血管宽度估计模型建立方法和血管宽度估计模型技术

本发明专利技术提供一种血管宽度估计模型建立方法和血管宽度估计模型。该方法包括：通过血管标签生成算法获得训练集对应的血管宽度标签信息；建立初始血管宽度估计模型，包括宽度回归分支和回归器分类分支，宽度回归分支包括N个局部宽度回归器；采用训练集对N个局部宽度回归器进行训练，输出得到血管宽度预测信息；采用训练集对回归器分类分支进行训练，输出得到基于N个局部宽度回归器的分类概率预测信息；根据血管宽度预测信息与血管宽度标签信息之间的误差，以及分类概率预测信息与真实概率之间的误差建立损失函数；优化损失函数，更新初始血管宽度估计模型的参数，得到血管宽度估计模型。该方法建立的血管宽度估计模型的估计精度较高。精度较高。精度较高。

【技术实现步骤摘要】
血管宽度估计模型建立方法和血管宽度估计模型


[0001]本专利技术涉及数据识别
，尤其涉及一种血管宽度估计模型建立方法和血管宽度估计模型。

技术介绍

[0002]在世界范围内，心血管疾病已成为威胁人类健康的第一大杀手。冠脉介入手术作为一种微创手术，只需在病人大腿或手臂上开一个小孔进行真皮穿刺，借助人体血管通道将介入器械递送到狭窄病变部位并进行扩张，扩大病变处血管的内径后放置支架保持血管张开，从而恢复血流通，已成为治疗冠心病的主要手术方式。但是该手术的医师需要长时间地暴露在X射线下，过量的X射线辐射会对人体造成极为不利的影响。
[0003]因此，可以通过开发血管介入手术机器人可以将手术医师从手术中解放出来，但该问题的核心在于如何赋予手术机器人智能，即如何赋予血管介入手术机器人视觉感知能力。血管宽度是指血管的管腔内径。由于血管宽度不可直接测量，因此只能根据血管造影影像对血管的宽度进行估计。由于血管的三维图像相比于二维图像更加难以获得，再加上血管本身是管状结构，因此目前对血管宽度的估计主要是在二维图像上进行的。
[0004]相关技术中，血管宽度估计算法可以分为半自动算法和全自动算法。半自动算法需要用户指定剖面线，算法不够智能，而且宽度预测结果的好坏很大程度上取决于用户给定的剖面线是否准确。全自动算法的优点是无需用户参与，缺点在于运行时间过长。使用常规卷积神经网络模型来完成血管宽度估计任务时能够克服上述缺点，但是会面对以下难点：(1)训练卷积神经网络算法需要血管的真实宽度值作为监督信息，但是现阶段在这一任务上并没有可以用于训练卷积神经网络的公开数据集；(2)基于标签生成算法得到的监督数据集分布不均衡，使得训练得到的常规卷积神经网络模型预测的血管宽度精度不高。

技术实现思路

[0005]本专利技术提供一种血管宽度估计模型建立方法和血管宽度估计模型，用以解决现有技术中监督数据获取困难，血管宽度预测精度不高的缺陷，实现一种能够获得监督数据且血管宽度预测精度较高的血管宽度估计模型的建立方法和血管宽度估计模型。
[0006]本专利技术提供一种血管宽度估计模型建立方法，包括：
[0007]通过血管标签生成算法获得训练集对应的血管宽度标签信息；
[0008]建立初始血管宽度估计模型，所述初始血管宽度估计模型包括宽度回归分支和回归器分类分支，所述宽度回归分支包括N个局部宽度回归器；
[0009]采用所述训练集对N个所述局部宽度回归器进行训练，输出得到血管宽度预测信息；
[0010]采用所述训练集对所述回归器分类分支进行训练，输出得到基于N个所述局部宽度回归器的分类概率预测信息；
[0011]根据所述血管宽度预测信息与所述血管宽度标签信息之间的误差，以及分类概率
预测信息与真实概率之间的误差建立损失函数；
[0012]优化所述损失函数，更新所述初始血管宽度估计模型的参数，直至收敛，以得到所述血管宽度估计模型。
[0013]根据本专利技术提供的一种血管宽度估计模型建立方法，所述采用训练集对N个所述局部宽度回归器进行训练，输出得到血管宽度预测信息，包括：
[0014]从所述训练集中获取血管宽度值分别落在N个所述局部宽度回归器对应的宽度范围内的N个血管像素集合；
[0015]采用N个血管像素集合分别对对应的N个所述局部宽度回归器进行训练，获得血管宽度预测信息。
[0016]根据本专利技术提供的一种血管宽度估计模型建立方法，所述通过血管标签生成算法获得所述训练集对应的血管宽度标签信息，包括：
[0017]根据所述训练集中的训练图像得到训练图像的分割图像；
[0018]通过血管标签生成算法根据所述分割图像获得所述训练图像对应的血管宽度标签信息。
[0019]根据本专利技术提供的一种血管宽度估计模型建立方法，所述通过血管标签生成算法根据所述分割图像获得所述训练图像对应的血管宽度标签信息，包括：
[0020]根据所述分割图像得到血管中心线图像；
[0021]遍历所述血管中心线图像上的中心线像素，计算获得每个所述中心线像素的剖面线；
[0022]获取所述剖面线上的血管边界点，根据所述血管边界点计算所述剖面线处的血管宽度值；
[0023]根据各所述剖面线处的血管宽度值获得所述训练图像对应的血管宽度标签信息。
[0024]根据本专利技术提供的一种血管宽度估计模型建立方法，所述根据所述分割图像得到血管中心线图像，包括：
[0025]根据所述分割图像得到初始血管中心线图像；
[0026]去除所述初始血管中心线图像上的分叉点和交叉点，得到所述血管中心线图像。
[0027]根据本专利技术提供的一种血管宽度估计模型建立方法，所述根据所述血管宽度预测信息与所述血管宽度标签信息之间的误差，以及分类概率预测信息与真实概率之间的误差建立损失函数，包括：
[0028]根据所述血管宽度预测信息和所述血管宽度标签信息之间的误差建立所述宽度回归分支的第一损失函数；
[0029]根据所述分类概率预测信息和所述真实概率之间的误差建立所述回归器分类分支的第二损失函数；
[0030]将所述第一损失函数和所述第二损失函数进行加权求和获得所述损失函数。
[0031]本专利技术还提供一种血管宽度估计模型，上述任一种所述血管宽度估计模型建立方法建立，所述血管宽度估计模型为卷积神经网络模型包括宽度回归分支和回归器分类分支，所述宽度回归分支包括N个局部宽度回归器；
[0032]所述宽度回归分支用于基于血管图像，在N个所述局部宽度回归器下分别输出所述血管图像中各像素所属血管的N个血管宽度预测信息；
[0033]所述分类回归分支用于基于所述训练图像，输出所述血管图像中各所述像素基于所述血管宽度，属于N个所述局部宽度回归器的分类概率预测信息。
[0034]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述血管宽度估计模型建立方法。
[0035]本专利技术还提供一种非暂态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时实现如上述任一种所述血管宽度估计模型建立方法。
[0036]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述血管宽度估计模型建立方法。
[0037]本专利技术提供的血管宽度估计模型建立方法和血管宽度估计模型，通过血管标签生成算法能够获得训练监督信息，在建立模型时采用分治的思想使得模型包括宽度回归分支和回归器分类分支，通过将两个分支的预测结果进行融合，克服了生成的训练监督信息分布不均衡的问题，提高了血管宽度估计模型的估计精度。
附图说明
[0038]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血管宽度估计模型建立方法，其特征在于，包括：通过血管标签生成算法获得训练集对应的血管宽度标签信息；建立初始血管宽度估计模型，所述初始血管宽度估计模型包括宽度回归分支和回归器分类分支，所述宽度回归分支包括N个局部宽度回归器；采用所述训练集对N个所述局部宽度回归器进行训练，输出得到血管宽度预测信息；采用所述训练集对所述回归器分类分支进行训练，输出得到基于N个所述局部宽度回归器的分类概率预测信息；根据所述血管宽度预测信息与所述血管宽度标签信息之间的误差，以及分类概率预测信息与真实概率之间的误差建立损失函数；优化所述损失函数，更新所述初始血管宽度估计模型的参数，直至收敛，以得到所述血管宽度估计模型。2.根据权利要求1所述的血管宽度估计模型建立方法，其特征在于，所述采用训练集对N个所述局部宽度回归器进行训练，输出得到血管宽度预测信息，包括：从所述训练集中获取血管宽度值分别落在N个所述局部宽度回归器对应的宽度范围内的N个血管像素集合；采用N个血管像素集合分别对对应的N个所述局部宽度回归器进行训练，获得血管宽度预测信息。3.根据权利要求1所述的血管宽度估计模型建立方法，其特征在于，所述通过血管标签生成算法获得所述训练集对应的血管宽度标签信息，包括：根据所述训练集中的训练图像得到训练图像的分割图像；通过血管标签生成算法根据所述分割图像获得所述训练图像对应的血管宽度标签信息。4.根据权利要求3所述的血管宽度估计模型建立方法，其特征在于，所述通过血管标签生成算法根据所述分割图像获得所述训练图像对应的血管宽度标签信息，包括：根据所述分割图像得到血管中心线图像；遍历所述血管中心线图像上的中心线像素，计算获得每个所述中心线像素的剖面线；获取所述剖面线上的血管边界点，根据所述血管边界点计算所述剖面线处的血管宽度值；根据各所述剖面线处的血管宽度值获得所述训练图像对应的血管宽度标签信息。5.根据权利要...

【专利技术属性】
技术研发人员：周小虎，谢晓亮，陶可欣，刘市祺，李芮麒，奉振球，侯增广，李浩，黄德兴，姚泊先，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：