[发明专利]一种脏器血管分割方法、装置、存储介质及电子设备

权利要求书

1.一种脏器血管分割方法，其特征在于，包括：

获取待分割的医学图像；

提取所述医学图像中的目标脏器图像和对所述目标脏器图像初步分割得到第一血管分割结果；

提取所述第一血管分割结果中的血管中心线，确定各血管中心线的端点；

基于各血管中心线的端点进行血管再分割，得到第二血管分割结果；

对所述第一血管分割结果和所述第二血管分割结果进行合并，得到合并的血管分割结果；

所述对所述第一血管分割结果和所述第二血管分割结果进行合并，包括：利用所述第一血管分割结果覆盖所述第二血管分割结果；

所述目标脏器包括肝脏，所述合并的血管分割结果中包括肝静脉分类、门静脉分类和下腔静脉分类；所述方法还包括：

在合并的血管分割结果中的肝静脉分类中，确定像素数小于第一预设值的第一连通域，逐一判断每个第一连通域的周围是否存在其他预测标签，将周围存在其他预测标签的第一连通域的预测标签变为该其他预测标签；

在合并的血管分割结果中的门静脉分类中确定最大连通域，逐一判断所述最大连通域外的其他连通域周围是否存在其他预测标签，将周围存在其他预测标签的其他连通域的预测标签变为该其他预测标签；

去除每个预测标签中像素值低于预设值的连通域。

2.根据权利要求1所述的脏器血管分割方法，其特征在于，所述提取所述医学图像中的目标脏器图像和基于所述目标脏器图像分割得到目标脏器的第一血管分割结果，包括：

利用预先训练的第一神经网络模型提取所述医学图像中的目标脏器图像和基于所述目标脏器图像分割得到目标脏器的第一血管分割结果；

其中，所述第一神经网络模型包括EfficientNet-B0神经网络和将U-Net模型的下采样部分、跳跃连接部分和上采样部分均加入深度可分离卷积模块所形成的Efficient Res-UNet Plus神经网络，所述EfficientNet-B0神经网络的输入包括待分割的医学图像，所述EfficientNet-B0神经网络的输出包括待分割的医学图像中的目标脏器图像，所述Efficient Res-UNet Plus神经网络的输入包括待分割的医学图像中的目标脏器图像，所述Efficient Res-UNet Plus神经网络的输出包括第一血管分割结果。

3.根据权利要求2所述的脏器血管分割方法，其特征在于，还包括：训练第一神经网络模型，训练所述EfficientNet-B0神经网络所采用的第一损失函数包括交叉熵损失函数，训练所述Efficient Res-UNet Plus神经网络所采用的第二损失函数基于交叉熵损失函数和Tversky损失函数确定。

4.根据权利要求1所述的脏器血管分割方法，其特征在于，所述确定各血管中心线的端点，包括：

将处于第一预设尺寸的三维像素区域的中心且在所述第一预设尺寸的三维像素区域周围最多存在一个相连像素的目标像素，确定为血管中心线的端点。

5.根据权利要求1所述的脏器血管分割方法，其特征在于，所述基于各血管中心线的端点进行血管再分割，得到第二血管分割结果，包括：

利用预先训练的第二神经网络模型，基于各血管中心线的端点进行血管再分割，得到第二血管分割结果。

6.根据权利要求5所述的脏器血管分割方法，其特征在于，所述第二神经网络模型包括V-Net神经网络；所述方法还包括：

以背景、不同血管分类作为预测标签，以第二预设尺寸的三维像素区域作为输入，训练V-Net神经网络，所述第二预设尺寸的三维像素区域是以各血管中心线的端点为中心构造的。