[發明專利]血管三維影像分割方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010152361.3
• 申請日: 2020-03-06
• 公開（公告）號: CN113362271B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 黃星勝;馬駿;蘭宏志;鄭凌霄
• 申請（專利權）人: 深圳睿心智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/187;G06T5/50;G06N3/04;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種血管三維影像分割方法，其特征在于，所述方法包括：

對原始樣本血管三維影像進行加噪聲處理和過欠均衡采樣處理中的至少一種預處理，得到樣本血管三維影像；所述過欠均衡采樣處理是對所述原始樣本血管三維影像中的血管區域進行過采樣處理，對所述原始樣本血管三維影像中的非血管區域進行欠采樣處理；

獲取所述樣本血管三維影像的整體動脈標注數據，并從所述整體動脈標注數據中分離出小動脈標注數據；所述整體動脈標注數據是在樣本血管三維影像中對整體動脈進行統一標注的數據；所述整體動脈是包含主動脈和小動脈的整體的動脈；

將所述樣本血管三維影像和所述樣本血管三維影像的整體動脈標注數據作為第一樣本集合，進行深度學習訓練，得到整體動脈分割模型；

將所述樣本血管三維影像和相應的所述小動脈標注數據作為第二樣本集合，進行深度學習訓練，得到小動脈分割模型；

將待分割的血管三維影像分別輸入所述整體動脈分割模型和所述小動脈分割模型中，輸出整體動脈的初始分割圖像和小動脈分割圖像；所述整體動脈的初始分割圖像，是包含整體動脈分割結果的初步的圖像；

融合所述初始分割圖像和小動脈分割圖像，得到整體動脈的最終分割圖像。

2.根據權利要求1所述的方法，其特征在于，所述將所述樣本血管三維影像和所述樣本血管三維影像的整體動脈標注數據作為第一樣本集合，進行深度學習訓練，得到整體動脈分割模型包括：

將所述第一樣本集合輸入深度學習網絡中，輸出非血管區域概率圖、主動脈概率圖和小動脈概率圖；

對所述非血管區域概率圖、主動脈概率圖和小動脈概率圖按圖取出最大值的索引值，得到所述樣本血管三維影像的整體動脈預測數據；

根據所述整體動脈預測數據和所述整體動脈標注數據之間的差異，迭代進行深度學習訓練，得到整體動脈分割模型。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對所述原始樣本血管三維影像進行數據擴增、數據白化和插值中的至少一種預處理；

所述獲取所述樣本血管三維影像的整體動脈標注數據包括：

將所述原始樣本血管三維影像和通過預處理得到的新增樣本血管三維影像，作為最終的樣本血管三維影像；

獲取針對所述樣本血管三維影像添加的整體動脈標注數據。

4.根據權利要求1所述的方法，其特征在于，所述過欠均衡采樣處理，是對所述原始樣本血管三維影像進行過采樣和欠采樣結合的均衡采樣處理；

所述對原始樣本血管三維影像進行加噪聲處理和過欠均衡采樣處理中的至少一種預處理，得到樣本血管三維影像包括：

當采用所述原始樣本血管三維影像進行過欠均衡采樣處理時，則

從所述原始樣本血管三維影像的血管區域中和非血管區域中，選取采樣點；

以各所述采樣點為中心，從所述原始樣本血管三維影像中裁剪預設體積的區域，得到樣本血管三維影像。

5.根據權利要求1所述的方法，其特征在于，所述整體動脈分割模型中包括淺層特征提取層、中層特征提取層和深層特征提取層；

所述將待分割的血管三維影像分別輸入所述整體動脈分割模型和所述小動脈分割模型中，輸出整體動脈的初始分割圖像和小動脈分割圖像包括：

當將待分割的血管三維影像輸入所述整體動脈分割模型中時，獲取分別通過所述淺層特征提取層輸出的淺層特征、通過所述中層特征提取層輸出的中層特征、以及通過所述深層特征提取層輸出的深層特征；

融合所述淺層特征、所述中層特征和所述深層特征，輸出整體動脈的初始分割圖像。