【技术实现步骤摘要】
本专利技术涉及医学图像处理，且特别涉及一种血管介入的路径规划方法、装置及计算机设备。
技术介绍
1、血管介入技术是近些年来逐渐兴起的有效的治疗方法，其具有创伤小、操作简便以及介入部位准确等优点，从而使一些不能耐受大手术及耐药患者得到了治疗，尤其是在恶性滋养细胞肿瘤治疗中亦日益增多。
2、随着计算机技术的不断发展，基于血管造影成像如计算机断层成像血管造影成像(cta)、磁共振血管造影成像(mra)、数字减影血管造影成像(dsa)等技术的血管路径规划已初步在血管介入手术中得到应用。然而，人体内血管的复杂性所带来的血管造影图像中的大量背景干扰、血管本身的复杂的网络结构以及成像时造影位置的差异等各种因素的干扰严重影响了血管路径规划的精确性，从而限制了其在临床上的应用。当前亦有人提出采用滤波的方式来对图片进行增强处理以减小造影干扰，如frangi的滤波算法、sj zhou滤波算法以及hessian算法等，但这些算法普遍均存在血管末梢以及血管分支难以增强的问题；而其它有些算法则又会存在增强过渡而导致原始图像信息丢失进而带来规划精度差的问题。
技术实现思路
1、本专利技术为了克服现有技术的不足，提供一种增强精度高且可进行增强补偿的血管介入的路径规划方法、装置及计算机设备。
2、为了实现上述目的，本专利技术提供一种血管介入的路径规划方法，其包括：
3、获取dsa二维图像idsa并对其进行切割以形成多个大小相同对局部图像；
4、将每一局部图像输入至图像
5、将增强图像ieh输入至多尺度融合网络并引入中心线提取算法以得到训练后的动静脉分离掩膜mvc、中心线掩膜mse以及血管分割掩膜mvs；融合动静脉分离掩膜mvc和中心线掩膜mse以得到融合掩膜mcheck；
6、融合增强图像ieh和融合掩膜mcheck并进行动脉扩张以及基于血管分割掩膜mvs的静脉重建，补偿血管颗粒损失以得到重构后的血管图像irec；
7、引入损失函数并在血管半径r的约束下迭代重构后的血管图像irec以得到三维血管框架图ifd；
8、对得到的三维血管框架图ifd进行可能的动脉路径规划以得到从介入点到目标地所有可能路径；
9、基于路径距离和弯曲参数在所有可能的路径中筛选出全局最优路径。
10、根据本专利技术的一实施例，基于增强图像ieh获得三个掩膜包括：
11、基于确定的血管延伸方向并结合中心线提取算法，沿轴向、矢状以及冠状面三个维度分离增强图像ieh以分别得到动静脉分离图、中心线分离图以及血管分割图；
12、将三个维度分离后的图像输入至包括分离编码器和带跳接的分离解码器的多度尺度信息聚合网络内进行预测以得到动静脉分离掩膜mvc、中心线掩膜mse以及血管分割掩膜mvs；
13、在得到融合掩膜mcheck后采用投票算法对其进行校正。根据本专利技术的一实施例，分离编码器的输出通过多尺度特征残差融合网络层连接至分离编码器的输入；每一分离编码器均包括多个级联的分离编码块，每一分离解码器均包括与多个分离编码块对应跳接的分离解码块。
14、根据本专利技术的一实施例，每一分离编码块均包括依次级联的两个标准的卷积层、多尺度特征残差融合网络层以及归一化激活层；每一分离解码块均包括依次级联的最大池化特征映射层、两个标准的卷积层以及多尺度特征残差融合网络层，且还包括连接至两个标准的卷积层输出深度监管层。
15、根据本专利技术的一实施例，在融合增强图像ieh和融合掩膜mcheck得到融合图像ifs后从在融合图像ifs获取动脉血管颗粒a和静脉血管颗粒b并基于膨胀核b采用如下方式进行动脉和静脉扩张：
16、
17、
18、b为膨胀核，其大小为3*3*3；sa和sv分别表示扩张后的动脉和扩张后的静脉。
19、根据本专利技术的一实施例，基于扩张后的动脉和静脉并结合血管分割mvs掩膜采用如下方式重构血管图像irec：
20、ra＝sa·mvs
21、rv＝sv·mvs
22、irec＝ra+rv
23、ra表示重建后的动脉，rv表示重建后的静脉脉，irec表示重构后的血管图像。
24、根据本专利技术的一实施例，迭代跟踪网络包括分别位于多尺度特征融合的亚属性残差卷积层l2输入侧和输出侧的粗特征提取3d卷积层l1和细特征提取3d卷积层l2；在细特征提取3d卷积层l2输出的局部图像特征图中，白色区域内各点到白色区域边界的最小距离中的最大值即为该局部图像内的血管半径r。
25、根据本专利技术的一实施例，迭代重构后的血管图像irec所引入的损失函数为加权交叉熵losswce、均方差损失lossmse以及dice损失lossdice之和；
26、losswmd＝losswce+λlossmse+μlossdice；
27、
28、
29、
30、其中，λ和μ是平衡参数，取值为[1，10]，由迭代网络自行学习修正；pi表示样本i的真实像素值，表示pi对应的概率，ωt表示加权系数，t为总类别数，其表征的是同一张图像被动脉、静脉网络同时标记出来的种类的数量；n为输入的总像素数，pnt表示第t类的第n个真实像素值，表示pnt对应的概率。
31、相对应的，本专利技术还提供一种血管介入的路径规划装置，其包括获取切割模块、增强模块、融合模块、补偿重构模块、迭代模块、规划模块以及筛选模块。获取切割模块获取dsa二维图像idsa并对其进行切割以形成多个大小相同对局部图像。增强模块将每一局部图像输入至图像增强网络，去除每一局部图像内非血管部分的组织或干扰后进行拼接以得到增强图像ieh、血管半径r以及血管的延伸方向；图像增强网络包括迭代跟踪网络和局部分割网络，迭代跟踪网络包括特征提取的3d卷积层和包括多个不同扩张率的级联的亚属性残差卷积层sr的多尺度特征融合的亚属性残差卷积层；局部分割网络包括编码器和带跳接的解码器，编码器包括多个具有不同输出通道的编码块且每一编码块均包括依次连接的两个标准的卷积层、一个mosa块以及一个用于下采样的最大池块；解码器包括多个输出通道一致的解码块且每一解码块均包括依次连接的两个标准的卷积层，一个mosa块和一个用于上采样的本文档来自技高网...
【技术保护点】
1.一种血管介入的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的血管介入的路径规划方法，其特征在于，基于增强图像Ieh获得三个掩膜包括：
3.根据权利要求2所述的血管介入的路径规划方法，其特征在于，分离编码器的输出通过多尺度特征残差融合网络层连接至分离编码器的输入；每一分离编码器均包括多个级联的分离编码块，每一分离解码器均包括与多个分离编码块对应跳接的多个分离解码块。
4.根据权利要求3所示的血管介入的路径规划方法，其特征在于，每一分离编码块均包括依次级联的两个标准的卷积层、多尺度特征残差融合网络层以及归一化激活层；每一分离解码块均包括依次级联的最大池化特征映射层、两个标准的卷积层以及多尺度特征残差融合网络层，且还包括连接至两个标准的卷积层输出深度监管层。
5.根据权利要求1所述的血管介入的路径规划方法，其特征在于，在融合增强图像Ieh和融合掩膜Mcheck得到融合图像Ifs后从在融合图像Ifs获取动脉血管颗粒A和静脉血管颗粒B并基于膨胀核B采用如下方式进行动脉和静脉扩张：
6.根据权利要求5所述的血管介入的
7.根据权利要求1所述的血管介入的路径规划方法，其特征在于，迭代跟踪网络包括分别位于多尺度特征融合的亚属性残差卷积层L2输入侧和输出侧的粗特征提取3D卷积层L1和细特征提取3D卷积层L2；在所述细特征提取3D卷积层L2输出的局部图像特征图中，白色区域内各点到白色区域边界的最小距离中的最大值即为该局部图像内的血管半径r。
8.根据权利要求1所述的血管介入的路径规划方法，其特征在于，迭代重构后的血管图像Irec所引入的损失函数为加权交叉熵Losswce、均方差损失Lossmse以及DICE损失Lossdice之和；
9.一种血管介入的路径规划装置，其特征在于，包括：
10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种血管介入的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的血管介入的路径规划方法，其特征在于，基于增强图像ieh获得三个掩膜包括：
3.根据权利要求2所述的血管介入的路径规划方法，其特征在于，分离编码器的输出通过多尺度特征残差融合网络层连接至分离编码器的输入；每一分离编码器均包括多个级联的分离编码块，每一分离解码器均包括与多个分离编码块对应跳接的多个分离解码块。
4.根据权利要求3所示的血管介入的路径规划方法，其特征在于，每一分离编码块均包括依次级联的两个标准的卷积层、多尺度特征残差融合网络层以及归一化激活层；每一分离解码块均包括依次级联的最大池化特征映射层、两个标准的卷积层以及多尺度特征残差融合网络层，且还包括连接至两个标准的卷积层输出深度监管层。
5.根据权利要求1所述的血管介入的路径规划方法，其特征在于，在融合增强图像ieh和融合掩膜mcheck得到融合图像ifs后从在融合图像ifs获取动脉血管颗粒a和静脉血管颗粒b并基于膨胀核b采用如下方式进行动脉和静脉扩张...
【专利技术属性】
技术研发人员：刘俊飙，李凯，董芳，喻晓斌，吴炎强，孙乐，俞嘉杰，徐恺，陈婷，来利桥，
申请(专利权)人：浙江环玛信息科技有限公司，
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。