【技术实现步骤摘要】
本专利技术涉及图像分割领域，特别涉及一种两阶段冠状动脉图像分割方法、系统及计算机设备。
技术介绍
1、随着深度学习技术的迅速发展，基于深度学习技术的语义分割技术也逐渐广泛应用于各种复杂结构边界的划分，而在冠状动脉结构图片这种不仅结构复杂且边界不清的分割任务中，人工分割已经无法满足要求，基于深度学习技术的自动分割是必不可少的。
2、现有技术中，对结构复杂且边界不清的冠状动脉结构图片进行基于深度学习技术的自动分割，通常采用基于全卷积神经网络的u-net或3d u-net网络，其在解码阶段经过逐级上采样的方式恢复至输入图像的尺寸，并将跳跃连接的特征图求和操作转换为拼接操作，以适应复杂结构图片的分割。
3、但是，对于冠状动脉结构图片这种前景和背景类严重不平衡、多分支、细分支的复杂结构图片来说，现有的这些单阶段网络的分割精度依然无法满足要求。
技术实现思路
1、基于此，本专利技术的目的是提供一种两阶段冠状动脉图像分割方法、系统及计算机设备，通过设置两阶段图像分割网络，进一步的...
【技术保护点】
1.一种两阶段冠状动脉图像分割方法，其特征在于，包括：
2.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述获取冠状动脉图像并进行预处理，将所述冠状动脉图像输入第一阶段三维图像分割网络中的步骤包括：
3.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述动态蛇形卷积模块获取所述冠状动脉图像的管状结构局部特征图像的步骤包括：
4.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述并将所述管状结构局部特征图像输入三维视角特征融合模块中，以获取三维视角融合特征图像的步骤包括：
5.根...
【技术特征摘要】
1.一种两阶段冠状动脉图像分割方法，其特征在于，包括：
2.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述获取冠状动脉图像并进行预处理，将所述冠状动脉图像输入第一阶段三维图像分割网络中的步骤包括：
3.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述动态蛇形卷积模块获取所述冠状动脉图像的管状结构局部特征图像的步骤包括：
4.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述并将所述管状结构局部特征图像输入三维视角特征融合模块中，以获取三维视角融合特征图像的步骤包括：
5.根据权利要求1所述的两阶段冠状动脉图像分割方法，其特征在于，所述对所述第一阶段三维分割图像进行插值处理并根据表面细化算法获取所述第一阶段三维分割图像中的管状结构骨架的...
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。