[发明专利]一种心脏冠脉血管的自动化命名方法及装置

权利要求书

1.一种心脏冠脉血管的自动化命名方法，其特征是，该方法包括以下步骤：

构建神经随机语法模型，并对其进行训练；

获取冠脉血管图像，提取冠脉血管中心线；

对冠脉血管中心线进行识别，提取基于点云的特征，并预测血管段特征；

利用基于点云的特征以及血管段特征的预测结果，提取血管段特征；

将血管段特征输入所构建的神经随机语法模型，得到血管命名。

2.根据权利要求1所述的心脏冠脉血管的自动化命名方法，其特征是，所述神经随机语法模型的构建方法为：

将神经随机语法模型定义为四元组；

基于语法解析树，将所述神经随机语法模型分解为单元计分函数与产生式规则计分函数的分量的和；

引入表征血管树全局形态的特征向量，将所述单元计分函数和产生式规则计分函数定义为包含特征向量的单元计分函数和产生式规则计分函数。

3.根据权利要求1所述的心脏冠脉血管的自动化命名方法，其特征是，所述神经随机语法模型为

其中，G为神经随机语法模型；g_v为单元计分函数，g_r为产生式规则计分函数；x为观测特征；y为血管节点；ω为模型参数；r为产生式规则；V为解剖标记符号数量；pt为语法解析树；R为生成规则。

4.根据权利要求1所述的心脏冠脉血管的自动化命名方法，其特征是，所述包含特征向量的单元计分函数为：

g_v(x，y_i，z；ω)＝log p(y_i|x_i，z；ω)，

p(y_i|x_i，z；ω)＝softmax(exp(f_unary([x_i；z])u_yi))，

其中，g_v为单元计分函数，x为观测特征；y_i为血管节点；ω为模型参数；z为表征血管树全局形态的特征向量；u_yi为解剖标记的嵌入表示。

5.根据权利要求1所述的心脏冠脉血管的自动化命名方法，其特征是，所述包含特征向量的产生式规则计分函数为：

其中，g_r为产生式规则计分函数；x为观测特征；x为观测特征；y_i为血管节点；ω为模型参数；z为表征血管树全局形态的特征向量；c为随机变量，指示父节点y_p的子节点中，哪个分支是延续y_p的主要血管。

6.根据权利要求1所述的心脏冠脉血管的自动化命名方法，其特征是，所述神经随机语法模型的训练方法为：

获取包含血管树特征向量的训练集，构建最大化数据似然函数，并优化最大化数据似然函数；

以图像分割网络的中间层特征预测血管树全局形态的特征向量，并计算损失函数；

根据血管树全局形态的特征向量的预测值的平均值，计算后验概率最大的解剖标记；

在解析树中固定一部分节点的解剖标记，搜索其他节点解剖标记的最大后验概率，并进行解剖标记交互式修改。

7.根据权利要求1所述的心脏冠脉血管的自动化命名方法，其特征是，所述基于点云的特征的提取方法为：

将提取的冠脉血管中心线作为无序三维点云，利用点云处理网络对冠脉血管中心线进行初步解剖类别识别，提取基于点云的特征；

根据血管树的全局、形态信息，利用点云处理网络预测血管段的特征。