【技术实现步骤摘要】
本申请涉及医学图像处理，特别是涉及一种基于聚类算法的夹层腔体分离方法、装置、设备和介质。
技术介绍
1、血管夹层腔体的分离一直是血管模型提取的难题之一，由于夹层腔体间可能存在大量流通道，且内膜片的显影会受到ct增强的影响，可能会出现不明显的情况。对于一些复杂的夹层模型，夹层会出现扭曲的情况，在区分真假腔的时候难度也会大大增加。目前，夹层腔体的分离主要有两类方法，一类是基于人工标注，其主要缺点是需要耗费大量的时间和精力；而另外一类主要是基于深度学习的模型分割方法，其主要缺点如下：1、依赖于大量的训练集和金标准；2、普适性不足，在一个训练集训练的数据难以适配到差别较大的图像上；3、深度学习是黑盒，运用在医学领域需要更加谨慎。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于聚类算法的夹层腔体分离方法、装置、设备和介质。
2、第一方面，本申请实施例提供了一种基于聚类算法的夹层腔体分离方法，所述方法包括：
3、基于待处理的cta图像，提取血管夹层内膜片模型以及
【技术保护点】
1.一种基于聚类算法的夹层腔体分离方法，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，所述将所述血管夹层内膜片模型转化为网格模型，提取其中两个连续且面积最大的第一面片和第二面片包括：
3.根据权利要求2所述的方法，其特征在于，所述基于各所述三角面片的法向量，将所述网格模型划分为多个连续的面片包括：
4.根据权利要求1所述的方法，其特征在于，所述针对所述目标血管模型上的每个体素格，确定其到所述第一面片和所述第二面片上距离最近的网格点；计算该所述体素格与所述网格点的方向向量包括：
5.根据权利要求4所...
【技术特征摘要】
1.一种基于聚类算法的夹层腔体分离方法，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，所述将所述血管夹层内膜片模型转化为网格模型，提取其中两个连续且面积最大的第一面片和第二面片包括：
3.根据权利要求2所述的方法，其特征在于，所述基于各所述三角面片的法向量，将所述网格模型划分为多个连续的面片包括：
4.根据权利要求1所述的方法，其特征在于，所述针对所述目标血管模型上的每个体素格，确定其到所述第一面片和所述第二面片上距离最近的网格点；计算该所述体素格与所述网格点的方向向量包括：
5.根据权利要求4所述的方法，其特征在于，所述特征向量v的表达形式如下...
【专利技术属性】
技术研发人员：罗欢，郑烨源，钱沛东，罗园明，张浩楠，
申请(专利权)人：柏意慧心杭州网络科技有限公司，
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。