[发明专利]减影图生成方法及装置、存储介质、计算机设备

权利要求书

1.一种减影图生成方法，其特征在于，包括：

获取目标造影帧图像；

将所述目标造影帧图像输入至训练好的减影模型中，得到所述目标造影帧图像对应的目标减影图，其中，所述减影模型通过第一样本造影帧图像及其对应的第一样本减影参考图训练得到。

2.根据权利要求1所述的方法，其特征在于，所述获取目标造影帧图像，具体包括：

获取待减影造影帧图像和对应的非造影帧图像，计算所述待减影造影帧图像和所述非造影帧图像之间的目标特征差异值；

在所述目标特征差异值大于预设差异阈值的情况下，将所述待减影造影帧图像作为所述目标造影帧图像。

3.根据权利要求2所述的方法，其特征在于，所述计算所述待减影造影帧图像和所述非造影帧图像之间的目标特征差异值，具体包括：

确定所述目标非造影帧图像对应的第一图像特征以及所述目标造影帧图像对应的第二图像特征，其中，所述第一图像特征包括所述目标非造影帧图像的第一灰度特征，所述第二图像特征包括所述目标造影帧图像的第二灰度特征；依据所述第一灰度特征和所述第二灰度特征，计算所述目标非造影帧图像与所述目标造影帧图像之间的灰度特征差异值；其中，所述目标特征差异值包括所述灰度特征差异值，所述预设差异阈值包括预设灰度差异阈值，所述预设灰度差异阈值的取值范围为[0.01,0.2]，单位为百分比；或者，

确定所述目标非造影帧图像对应的第一图像特征以及所述目标造影帧图像对应的第二图像特征，其中，所述第一图像特征包括所述目标非造影帧图像的第一结构边缘特征，所述第二图像特征包括所述目标造影帧图像的第二结构边缘特征；依据所述第一结构边缘特征和所述第二结构边缘特征，计算所述目标非造影帧图像与所述目标造影帧图像之间的结构特征差异值；其中，所述目标特征差异值包括所述结构特征差异值，所述预设差异阈值包括预设结构差异阈值，所述预设结构差异阈值为灰度阈值，且取值范围为[0.01,0.4]，或所述预设结构差异阈值为位置阈值，且取值范围为[20，200]个像素点。

4.根据权利要求1所述的方法，其特征在于，所述减影模型的训练步骤包括：

获取第一样本图像，其中，所述第一样本图像包括至少一张第一样本非造影帧图像和至少一张第一样本造影帧图像，所述第一样本非造影帧图像和所述第一样本造影帧图像之间的特征差异值小于预设样本阈值；

对任一第一样本造影帧图像与任一第一样本非造影帧图像进行减影得到第一样本减影参考图，并将所述任一第一样本造影帧图像和对应的所述第一样本减影参考图组成第一样本图像对；

利用所述第一样本图像对，对待训练的减影模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述利用所述第一样本图像对，对待训练的减影模型进行训练，具体包括：

将任一第一样本图像对中的第一样本造影帧图像输入至待训练的减影模型中得到第一样本减影预测图，并依据所述第一样本减影参考图和所述第一样本减影预测图之间的特征差异值，利用损失函数对所述减影模型进行迭代，直至得到的减影模型的损失函数满足预设减影条件时，完成对所述减影模型的训练。

6.根据权利要求5所述的方法，其特征在于，所述利用所述第一样本图像对，对待训练的减影模型进行训练，具体包括：

获取多个第二样本图像对，其中，任一第二样本图像对包括第二样本造影帧图像和第二样本减影参考图，所述第二样本图像对对应于第二部位，其中，所述第一部位和所述第二部位对应于样本的不同位置的图像；

依据所述第二样本图像对训练预设神经网络模型，得到辅助模型；

依据所述辅助模型以及所述预设神经网络模型，建立所述待训练的减影模型，利用所述第一样本图像对训练所述待训练的减影模型。