[发明专利]一种三维脑血管分割方法及存储介质

说明书

本发明公开了一种三维脑血管分割方法及存储介质，本发明通过卷积神经网络对预处理后的MRA数据进行分割，这种卷积神经网络能够有效且更充分地提取脑血管特征，从而生成边缘优化的脑血管特征，最后利用OSTU算法生成最终的二值化脑血管分割结果。实验结果表明，与目前已有的网络框架比较，在相同条件下，本发明的基于改进的编码‑解码卷积神经网络结构的三维脑血管分割框架的性能优于现有最先进的框架，最终有效解决了脑血管边缘特征提取困难的问题，显著提高了脑血管分割结果。

技术领域

本发明涉及计算机技术领域，特别是涉及一种三维脑血管分割方法及存储介质。

背景技术

脑血管自动提取对于了解脑血管疾病的发病机制、诊断和治疗具有重要意义，从核磁共振血管造影(Magnetic Resonance Angiography，MRA)中准确地重建出脑血管对于支持血管相关疾病的早期诊断、最佳治疗和神经外科规划的许多临床应用至关重要。然而，脑血管结构的人工标注即使对专家来说也是一项累人的工作，现有的计算机辅助系统由于其解剖变异程度高，无法可靠地提取和分割脑血管结构。

而随着深度神经网络的迅猛发展，基于深度学习的特征提取分割方法逐渐增多，由于深度神经网络不需要人工设计特征，因此可以极大省去大量枯燥的人工设计工作。现有基于MRA的脑血管分割主要分为两个步骤：数据预处理；以及基于神经网络算法的脑血管分割。数据预处理可以减小神经网络训练需要的数据存储空间，减小计算量。，而基于卷积神经网络的脑血管分割算法可以提取脑血管相关特征进行分割。但充分提取脑血管边缘的特征，该部分是基于卷积神经网络脑血管分割算法的关键部分，但现有方法并不能很好地提取脑血管边缘特征，从而影响了最终的脑血管分割结果。

发明内容

本发明提供了一种三维脑血管分割方法及存储介质，以解决现有方法不能很好地提取脑血管边缘特征的问题，提高了最终的脑血管分割的精确度。

第一方面，本发明提供了一种三维脑血管分割方法，该方法包括：通过脑血管特征提取网络Edge-Net将预处理后的脑血管MRA数据进行分割，生成边缘优化的脑血管特征；对所述脑血管特征使用最大类间方差OSTU算法，根据图像的像素概率值自动生成最佳阈值，生成最终的二值化脑血管分割结果。

可选地，所述方法还包括：对MRA数据进行预处理的步骤；

所述对MRA数据进行预处理，包括：

去除MRA数据中的头骨；

将去除头骨后的MRA数据随机裁剪为预设大小的数据块；

对每一数据块随机旋转预设度进行MRA数据扩充；

对扩充后的MRA数据进行零均值和单位方差归一化处理，得到预处理后的MRA数据。

可选地，所述通过脑血管特征提取网络Edge-Net将预处理后的脑血管MRA数据进行分割，生成边缘优化的脑血管特征，包括：

通过脑血管特征提取网络Edge-Net将来自编码器和解码器的脑血管特征进行加权，以自适应选择边缘优化的脑血管特征。

可选地，所述通过脑血管特征提取网络Edge-Net将来自编码器和解码器的脑血管特征进行加权，以自适应选择边缘优化的脑血管特征，包括：

对每一层来自编码器的特征进行边缘加权，对不同层的MRA特征之间嵌入反向边缘注意力机制REAM，并进行脑血管特征的边缘特征提取；

将编码器提取的边缘特征与解码器恢复的边缘特征进行筛选和融合；

对筛选和融合后的边缘特征，使用预设边缘优化损失函数进行神经网络参数更新，得到边缘优化后的脑血管特征。

可选地，所述对每一层来自编码器的进行边缘加权，对不同层的之间嵌入反向边缘注意力机制REAM，并进行脑血管特征的边缘特征提取，包括：