[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

说明书

本发明提供一种脏器血管分割方法、装置、存储介质及电子设备，一种脏器血管分割方法，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。本发明保证了脏器血管分割的连续性，明显提升了脏器血管分割的准确度。

技术领域

本发明涉及人工智能领域，尤其涉及一种脏器血管分割方法、装置、存储介质及电子设备。

背景技术

随着微创手术的迅猛发展，术前规划的需求越来越多。以康博刀冷冻消融设备为例，医生需要基于CT（Computed Tomography，即电子计算机断层扫描）原始图像，在术前对进针路径进行规划，在二维横断面上的路径规划要求医生具有丰富的临床经验，这给经验不足的医生带来不小的挑战。如果能在三维层面上进行微创手术的术前规划，后续效果会更好。在三维层面上进行术前规划的重要前提是CT图像中器官和器官内部血管、病灶的正确分割与分类。随着人工智能技术的兴起与落地，基于深度学习的脏器和脏器血管分割越来越受到人们的重视。然而，现有技术中对于脏器血管的分类方案无法保证脏器血管分割的连续性，因而准确度偏低。

发明内容

为了保证脏器血管分割的连续性，本发明提供一种脏器血管分割方法、装置、存储介质及电子设备，明显提升了脏器血管分割的准确度。

第一方面，本发明实施例提供一种脏器血管分割方法，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。

在一些实现方式中，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EfficientRes-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。

在一些实现方式中，上述方法还包括：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。

在一些实现方式中，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。

在一些实现方式中，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：