本申请公开了一种血管图像处理方法、装置、电子设备及计算机存储介质。方法包括：对待处理血管图像进行中心线提取，获得上述待处理血管图像对应的血管中心线数据；从上述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数；利用已训练的血管风险预测模型，至少基于上述迂曲参数，获得上述待处理血管图像对应的风险预测结果。本申请中，针对待处理血管图像自动进行处理和分析，获得对应的迂曲参数之后，结合已训练的血管风险预测模型自动分析确定上述待处理血管图像对应的风险预测结果，有利于提高风险预测结果过程中的判断效率和准确性。断效率和准确性。断效率和准确性。
【技术实现步骤摘要】
血管图像处理方法、装置、电子设备及计算机存储介质
[0001]本申请涉及图像处理
，具体涉及血管图像处理方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]目前，人们的健康理念越来越高，对于健康的关注度也越来越高。而随着生活水平的提高，人们每日摄取的盐分、糖分、油脂等也逐渐增多，从而会给血管带来更多负担。
[0003]当前技术中，通常依赖于医生的经验，针对血管图像进行人工分析，从而确定血管图像对应的风险判断结果。当前技术的问题在于，人工分析的方案判断效率低，且完全依赖于医生的经验，判断的准确性受医生经验的影响，对医生的要求较高，不利于提高判断的准确性。
技术实现思路
[0004]本申请实施例提供一种血管图像处理方法、装置、电子设备及计算机存储介质，可以对待处理血管图像进行自动处理和分析，获得对应的风险预测结果，不依赖于人工经验和人工分析，有利于提高风险预测结果过程中的判断效率和准确性。
[0005]本申请实施例第一方面提供一种血管图像处理方法，上述方法包括：
[0006]对待处理血管图像进行中心线提取，获得上述待处理血管图像对应的血管中心线数据；
[0007]从上述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数；
[0008]利用已训练的血管风险预测模型，至少基于上述迂曲参数，获得上述待处理血管图像对应的风险预测结果。
[0009]在一些可选的实施例中，上述利用已训练的血管风险预测模型，至少基于上述迂曲参数，获得上述待处理血管图像对应的风险预测结果，包括：
[0010]根据上述迂曲参数构建上述待处理血管图像对应的迂曲参数矩阵；
[0011]根据上述迂曲参数矩阵，通过已训练的血管风险预测模型获得上述待处理血管图像对应的风险预测结果。
[0012]在一些可选的实施例中，上述对待处理血管图像进行中心线提取，获得上述待处理血管图像对应的血管中心线数据包括：
[0013]根据预设的预处理步骤对上述待处理血管图像进行预处理，获得预处理后的待处理血管图像，其中，上述预处理步骤包括图像去噪、图像增强和图像标准化中的至少一种；
[0014]对预处理后的上述待处理血管图像进行三维血管重建，获得血管几何形状数据；
[0015]根据上述血管几何形状数据，基于骨架算法提取获得上述血管中心线数据。
[0016]在一些可选的实施例中，上述从上述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数，包括：
[0017]对上述血管中心线数据中的血管中心线进行分段，获得多个血管中心线分段；
[0018]分别获取各上述血管中心线分段对应的至少一组用于描述血管迂曲程度的迂曲参数。
[0019]在一些可选的实施例中，上述对上述血管中心线数据中的血管中心线进行分段，获得多个血管中心线分段，包括：
[0020]根据上述血管中心线数据进行血管命名，获得上述血管中心线数据对应的命名数据；
[0021]根据上述命名数据，对上述血管中心线数据中的血管中心线进行分段，获得多个血管中心线分段。
[0022]在一些可选的实施例中，上述分别获取各上述血管中心线分段对应的至少一组用于描述血管迂曲程度的迂曲参数，包括：
[0023]获取各上述血管中心线分段对应的等分组值；
[0024]根据各上述血管中心线分段对应的等分组值，分别确定各上述血管中心线分段中的目标等分中心线点；
[0025]针对每一血管中心线分段，根据上述血管中心线数据，计算获得各上述目标等分中心线点对应的迂曲参数。
[0026]在一些可选的实施例中，上述血管风险预测模型根据如下步骤进行训练：
[0027]获取多个关联有风险标注结果的训练矩阵样本；
[0028]将上述训练矩阵样本输入上述血管风险预测模型，以获取上述血管风险预测模型输出的风险预测结果；
[0029]根据上述风险标注结果和上述风险预测结果对上述血管风险预测模型的模型参数进行调整，并继续执行上述将上述训练矩阵样本输入上述血管风险预测模型的步骤，直至满足预设的训练终止条件，获得已训练的血管风险预测模型。
[0030]在一些可选的实施例中，上述根据上述迂曲参数矩阵，通过已训练的血管风险预测模型获得上述待处理血管图像对应的风险预测结果，包括：
[0031]获取上述待处理血管图像对应的预测参考数据，其中，上述预测参考数据包括年龄分段、血管半径和对比度数据中的至少一种，上述对比度数据是上述待处理血管图像中血管区域与其邻近区域的对比度；
[0032]将上述预测参考数据以及上述迂曲参数矩阵，通过已训练的血管风险预测模型获得上述待处理血管图像对应的风险预测结果。
[0033]在一些可选的实施例中，上述迂曲参数包括曲率、曲率半径、扭角和扭矩中的至少一种。
[0034]本申请实施例第二方面提供一种血管图像处理装置，上述装置包括：
[0035]中心线提取模块，用于对待处理血管图像进行中心线提取，获得上述待处理血管图像对应的血管中心线数据；
[0036]参数获取模块，用于从上述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数；
[0037]预测模块，用于根据上述迂曲参数矩阵和已训练的血管风险预测模型获得上述待处理血管图像对应的风险预测结果。
[0038]本申请实施例第三方面提供一种电子设备，包括存储器和处理器，上述存储器存
储有应用程序，上述处理器用于运行上述存储器内的应用程序，以执行本申请实施例第一方面提供的血管图像处理方法中的步骤。
[0039]本申请实施例第四方面提供一种计算机可读存储介质，上述计算机可读存储介质存储有多条指令，上述指令适于处理器进行加载，以执行本申请实施例第一方面提供的血管图像处理方法中的步骤。
[0040]采用本申请实施例的方案，可以对待处理血管图像进行中心线提取，获得上述待处理血管图像对应的血管中心线数据；从上述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数；利用已训练的血管风险预测模型，至少基于上述迂曲参数，获得上述待处理血管图像对应的风险预测结果。
[0041]本申请实施例中，针对待处理血管图像可以自动进行处理和分析，获得处理血管图像对应的迂曲参数之后，结合已训练的血管风险预测模型自动分析确定上述待处理血管图像对应的风险预测结果。与当前方案相比，不依赖于人工经验，也不需要进行人工分析，有利于提高风险预测结果过程中的判断效率和准确性。
附图说明
[0042]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1是本申请实施例提供的血管图像处理方法的场景示意图；
[0044]图2是本申本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种血管图像处理方法，其特征在于，所述血管图像处理方法包括：对待处理血管图像进行中心线提取，获得所述待处理血管图像对应的血管中心线数据；从所述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数；利用已训练的血管风险预测模型，至少基于所述迂曲参数，获得所述待处理血管图像对应的风险预测结果。2.根据权利要求1所述的血管图像处理方法，其特征在于，所述利用已训练的血管风险预测模型，至少基于所述迂曲参数，获得所述待处理血管图像对应的风险预测结果，包括：根据所述迂曲参数构建所述待处理血管图像对应的迂曲参数矩阵；根据所述迂曲参数矩阵，通过已训练的血管风险预测模型获得所述待处理血管图像对应的风险预测结果。3.根据权利要求1所述的血管图像处理方法，其特征在于，所述对待处理血管图像进行中心线提取，获得所述待处理血管图像对应的血管中心线数据包括：根据预设的预处理步骤对所述待处理血管图像进行预处理，获得预处理后的待处理血管图像，其中，所述预处理步骤包括图像去噪、图像增强和图像标准化中的至少一种；对预处理后的所述待处理血管图像进行三维血管重建，获得血管几何形状数据；根据所述血管几何形状数据，基于骨架算法提取获得所述血管中心线数据。4.根据权利要求1所述的血管图像处理方法，其特征在于，所述从所述血管中心线数据中提取至少一组用于描述血管迂曲程度的迂曲参数，包括：对所述血管中心线数据中的血管中心线进行分段，获得多个血管中心线分段；分别获取各所述血管中心线分段对应的至少一组用于描述血管迂曲程度的迂曲参数。5.根据权利要求4所述的血管图像处理方法，其特征在于，所述对所述血管中心线数据中的血管中心线进行分段，获得多个血管中心线分段，包括：根据所述血管中心线数据进行血管命名，获得所述血管中心线数据对应的命名数据；根据所述命名数据，对所述血管中心线数据中的血管中心线进行分段，获得多个血管中心线分段。6.根据权利要求4所述的血管图像处理方法，其特征在于，所述分别获取各所述血管中心线分段对应的至少一组用于描述血管迂曲程度的迂曲参数，包括：获取各所述血管中心线分段对应的等分组值；根据各所述血管中心线分段对应的等分组值，分别确定各所述血管中心...
【专利技术属性】
技术研发人员：张晓岚，郑超，毛新生，
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。