[发明专利]图像确定方法、装置、存储介质及电子设备

说明书

本申请提供了一种图像确定方法、装置、存储介质及电子设备，涉及图像处理领域。该图像确定方法包括：确定待检测冠脉血管图像序列对应的、时序关联的N个图像集，其中，图像集包含与图像集时序相邻的图像集中的图像帧，N为正整数；确定N个图像集各自对应的特征向量差值数据；基于N个图像集各自对应的特征向量差值数据，确定待检测冠脉血管图像序列的关键图像帧，其中，关键图像帧包括冠脉血管处于临界状态的图像帧。通过本申请中的方案，无需额外的数据支持，仅依赖患者自身的待检测冠脉血管图像序列本身的信息即可确定关键图像帧。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像确定方法、装置、存储介质及电子设备。

背景技术

人体心脏在周期性地跳动，可将其简单地划分为舒张期和收缩期，其中，在达到舒张的极点时，会存在最大舒张帧，在达到收缩的极点时，会存在最大收缩帧。通常情况下，血管直径和血管轮廓计算、以及血管分割重建等工作需要基于最大舒张帧或最大收缩帧进行。

相关技术中，通常利用血管在舒张期或收缩期的图形和几何特点，采用平均曲率的计算方式对某一图像帧中的血管所处的状态进行判断，此类方法一方面需要分布计算，逐步提取血管的骨架并计算曲率，一定程度上依赖于血管分割和血管骨架的提取精度，过程十分繁杂，另一方面由于冠脉血管影像的视角差异，导致其不能完全遵循收缩时曲率更大的规律，进而使计算结果有较大误差。

发明内容

为了解决上述技术问题，提出了本申请。本申请实施例提供了一种图像确定方法、装置、存储介质及电子设备。

第一方面，本申请一实施例提供了一种图像确定方法，包括：确定待检测冠脉血管图像序列对应的、时序关联的N个图像集，其中，图像集包含与图像集时序相邻的图像集中的图像帧，N为正整数；确定N个图像集各自对应的特征向量差值数据；基于N个图像集各自对应的特征向量差值数据，确定待检测冠脉血管图像序列的关键图像帧，其中，关键图像帧包括冠脉血管处于临界状态的图像帧。

结合第一方面，在第一方面的某些实现方式中，基于N个图像集各自对应的特征向量差值数据，确定待检测冠脉血管图像序列的关键图像帧，包括：利用分类模型，基于N个图像集各自对应的特征向量差值数据，确定N个图像集各自的血管状态分类结果；基于N个图像集各自的血管状态分类结果，确定关键图像帧。

结合第一方面，在第一方面的某些实现方式中，在基于N个图像集各自的血管状态分类结果，确定关键图像帧之前，还包括：若基于N个图像集各自的血管状态分类结果，确定N个图像集中存在结果跳变图像集，则调整结果跳变图像集的血管状态分类结果，以便结果跳变图像集的血管状态分类结果和结果跳变图像集对应的相邻图像集的血管状态分类结果相同，其中，结果跳变图像集包括血管状态分类结果与相邻图像集均不相同的图像集。

结合第一方面，在第一方面的某些实现方式中，在利用分类模型，基于N个图像集各自对应的特征向量差值数据，确定N个图像集各自的血管状态分类结果之前，还包括：确定冠脉血管样本图像序列以及冠脉血管样本图像序列包括的样本图像帧各自的血管状态标签信息；基于冠脉血管样本图像序列包括的样本图像帧各自的血管状态标签信息，生成训练数据集，其中，训练数据集包括至少一个样本图像集，样本图像集包括两幅样本图像帧，并且，样本图像集的血管状态标签信息是基于两幅样本图像帧中的时序靠后的样本图像帧的血管状态标签信息确定的；基于训练数据集进行模型训练，得到分类模型。

结合第一方面，在第一方面的某些实现方式中，每个图像集包含两幅图像帧，确定N个图像集各自对应的特征向量差值数据，包括：针对N个图像集中的每个图像集，确定图像集包含的两幅图像帧各自对应的特征向量数据；对两幅图像帧各自对应的特征向量数据进行相减操作，得到图像集对应的特征向量差值数据。