[发明专利]血管三维影像分割方法、装置、计算机设备和存储介质

权利要求书

1.一种血管三维影像分割方法，其特征在于，所述方法包括：

对原始样本血管三维影像进行加噪声处理和过欠均衡采样处理中的至少一种预处理，得到样本血管三维影像；所述过欠均衡采样处理是对所述原始样本血管三维影像中的血管区域进行过采样处理，对所述原始样本血管三维影像中的非血管区域进行欠采样处理；

获取所述样本血管三维影像的整体动脉标注数据，并从所述整体动脉标注数据中分离出小动脉标注数据；所述整体动脉标注数据是在样本血管三维影像中对整体动脉进行统一标注的数据；所述整体动脉是包含主动脉和小动脉的整体的动脉；

将所述样本血管三维影像和所述样本血管三维影像的整体动脉标注数据作为第一样本集合，进行深度学习训练，得到整体动脉分割模型；

将所述样本血管三维影像和相应的所述小动脉标注数据作为第二样本集合，进行深度学习训练，得到小动脉分割模型；

将待分割的血管三维影像分别输入所述整体动脉分割模型和所述小动脉分割模型中，输出整体动脉的初始分割图像和小动脉分割图像；所述整体动脉的初始分割图像，是包含整体动脉分割结果的初步的图像；

融合所述初始分割图像和小动脉分割图像，得到整体动脉的最终分割图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述样本血管三维影像和所述样本血管三维影像的整体动脉标注数据作为第一样本集合，进行深度学习训练，得到整体动脉分割模型包括：

将所述第一样本集合输入深度学习网络中，输出非血管区域概率图、主动脉概率图和小动脉概率图；

对所述非血管区域概率图、主动脉概率图和小动脉概率图按图取出最大值的索引值，得到所述样本血管三维影像的整体动脉预测数据；

根据所述整体动脉预测数据和所述整体动脉标注数据之间的差异，迭代进行深度学习训练，得到整体动脉分割模型。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述原始样本血管三维影像进行数据扩增、数据白化和插值中的至少一种预处理；

所述获取所述样本血管三维影像的整体动脉标注数据包括：

将所述原始样本血管三维影像和通过预处理得到的新增样本血管三维影像，作为最终的样本血管三维影像；

获取针对所述样本血管三维影像添加的整体动脉标注数据。

4.根据权利要求1所述的方法，其特征在于，所述过欠均衡采样处理，是对所述原始样本血管三维影像进行过采样和欠采样结合的均衡采样处理；

所述对原始样本血管三维影像进行加噪声处理和过欠均衡采样处理中的至少一种预处理，得到样本血管三维影像包括：

当采用所述原始样本血管三维影像进行过欠均衡采样处理时，则

从所述原始样本血管三维影像的血管区域中和非血管区域中，选取采样点；

以各所述采样点为中心，从所述原始样本血管三维影像中裁剪预设体积的区域，得到样本血管三维影像。

5.根据权利要求1所述的方法，其特征在于，所述整体动脉分割模型中包括浅层特征提取层、中层特征提取层和深层特征提取层；

所述将待分割的血管三维影像分别输入所述整体动脉分割模型和所述小动脉分割模型中，输出整体动脉的初始分割图像和小动脉分割图像包括：

当将待分割的血管三维影像输入所述整体动脉分割模型中时，获取分别通过所述浅层特征提取层输出的浅层特征、通过所述中层特征提取层输出的中层特征、以及通过所述深层特征提取层输出的深层特征；

融合所述浅层特征、所述中层特征和所述深层特征，输出整体动脉的初始分割图像。