[發明專利]動脈血管圖像模型訓練方法、分割方法、裝置及電子設備

在審

• 申請號: 201810686592.5
• 申請日: 2018-06-28
• 公開（公告）號: CN109087306A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 雷宇;毛順億;蘇佳斌;張鑫;高超;顧宇翔;倪偉;楊恒;褚振方;胡仲華;孫谷飛;周建華;陸王天宇;梅鵾;傅致暉
• 申請（專利權）人: 眾安信息技術服務有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/00;G06N3/04
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 張慧娟

本發明公開了動脈血管圖像模型訓練方法、分割方法、裝置及電子設備，屬于數字圖像處理技術領域，動脈血管圖像模型訓練方法包括：S1、對獲取到的DSA圖像進行預處理，以構建動脈血管圖像庫；S2、對動脈血管圖像庫中的部分樣本圖像進行標注，以構建標注樣本圖像集；S3、構建卷積深度網絡，并設置深度網絡參數，生成初始動脈血管分割模型；S4、使用標注樣本圖像集訓練初始動脈血管分割模型，生成動脈血管圖像分割模型；S5、對于使用動脈血管圖像分割模型分割動脈血管圖像庫中除部分樣本圖像之外的其他圖像得到的血管目標圖像，進一步進行標注，以對動脈血管圖像分割模型進行迭代訓練。本發明實施例能夠較高精度地對DSA圖像進行目標血管提取。

技術領域

本發明涉及數字圖像處理技術領域，特別涉及動脈血管圖像模型訓練方法、分割方法、裝置及電子設備。

背景技術

人工智能與醫療相結合的應用，隨著國家《醫療人工智能技術與應用白皮書》以及80余項相關全國性紅利政策的頒布，擁有良好發展機遇。目前，國內存在醫療資源與需求間存在著較大不均衡的現象，這在二三線城市更為嚴重，優質醫生資源的匱乏，給病人及時診療帶來阻礙。

在分析醫療影像方面，多數醫生大部分的時間花費在單一、數量龐大的閱片工作上，給醫生進行深層次有效的診療帶來了障礙。現階段，醫療影像數據的累積已經達到PB數量級，如此海量的數據對于人工而言是極大負擔，卻恰好符合深度學習對于大量樣本的需求。因而將隸屬人工智能的深度學習技術應用于醫療影像領域，可助力疾病初篩、智能輔診，緩解人工診斷工作重復度高，工作量大的問題。有效改善漏診與誤診的情況發生，輔助醫生提高診斷水平和診斷效率。

良好的數據分割效果對于后期的血管分類、疾病診斷等工作有較大影響。與傳統的圖像分割任務相比，醫療影像領域的圖像處理要求更高的精度。細微的目標分割差別可能導致診斷結果有較大差距。且動脈血管及結構復雜，尤其是腦部血管擁有較多細微的毛細血管，傳統方式無法良好提取血管目標。

此外，由不同醫學影像成像的設備，數據格式，以及醫療影像的圖片質量都存在一定程度的差異，這給圖像分割帶來了一定程度的干擾。許多DSA(Digital SubtractionAngiography，數字減影血管造影)影像數據因拍攝裝置效果較差，將許多非血管的信息，如頭骨、牙齒等噪聲信息也包含在內，血管清晰度較低，這對于后期的分析處理不利。

發明內容

有鑒于此，本發明實施例提供了動脈血管圖像模型訓練方法、分割方法、裝置及電子設備，可以較高精度地對DSA圖像進行目標血管提取，輔助后續圖像處理。

本發明實施例提供的技術方案如下：

第一方面，提供了一種動脈血管圖像分割模型訓練方法，包括步驟：

S1、對獲取到的DSA圖像進行預處理，以構建動脈血管圖像庫；

S2、對所述動脈血管圖像庫中的部分樣本圖像進行標注，以構建標注樣本圖像集；

S3、構建卷積深度網絡，并設置深度網絡參數，生成初始動脈血管分割模型；

S4、使用所述標注樣本圖像集訓練所述初始動脈血管分割模型，生成動脈血管圖像分割模型；

S5、對于使用所述動脈血管圖像分割模型分割所述動脈血管圖像庫中除所述部分樣本圖像之外的其他圖像得到的血管目標圖像，進一步進行標注，以對所述動脈血管圖像分割模型進行迭代訓練。

在一些實施例中，所述步驟S1包括：

S11、從DICOM文件中解析出多個醫療影像，并對所述多個醫療影像按照預設規則進行疊加融合，生成所述DSA圖像；

S12、對所述DSA圖像進行圖像縮放、截斷閾值化處理、對比度增強處理及圖像去噪聲處理。

在一些實施例中，所述步驟S2包括：