[发明专利]基于深度学习网络的三维影像血管增强方法

说明书

本发明实施例提供一种基于深度学习网络的三维影像血管增强方法，该方法包括以下步骤：步骤S1：采集医疗影像三维影像数据，并进行人工血管边界勾画得到其相应的血管标注图；步骤S2：对采集到的三维影像数据及其血管标注图进行预处理、重采样；步骤S3：对所有候选感区域的三维数据进行数据增强操作；步骤S4：对生成器深度学习网络和判别器深度学习网络进行训练；步骤S5：采集新的医疗三维影像数据并进行预处理、重采样，得到多个候选的感兴趣区域的三维数据；步骤S6：将所有候选的感兴趣区域的三维数据输入生成器深度学习网络，得到每一个感兴趣区域的血管增强图。该三维影像血管增强方法能够提高血管提取的效果。

技术领域

本发明涉及医疗图像领域，尤其涉及一种基于深度学习网络的三维影像血管增强方法。

背景技术

在血管疾病的诊断与治疗过程中，血管的精准三维重建具有重要的临床意义。但临床获取的医疗影像数据，由于设备差异、成像机理等原因，医疗影像差异大，往往存在对比度低、伪影、背景区域复杂及噪声等问题。针对这种情况，在血管三维重建之前，需要通过血管增强算法优化医疗影像前景背景的对比度及对其噪声抑制。

目前血管增强算法主要分为两类：第一类是固定某一尺度，通过构造由不同的微分算子组合的滤波器进行血管增强，该方法由于尺度固定，对于血管尺度变化范围大的区域存在问题，从而影响疾病的诊断与治疗；第二类是基于特征函数的多尺度迭代方法，通过分析Hessian矩阵的特征值来识别边界，该方法忽略了血管的方向，对噪声敏感，同样影响疾病的诊断与治疗。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于深度学习网络的三维影像血管增强方法。

本发明实施例提供一种基于深度学习网络的三维影像血管增强方法，包括以下步骤：

步骤S1：采集医疗影像三维影像数据，并进行人工血管边界勾画得到其相应的血管标注图；

步骤S2：对采集到的三维影像数据及其血管标注图进行预处理、重采样，以生成多个候选的感兴趣区域的三维数据及其相应的血管标注图；

步骤S3：对所有候选感区域的三维数据进行数据增强操作；

步骤S4：对生成器深度学习网络和判别器深度学习网络进行训练，将数据增强后的三维数据输入生成器深度学习网络，得到每一个感兴趣区域内的生成图，并计算生成器目标函数误差；并将每个感兴趣区域的生成图与其对应的血管标注图一起输入判别器深度学习网络，计算判别器目标函数误差；再利用梯度反向传播算法更新判别器深度学习网络的权值、生成器深度学习网络的权值，直到二者的误差达到稳定的状态；

步骤S5：采集新的医疗三维影像数据并进行预处理、重采样，得到多个候选的感兴趣区域的三维数据；

步骤S6：将所有候选的感兴趣区域的三维数据输入生成器深度学习网络，得到每一个感兴趣区域的血管增强图，将所有的血管增强图拼接组合在一起的到完整的血管增强结果。

进一步地，步骤S2、S5中，对三维图像数据的预处理包括：像素值规范化，所述像素值规范化的方法为：

min＝c-w/2

max＝c+w/2

ifxmin then x＝0

ifxmax then x＝1

其中c为窗位，w为窗宽，x为像素值。