[发明专利]一种动脉夹层的智能分割方法、装置及存储介质

说明书

本发明公开了一种动脉夹层的智能分割方法、装置及存储介质。该方法包括：获取动脉的三维连续断层图像；对三维连续断层图像进行预处理获得第一三维图像；基于第一三维图像提取动脉的全腔掩膜；利用全腔掩膜从第一三维图像中提取动脉的第一全腔图像；基于第一全腔图像提取真腔掩膜和假腔掩膜；基于全腔掩膜从三维连续断层图像中获取动脉的第二全腔图像；获取第二全腔图像、真腔掩膜和假腔掩膜的交集并作为内膜掩膜。准确分割出全腔掩膜、真腔掩膜、假腔掩膜和内膜掩膜，通过掩膜能够打印出动脉夹层的3D视图，能够直观清楚地观察动脉夹层情况，特别是用户通过内膜掩膜能够准确获得内膜破口数量及其空间分布形态等，便于后期制订治疗策略。

技术领域

本发明涉及医学图像处理技术领域，特别是涉及一种动脉夹层的智能分割方法、装置及存储介质。

背景技术

主动脉夹层(Aortic Dissection，简称AD)是由于主动脉内膜破损，血液通过破口进入中膜，形成假腔，而后沿主动脉长轴方向形成真假腔分离的一种病理状态。该疾病发病率、病死率高，心血管疾病全国普查发现，主动脉夹层危险因素如人群动脉硬化、高血压等知情率和控制率较低，夹层患者更趋年轻化。如不能及时、准确救治，患者发病48小时内死亡率将以每小时1％的速度递增。

通常对患者主动脉区域相关区域进行连续断层影像检测(如电子计算机断层扫描血管造影(CT angiography，CTA)，医生根据三维连续断层图像判断出患者主动脉全腔中的真腔(正常血流流动腔体)、假腔以及内膜破损情况。虽然连续断层影像检测(如CTA)成像时间短分辨率高，能够同时观察破口和血管壁，已成为破口检测、支架植入术前后的首选检测方法，但该方法操作步骤多、需要大量人工处理，易受主观操作影响且因受高亮支架影响易造成支架植入术后继发破口的漏诊。临床就诊的主动脉夹层患者大多表现为除第一破口外还存在两个以上的多发破口病变，且多数远端夹层破口会累及主动脉重要分支血管，造成主要脏器缺血，故远期夹层进展情况和继发破口等内膜破损情况对医生诊断和治疗非常重要。

对此，现有技术中出现了CTA计算机辅助AD分割和基于深度学习的AD分割方法来准确实现真腔、假腔分割。但是，CTA计算机辅助AD分割在数据集相对较少时分割性能较好，但它们多基于传统方法，需要手工选择特征，流程比较复杂。基于深度学习的方法可以利用卷积神经网络实现特征的自动提取和筛选，实现从原始图像到分割图像端到端的操作，已逐渐成为研究的热点；但现有的深度学习方法在主动脉夹层分割方面仍存在以下局限：现有的深度学习方法着重通过真假腔的分割来评估腔内血流的体积，很少分割出内膜，无法得到内膜的破损情况，如破口的数量及其空间分布尚未进行检测，难以评估内膜破损对主动脉不良重塑的影响，无法为医生治疗提供准确有效的帮助。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种动脉夹层的智能分割方法、装置及存储介质。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种动脉夹层的智能分割方法，包括：获取动脉的三维连续断层图像；对所述三维连续断层图像进行预处理获得第一三维图像；基于所述第一三维图像提取动脉的全腔掩膜；利用所述全腔掩膜从所述第一三维图像中提取动脉的第一全腔图像；基于所述第一全腔图像提取真腔掩膜和假腔掩膜；基于所述全腔掩膜从所述三维连续断层图像中获取动脉的第二全腔图像；获取所述第二全腔图像、真腔掩膜和假腔掩膜的交集，将所述交集作为内膜掩膜。