一种血管造影图像的点云分割方法、装置、设备及介质制造方法及图纸

本申请提供了一种血管造影图像的点云分割方法、装置、设备及介质，方法包括：基于血管中心线上的每个点云在血管二值分割图像中的位置，利用深度优先遍历算法，确定出血管中心线的多个待选路径；基于多个待选路径中每个待选路径的方向向量以及预设基准方向向量，构建待选方向特征列表；针对于每个点云，基于该点云对应的节点类型以及待选方向特征列表，确定该点云对应的方向特征，并将该点云的位置坐标以及该点云对应的方向特征进行拼接，以得到该点云的点云特征；最后，将该点云的点云特征输入到预先训练好的点云分割模型中，确定出该点云在血管中心线中的点云分割结果。通过方法和装置，提升了点云分割网络针对血管图像的分割准确率。准确率。准确率。

【技术实现步骤摘要】
一种血管造影图像的点云分割方法、装置、设备及介质


[0001]本申请涉及医学图像处理
，具体而言，涉及一种血管造影图像的点云分割方法、装置、设备及介质。

技术介绍

[0002]心脑血管疾病已成为我国国民的第一致死病因，严重威胁人类的生命健康。有创的血管造影能够清楚的显示冠状动脉是否有狭窄，以及狭窄的部位、程度等，仍是冠心病和脑卒中等血管疾病的金标准。然而，在心脑血管相关疾病的诊疗中，由于复杂血管的迂曲、重叠现象，使得医生在手术中难以清晰和直观地进行介入和制定精准的治疗方案。因此，一个高准确率的血管点云分割方法变得尤为重要。
[0003]在常用的点云分割方法中，仅采用二值分割的点云坐标特征作为输入，忽略了针对血管设计特有的点云特征，使得深度网络的分割准确率降低。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种血管造影图像的点云分割方法、装置、设备及介质，针对血管图像的特有结构设计了有效的血管点云方向特征，构建了涵盖血管图像的拓扑结构和迂曲血管的走向等先验信息的血管点云方向特征，使得网络能够更容易学习到血管的连续性和完整性，从而提升点云分割网络针对血管图像的分割准确率。
[0005]第一方面，本申请实施例提供了一种血管造影图像的点云分割方法，所述点云分割方法包括：
[0006]获取血管造影图像，并将所述血管造影图像输入到预先训练好的血管分割模型中，得到所述血管造影图像对应的血管二值分割图像；
[0007]对所述血管二值分割图像中的血管影像进行中心线提取，在所述血管二值分割图像中确定出血管中心线；
[0008]基于所述血管中心线上的每个点云在所述血管二值分割图像中的位置，利用深度优先遍历算法，确定出所述血管中心线的多个待选路径；
[0009]基于所述多个待选路径中每个待选路径的方向向量以及预设基准方向向量，构建待选方向特征列表；
[0010]针对于所述血管中心线上的每个点云，基于该点云对应的节点类型以及所述待选方向特征列表，确定该点云对应的方向特征，并将该点云的位置坐标以及该点云对应的方向特征进行拼接，以得到该点云的点云特征；
[0011]将该点云的点云特征输入到预先训练好的点云分割模型中，确定出该点云在所述血管中心线中的点云分割结果。
[0012]进一步的，所述基于所述血管中心线上的每个点云在所述血管二值分割图像中的位置，利用深度优先遍历算法，确定出所述血管中心线的多个待选路径，包括：
[0013]对所述血管二值分割图像取反，得到血管中心线图像；其中，所述血管中心线图像
中背景像素点的标签值为1，所述血管中心线图像中血管中心线上的每个像素点的标签值为0；
[0014]针对于所述血管中心线上的每个起始点，将所述血管中心线图像中位于该起始点的邻域内、且标签值为0的第一邻域点加入栈中，在二维分支列表中添加空白子列表，并将该起始点的标签值设定为1；
[0015]针对于所述栈中位于末位的第一邻域点，判断在所述血管中心线图像中该第一邻域点的邻域内是否存在标签值为0的第二邻域点；
[0016]若是，则将该第一邻域点从所述栈中删除，将所述第二邻域点加入所述栈，并将所述第一邻域点的标签值设定为1，将所述第一邻域点加入所述二维分支列表的空白子列表中；
[0017]若否，则将该第一邻域点从所述栈中删除；
[0018]当所述二维分支列表的子列表中加入的点的个数达到分支长度阈值时，在所述二维分支列表中添加新的空白子列表；
[0019]返回执行所述针对于所述栈中位于末位的第一邻域点，判断在所述血管中心线图像中该第一邻域点的邻域内是否存在标签值为0的第二邻域点的步骤，直至所述栈为空，得到包含多个子列表的目标二维分支列表；
[0020]将所述目标二维分支列表中的空白子列表删除，在所述目标二维分支列表中每个子列表的头部添加该起始点，以得到所述待选路径。
[0021]进一步的，所述基于所述多个待选路径中每个待选路径的方向向量以及预设基准方向向量，构建待选方向特征列表，包括：
[0022]针对于每个待选路径，基于该待选路径中最后一个点云的位置坐标以及该待选路径中第一个点云的位置坐标，确定出该待选路径的方向向量；
[0023]确定该待选路径的方向向量与所述预设基准方向向量之间的夹角对应的角度值；
[0024]按照预设顺序方式对每个角度值进行排列，以得到所述待选方向特征列表。
[0025]进一步的，所述基于该点云对应的节点类型以及所述待选方向特征列表，确定该点云对应的方向特征，包括：
[0026]基于与该点云相邻的其他点云的个数，确定该点云对应的节点类型；其中，所述节点类型包括端点、中间点和分叉点；
[0027]根据该点云对应的节点类型，基于预设数据维度构建该点云对应的初始方向特征；
[0028]在所述待选方向特征列表中，确定出该点云对应的至少一个角度值；
[0029]将至少一个角度值添加到所述初始方向特征中，以得到该点云对应的方向特征。
[0030]进一步的，当该点云的节点类型为分叉点时，确定出该点云对应的方向特征之后，所述点云分割方法还包括：
[0031]从所述血管二值分割图像中确定出与该点云相邻的，且所述节点类型为中间点的相邻点云；
[0032]判断所述相邻点云对应的方向特征中是否存在有预设数量的多个角度值；
[0033]若是，则将所述多个角度值进行排列组合，得到多个角度组合；
[0034]针对于每个角度组合，将该角度组合中的两个角度值相减并取绝对值，以得到该
角度组合对应的角度差值；
[0035]从多个角度差值中选取出符合预设选取规则的目标角度差值，并将所述目标角度差值对应的角度组合中的角度值添加到所述相邻点云对应的初始方向特征中，以得到该相邻点云对应的方向特征。
[0036]进一步的，通过以下步骤训练所述点云分割模型：
[0037]获取样本血管二值分割图像中每个样本点云的样本标签；
[0038]针对每个样本点云，将该样本点云的点云特征与该样本点云的样本标签进行拼接，得到该样本点云的样本特征；
[0039]针对每个样本点云，将该样本点云的样本特征输入至原始点云分割模型中，得到该样本点云的预测点云分割结果；
[0040]将该样本点云的预测点云分割结果与该样本点云的样本标签进行对比，计算当前状态下所述原始点云分割模型的损失函数；
[0041]基于所述原始点云分割模型的损失函数，不断调整所述原始点云分割模型的模型参数，直至所述原始点云分割模型达到收敛状态，得到所述点云分割模型。
[0042]第二方面，本申请实施例还提供了一种血管造影图像的点云分割装置，所述点云分割装置包括：
[0043]图像获取模块，用于获取血管造影图像，并将所述血管造影图像输入到预先训练好的血管分割模型中，得到所述血管造影图像对应的血管二值分割图像；
...

【技术保护点】

【技术特征摘要】
1.一种血管造影图像的点云分割方法，其特征在于，所述点云分割方法包括：获取血管造影图像，并将所述血管造影图像输入到预先训练好的血管分割模型中，得到所述血管造影图像对应的血管二值分割图像；对所述血管二值分割图像中的血管影像进行中心线提取，在所述血管二值分割图像中确定出血管中心线；基于所述血管中心线上的每个点云在所述血管二值分割图像中的位置，利用深度优先遍历算法，确定出所述血管中心线的多个待选路径；基于所述多个待选路径中每个待选路径的方向向量以及预设基准方向向量，构建待选方向特征列表；针对于所述血管中心线上的每个点云，基于该点云对应的节点类型以及所述待选方向特征列表，确定该点云对应的方向特征，并将该点云的位置坐标以及该点云对应的方向特征进行拼接，以得到该点云的点云特征；将该点云的点云特征输入到预先训练好的点云分割模型中，确定出该点云在所述血管中心线中的点云分割结果。2.根据权利要求1所述的点云分割方法，其特征在于，所述基于所述血管中心线上的每个点云在所述血管二值分割图像中的位置，利用深度优先遍历算法，确定出所述血管中心线的多个待选路径，包括：对所述血管二值分割图像取反，得到血管中心线图像；其中，所述血管中心线图像中背景像素点的标签值为1，所述血管中心线图像中血管中心线上的每个像素点的标签值为0；针对于所述血管中心线上的每个起始点，将所述血管中心线图像中位于该起始点的邻域内、且标签值为0的第一邻域点加入栈中，在二维分支列表中添加空白子列表，并将该起始点的标签值设定为1；针对于所述栈中位于末位的第一邻域点，判断在所述血管中心线图像中该第一邻域点的邻域内是否存在标签值为0的第二邻域点；若是，则将该第一邻域点从所述栈中删除，将所述第二邻域点加入所述栈，并将所述第一邻域点的标签值设定为1，将所述第一邻域点加入所述二维分支列表的空白子列表中；若否，则将该第一邻域点从所述栈中删除；当所述二维分支列表的子列表中加入的点的个数达到分支长度阈值时，在所述二维分支列表中添加新的空白子列表；返回执行所述针对于所述栈中位于末位的第一邻域点，判断在所述血管中心线图像中该第一邻域点的邻域内是否存在标签值为0的第二邻域点的步骤，直至所述栈为空，得到包含多个子列表的目标二维分支列表；将所述目标二维分支列表中的空白子列表删除，在所述目标二维分支列表中每个子列表的头部添加该起始点，以得到所述待选路径。3.根据权利要求1所述的点云分割方法，其特征在于，所述基于所述多个待选路径中每个待选路径的方向向量以及预设基准方向向量，构建待选方向特征列表，包括：针对于每个待选路径，基于该待选路径中最后一个点云的位置坐标以及该待选路径中第一个点云的位置坐标，确定出该待选路径的方向向量；确定该待选路径的方向向量与所述预设基准方向向量之间的夹角对应的角度值；
按照预设顺序方式对每个角度值进行排列，以得到所述待选方向特征列表。4.根据权利要求3所述的点云分割方法，其特征在于，所述基于该点云对应的节点类型以及所述待选方向特征列表，确定该点云对应的方向特征，包括：基于与该点云相邻的其他点云的个数，确定该点云对应的节点类型；其中，所述节点类型包括端点、中间点和分叉点；根据该点云对应的节点类型，基于预设数据维度构建该点云对应的初始方向特征；在所述待选方向特征列表中，确定出该点云对应的至少一个角度值；将至少一个角度值添加到所述初始方向特征中，以得到该点云对应的方向特征。5.根据权利要求4所述的点云分割方法，其特征在于，当该点云的节点类型为分叉点时，确定出该点云对应的方向特征之后，所述点云分割方法还包括：从所述血管二值分割图像中确定出与该点云相邻的，且所述节点类型为中间点的相邻点云；判断所述相邻点云对应的方向特征中是否存在有预设数量的多个角度值；若是，则将所述多个角度值进行排列组合，得到多个角度组合；针对于每个角度组合，将该角度组合中的两个角度值相减并取绝对值，以得到该角度组合对应的角度差值；从多个角度差值中选取出符合预设选取规则的目标角度差...

【专利技术属性】
技术研发人员：刘振东，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：