[发明专利]基于金字塔架构与由粗到精策略的血管分割方法及装置

说明书

本发明提供了一种基于金字塔架构与由粗到精策略的血管分割方法及装置，其中方法包括：建立PC‑Net深度卷积神经模型；获取待分割数据，将待分割数据输入PC‑Net深度卷积神经模型，得到血管分割结果。通过本发明提供的基于金字塔架构与由粗到精策略的血管分割方法及装置，可以在现有深度学习算法的基础上更好的提取多尺度信息，进而使得多尺度信息得到有效的交互，得到更加精确的血管分割性能。

技术领域

本发明涉及计算机领域，尤其涉及一种基于金字塔架构与由粗到精策略的血管分割方法及装置。

背景技术

随着人类社会的向前发展与科学技术的持续进步，不断普及的数码影像产品与人们的日常生活紧密的结合在了一起。同时，人口在全世界范围内，也呈现出不断老龄化的态势。这些因素导致了一些眼底疾病的发病率不断的提升。眼底疾病，一般来说，在发病早期往往没有一些十分明显的征兆，不会造成十分强烈的刺痛和巨大的视力变化。这导致了病人难以察觉到细微的差异和改变。然而，青光眼，黄斑变性等常见眼底疾病发展到后期，会造成不可逆转的视神经损伤和视力下降。所以，建立有效的眼底疾病早期筛查系统具有巨大的临床意义和经济价值。

同时，医师需要检查患者的眼底视网膜组织进而确诊相关的眼底疾病。眼底疾病的发展会在眼底视网膜组织上有一些特殊的显现。比如，以糖尿病视网膜病变为例，该病种是糖尿病的常见并发症之一，大多数糖尿病患者在后期都会因为该疾病有相当程度的视力损伤。随着糖尿病视网膜病变患者的病情不断加深，视网膜上会逐渐出现一些异常区域，例如出现血管异常增生，组织液渗出，动脉瘤等等情况。糖尿病视网膜病变的分期分级便需要依靠于这些眼底病变作为一定的衡量指标。此外，位于人类眼球后方的视网膜薄膜组织上密布着不同粗细的视神经和血管，如果能准确地分割眼底血管，那么无疑可以对这些病变区域进行更好的定量化描述，进而对糖尿病视网膜病变，青光眼等疾病进行更加精确的诊断。所以，二维眼底血管分割是建立大规模眼底疾病筛查系统的基础和重要组成部分，具有很大的研究意义和广阔的实用前景。

此外，心脑血管疾病在全世界范围内，是危害人类身体健康的重要疾病之一。其在临床中，是死亡率和致残率最高的多发性疾病。如果我们可以对三维心脑血管进行有效的分割，那么可以得到定量化，可视化的三维血管分割结果。在此基础上，可以进行三维重建，提取中心线，进行血管曲面投影，最后可以辅助医师诊断，提高其的工作效率，节省医师时间。因此自动、准确的三维血管分割也具有十分巨大的实用价值。

现有的基于深度学习的血管分割方法，虽然可以达到比较高的分割精度，但是其仍旧没有对目标血管的多尺度信息进行充分地提取和交互。同时，也很难在二维血管分割和三维血管分割上同时表现出较好的性能，所以基于深度学习算法的血管分割方法仍然值得研究。

发明内容

本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的基于金字塔架构与由粗到精策略的血管分割方法及装置。

为达到上述目的，本发明的技术方案具体是这样实现的：

本发明的一个方面提供了一种基于金字塔架构与由粗到精策略的血管分割方法，包括：建立PC-Net深度卷积神经模型，其中，PC-Net深度卷积神经模型包括：CB+PSE模块以及CF模块，CB+PSE模块包括一个卷积块和其跟随的金字塔SE模块，CF模块对CB+PSE模块得到的采样特征图卷积和BN操作，模型输入通过CB+PSE模块和CF模块处理后得到输出层；获取待分割数据，将待分割数据输入PC-Net深度卷积神经模型，得到血管分割结果。