[发明专利]冠状动脉血管图像分割方法及装置、存储介质和终端

说明书

本发明公开了一种冠状动脉血管图像分割方法及装置、存储介质和终端，其中方法包括获取冠状动脉血管图像；获取心脏子器官掩膜组、冠脉血管粗分割结果以及裁剪后的冠脉血管原始图像结果；而后获取冠脉血管点集和心脏子器官点集组；获取每个心脏子器官点集所对应的距离场特征图，再将所有所述距离场特征图进行串联，以获取五通道距离场特征图；获取冠脉血管合并图；将冠脉血管合并图输入到训练完成的层次拓扑学习模型中，以获取立方体连通性图，并基于立方体连通性图获取二值的冠脉血管掩模。本发明方法可减少背景信息对分割目标的干扰，提升分割性能，精确的实现了冠状动脉分割。

技术领域

本发明涉及医疗数据分析技术领域，尤其涉及一种冠状动脉血管图像分割方法及装置、存储介质和终端。

背景技术

冠状动脉疾病(Coronary Artery Disease,CAD)的诊断依赖于从冠状动脉计算机断层扫描血管造影(Coronary Computed Tomography Angiography，CCTA)中准确分割冠状动脉，因此测量变窄的动脉管腔的直径是临床实践中冠脉狭窄分级量化的重要标准。但冠状动脉图像仍然存在如下问题，使得冠状动脉计算机断层扫描血管造影图像中准确分割冠状动脉仍然是一项具有挑战性的任务，问题包括：首先冠状动脉在造影图像中体积比小，使得图相的背景和冠状动脉之间难以得到平衡；其次冠状动脉为直径1mm-5mm的薄结构，导致许多难以分割的区域和不连续的分割，最后个体间具有各种形状和位置的患者特定空间分布，阻碍了网络准确捕获血管解剖结构。

目前医学影像分割网络均采用原始U型结构及其变体，在网络输入大小固定的同时，随着网络深度的增加采用多次降采样操作以此减少计算量。在CCTA冠脉影像中，背景信息占据体素个数远大于目标血管，血管的体素数量只有全部影像体素的千分之一，因而直接利用经典的U型结构网络分割冠脉血管，在多次降采样过程中大多数的细节信息将被丢失，在解码阶段也很难通过跳跃连接和上采样操作完整补全，因此常出现血管细小分支分割断裂、残缺、丢失等现象。

而现有各种基于深度学习的冠状动脉分割方法只进行了部分拓扑约束，因此仍然无法全面描述冠状动脉的整个拓扑结构。

发明内容

本发明所要解决的技术问题是现有冠状动脉血管分割常出现血管细小分支分割断裂、残缺、丢失等现象，且无法获取冠状动脉的整个拓扑结构。

为了解决上述技术问题，本发明提供了一种冠状动脉血管图像分割方法，包括：

获取冠状动脉血管图像；

通过第一U型残差网络对所述冠状动脉血管图像中进行分割，以获取心脏子器官掩膜组，所述心脏子器官掩膜组包括左心房掩模、右心房掩模、左心室掩模、右心室掩模和主动脉掩膜；

通过第二U型残差网络对所述冠状动脉血管图像中进行分割，以获取冠脉血管粗分割结果，并基于所述冠脉血管粗分割结果对所述冠状动脉血管图像进行剪裁，以获取冠脉血管原始图像结果；

通过对所述冠脉血管粗分割结果进行三维坐标采样，以获取冠脉血管点集，并通过分别对所述心脏子器官掩膜组中的所有心脏子器官掩膜进行三维坐标采样，以获取心脏子器官点集组；

计算所述冠脉血管点集中每个采样点到心脏子器官点集组中每个心脏子器官点集中的最小距离，以获取每个心脏子器官点集所对应的距离场特征图，再将所有所述距离场特征图进行串联，以获取五通道距离场特征图；

将所述冠脉血管原始图像结果和所述五通道距离场特征图进行合并，以获取冠脉血管合并图；

将所述冠脉血管合并图输入到训练完成的层次拓扑学习模型中，以获取立方体连通性图，并基于所述立方体连通性图获取二值的冠脉血管掩模。

优选地，所述训练完成的层次拓扑学习模型包括公共编码器以及分别与所述公共编码器连接的第一解码器、第二解码器和第三解码器；