【技术实现步骤摘要】
本申请涉及医学图像处理，特别是涉及一种管状结构分支的名称标记方法、装置和计算机设备。
技术介绍
1、临床解剖学上通常将肺部根据气管、动脉及静脉的走形和位置关系划分为5个叶，并进一步细分为18个肺段，其中每个肺段由多个亚段组成，随着对肺部疾病治疗在精度和预后质量等方面的要求不断提高，医生对粒度更细的肺亚段级别愈发关注，进而出现了对肺亚段名称标记的需求。
2、目前，肺亚段名称标记方法主要为人工勾画标注或者计算机辅助标记，其中，人工勾画标注依赖主观判断，可靠性和标注效率均较低，计算机辅助标记通常依赖标准数据库，对于有变异的病人肺部数据缺乏鲁棒性和泛化能力，容易发生漏标或者错标，而且处理速度较慢、流程复杂，效率普遍不高。
3、因此，目前针对肺部管状结构分支的名称标记技术中存在效率低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种效率较高的管状结构分支的名称标记方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种管状结构分支的名称标记方法。所述方法包括：
3、获取目标管状结构对应的树状拓扑图；所述树状拓扑图中的节点对应所述目标管状结构的管状结构分支；
4、确定所述树状拓扑图的节点特征，以及确定所述树状拓扑图对应的拓扑超图；
5、将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果。
6、在其中一个实施例
7、获取包含所述目标管状结构的医学图像；
8、对所述医学图像进行分割，得到所述目标管状结构的管状结构掩码；
9、对所述管状结构掩码进行骨架化处理，得到所述目标管状结构对应的中心线树；
10、根据所述中心线树，确定所述目标管状结构对应的树状拓扑图。
11、在其中一个实施例中，所述节点特征包括所述树状拓扑图中各节点所对应的管状结构分支的结构特征、位置特征、形态特征和图像特征中的至少一个。
12、在其中一个实施例中，所述确定所述树状拓扑图的节点特征，包括：
13、将所述管状结构掩码输入至第二神经网络模型，得到所述目标管状结构的多通道特征图；
14、从所述多通道特征图中提取各所述管状结构分支对应的特征向量；
15、根据所述特征向量，得到各所述管状结构分支的所述图像特征。
16、在其中一个实施例中，在确定所述树状拓扑图对应的拓扑超图之后，还包括：
17、确定所述拓扑超图中的超边矩阵和超边邻接关系矩阵；
18、根据所述超边矩阵和所述超边邻接关系矩阵，得到所述拓扑超图的超图参数。
19、在其中一个实施例中，所述将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果，包括：
20、将所述节点特征和所述拓扑超图的超图参数输入至所述第一神经网络模型，得到所述树状拓扑图中的各节点所对应的名称标识；
21、将所述名称标识映射至所述树状拓扑图对应的中心线树，得到标记后的中心线树；
22、对所述标记后的中心线树进行处理，得到各所述管状结构分支的所述名称标记结果。
23、在其中一个实施例中，在获取目标管状结构对应的树状拓扑图之前，还包括：
24、获取与管状结构样本相对应的节点特征样本和拓扑超图样本；
25、将所述节点特征样本和拓扑超图样本输入至第一神经网络，得到所述管状结构样本中各样本分支的预测名称；
26、根据所述预测名称与各所述样本分支的标准名称之间的损失值，对所述第一神经网络进行训练，得到所述第一神经网络模型。
27、第二方面，本申请还提供了一种管状结构分支的名称标记装置。所述装置包括：
28、图像获取模块，用于获取目标管状结构对应的树状拓扑图；所述树状拓扑图中的节点对应所述目标管状结构的管状结构分支；
29、图像处理模块，用于确定所述树状拓扑图的节点特征，以及确定所述树状拓扑图对应的拓扑超图；
30、名称标记模块，用于将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果。
31、第三方面，本申请还提供了一种计算机设备。所述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，所述处理器执行所述计算机程序时实现以下步骤：
32、获取目标管状结构对应的树状拓扑图；所述树状拓扑图中的节点对应所述目标管状结构的管状结构分支；
33、确定所述树状拓扑图的节点特征，以及确定所述树状拓扑图对应的拓扑超图；
34、将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果。
35、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
36、获取目标管状结构对应的树状拓扑图；所述树状拓扑图中的节点对应所述目标管状结构的管状结构分支；
37、确定所述树状拓扑图的节点特征，以及确定所述树状拓扑图对应的拓扑超图；
38、将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果。
39、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
40、获取目标管状结构对应的树状拓扑图；所述树状拓扑图中的节点对应所述目标管状结构的管状结构分支；
41、确定所述树状拓扑图的节点特征，以及确定所述树状拓扑图对应的拓扑超图；
42、将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果。
43、上述管状结构分支的名称标记方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标管状结构对应的树状拓扑图，确定树状拓扑图的节点特征，以及确定树状拓扑图对应的拓扑超图，将节点特征和拓扑超图输入至第一神经网络模型，得到目标管状结构的管状结构分支的名称标记结果；可以将肺部管状结构抽象为树状拓扑图，并建立树状拓扑图的拓扑超图，在利用树状拓扑图的节点特征对肺部管状结构亚段分支进行命名的同时，还基于拓扑超图优化同一子树内节点间的信息传播以及不同子树间的信息传播，从而减小了数据处理规模并实现了多种管状结构命名的并行处理，能够进行肺部管状结构分支的快速命名，提高了管状结构分支名称标记的效率。
本文档来自技高网...【技术保护点】
1.一种管状结构分支的名称标记方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标管状结构对应的树状拓扑图，包括：
3.根据权利要求2所述的方法，其特征在于，所述节点特征包括所述树状拓扑图中各节点所对应的管状结构分支的结构特征、位置特征、形态特征和图像特征中的至少一个。
4.根据权利要求3所述的方法，其特征在于，所述确定所述树状拓扑图的节点特征，包括：
5.根据权利要求1所述的方法，其特征在于，在确定所述树状拓扑图对应的拓扑超图之后，还包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述节点特征和所述拓扑超图输入至第一神经网络模型，得到所述目标管状结构的管状结构分支的名称标记结果，包括：
7.根据权利要求1所述的方法，其特征在于，在获取目标管状结构对应的树状拓扑图之前，还包括：
8.一种管状结构分支的名称标记装置，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
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】
1.一种管状结构分支的名称标记方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标管状结构对应的树状拓扑图，包括：
3.根据权利要求2所述的方法，其特征在于，所述节点特征包括所述树状拓扑图中各节点所对应的管状结构分支的结构特征、位置特征、形态特征和图像特征中的至少一个。
4.根据权利要求3所述的方法，其特征在于，所述确定所述树状拓扑图的节点特征，包括：
5.根据权利要求1所述的方法，其特征在于，在确定所述树状拓扑图对应的拓扑超图之后，还包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述节...
【专利技术属性】
技术研发人员：魏向锴，郑介志，
申请(专利权)人：上海联影智能医疗科技有限公司，
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。