[发明专利]一种数字图像中树状结构的分支点检测方法

权利要求书

1.一种数字图像中树状结构的分支点检测方法，其特征在于，所述方法包括以下步骤：

S1、从原始图像中提取固定尺寸的图像块并输入到分割网络中进行训练，得到训练好的分割网络，所述图像块包括数量相等的正样本和负样本，所述正样本包含至少一个被标记的分支点，负样本不包含分支点；

S2、将包含树状结构的图像输入到所述步骤S1得到的训练好的分割网络中进行分割，得到图像分支点候选区域，然后将图像分支点候选区域中的每个体素作为分支点的候选点；

S3、以所述步骤S2获得的每个候选点为中心提取3D图像块，同时计算所提取3D图像块的轴向图、矢状图和冠状图的最大强度投影以形成多个对应2D视图，然后分别对所获取的多个对应2D视图进行卷积，得到每个2D视图的特征图；

S4、将所述步骤S3中得到的对应特征图进行融合，再将融合后的特征图依次输入到全连接层和Softmax层进行分类，从而得到所述候选点的最终分支点检测结果。

2.如权利要求1所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S1中提取固定尺寸图像块的具体实现方式包括：

S11、从原始图像中提取一个至少包含一个分支点的图像块，首先对该图像块中的分支点进行标注，然后以该标注的分支点为中心获取一个固定尺寸的图像块作为正样本；

S12、对所述步骤S11中标注的分支点添加随机小坐标偏移，并提取多个固定尺寸的图像块作为正样本；

S13、从原始图像中随机获取固定尺寸的负样本，所述负样本不包含分支点且数量与正样本相同。

3.如权利要求2所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S11中对所提取的图像块中分支点进行标注的具体实现方式为：对指定体素位置的点进行注释并设置局部直径，然后将指定体素位置的点与设置的局部直径相结合生成所需标签。

4.如权利要求3所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S1中提取图像块的固定尺寸为64×64×32像素。

5.如权利要求4所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S1中的分割网络为具有各向异性卷积核的三维U型分割网络。

6.如权利要求5所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S3的具体实现方式包括：

S31、在所述步骤S2获得的候选点处提取3D图像块；

S32、分别计算所述步骤S31中该3D图像块的轴向图、矢状图和冠状图的最大强度投影以形成多个对应2D视图；

S33、将所述步骤S32中获取的3D图像块所对应的所有2D视图输入到具有共享权重的多个2D卷积神经网络流中进行卷积处理。

7.如权利要求6所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S31中在所述步骤S2获得的候选点处提取3D图像块具体实现方式为：通过20×20×20像素、30×30×30像素和40×40×40像素三种比例提取所述候选点处的3D图像块。

8.如权利要求7所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S33的具体实现方式为：将获取的2D视图输入到五个卷积层的堆栈中进行卷积处理，得到对应2D视图的特征图。

9.如权利要求8所述的数字图像中树状结构的分支点检测方法，其特征在于，所述步骤S4中将所述步骤S3中得到的特征图进行融合具体实现方式为：逐个取出第c条通道的所有特征图中对应像素点的最大值进行融合得到F_m,c，进而得到融合后的特征图F_m，可用公式表示：

式(1)和式(2)中，C表示通道，且C的数量由所述卷积网络中最后一层卷积层的卷积核数目决定，F_m,c表示第c条通道的融合特征，r表示2D视图的数量，表示第r个2D卷积神经网络流中第c条通道产生的特征图，其中I₁、I₂和I₃分别表示每个2D卷积神经网络产生的特征图的大小。