[发明专利]用于血管断裂修复的图像处理方法及装置

说明书

本申请公开了一种用于血管断裂修复的图像处理方法及装置、电子设备及可读存储介质。该方法包括：基于预测模型，输出血管分割预测概率图；根据所述血管分割预测概率图中体素的自适应阈值，获取血管分割自适应阈值图；将所述血管分割预测概率图与所述血管分割自适应阈值图进行比较，以得到第一血管分割结果；基于连通区域分析对所述第一血管分割结果进行处理，以得到第二血管分割结果。本申请解决了相关技术中的血管分割方法由于基于全局阈值进行血管分割导致容易出现血管分割断裂的技术问题。通过本申请，达到了基于自适应阈值进行血管分割的目的，从而实现了对断裂血管进行修复，提高血管分割准确率的技术效果。

技术领域

本申请涉及医疗影像技术领域，具体而言，涉及一种用于血管断裂修复的图像处理方法及装置、电子设备及可读存储介质。

背景技术

阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接给出图像区域。阈值分割的优点是计算简单、运算效率较高、速度快，在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。相关技术中已经出现了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。全局阈值是指整幅图像使用同一个阈值做分割处理，适用于背景和前景有明显对比的图像。自适应阈值，是指利用图像局部阈值替换全局阈值进行图像计算的一种方法，具体针对光影变化过大的图片，或者范围内颜色差异不太明显的图片。自适应是指保证计算机能够通过判断和计算取得该图像区域的平均阈值进行迭代。

在医疗影像分析中，血管分割是各类病理分析的重要基础。基于深度学习的方法进行血管预测并使用全局阈值进行血管分割是当前的主流方法，该方法相较于传统血管分割方法不仅效果好而且性能鲁棒。然而目前基于全局阈值分割的深度学习后处理方法都普遍存在血管分割断裂的情况，血管分割断裂严重影响了后期处理效果和病理分析。

针对相关技术中的血管分割方法由于基于全局阈值进行血管分割导致容易出现血管分割断裂的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于血管断裂修复的图像处理方法及装置、电子设备及可读存储介质，以解决相关技术中的血管分割方法由于基于全局阈值进行血管分割导致容易出现血管分割断裂的问题。

为了实现上述目的，根据本申请的第一方面，提供了一种用于血管断裂修复的图像处理方法。

根据本申请的用于血管断裂修复的图像处理方法包括：基于预测模型，输出血管分割预测概率图；根据所述血管分割预测概率图中体素的自适应阈值，获取血管分割自适应阈值图；将所述血管分割预测概率图与所述血管分割自适应阈值图进行比较，以得到第一血管分割结果，其中所述第一血管分割结果作为初分割结果；基于连通区域分析对所述第一血管分割结果进行处理，以得到第二血管分割结果，其中所述第二血管分割结果作为最终分割结果。

进一步地，所述根据所述血管分割预测概率图中体素的自适应阈值，获取血管分割自适应阈值图包括：分别以所述血管分割预测概率图中的每个所述体素为中心，计算每个所述体素对应的预设区域内的平均灰度值；将每个所述体素对应的平均灰度值与预设阈值进行比较，以得到所述血管分割自适应阈值图。

进一步地，所述将所述血管分割预测概率图与所述血管分割自适应阈值图进行比较，以得到第一血管分割结果包括：将所述血管分割预测概率图与所述血管分割自适应阈值图进行逐体素比较；根据比较结果，将所述血管预测概率图中的体素分别标记为血管体素或背景体素，以作为所述第一血管分割结果。