[发明专利]基于两阶段CNN的X射线血管造影图像匹配方法和系统

权利要求书

1.一种基于两阶段CNN的X射线血管造影图像匹配方法，其特征在于，所述方法包括：

步骤S100，获取包含冠状动脉的造影图像序列；

步骤S200，通过轻量化分类匹配CNN网络的分类分支，将所述包含冠状动脉的造影图像序列分为有造影图像集和无造影图像集；

步骤S300，基于所述有造影图像集，提取至少包含一个心跳周期的序列，获得有造影图像序列，将提取出的所有有造影图像序列保存为有造影图像库；

步骤S400，基于所述无造影图像集，选取一张无造影图像通过轻量化分类匹配CNN网络的匹配分支，从所述有造影图像库中搜索出所述无造影图像集的匹配造影图像。

2.根据权利要求1所述的基于两阶段CNN的X射线血管造影图像匹配方法，其特征在于，所述轻量化分类匹配CNN网络的分类分支，基于Xception网络改进，通过并行三通道预处理方法，对输入图像进行去噪并分类为有造影图像集和无造影图像集。

3.根据权利要求2所述的基于两阶段CNN的X射线血管造影图像匹配方法，其特征在于，所述并行三通道预处理方法为，将输入图像的三个通道分别进行高斯滤波、均值滤波和直方图均衡化处理，再进行分类处理。

4.根据权利要求2所述的基于两阶段CNN的X射线血管造影图像匹配方法，其特征在于，所述轻量化分类匹配CNN网络的匹配分支，基于伪孪生网络的双loss辅助训练网络构建，具体包括主路和辅助路；

所述主路包括分支前部分和伪孪生稠密模块；

所述分支前部分包括第一分支前部分和第二分支前部分，所述第一分支前部分和第二分支前部分均为结构相同但不共享权值，所述第一分支前部分的结构与VGG19的前三个卷积模块相同；

所述伪孪生稠密模块，为Pseudo-Siamese Dense BLOCK网络；

所述辅助路包括分支后部分和辅助路共享部分；

所述分支后部分包括第一分支后部分和第二分支后部分，所述第一分支后部分和第二分支后部分结构相同但不共享权值，所述第一分支后部分的结构与VGG19的后两个卷积模块相同；第一分支后部分和第二分支后部分分别与第一分支前部分的输出和第二分支前部分的输出相连；所述第一分支后部分和第二分支后部分的输出相连，并连接卷积层和2个全连接层。

5.根据权利要求4所述的基于两阶段CNN的X射线血管造影图像匹配方法，其特征在于，所述轻量化分类匹配CNN网络的匹配分支，其测试方法为：

步骤A100，将所述无造影图像集和有造影图像库中的有造影图像序列分别输入第一分支前部分和第二分支前部分，分别通过第一分支前部分和第二分支前部分获得无造影特征图像和有造影特征图像；

步骤A200，将所述无造影特征图像和有造影特征图像通过最大池化操作后送入所述伪孪生稠密模块；

步骤A300，所述伪孪生稠密模块输出所述无造影特征图像和有造影特征图像的欧式距离；

步骤A400，欧氏距离最小的一组无造影特征图像和有造影特征图像对应的有造影图像即为匹配造影图像。