[发明专利]一种支气管分级及模型训练方法、装置及电子设备

说明书

本发明提供了一种支气管分级及模型训练方法、装置及电子设备，方法包括：获取支气管训练数据集，对支气管训练数据中的每一像素点所属的支气管分级进行标注；提取每一支气管训练数据的中线及关键点；根据关键点对中线进行分段，依据分段的邻接关系，构建中线邻接矩阵；依据支气管段中标注的每一像素点所属的支气管分级，确定该支气管段所属的支气管分级；将支气管训练数据包含的各支气管段的像素点坐标矩阵与中线邻接矩阵，作为待训练的深度图神经网络的输入，对待训练的深度图神经网络进行训练；依据支气管段所属的支气管分级以及待训练的深度图神经网络的输出，确定待训练的深度图神经网络收敛，得到支气管分级模型。可以提高支气管分级精度。

技术领域

本发明涉及支气管技术领域，具体而言，涉及一种支气管分级及模型训练方法、装置及电子设备。

背景技术

支气管是呼吸系统的重要组成部分，与气管连通，与支气管共同构成人体的呼吸通道，通过支气管管壁上分布的分泌粘液的腺体，滋润支气管黏膜，对吸入的气体进行加温、加湿，而通过支气管内纤毛的摆动，将灰尘和异物向上推送至咽喉，利于咳出。

用计算机断层成像(CT，Computed Tomography)扫描仪获得的支气管原始CT图像中包含有大量能够反映支气管疾病的病理生理信息，但由于支气管数量庞大，形成的三维树形网络结构非常复杂，因此很难直接对支气管进行观察分析。因而，通过支气管树分割提取和分级，以对支气管树生理解剖结构进行量化，进而能够对支气管病灶进行定位，精确定位支气管疾病的区域，对支气管疾病规划和活检具有重要意义。

支气管分级是指对从支气管开始至肺泡之间形成的呼吸结构，依据承担的功能进行分段的过程，使得不同分级的支气管段完成不同的呼吸功能，以便于在临床上发生呼吸功能疾病时，能够依据发生的呼吸功能疾病定位具体的支气管段，利于采取对应的治疗措施。

目前，一般采用传统算法或者深度学习模型方法、模板匹配方法及语义分割算法三种支气管分级算法，对支气管进行分级。其中，通过传统算法或者深度学习模型方法，对肺叶肺段进行分割得到支气管分级结果，但该方法，由于肺段没有固定边界，或者支气管变异较多，或者，支气管存在缺失，都会使得分割不确定性较大，造成支气管分级精度很低；通过模板匹配方法进行支气管分级，利用预先获得的多个支气管分级模板，根据预设算法对目标支气管图像进行匹配，依据匹配的支气管分级模板确定该目标支气管图像对应的支气管分级，但该方法，由于支气管变异很多，尤其是病变图像，或者，支气管存在缺失，使得支气管分级模板与目标支气管图像的匹配差异较大，鲁棒性较低，导致支气管分级精度较低；通过语义分割算法对支气管进行多分类分割得到支气管分级的方法，该方法强烈依赖于图像质量，同样地，对于支气管变异多或支气管分支有缺失的目标支气管图像，很难提升其图像质量，也使得支气管分级精度较低。

发明内容

有鉴于此，本发明的目的在于提供支气管分级及模型训练方法、装置及电子设备，以提高支气管分级精度。

第一方面，本发明实施例提供了支气管分级模型训练方法，包括：

获取支气管训练数据集，针对支气管训练数据集中的每一支气管训练数据，对该支气管训练数据中的每一像素点所属的支气管分级进行标注；

提取支气管训练数据集中每一支气管训练数据的中线，确定中线的关键点；

根据中线的关键点，对中线进行分段，依据分段的支气管段之间的邻接关系，构建中线邻接矩阵；

针对每一支气管段，依据该支气管段中标注的每一像素点所属的支气管分级，确定该支气管段所属的支气管分级；

针对每一支气管训练数据，将该支气管训练数据包含的各支气管段的像素点坐标矩阵与中线邻接矩阵，作为待训练的深度图神经网络的输入，对该待训练的深度图神经网络进行训练；

依据支气管段所属的支气管分级以及待训练的深度图神经网络的输出，确定待训练的深度图神经网络收敛，得到支气管分级模型。