本公開涉及圖像處理領(lǐng)域，尤其涉及一種血管分割方法、裝置、設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、磁共振血管壁成像?(vwi,?vessel?wall?imaging)是目前唯一的非侵入性顱內(nèi)血管壁成像，可以直接可視化顱內(nèi)血管壁病變，有助于卒中病因的鑒別、預(yù)后判斷以及治療的監(jiān)控。臨床上，目前對于該影像的判讀，需要影像學(xué)專家通過血管壁病變的形態(tài)學(xué)進行定性觀察和定量測量。卷積神經(jīng)網(wǎng)絡(luò)是最近出現(xiàn)的深度學(xué)習(xí)技術(shù)，可用于影像自動分割。然而，目前的血管壁圖像分割技術(shù)還需要采用手動勾勒的方法標(biāo)記異常位置，該過程需要消耗大量的人力和成本。

技術(shù)實現(xiàn)思路

1、有鑒于此，本公開提出了一種血管分割方法、裝置、設(shè)備和存儲介質(zhì)，提高了血管圖像分割的效率和準(zhǔn)確性。

2、根據(jù)本公開的第一方面，提供了一種血管分割方法，包括：

3、獲取待分割的血管的血管壁圖像；

4、對所述血管壁圖像進行切片處理，得到所述血管的橫截面切片圖像；

5、基于預(yù)先訓(xùn)練的圖像分割模型對所述橫截面切片圖像進行分割，由所述橫截面切片圖像中分割出血管壁。

6、在一種可能的實現(xiàn)方式中，在對所述血管壁圖像進行切片處理時，包括：

7、獲取由所述血管壁圖像中確定的血管段；

8、對所述血管段進行拉直處理，重建得到預(yù)設(shè)厚度的連續(xù)橫截面切片作為所述橫截面切片圖像。

9、在一種可能的實現(xiàn)方式中，在對橫截面切片圖像進行分割時，基于預(yù)先訓(xùn)練好的fcn模型。

10、在一種可能的實現(xiàn)方式中，基于預(yù)先訓(xùn)練的圖像分割模型對所述橫截面切片圖像進行分割，由所述橫截面切片圖像中分割出血管壁時，還包括分割出的背景和流明中的至少一種；

11、其中，所述血管壁、所述背景和所述流明通過不同通道進行表征。

12、在一種可能的實現(xiàn)方式中，對所述血管壁圖像進行切片處理，得到所述血管的橫截面切片圖像時，包括：

13、根據(jù)感興趣區(qū)進行所述血管段的選??；

14、對選取的血管段進行切片處理，生成連續(xù)的橫截面切片圖像。

15、在一種可能的實現(xiàn)方式中，基于預(yù)先訓(xùn)練好的fcn模型對橫截面切片圖像進行分割時，包括：

16、使用自適應(yīng)直方圖均衡處理橫截面切片圖像；

17、將所述處理后的橫截面切片圖像與濾波器進行卷積，生成對應(yīng)濾波器數(shù)量的多張?zhí)卣鲌D像；

18、將所述多張?zhí)卣鲌D像上采樣，生成多類分割圖像，融合多類分割圖像，得到最終分割結(jié)果。

19、根據(jù)本公開的第二方面，提供了一種血管分割的裝置，包括：

20、獲取模塊，用于獲取待分割的血管的血管壁圖像；

21、處理模塊，用于對所述血管壁圖像進行切片處理，得到所述血管的橫截面切片圖像；

22、分割模塊，用于基于預(yù)先訓(xùn)練的圖像分割模型對所述橫截面切片圖像進行分割，由所述橫截面切片圖像中分割出血管壁；

23、融合模塊，用于將所述多張?zhí)卣鲌D像上采樣，生成多類分割圖像，融合多類分割圖像，得到最終分割結(jié)果。

24、根據(jù)本公開的第三方面，提供了一種血管分割設(shè)備，包括：

25、處理器；用于存儲處理器可執(zhí)行指令的存儲器；

26、其中，所述處理器被配置為執(zhí)行所述可執(zhí)行指令時實現(xiàn)上述任意一項所述的方法。

27、根據(jù)本公開的第四方面，提供了一種非易失性計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)上述任意一項所述的方法。

28、在本公開中一種血管分割方法，包括：獲取待分割的血管的血管壁圖像；對所述血管壁圖像進行切片處理，得到所述血管的橫截面切片圖像；基于預(yù)先訓(xùn)練的圖像分割模型對所述橫截面切片圖像進行分割，由所述橫截面切片圖像中分割出血管壁。本公開通過全卷積神經(jīng)網(wǎng)絡(luò)對血管進行自動化分析，提高了對磁共振血管壁圖像判讀的效率和準(zhǔn)確性。

29、根據(jù)下面參考附圖對示例性實施例的詳細說明，本公開的其它特征及方面將變得清楚。

技術(shù)特征：

1.一種血管分割方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述血管壁圖像進行切片處理時，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，對橫截面切片圖像進行分割時，基于預(yù)先訓(xùn)練好的fcn模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于預(yù)先訓(xùn)練的圖像分割模型對所述橫截面切片圖像進行分割，由所述橫截面切片圖像中分割出血管壁時，還包括分割出的背景和流明中的至少一種；

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述血管壁圖像進行切片處理，得到所述血管的橫截面切片圖像時，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于預(yù)先訓(xùn)練好的fcn模型對橫截面切片圖像進行分割時，包括：

7.一種血管分割裝置，其特征在于，包括：獲取模塊，處理模塊，分割模塊；

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述分割模塊還包括：融合模塊；

9.一種血管分割設(shè)備，其特征在于，包括：

10.一種非易失性計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6中任意一項所述的方法。

技術(shù)總結(jié)
本公開提供了一種血管分割方法、裝置、設(shè)備和存儲介質(zhì)，該方法包括：獲取待分割的血管的血管壁圖像；對所述血管壁圖像進行切片處理，得到所述血管的橫截面切片圖像；基于預(yù)先訓(xùn)練的圖像分割模型對所述橫截面切片圖像進行分割，由所述橫截面切片圖像中分割出血管壁。本公開通過全卷積神經(jīng)網(wǎng)絡(luò)對血管進行自動化分析，提高了對磁共振血管壁圖像判讀的效率和準(zhǔn)確性。

技術(shù)研發(fā)人員：徐蔚海,李明利,劉彩燕,張宗慕雨,戴悅萱,袁偉壯,高山,任超
受保護的技術(shù)使用者：中國醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6