[发明专利]一种血管分割的方法、装置及计算机可读介质

说明书

本发明公开了一种血管的分割方法、装置及计算机可读介质，属于图像处理技术领域。该方法包括：将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取，得到血管特征图；对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。由此，能够避免血管分割结果出现血管断裂和/或静脉血管粘连等问题，提高了血管分割的准确性，解决了现有技术中存在的血管图像远距离依赖问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种血管分割的方法、装置及计算机可读介质。

背景技术

目前，血管造影技术已经被广泛应用于临床的诊断和治疗中，血管分割算法可实现自动化的血管重建(比如头颈部血管、冠脉等)，这在减轻技师工作压力的同时，大幅度提高了医院的运行效率。在实际场景中，一些外部因素(比如伪影、噪声、拍摄技术等)会影响血管成像的质量，从局部范围内难以区分动脉血管和静脉血管。

现有技术中，冠脉血管分割算法通常是基于UNet结构直接预测冠脉血管的分割，然而该方法存在的缺陷在于：无法基于冠脉血管的远距离依赖进行建模，从而导致血管分割结果出现血管断裂和/或静脉血管粘连等问题。

为此，急需要提供一种新的血管分割模型对血管进行准确分割。

发明内容

为了解决上述现有技术存在的问题，本发明实施例提供一种血管的分割方法、装置及计算机可读介质，能够对血管进行准确分割，解决了现有技术中存在的血管图像远距离依赖问题。

为实现上述目的，根据本发明实施例第一方面，提供一种血管的分割方法，该方法包括：将所述血管电子计算机断层扫描CT图像作为训练样本，对所述训练样本进行图像特征提取，得到血管特征图；对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量；基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型；利用所述血管分割模型对待测血管CT图像进行预测处理，生成血管分割结果。

可选的，对所述血管特征图分别进行位置特征提取和语义特征提取，得到血管的位置特征向量和语义特征向量，包括：利用标签掩膜图对所述血管特征图进行特征点索引，得到血管掩膜图；所述标签掩膜图用于指示对血管进行特征点标注的图像；对所述血管掩膜图中所有特征点进行特征提取，得到血管特征向量；对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量；其中，所述位置注意力权重用于指示任意两个特征点之间的位置关联度；对所述血管特征向量施加语义注意力权重，得到血管的语义特征向量；其中，所述语义注意力权重用于指示任意两个特征点之间的语义关联度。

可选的，所述对所述血管特征向量施加位置注意力权重，得到血管的位置特征向量，包括：从所述血管掩膜图中获取所有特征点的坐标；针对任一所述特征点：根据所述特征点与该特征点以外任一特征点之间的空间距离，确定所述特征点的位置注意力权重；对每个所述特征点的特征施加对应的位置注意力权重，得到血管的位置特征向量。

可选的，所述对所述血管特征向量施加语义注意力权重，得到血管的语义特征向量，包括：对所述血管特征向量进行转置处理，得到血管特征向量的转置矩阵；基于所述血管特征向量以及所述转置矩阵之间的内积，确定血管的语义注意力权重；对所述血管特征向量施加所述语义注意力权重，得到血管的语义特征向量。

可选的，所述基于所述位置特征向量和所述语义特征向量，进行模型训练，得到血管分割模型，包括：将所述位置特征向量和所述语义特征向量进行融合处理，得到融合特征；利用所述融合特征进行模型训练，得到血管分割模型。

可选的，一种血管的分割方法还包括：获取原始血管CT图像；对所述原始CT图像进行数据扩增处理，得到多个训练样本。