶点梯度，通过连通区域分析算法对所述目标区域进行血管三维重建。
[0010]本公开实施例的第二方面，提供一种颅内动脉瘤识别检测的装置，包括：第一单元，用于基于待检测图像对应的平滑图像与原始图像，确定所述待检测图像的差分图像；根据所述差分图像，设定所述待检测图像对应的全局特征值和局部特征值；第二单元，用于根据所述全局特征值和所述局部特征值，结合所述待检测图像的像素灰度值，构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值；第三单元，用于基于所述全局特征值和所述局部特征值，以及所述第一权重值和所述第二权重值，通过预设的图像分割模型对所述待检测图像进行分割，得到分割图像，其中，所述图像分割模型基于所述全局特征值和所述局部特征值实现对所述待检测图像全局和边缘区域的检测进而完成图像分割；第四单元，用于提取所述分割图像中目标区域的图像特征，并基于预设的动脉瘤检测模型，对所述图像特征进行分类，判断所述分割图像中是否存在动脉瘤，其中，所述动脉瘤检测模型基于双输入和双输出的卷积神经网络模型构建，所述目标区域包含血管。
[0011]在一种可选的实施方式中，所述第一单元还用于通过预设的图像灰度分割曲线按照图像灰度将所述差分图像分割为第一图像区域和第二图像区域，其中，所述图像灰度分割曲线为闭合曲线，所述第一图像区域用于指示处于所述图像灰度分割曲线内部的图像区域，所述第二图像区域用于指示处于所述图像灰度分割曲线外部的图像区域；确定所述第一图像区域的第一灰度均值和所述第二图像区域的第二灰本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种颅内动脉瘤识别检测的方法，其特征在于，包括：基于待检测图像对应的平滑图像与原始图像，确定所述待检测图像的差分图像；根据所述差分图像，设定所述待检测图像对应的全局特征值和局部特征值；根据所述全局特征值和所述局部特征值，结合所述待检测图像的像素灰度值，构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值；基于所述全局特征值和所述局部特征值，以及所述第一权重值和所述第二权重值，通过预设的图像分割模型对所述待检测图像进行分割，得到分割图像，其中，所述图像分割模型基于所述全局特征值和所述局部特征值实现对所述待检测图像全局和边缘区域的检测进而完成图像分割；提取所述分割图像中目标区域的图像特征，并基于预设的动脉瘤检测模型，对所述图像特征进行分类，判断所述分割图像中是否存在动脉瘤，其中，所述动脉瘤检测模型基于双输入和双输出的卷积神经网络模型构建，所述目标区域包含血管。2.根据权利要求1所述的方法，其特征在于，所述根据所述差分图像，设定所述待检测图像对应的全局特征值和局部特征值包括：通过预设的图像灰度分割曲线按照图像灰度将所述差分图像分割为第一图像区域和第二图像区域，其中，所述图像灰度分割曲线为闭合曲线，所述第一图像区域用于指示处于所述图像灰度分割曲线内部的图像区域，所述第二图像区域用于指示处于所述图像灰度分割曲线外部的图像区域；确定所述第一图像区域的第一灰度均值和所述第二图像区域的第二灰度均值；根据所述第一灰度均值和所述第二灰度均值，以及预设的高斯平滑函数和所述图像灰度分割曲线对应的曲线函数确定所述全局特征值；根据所述第一灰度均值和所述第二灰度均值，以及所述图像灰度分割曲线对应的水平集和所述图像灰度分割曲线的曲率确定所述局部特征值。3.根据权利要求2所述的方法，其特征在于，所述确定所述全局特征值的方法还包括：按照如下公式确定所述全局特征值：其中，G(x)表示全局特征值，L表示所述差分图像的像素集，x表示某一像素，m1、m2分别表示所述第一灰度均值和所述第二灰度均值，H(L)表示高斯平滑函数，I(x)表示所述图像灰度分割曲线对应的曲线函数。4.根据权利要求1所述的方法，其特征在于，所述构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值包括：根据所述全局特征值和所述局部特征值，选定与所述全局特征值对应的第一滑动窗口、与所述局部特征值对应的第二滑动窗口；基于所述第一滑动窗口和所述第二滑动窗口，确定所述差分图像中像素灰度均匀区域和像素灰度不均匀区域，进而得到所述像素灰度均匀区域的第一像素差分绝对值和所述像素灰度不均匀区域的第二像素差分绝对值；通过所述第一滑动窗口大小和所述第二滑动窗口大小、所述第一像素差分绝对值和所
述第二像素差分绝对值，以及预设的高斯平滑函数，构建所述全局特征值和所述局部特征值对应的第一权重值和第二权重值。5.根据权利要求1所述的方法，其特征在于，在基于预设的动脉瘤检测模型，对所述图像特...
【专利技术属性】
技术研发人员：刘清源，陈磊，于慧敏，吴俊，姜朋军，
申请(专利权)人：首都医科大学附属北京天坛医院，
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。