System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理,尤其涉及一种基于人工智能的血管配准方法、装置、计算机设备及存储介质。
技术介绍
1、血管介入手术是一种通过导丝、导管等器械穿刺血管,以对血管内病变进行诊治的一种微创操作手术,由于血管深埋在人体皮肤下,因此在导丝进行操作时,需要通过x光进行血管显影来获取血管显影图像,以使操作人员顺利的进行手术操作。
2、但在x光进行显影时,由于显影获取的图像是平面图像,而血管在人体中是呈立体分布的,因此为了使操作人员在手术操作时能够准确判断导丝在人体血管中的位置,需要在手术之前进行血管扫描以获取立体的血管模型,再根据平面图像和操作人员的经验判断导丝在立体血管模型中的位置来进行手术操作,这种方式无法将平面图像与立体血管模型进行配准以获取导丝实时位置的血管显影图像,使得手术操作时难度增加,不利于手术的顺利实施。
技术实现思路
1、本申请的目的在于提出一种基于人工智能的血管配准方法、装置、计算机设备及存储介质,以解决术前显影图像无法与立体血管模型配准,以显示实时位置的血管显影图像的问题。
2、为了解决上述技术问题,本申请实施例提供一种基于人工智能的血管配准方法,采用了如下所述的技术方案:
3、获取血管模型图像和原始显影图像,根据所述血管模型图像和所述原始显影图像对预设的预测模型进行训练,得到有效预测模型;
4、将所述原始显影图像输入至所述有效预测模型,输出有效操作参数,并根据所述有效操作参数对所述血管模型图像进行图像配准操作,得到配准血管
5、将所述配准血管模型图像和所述原始显影图像进行对比,得到第一对比结果数据,并判断所述第一对比结果数据是否满足预设条件阈值;
6、若满足,则将所述有效预测模型作为标准预测模型;
7、若不满足,则根据所述第一对比结果数据对所述血管模型图像和所述有效预测模型进行迭代调整,重新获取调整后的第二对比结果数据,直至所述第二对比结果数据满足所述预设条件阈值,并将调整后的有效预测模型作为所述标准预测模型;及
8、获取实时造影图像,将所述实时造影图像输入至所述标准预测模型,得到标准操作参数,根据所述标准操作参数对血管模型进行配准操作,得到与所述实时造影图像对应的实时血管模型,并在所述实时血管模型中显示所述实时造影图像的位置信息。
9、进一步的,所述获取血管模型图像和原始显影图像,根据所述血管模型图像和所述原始显影图像对预设的预测模型进行训练,得到有效预测模型的步骤,具体包括:
10、获取提取请求,根据所述提取请求从预设的数据库中提取历史血管图像数据;
11、对所述历史血管图像数据进行图像面片化处理,得到血管面片图像;
12、将所述血管面片图像进行图像组合,生成所述血管模型图像;
13、对所述血管模型图像进行图像投影处理,得到投影显影图像和操作参数;
14、获取源血管图像数据,根据所述源血管图像数据查找对应的原始显影图像,并根据所述原始显影图像对所述投影显影图像进行图像增强处理,得到有效显影图像;及
15、将所述有效显影图像和所述操作参数输入至预设的血管预测模型中进行训练,得到所述有效预测模型。
16、进一步的,所述对所述血管模型图像进行图像投影处理,得到投影显影图像和操作参数的步骤,具体包括:
17、获取预设的模拟投影算法,根据所述模拟投影算法对血管模型图像进行计算,得到投影操作信息;
18、根据所述投影操作信息对所述血管模型图像执行图像投影操作,得到投影显影图像;及
19、对所述血管模型图像执行的图像投影操作进行记录,得到所述操作参数。
20、进一步的,所述获取源血管图像数据,根据所述源血管图像数据查找对应的原始显影图像,并根据所述原始显影图像对所述投影显影图像进行图像增强处理,得到有效显影图像的步骤,具体包括:
21、获取所述源血管图像数据的标识信息,根据所述标识信息查找所述原始显影图像;
22、将所述原始显影图像和所述投影显影图像进行对比,根据预设的图像对比算法计算所述原始显影图像和所述投影显影图像的图像相似度;
23、检测所述图像相似度是否达到预设对比阈值;
24、若所述图像相似度达到所述预设对比阈值,则将所述投影显影图像作为所述有效显影图像;及
25、若所述图像相似度未达到所述预设对比阈值,则对所述投影显影图像进行去噪处理和增强处理,得到所述有效显影图像。
26、进一步的,所述将所述有效显影图像和所述操作参数输入至预设的血管预测模型中进行训练,得到所述有效预测模型的步骤,具体包括:
27、获取所述操作参数,将所述操作参数作为监督标签;
28、将所述监督标签和所述有效显影图像进行数据关联,得到显影图像数据;及
29、将所述显影图像数据输入至所述血管预测模型中进行训练,得到所述有效预测模型。
30、进一步的,所述根据所述有效操作参数对所述血管模型图像进行图像配准操作,得到配准血管模型图像的步骤,具体包括:
31、获取所述有效操作参数,识别所述有效操作参数对应的模型子图像、操作类型以及操作数值;
32、根据所述操作类型和所述操作数值对所述模型子图像执行对应的图像操作,得到所述有效模型子图像;及
33、对所述有效模型子图像进行图像组合,得到所述配准血管模型图像。
34、进一步的,所述根据所述第一对比结果数据对所述血管模型图像和所述有效预测模型进行迭代调整,重新获取调整后的第二对比结果数据,直至所述第二对比结果数据满足所述预设条件阈值,并将调整后的有效预测模型作为所述标准预测模型的步骤,具体包括:
35、获取所述第一对比结果数据,并根据预设的损失函数计算所述第一对比结果数据的损失结果;
36、对所述损失结果进行解析,识别所述损失结果对应的损失指标;
37、根据所述损失指标查找对应的血管模型图像集,并根据梯度下降法对所述血管模型图像集进行优化,得到优化血管模型图像集;
38、获取所述有效预测模型对应的预测因子,根据所述损失指标对所述预测因子进行优化调整,得到优化预测因子;
39、根据所述优化预测因子对所述有效预测模型进行调整,得到调整预测模型,并将所述优化血管模型图像集输入至所述调整预测模型中进行训练,得到优化预测模型;
40、根据所述优化预测模型重新获取所述第二对比结果数据,并不断重复获取所述第二对比结果数据的步骤,直至所述第二对比结果数据满足所述预设条件阈值;及
41、在所述第二对比结果数据满足所述预设条件阈值后,将所述调整后的血管预测模型作为所述标准预测模型。
42、为了解决上述技术问题,本申请实施例还提供一种基于人工智能的血管配准装置,包括:
43、模型训练模块,用于获取本文档来自技高网...
【技术保护点】
1.一种基于人工智能的血管配准方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的基于人工智能的血管配准方法,其特征在于,所述获取血管模型图像和原始显影图像,根据所述血管模型图像和所述原始显影图像对预设的预测模型进行训练,得到有效预测模型的步骤,具体包括:
3.根据权利要求2所述的基于人工智能的血管配准方法,其特征在于,所述对所述血管模型图像进行图像投影处理,得到投影显影图像和操作参数的步骤,具体包括:
4.根据权利要求2所述的基于人工智能的血管配准方法,其特征在于,所述获取源血管图像数据,根据所述源血管图像数据查找对应的原始显影图像,并根据所述原始显影图像对所述投影显影图像进行图像增强处理,得到有效显影图像的步骤,具体包括:
5.根据权利要求2所述的基于人工智能的血管配准方法,其特征在于,所述将所述有效显影图像和所述操作参数输入至预设的血管预测模型中进行训练,得到所述有效预测模型的步骤,具体包括:
6.根据权利要求1所述的基于人工智能的血管配准方法,其特征在于,所述根据所述有效操作参数对所述血管模型图像进行图像配
7.根据权利要求1所述的基于人工智能的血管配准方法,其特征在于,所述根据所述第一对比结果数据对所述血管模型图像和所述有效预测模型进行迭代调整,重新获取调整后的第二对比结果数据,直至所述第二对比结果数据满足所述预设条件阈值,并将调整后的有效预测模型作为所述标准预测模型的步骤,具体包括:
8.一种基于人工智能的血管配准装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于人工智能的血管配准方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的血管配准方法。
...【技术特征摘要】
1.一种基于人工智能的血管配准方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的基于人工智能的血管配准方法,其特征在于,所述获取血管模型图像和原始显影图像,根据所述血管模型图像和所述原始显影图像对预设的预测模型进行训练,得到有效预测模型的步骤,具体包括:
3.根据权利要求2所述的基于人工智能的血管配准方法,其特征在于,所述对所述血管模型图像进行图像投影处理,得到投影显影图像和操作参数的步骤,具体包括:
4.根据权利要求2所述的基于人工智能的血管配准方法,其特征在于,所述获取源血管图像数据,根据所述源血管图像数据查找对应的原始显影图像,并根据所述原始显影图像对所述投影显影图像进行图像增强处理,得到有效显影图像的步骤,具体包括:
5.根据权利要求2所述的基于人工智能的血管配准方法,其特征在于,所述将所述有效显影图像和所述操作参数输入至预设的血管预测模型中进行训练,得到所述有效预测模型的步骤,具体包括:
6.根据权利要...
【专利技术属性】
技术研发人员:郭健,刘恩海,
申请(专利权)人:深圳市爱博医疗机器人有限公司,
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。