[发明专利]结合卷积神经网络与循环神经网络的血管中心线追踪方法

权利要求书

1.一种结合卷积神经网络与循环神经网络的血管中心线追踪方法，其特征在于，所述结合卷积神经网络与循环神经网络的血管中心线追踪方法包括：在原始图像中，将中心线等距采样，提取图像块并组成序列，给定序列的方向类别；选取非中心线点，提取图像块并生成扩充序列，给定扩充序列的方向类别；将序列与方向类别作为输入训练卷积-循环神经网络；在测试图像中分割血管中心线并拟合，获取用于追踪的起始序列；从起始序列开始，通过卷积-循环神经网络预测方向实现追踪。

2.如权利要求1所述的结合卷积神经网络与循环神经网络的血管中心线追踪方法，其特征在于，所述结合卷积神经网络与循环神经网络的血管中心线追踪方法包括以下步骤：

第一步，训练图像块序列提取，以原始三维图像血管分叉点为起始点，将血管中心线划分为不含分支的若干线段，对所有线段按距离R采样得到离散中心线采样点，以采样点为中心提取三维图像块；从每个采样点开始，沿血管中心线两个方向分别选取N个相邻图像块，由此得到长度为N的图像块序列；将三维空间的方向按角度均匀分为K类，并根据每个序列到相邻图像块的角度给定其方向类别；

第二步，图像块序列样本扩增，在每个采样点距离R处随机选取T个非中心线点作为扩充点，以扩充点为中心提取三维图像块；对于每一个序列，都将序列第N个图像块用扩充图像块代替并生成扩充序列，每个序列对应T个扩充序列，根据扩充序列到相邻图像块的角度给定扩充序列的方向类别；

第三步，卷积-循环神经网络的训练，将序列与对应的方向类别作为输入训练卷积-循环神经网络；网络由卷积神经网络与循环神经网络两部分组合构成，卷积神经网络提取图像块的特征，循环神经网络结合了整个图像块序列的信息；网络的输出为序列到相邻点方向类别的概率P(D₁)，P(D₂)，P(D₃)...P(D_K)，根据概率值的大小确定序列到相邻点的方向类别；

第四步，追踪起始序列的确定，基于现有分割算法，在原始测试图像中分割血管中心线；对所有离散点与线段进行拟合，得到L段连续的中心线段；每一段中心线都按距离R采样并选取N个连续采样点；以采样点为中心提取图像块，组成L个长度为N的图像块序列，记为S₀,S₁,S₂…S_L；

第五步，血管中心线的追踪，从序列S₀开始，通过卷积-循环神经网络预测序列到相邻点的方向D，根据方向D与距离R确定相邻点M₀的位置；以点M₀为中心提取三维图像块并加入序列，同时删除序列起始位置的图像块，保持序列的长度为N；不断更新序列并通过网络确定序列相邻点M₁,M₂,M₃…M_x的位置，当相邻点对应的熵值H大于阈值U时，追踪停止；对序列S₁,S_2,S₃…S_L进行相同的处理，从序列开始追踪时，判断已获取的血管中心线是否覆盖序列，如果覆盖，则不对该序列进行处理；对所有的序列追踪处理后，获得完整的血管中心线。

3.如权利要求2所述的结合卷积神经网络与循环神经网络的血管中心线追踪方法，其特征在于，所述第一步在训练图像中，在原始图像中，将中心线等距采样，提取图像块并组成序列，给定序列的方向类别，按如下步骤进行：

(1)以原始三维图像血管分叉点为起始点，将血管中心线划分为不含分支的若干线段；

(2)对所有线段按距离R采样得到离散中心线采样点，以采样点为中心提取三维图像块；

(3)从每个采样点开始，沿血管中心线两个方向分别选取N个相邻图像块，由此得到长度为N的图像块序列；

(4)将三维空间的方向按角度均匀分为K类，并根据每个序列到相邻图像块的角度给定其方向类别。