【技术实现步骤摘要】
本专利技术涉及医学图像处理，尤其涉及一种肺动脉分割方法、装置、电子设备及存储介质。
技术介绍
1、随着医学图像处理技术的不断发展，肺动脉分割技术可用于检测疾病的发展，例如动脉瘤、动脉狭窄等，准确的肺动脉分割有助于医生更好地了解患者的血管结构、病变位置以及血管分布等信息，从而确定病情的演变过程，进而制定更合理的治疗策略。
2、肺动脉相较于其他血管组织而言比较细小，因此，分割也更加困难。为了能够解决对于肺动脉这样小目标的分割，常采用高分辨率的肺动脉ct(computed tomography，电子计算机断层扫描)图像进行分割得到对应的分割结果，因为高分辨率的ct图像具有更好的局部效果，例如高分辨率的ct图像可以展示清晰的血管轮廓核走向，有利于肺动脉的分割，但是通过卷积神经网络进行肺动脉分割而言，只能分割出血管的区域，无法判断区域是否是肺动脉区域，以及无法判断分割出的血管区域是否是病变还是血管。或者是通过管状局部特征提取血管的方法，或者是通过血管跟踪提取血管的方法，都无法准确地提取到清晰的肺动脉分割结果。
技术实现思路
1、本专利技术提供了一种肺动脉分割方法、装置、电子设备及存储介质，以解决肺动脉中的细血管难分割的问题和肺动脉分割不准确的问题。
2、根据本专利技术的一方面，提供了一种肺动脉分割方法，包括：
3、获取待处理的肺动脉图像；
4、基于预设分割阈值对肺动脉图像进行预分割处理，得到预分割图像；
5、对肺动脉图像进行下采样处
6、调用预训练的肺动脉分割模型，肺动脉分割模型包括第一网络模块、第二网络模块和第三网络模块，其中，第一网络模块与第二网络模块中具有第一对应关系的网络块连接，第三网络模块的输入端与第二网络模块的输出端连接，且第三网络模块与第二网络模块中具有第二对应关系的网络块连接；
7、将预分割图像输入至第一网络模块，将肺动脉图像和至少一个下采样图像输入至第二网络模块，得到第三网络模块输出的肺动脉分割图像。
8、可选的，第一网络模块中第i个网络块的输出数据与第二网络模块中第i个网络块的输出数据经拼接后，输入至第二网络模块中第i+1个网络块；i≥1；
9、第二网络模块中第i个网络块的输出数据与第三网络模块中第j个网络块的的输出数据经拼接后，输入至第三网络模块中第j+1个网络块，其中，j≥1，i+j＝n+1，n为第三网络模块网络块的数量。
10、可选的，包括：第二网络模块包括第一网络块和多个第二网络块；其中，第一网络块用于分别提取m个输入图像的特征数据，m个输入图像包括肺动脉图像和至少一个下采样图像的特征数据；
11、第一网络块分别与m个第二网络块连接，将多个特征数据依次输入至m个第二网络块，其中，每一第二网络块接收的特征数据的数据尺寸与第二网络块的处理尺寸对应。
12、可选的，基于预设分割阈值对肺动脉图像进行预分割处理，得到预分割图像，包括：
13、基于肺动脉图像的窗宽窗位确定预设分割阈值，预设分割阈值为阈值范围；
14、将肺动脉图像中的体素点，若体素点的像素值位于阈值范围内，则设置体素点的第一标记；若体素点的像素值位于阈值范围外，则设置体素点的第二标记，肺动脉图像中的体素点的标记形成预分割图像。
15、可选的，肺动脉分割模型的训练方法包括：
16、获取样本肺动脉图像和标签图像，对样本肺动脉图像和标签图像分别进行下采样处理，得到至少一个样本下采样图像和至少一个标签下采样图像；
17、基于预设分割阈值对样本肺动脉图像进行样本预分割图像；
18、将样本预分割图像输入至待训练肺动脉分割模型中的第一网络模块，将样本肺动脉图像和至少一个样本下采样图像输入至待训练肺动脉分割模型中的第二网络模块，得到待训练肺动脉分割模型中的第三网络模块中末端的多个网络块的输出图像；
19、基于多个输出图像、样本下采样图像和至少一个标签下采样图像生成损失函数，基于损失函数对待训练肺动脉分割模型进行模型参数调节。
20、可选的，基于多个输出图像、样本下采样图像和至少一个标签下采样图像生成损失函数，包括：
21、基于数据尺寸相同的输出图像和输入图像生成一损失项，基于多个损失项生成损失函数，其中，输入图像包括样本下采样图像和至少一个标签下采样图像，输入图像和输出图像的数量相同。
22、可选的，获取样本肺动脉图像和标签图像，包括：
23、获取初始样本肺动脉图像和初始标签图像，初始样本肺动脉图像和初始标签图像分别为三维图像；
24、在高度方向上对初始样本肺动脉图像和初始标签图像分别进行截取，得到样本肺动脉图像和标签图像，其中，样本肺动脉图像和标签图像的高度数据对应。
25、根据本专利技术的另一方面，提供了一种肺动脉分割装置，包括：
26、肺动脉获取模块，用于获取待处理的肺动脉图像；
27、预分割图像确定模块，用于基于预设分割阈值对肺动脉图像进行预分割处理，得到预分割图像；
28、图像下采样处理模块，用于对肺动脉图像进行下采样处理，得到至少一个下采样图像，其中，各下采样图像的下采样尺度不同；
29、肺动脉分割模型调用模块，用于调用预训练的肺动脉分割模型，肺动脉分割模型包括第一网络模块、第二网络模块和第三网络模块，其中，第一网络模块与第二网络模块中具有第一对应关系的网络块连接，第三网络模块的输入端与第二网络模块的输出端连接，且第三网络模块与第二网络模块中具有第二对应关系的网络块连接；
30、肺动脉分割图像确定模块，用于将预分割图像输入至第一网络模块，将肺动脉图像和至少一个下采样图像输入至第二网络模块，得到第三网络模块输出的肺动脉分割图像。
31、根据本专利技术的另一方面，提供了一种电子设备，电子设备包括：
32、至少一个处理器；以及
33、与至少一个处理器通信连接的存储器；其中，
34、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的肺动脉分割方法。
35、根据本专利技术的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的肺动脉分割方法。
36、本专利技术实施例的技术方案，通过获取待处理的肺动脉图像；基于预设分割阈值对肺动脉图像进行预分割处理，得到预分割图像；对肺动脉图像进行下采样处理，得到至少一个下采样图像，其中，各下采样图像的下采样尺度不同；调用预训练的肺动脉分割模型，肺动脉分割模型包括第一网络模块、第二网络模块和第三网络模块，其中，第一网络模块与第二网络模块中具有第一对应关系的网络块连接，第三网络模块的输入端与第二网络模块的输出端连接，且第本文档来自技高网...
【技术保护点】
1.一种肺动脉分割方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一网络模块中第i个网络块的输出数据与所述第二网络模块中第i个网络块的输出数据经拼接后，输入至所述第二网络模块中第i+1个网络块；i≥1；
3.根据权利要求1或2所述的方法，其特征在于，包括：所述第二网络模块包括第一网络块和多个第二网络块；其中，所述第一网络块用于分别提取m个输入图像的特征数据，所述m个输入图像包括所述肺动脉图像和所述至少一个下采样图像的特征数据；
4.根据权利要求1所述的方法，其特征在于，所述基于预设分割阈值对所述肺动脉图像进行预分割处理，得到预分割图像，包括：
5.根据权利要求1所述的方法，其特征在于，所述肺动脉分割模型的训练方法包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述多个输出图像、所述样本下采样图像和至少一个标签下采样图像生成损失函数，包括：
7.根据权利要求5所述的方法，其特征在于，所述获取样本肺动脉图像和标签图像，包括：
8.一种肺动脉分割装置，其特征在于，包括
9.一种电子设备，其特征在于，所述电子设备包括：
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的肺动脉分割方法。
...【技术特征摘要】
1.一种肺动脉分割方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一网络模块中第i个网络块的输出数据与所述第二网络模块中第i个网络块的输出数据经拼接后，输入至所述第二网络模块中第i+1个网络块；i≥1；
3.根据权利要求1或2所述的方法，其特征在于，包括：所述第二网络模块包括第一网络块和多个第二网络块；其中，所述第一网络块用于分别提取m个输入图像的特征数据，所述m个输入图像包括所述肺动脉图像和所述至少一个下采样图像的特征数据；
4.根据权利要求1所述的方法，其特征在于，所述基于预设分割阈值对所述肺动脉图像进行预分割处理，得到预分割图像，包括：
...【专利技术属性】
技术研发人员：田义涛，曾晨曦，邹文彬，闵祥德，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
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。