[發明專利]一種冠狀動脈分割方法、系統及存儲介質

有效

• 申請號: 202110509998.8
• 申請日: 2021-05-11
• 公開（公告）號: CN112991365B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 曾安;吳春彪;潘丹;徐小維;劉淇樂;陳宇琛
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/155;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明提供了一種冠狀動脈分割方法，包括：獲取待分割冠狀動脈原圖像并進行放縮處理；使用3D U?net對放縮處理后的圖像進行粗分割，得到粗分割結果；使用3D U?net對放縮處理后的圖像進行先驗區域提取并進行形態學處理，獲取體素塊；使用3D U?net++對體素塊進行分割，得到體素塊分割結果；將粗分割結果與體素塊分割結果進行投票集成，獲取最后的分割結果。本發明還提供一種冠狀動脈分割系統及存儲介質，實現了更好的特征提取以及高效的分割，有效地結合全局信息和局部信息，實現了模型在CTA圖像上的準確的全自動分割模型，提高了預測的效率和精度。

技術領域

本發明涉及CT血管成像（CT angiography，CTA）分割技術領域，特別是涉及一種冠狀動脈分割方法、系統及存儲介質。

背景技術

目前冠狀動脈3D CTA圖像的分割有傳統方法以及深度學習方法。其中傳統方法有基于圖像切割法以及基于水平集的方法，主要是通過人工設置種子點或者標定冠狀動脈區域進行分割，多數屬于半自動的方法。而基于深度學習的分割方法則基于2D切片分割或基于3D體素圖像分割，由于使用二維圖像進行分割會使其喪失三維空間信息，產生冠狀動脈的分割圖像損失三維連續性。但如果直接使用三維卷積神經網絡直接對圖像直接分割，則會消耗大量的計算資源，增加計算復雜性。因此，現有技術所述的冠狀動脈分割中的缺少空間連續性、需人工干預、分割精度不高、計算消耗資源過高的問題不能同時兼顧的技術缺陷。

專利文獻CN105279759A（公布日2016年1月27日）公開了一種結合上下信息窄帶約束的腹腔主動脈瘤外輪廓分割方法。該方法包括如下步驟：改進LBF水平集方法用于的外輪廓初步分割，利用LBF在低對比度圖像目標分割中的優勢，結合窄帶約束，獲得初步外輪廓，最后提出基于上下文窄帶約束的分割方法實現外輪廓精細分割。該方法雖然利用CTA圖像序列的空間連續性，將精確分割結果用于相鄰切層初步分割時水平集初始化，但其并未實現全自動分割，需要手動標記大致位置作為初始輪廓，并且人為設置參數去提取特征，相比于神經網絡自動提取征該方法在調整參數上更加復雜。

專利文獻CN106296660A（公布日2017年1月4日）公開了一種全自動冠狀動脈分割方法。該方法包括，分割出包括冠狀動脈在內的心臟區域；通過對分割出的心臟區域進行血管增強處理，使冠狀動脈圖像得到明顯增強程；通過對血管增強處理后的圖像進行種子體素自動檢測，檢測出種子體素集，解決了傳統的區域分割法需要人工干預的問題，最后通過一致性判斷分割出冠狀動脈。然而該方法需要通過對心臟配準、血管增強處理以及檢測種子點等，相比于深度學習分割冠狀動脈此方法需要調整較多的參數，在特征提取以及特征交互方面也不如本文的深度學習方法。而且在原圖像中，部分冠狀動脈中的體素值因為CT中成像問題而與領域的體素值相差較小致使邊緣模糊，該方法基于海森矩陣和鄰域分割冠狀動脈可能會有較大的影響。

專利文獻CN109919961A（公布日2019年6月21日）公開了一種自動檢測與分割顱內CTA圖像中動脈瘤區域的方法及裝置。所述裝置包括，接收模塊，用于接收待處理的顱內CTA圖像；分割模塊，用動脈瘤分割網絡在CTA圖像中采樣的三維圖像塊執行動脈瘤分割；重采樣模塊，用于通過分割模塊分割出的動脈瘤區域進行合并，并基于連通域重采樣三維圖像塊；以及檢測模塊，用動脈瘤分類網絡對所述重采樣的三維圖像塊進行分類，判定是否存在動脈瘤。該方法主要通過檢測CTA圖像中的動脈瘤區域，同樣的在patch級別上分割動脈瘤，然而在心臟附近的區域，除了冠狀動脈還存在著毛細血管等相似區域的干擾，容易影響分割的準確度。

發明內容

本發明的目的是解決現有的冠狀動脈分割方法存在未實現全自動分割且分割準確度不高的技術缺陷，提供一種冠狀動脈分割方法、系統及存儲介質。

為解決上述技術問題，本發明的技術方案如下：

一種冠狀動脈分割方法，包括以下步驟：

S1：獲取待分割冠狀動脈原圖像，并對原圖像進行放縮處理；