[发明专利]血管结构信息提取方法、装置及存储介质

权利要求书

1.一种血管结构信息提取方法，其特征在于，包括：

将原始血管图像输入至由粗到细的端点检测网络CFKD-Net中进行血管关键点的预测，得到血管关键点坐标；所述由粗到细的端点检测网络CFKD-Net是基于堆叠沙漏网络和自注意力网络构成的；

基于所述血管关键点坐标和所述原始血管图像确定所述原始血管图像的血管结构信息。

2.根据权利要求1所述的血管结构信息提取方法，其特征在于，所述将原始血管图像输入至由粗到细的端点检测网络CFKD-Net中进行血管关键点的预测，得到血管关键点坐标，包括：

基于所述由粗到细的端点检测网络CFKD-Net中的堆叠沙漏网络和深监督机制提取原始血管图像中的血管关键点，得到所述血管关键点的粗预测图像；

基于所述由粗到细的端点检测网络CFKD-Net中的自注意力网络和所述粗预测图像确定所述原始血管图像的血管关键点坐标。

3.根据权利要求2所述的血管结构信息提取方法，其特征在于，所述基于所述由粗到细的端点检测网络CFKD-Net中的自注意力网络和所述粗预测图像确定所述原始血管图像的血管关键点坐标，包括：

将所述原始血管图像分割为多个图像块；

利用自注意力网络确定每一图像块内的像素点之间的关系特征以及所述图像块之间的关系特征；

基于所述每一图像块内的像素点之间的关系特征、所述图像块之间的关系特征以及所述粗预测图像生成所述原始血管图像的血管关键点的高斯热度图；

基于所述高斯热度图确定所述原始血管图像的血管关键点坐标。

4.根据权利要求3所述的血管结构信息提取方法，其特征在于，所述由粗到细的端点检测网络CFKD-Net的损失函数为掩膜均方误差损失函数；所述掩膜均方误差损失函数的表达式如下：

；

其中，表示掩膜均方误差损失函数；表示血管关键点的数量；表示第i个血管关键点的掩膜；表示第i个血管关键点的高斯热度图；表示第i个血管关键点的标签热度图。

5.根据权利要求1所述的血管结构信息提取方法，其特征在于，所述基于所述血管关键点坐标和所述原始血管图像确定所述原始血管图像的血管结构信息，包括：

基于原始血管图像和所述血管关键点坐标利用区域生长算法确定第一血管段图像，并基于原始血管图像利用双边滤波算法确定第二血管段图像；

在待处理像素点的灰度值与所述第一血管段图像中所有血管段的像素点的平均灰度值的差值小于预设阈值的情况下，确定所述待处理像素点为所述第二血管段图像中的血管段的像素点；所述待处理像素点为所述第二血管段图像中的任一像素点；

基于所述第二血管段图像中的血管段的像素点利用距离变换确定所述原始血管图像的血管结构信息。

6.根据权利要求5所述的血管结构信息提取方法，其特征在于，所述基于原始血管图像和所述血管关键点坐标利用区域生长算法确定第一血管段图像，包括：

利用Frangi滤波对所述原始血管图像进行滤波处理；

对滤波后的原始血管图像进行自适应二值化处理；

基于二值化后的图像以所述血管关键点坐标为种子点进行区域生长，得到第一血管段图像；所述第一血管段图像中的每一血管段的两个端点在同一连通域内。

7.根据权利要求5所述的血管结构信息提取方法，其特征在于，所述基于原始血管图像利用双边滤波算法确定第二血管段图像，包括：

利用双边滤波算法对所述原始血管图像进行去噪处理；

利用对比度受限的自适应直方图均衡算法对去噪后的原始血管图像进行处理，得到第二血管段图像。

8.一种血管结构信息提取装置，其特征在于，包括：

获取模块，用于将原始血管图像输入至由粗到细的端点检测网络CFKD-Net中进行血管关键点的预测，得到血管关键点坐标；所述由粗到细的端点检测网络CFKD-Net是基于堆叠沙漏网络和自注意力网络构成的；

确定模块，用于基于所述血管关键点坐标和所述原始血管图像确定所述原始血管图像的血管结构信息。