【技术实现步骤摘要】
本专利技术涉及计算机图像处理，特别是涉及一种保证多次迭代后的特征完整性，进而使分割结果具有高连通性的医学图像中血管分割方法、装置、设备及存储介质。
技术介绍
1、医学图像中血管结构的结构识别对血管相关疾病诊断有重要的作用，例如，冠状动脉狭窄是由冠脉粥样硬化引起、视网膜血管结构的改变会反映视网膜结构的病变等。因此自动血管分割是医学图像分析中的重要研究方向，对血管相关疾病诊断有重要的作用，可帮助医生快速准确地诊断血管疾病。目前，细小血管的分割仍存在许多问题：例如，血管结构的有效图像占比小、管腔结构呈现细长的特征导致分割连续性较低、管状背景噪声误检等。
2、在血管分割领域，一般使用像素级别指标衡量结果，但相同的指标下，连续的预测比断裂的预测更具诊断意义。现有方法通常通过滤波器实现噪声的抑制和血管的分割，依赖于血管结构的梯度信息，对血管状的背景噪声易误检为假阳性。近年的深度学习方法中，大致可分为基于隐式和显式限制的两大类方法检测细小血管或增强血管连通性。
3、基于隐式限制的血管分割方法通常通过优化像素级别指标提取精细血管结构，通过增大感受野或提取多尺度特征丰富血管的特征信息。但由于隐式限制的方法只优化像素级别指标，间接优化拓扑连续性，因此表现为细小血管的漏检和断裂。
4、基于拓扑保持的显式限制方法通过直接优化拓扑关系获得高连通性，例如基于同源拓扑理论设计的损失函数，识别并惩罚网络预测结果的拓扑错误像素。但由于同源拓扑计算对噪声敏感且计算代价昂贵，因此结果质量依赖于图像质量及后续处理手段。
6、因此，如何提供一种可以保证血管细小结构的连通性以及去除管状背景噪声干扰的血管分割方法，是迫切需要本领域技术人员解决的技术问题。
技术实现思路
1、鉴于上述问题，本专利技术提供用于克服上述问题或者至少单元地解决上述问题的一种医学图像中血管分割方法、装置、设备及存储介质。解决了血管分割时产生的断裂及管状背景噪声的误检问题，采用渐进式边缘信息聚合的血管分割网络，能够通过将中间输出结果迭代输入网络，由粗至精地补充精细血管和去除背景噪声，从而保证临床诊断的可靠性。
2、本专利技术提供了如下方案：
3、一种医学图像中血管分割方法，包括：
4、获取医学图像，将所述医学图像输入编码器单元，以便所述编码器单元使用串联的双流感受野编码器模块进行多层次特征的提取获得多层次特征信息，并将所述多层次特征信息输出以跳连接的方式输入迭代单元和解码器单元；
5、确定为首次迭代，所述迭代单元的状态切换为初始状态，所述迭代单元利用渐进互补融合模块对所述多层次特征信息进行特征提取获得初始精细血管特征信息，并将所述初始精细血管特征信息输入所述解码器单元；
6、利用所述解码器单元的分割-边缘解耦模块根据任务间内部关系融合所述多层次特征信息以及所述精细血管特征信息逐尺度解耦输出为分割与边缘，并配合多尺度监督的策略监督分割任务和边缘检测任务输出分割结果及辅助监督的边缘检测结果，并将所述分割结果以及所述边缘检测结果输入所述迭代单元；
7、确定非终止迭代，所述迭代单元利用渐进互补融合模块对前次迭代输出的所述分割结果以及所述边缘检测结果进行特征提取获得迭代精细血管特征信息，并将所述迭代精细血管特征信息输入所述解码器单元的各级分割-边缘解耦模块；
8、利用所述解码器单元的各级分割-边缘解耦模块融合所述迭代精细血管特征信息、所述分割结果以及所述边缘检测结果逐分辨率的完成上采样并获得目标分割结果。
9、优选地：所述双流感受野编码器模块包括感受野扩张分支以及感受野收缩分支；所述感受野扩张分支用于通过在获得的特征图上使用1*3和3*1卷积的边缘特征卷积提取模块，实现全局下血管边缘特征的提取；所述感受野收缩分支用于利用上采样系数为s1的上采样操作增加特征图的空间分辨率。
10、优选地：所述感受野扩张分支包括第一空洞卷积模块、第二空洞卷积模块以及第一边缘特征提取模块，所述感受野收缩分支包括上采样模块、第二边缘特征提取模块以及下采样模块。
11、优选地：所述渐进互补融合模块包括第一分支以及第二分支，所述第一分支用于计算迭代特征中背景的概率与前次解码器特征之间的交集，并将前次解码器特征更新为本次迭代的解码器特征；所述第二分支用于以编码器特征和解码路径的前次解码器特征为输入的注意力门机制，通过补充高分辨率特征补充至解码路径中融合各特征。
12、优选地：所述第一分支包括反向注意力机制模块，所述第二分支包括注意力门机制模块。
13、优选地：所述分割-边缘解耦模块将迭代增强特征作为边缘特征，连接操作作为并集操作、乘法作为交集操作，输入的低阶解码器特征被边缘特征增强为分割特征，并通过边缘特征提取模块利用解耦后的增强特征，后续输入上采样模块并输出给下一尺度解码器。
14、优选地：所述分割-边缘解耦模块包括交集操作模块、并集操作模块、边缘提取模块以及融合输出模块。
15、一种医学图像中血管分割装置，包括：
16、解码单元，用于获取医学图像，将所述医学图像输入编码器单元，以便所述编码器单元使用串联的双流感受野编码器模块进行多层次特征的提取获得多层次特征信息，并将所述多层次特征信息输出以跳连接的方式输入迭代单元和解码器单元；
17、首次迭代单元，用于确定为首次迭代，所述迭代单元的状态切换为初始状态，所述迭代单元利用渐进互补融合模块对所述多层次特征信息进行特征提取获得初始精细血管特征信息，并将所述初始精细血管特征信息输入所述解码器单元；
18、迭代分割结果以及边缘检测结果获取单元，用于利用所述解码器单元的分割-边缘解耦模块根据任务间内部关系融合所述多层次特征信息以及所述精细血管特征信息逐尺度解耦输出为分割与边缘，并配合多尺度监督的策略监督分割任务和边缘检测任务输出迭代分割结果及辅助监督的迭代边缘检测结果，并将所述迭代分割结果以及所述迭代边缘检测结果输入所述迭代单元；
19、迭代精细血管特征获取单元，用于确定非终止迭代，所述迭代单元利用渐进互补融合模块对前次迭代输出的所述迭代分割结果以及所述迭代边缘检测结果进行特征提取获得迭代精细血管特征信息，并将所述迭代精细血管特征信息输入所述解码器单元的各级分割-边缘解耦模块；
20、目标分割结果获取单元，用于利用所述解码器单元的各级分割-边缘解耦模块融合所述迭代精细血管特征信息、所述迭代分割结果以及所述迭代本文档来自技高网...
【技术保护点】
1.一种医学图像中血管分割方法，其特征在于，包括：
2.根据权利要求1所述的医学图像中血管分割方法，其特征在于，所述双流感受野编码器模块包括感受野扩张分支以及感受野收缩分支；所述感受野扩张分支用于通过在获得的特征图上使用1*3和3*1卷积的边缘特征卷积提取模块，实现全局下血管边缘特征的提取；所述感受野收缩分支用于利用上采样系数为S1的上采样操作增加特征图的空间分辨率。
3.根据权利要求2所述的医学图像中血管分割方法，其特征在于，所述感受野扩张分支包括第一空洞卷积模块、第二空洞卷积模块以及第一边缘特征提取模块，所述感受野收缩分支包括上采样模块、第二边缘特征提取模块以及下采样模块。
4.根据权利要求1所述的医学图像中血管分割方法，其特征在于，所述渐进互补融合模块包括第一分支以及第二分支，所述第一分支用于计算迭代特征中背景的概率与前次解码器特征之间的交集，并将前次解码器特征更新为本次迭代的解码器特征；所述第二分支用于以编码器特征和解码路径的前次解码器特征为输入的注意力门机制，通过补充高分辨率特征补充至解码路径中融合各特征。
5.根据权利要
6.根据权利要求1所述的医学图像中血管分割方法，其特征在于，所述分割-边缘解耦模块将迭代增强特征作为边缘特征，连接操作作为并集操作、乘法作为交集操作，输入的低阶解码器特征被边缘特征增强为分割特征，并通过边缘特征提取模块利用解耦后的增强特征，后续输入上采样模块并输出给下一尺度解码器。
7.根据权利要求6所述的医学图像中血管分割方法，其特征在于，所述分割-边缘解耦模块包括交集操作模块、并集操作模块、边缘提取模块以及融合输出模块。
8.一种医学图像中血管分割装置，其特征在于，包括：
9.一种医学图像中血管分割设备，其特征在于，所述设备包括处理器以及存储器：
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用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的医学图像中血管分割方法。
...【技术特征摘要】
1.一种医学图像中血管分割方法，其特征在于，包括：
2.根据权利要求1所述的医学图像中血管分割方法，其特征在于，所述双流感受野编码器模块包括感受野扩张分支以及感受野收缩分支；所述感受野扩张分支用于通过在获得的特征图上使用1*3和3*1卷积的边缘特征卷积提取模块，实现全局下血管边缘特征的提取；所述感受野收缩分支用于利用上采样系数为s1的上采样操作增加特征图的空间分辨率。
3.根据权利要求2所述的医学图像中血管分割方法，其特征在于，所述感受野扩张分支包括第一空洞卷积模块、第二空洞卷积模块以及第一边缘特征提取模块，所述感受野收缩分支包括上采样模块、第二边缘特征提取模块以及下采样模块。
4.根据权利要求1所述的医学图像中血管分割方法，其特征在于，所述渐进互补融合模块包括第一分支以及第二分支，所述第一分支用于计算迭代特征中背景的概率与前次解码器特征之间的交集，并将前次解码器特征更新为本次迭代的解码器特征；所述第二分支用于以编码器特征和解码路径的前次解码器特征为输入的注意力门机制，通过补充高分辨率特征补充...
【专利技术属性】
技术研发人员：杨健，陈斯庚，范敬凡，肖德强，付天宇，宋红，艾丹妮，王媛媛，
申请(专利权)人：北京理工大学，
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。