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】
本申请涉及医学影像处理,特别是涉及一种基于医学影像的血管导丝跟踪方法、装置、设备和介质。
技术介绍
1、目前,无创诊断冠心病常规的手段包括简单的心电图、只能获取静态图像的冠脉cta,而有创的手段包括冠脉血管内超声(ivus)以及动态的冠脉数字减影造影(dsa)。在这几种方式中,冠脉dsa被视为冠心病诊断的“金标准”,冠状动脉的形态是在冠脉造影过程中通过导管室的实时显影获得的。
2、通常,微创手术比开放手术更受青睐,因为局部、准确的干预比传统手术造成的创伤更小、术后恢复时间更短。因此,经皮冠状动脉介入治疗(pci)是心血管疾病的主要治疗方法。pci手术中,医生首先使用导管通过股动脉或桡动脉获得动脉通路,然后将导丝经皮插入导管的内腔并前进达到目标位置,进而将支架或球囊置于病变位置达到治疗目的。所以,在pci手术过程中,追踪导丝位置信息并获取到其在血管中的位置至关重要。
3、目前基于医学影像进行导丝分割的方法包括:传统数字图像处理,以及相比于传统数字图像处理准确性更高的深度学习技术。然而,采用深度学习方法进行导丝分割仍存在诸多问题,其中涉及深度学习技术本身的问题包括:(1)导丝结构宽度较细,纹理少;(2)导丝区域和背景区域像素数量量级差距过大,样本类别极度不均衡,同时还涉及影像层面的问题,这都导致采用深度学习进行导丝分割的技术在部分特定影像情况下误检、漏检过高与导丝首、尾端分割不精确的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高分割精
2、一种基于医学影像的血管导丝跟踪方法,所述方法包括:
3、获取实时的一帧医学图像,所述医学图像中包括用于介入手术的导丝;
4、按照三种不同导丝宽度对所述医学图像中的导丝进行分割,得到对应三种不同导丝宽度的第一分割图像、第二分割图像以及第三分割图像,其中,各分割图像中的导丝宽度关系为:第一分割图像小于第二分割图像,第二分割图像小于第三分割图像;
5、分别根据所述第一分割图像和第二分割图像上各连通域之间的最小距离,判断这两张分割图像上是否存在断裂的导丝,若存在则将断裂的导丝进行连接,并得到更新后的第一分割图像与第二分割图像;
6、根据更新后的第一分割图像与第二分割图像,以及所述第三分割图像中对应同一位置连通域中的全部像素,判断该位置连通域分别在三张分割图像上是否存在误检以及漏检,并进行修正,得到更新后的第一分割图像、第二分割图像以及第三分割图像;
7、将所述更新后的第一分割图像、第二分割图像以及第三分割图像上的连通域进行一一对应,对于每一组连通域找出第一分割图像上连通域分别距离第二分割图像以及第三分割图像上连通域最远的两个点,并分别根据这两个点在对应的第二分割图像以及第三分割图像上采用计算最短距离的方法进行连接,得到更新后的所述第二分割图像以及第三分割图像;
8、将最后更新得到的第二分割图像,作为当前帧医学图像中导丝的最终分割图像,以实现对血管导丝跟踪。
9、在其中一实施例中,三种不同导丝宽度分别为一个像素宽度,两个像素宽度以及三个像素宽度。
10、在其中一实施例中,按照三种不同导丝宽度对所述医学图像中的导丝进行分割的方式采用图像处理算法或深度学习模型。
11、在其中一实施例中,采用深度学习模型对所述医学图像中的导丝进行分割时:
12、按照三种不同导丝宽度分别对训练图像进行标注后,输入对应的图像分割模型中进行训练,得到第一线宽分割模型,第二线宽分割模型以及第三线宽分割模型;
13、将所述医学图像分别输入至训练好的所述第一线宽分割模型,第二线宽分割模型以及第三线宽分割模型中,得到所述第一分割图像小于第二分割图像,第二分割图像小于第三分割图像。
14、在其中一实施例中,所述分别根据所述第一分割图像和第二分割图像上各连通域之间的最小距离,判断这两张分割图像上是否存在断裂的导丝包括:
15、在所述第一分割图像和第二分割图像上,若两个连通域之间的最小距离小于第一预设值,则将对应最小距离的两个点之间进行初始连线;
16、在进行初始连线后,在所述第一分割图像和第二分割图像上,若两个连通域之间的最小距离大于第二预设值,且所述初始连线对应的所有像素点在原始的另外两张分割图像对应像素点均为背景像素,则将所述初始连线删除;
17、其中,根据一张分割图像中的连通域与该张分割图像中其它连通域中最小的最小距离进行连线,得到新的第一分割图像与第二分割图像后,再重复连线操作,直至未增加新的连接线则得到更新后的第一分割图像与第二分割图像。
18、在其中一实施例中,所述根据更新后的第一分割图像与第二分割图像,以及所述第三分割图像中对应同一位置连通域中的全部像素,判断该位置连通域分别在三张分割图像上是否存在误检以及漏检,并进行修正包括:
19、对于某一连通域,通过三张分割图像中对应位置上具有相同像素类别的两张分割图像对另一分割图像进行判断及修正。
20、在其中一实施例中,所述根据更新后的第一分割图像与第二分割图像,以及所述第三分割图像中对应同一位置连通域中的全部像素,判断该位置连通域分别在三张分割图像上是否存在误检以及漏检,并进行修正包括:
21、在三张分割图像中,若某一被判断分割图像中一连通域,在另外两个分割图像中对应位置的像素点均为背景像素,判断该张被判断分割图像中的连通域为误检,则将该连通域从被判断分割图像中删除;
22、在三张分割图像中,若一连通域在这三张分割图像中,有两张分割图像对应位置均为前景像素,而另外一张分割图像对应位置为背景像素,则该张分割图像存在连通域漏检,则利用线宽细于该漏检分割图像的分割图像对该张分割图像进行修正。
23、本申请还提供了一种基于医学影像的血管导丝跟踪装置,所述装置包括:
24、医学图像获取模块,用于获取实时的一帧医学图像,所述医学图像中包括用于介入手术的导丝;
25、三种线宽分割图像得到模块,用于按照三种不同导丝宽度对所述医学图像中的导丝进行分割,得到对应三种不同导丝宽度的第一分割图像、第二分割图像以及第三分割图像,其中,各分割图像中的导丝宽度关系为:第一分割图像小于第二分割图像,第二分割图像小于第三分割图像;
26、断裂导丝连接模块,用于分别根据所述第一分割图像和第二分割图像上各连通域之间的最小距离,判断这两张分割图像上是否存在断裂的导丝,若存在则将断裂的导丝进行连接,并得到更新后的第一分割图像与第二分割图像;
27、导丝误检漏检模块,用于根据更新后的第一分割图像与第二分割图像,以及所述第三分割图像中对应同一位置连通域中的全部像素,判断该位置连通域分别在三张分割图像上是否存在误检以及漏检,并进行修正,得到更新后的第一分割图像、第二分割图像以及第三分割图像;
本文档来自技高网...
【技术保护点】
1.一种基于医学影像的血管导丝跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述血管导丝跟踪方法,其特征在于,三种不同导丝宽度分别为一个像素宽度,两个像素宽度以及三个像素宽度。
3.根据权利要求2所述血管导丝跟踪方法,其特征在于,按照三种不同导丝宽度对所述医学图像中的导丝进行分割的方式采用图像处理算法或深度学习模型。
4.根据权利要求3所述血管导丝跟踪方法,其特征在于,采用深度学习模型对所述医学图像中的导丝进行分割时:
5.根据权利要求1-4任一项所述的血管导丝跟踪方法,其特征在于,所述分别根据所述第一分割图像和第二分割图像上各连通域之间的最小距离,判断这两张分割图像上是否存在断裂的导丝包括:
6.根据权利要求5所述的血管导丝跟踪方法,其特征在于,所述根据更新后的第一分割图像与第二分割图像,以及所述第三分割图像中对应同一位置连通域中的全部像素,判断该位置连通域分别在三张分割图像上是否存在误检以及漏检,并进行修正包括:
7.根据权利要求6所述的血管导丝跟踪方法,其特征在于,所述根据更新后的第一分割图像
8.一种基于医学影像的血管导丝跟踪装置,其特征在于,所述装置包括:
9.一种计算机设备,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7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于医学影像的血管导丝跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述血管导丝跟踪方法,其特征在于,三种不同导丝宽度分别为一个像素宽度,两个像素宽度以及三个像素宽度。
3.根据权利要求2所述血管导丝跟踪方法,其特征在于,按照三种不同导丝宽度对所述医学图像中的导丝进行分割的方式采用图像处理算法或深度学习模型。
4.根据权利要求3所述血管导丝跟踪方法,其特征在于,采用深度学习模型对所述医学图像中的导丝进行分割时:
5.根据权利要求1-4任一项所述的血管导丝跟踪方法,其特征在于,所述分别根据所述第一分割图像和第二分割图像上各连通域之间的最小距离,判断这两张分割图像上是否存在断裂的导丝包括:
6.根据权利要求5所述的血管导丝跟踪方法,其特征在于,所述根据更新后的第一分割图像与第二分割图像...
【专利技术属性】
技术研发人员:向建平,陆徐洲,鲁伟,
申请(专利权)人:杭州脉流科技有限公司,
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。