CN109886982B - 一种血管图像分割方法、装置及计算机存储设备 - Google Patents
一种血管图像分割方法、装置及计算机存储设备 Download PDFInfo
- Publication number
- CN109886982B CN109886982B CN201910335546.5A CN201910335546A CN109886982B CN 109886982 B CN109886982 B CN 109886982B CN 201910335546 A CN201910335546 A CN 201910335546A CN 109886982 B CN109886982 B CN 109886982B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- data
- vessel image
- segmentation
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 293
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003709 image segmentation Methods 0.000 title claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 142
- 230000011218 segmentation Effects 0.000 claims abstract description 128
- 238000002372 labelling Methods 0.000 claims abstract description 102
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 12
- 230000004048 modification Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000002349 favourable effect Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012797 qualification Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种血管图像分割方法、装置及计算机存储设备，其中方法包括：获取原始血管图像及对应所述原始血管图像的标注数据；对所述原始血管图像进行分割训练，得到所述原始血管图像的预测分割数据；对所述原始血管图像的标注数据进行权重修正，得到修正后的标注数据；根据所述修正后的标注数据及所述预测分割数据确定修正损失函数；利用所述修正损失函数对所述原始血管图像进行修正，得到修正后的血管图像。本发明通过对不同部位的标注数据设置不同的权重值的方式，使得计算得到的损失函数能够更有利于得到连续性较好的网络预测效果，从而有效提高了血管分割模型预测结果的连续性。
Description
技术领域
本发明涉及血管图像技术领域，尤其涉及一种血管图像分割方法、装置及计算机存储设备。
背景技术
在现代医学技术领域中，血管图像技术和自动算法能够帮助医生了解病人的血管状态，有助于及时发现和诊断各种疾病，减少了不少负担，因此对医生有着重要的临床价值和实际意义。随着年龄的上升，血管出现问题的概率会越来越高，如何提高血管自动化重建的合格率以提高诊断效率成为一个重要的问题。
现代医疗技术通过采用血管重建技术能够建立出血管模型，血管重建一般都是由血管分割模型对血管图像进行分割训练得到的。但是，普通的血管分割模型在进行血管分割训练时不能很好的学习到血管的连续特征，经常会出现随机断裂的问题，影响血管自动重建的合格率，因此，如何提高血管分割模型预测结果的连续性成为亟待解决的问题。
发明内容
本发明实施例为了有效克服现有技术所存在的上述缺陷，创造性地提供一种血管图像分割方法，所述方法包括：获取原始血管图像及对应所述原始血管图像的标注数据；对所述原始血管图像进行分割训练，得到所述原始血管图像的预测分割数据；对所述原始血管图像的标注数据进行权重修正，得到修正后的标注数据；根据所述修正后的标注数据及所述预测分割数据确定修正损失函数；利用所述修正损失函数对所述原始血管图像进行修正，得到修正后的血管图像。
在一可实施方式中，所述对所述原始血管图像的标注数据进行权重修正，得到修正后的标注数据，包括：提取所述标注数据中对应所述原始血管图像的血管中心区域的标注数据和血管边缘区域的标注数据；根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对所述标注数据进行权重修正，得到修正后的标注数据。
在一可实施方式中，通过距离变换的方式对所述标注数据进行权重修正。
在一可实施方式中，所述根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对所述标注数据进行权重修正，还包括：根据血管直径的粗细变化情况对权重修正幅度进行调整；基于调整后的权重修正幅度对所述标注数据进行权重修正。
在一可实施方式中，所述根据所述修正后的标注数据及所述预测分割数据确定修正损失函数，包括：对所述原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数；根据所述预测分割数据和所述修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据；对所述原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数；根据所述第一修正参数与所述第二修正参数的比值确定修正损失函数。
在一可实施方式中，所述根据所述预测分割数据和所述修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据包括：将所述原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第三修正参数；计算所述修正后的标注数据对应权重值中的最高权重值与所述标注数据的差值，得到标注差值数据；将所述原始血管图像中所有像素点所对应的预测分割数据与标注差值数据进行点乘求和，得到第四修正参数；将所述第三修正参数与所述第四修正参数之和确定为所述修正预测分割数据。
本发明另一方面提供一种血管图像分割装置，所述装置包括：获取模块，用于获取原始血管图像及对应所述原始血管图像的标注数据；分割模块，用于对所述原始血管图像进行分割训练，得到所述原始血管图像的预测分割数据；权重修正模块，用于对所述原始血管图像的标注数据进行权重修正，得到修正后的标注数据；损失函数确定模块，用于根据所述修正后的标注数据及所述预测分割数据确定修正损失函数；修正分割模块，用于利用所述修正损失函数对所述原始血管图像进行修正，得到修正后的血管图像。
在一可实施方式中，所述权重修正模块包括：第一提取单元，用于提取所述标注数据中对应所述原始血管图像的血管中心区域的标注数据和血管边缘区域的标注数据；第一标注修正单元，用于根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对所述标注数据进行权重修正，得到修正后的标注数据。
在一可实施方式中，所述损失函数确定模块包括：第一参数计算单元，用于对所述原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数；修正预测计算单元，用于根据所述预测分割数据和所述修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据；第二参数计算单元，用于对所述原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数；修正函数确定单元，用于根据所述第一修正参数与所述第二修正参数的比值确定修正损失函数。
本发明另一方面提供一种计算机存储设备，所述存储设备包括一组计算机可执行指令，当所述指令被执行时用于上述任一项所述的血管图像分割方法。
为提高血管分割模型预测结果的连续性，本发明特提供一种血管图像分割方法、装置及计算机存储设备，其中方法包括：首先通过获取大量原始血管图像及与原始血管图像对应的标注数据，然后通过对大量的原始血管图像进行分割训练，得到对应于原始血管图像的预测分割数据。再通过对原始血管图像的标注数据进行权重修正，使得能够对血管预测分割数据的连续性起到更大影响作用的标注数据占有更大的权重。然后通过根据修正后的标注数据以及预测分割数据和原始标注数据确定修正损失函数，这样得到的损失函数能使网络预测的连续性效果更好，最后通过利用修正损失函数对原始血管图像进行修正，这样就能够得到断裂情况较少，合格率较高，连续性较好的修正后的血管图像。本发明通过对不同部位的标注数据设置不同的权重值的方式，使得计算得到的损失函数能够更有利于得到连续性较好的网络预测效果，从而有效提高了血管分割模型预测结果的连续性。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1为本发明实施例一种血管图像分割方法的实现流程示意图；
图2为本发明实施例一种血管图像分割方法的一种具体实现流程示意图；
图3为本发明实施例一种修正预测分割数据的实现流程示意图；
图4为本发明实施例一种修正预测分割数据的一种具体实现流程示意图；
图5为本发明实施例一种血管图像分割设备的组成结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
图1为本发明实施例一种血管图像分割方法的实现流程示意图；请参考图1。
本发明一方面提供一种血管图像分割方法，方法包括：
步骤101，获取原始血管图像及对应原始血管图像的标注数据；
步骤102，对原始血管图像进行分割训练，得到原始血管图像的预测分割数据；
步骤103，对原始血管图像的标注数据进行权重修正，得到修正后的标注数据；
步骤104，根据修正后的标注数据及预测分割数据确定修正损失函数；
步骤105，利用修正损失函数对原始血管图像进行修正，得到修正后的血管图像。
为提高血管分割模型预测结果的连续性，本发明特提供一种血管图像分割方法，如图1，首先通过步骤101获取大量原始血管图像及与原始血管图像对应的标注数据，然后通过步骤102对大量的原始血管图像进行分割训练，得到对应于原始血管图像的预测分割数据。再通过步骤103对原始血管图像的标注数据进行权重修正，使得能够对血管预测分割数据的连续性起到更大影响作用的标注数据占有更大的权重。然后通过步骤104根据修正后的标注数据以及预测分割数据和原始标注数据确定修正损失函数，这样得到的损失函数能使网络预测的连续性效果更好，最后通过步骤105利用修正损失函数对原始血管图像进行修正，这样就能够得到断裂情况较少，合格率较高，连续性较好的修正后的血管图像。本发明通过对不同部位的标注数据设置不同的权重值的方式，使得计算得到的损失函数能够更有利于得到连续性较好的网络预测效果，从而有效提高了血管分割模型预测结果的连续性。
在一可实施方式中，对原始血管图像的标注数据进行权重修正，得到修正后的标注数据，包括：
步骤301，提取标注数据中对应原始血管图像的血管中心区域的标注数据和血管边缘区域的标注数据；
步骤302，根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对标注数据进行权重修正，得到修正后的标注数据。
请参考图2，本发明实施例通过步骤301提取对应于原始血管图像的血管中心区域的标注数据以及边缘区域的标注数据，然后通过步骤302赋予对应由高到低的权重值，使得血管边缘区域到血管中心区域的标注数据权重值越来越高，即对血管预测分割的影响越来越大，这样，使得血管分割模型在进行血管预测分割时能更加注重于靠近血管最中心区域的标注数据，从而有效增加血管中心区域的预测结果准确率，进而避免了因在血管中心区域出现较多断裂以至于血管随机断裂过多的现象，有效的提高了血管预测结果的连续性。本发明实施例中权重值由高到低的策略具体可以为血管一定半径范围内均为最高权重值，然后沿半径向外线性衰减的方式实现，也可以为由血管中心向边缘非线性衰减的方式来实现，具体的权重值递减策略不限。
在一可实施方式中，通过距离变换的方式对标注数据进行权重修正。
在本发明实施例中，对血管中心区域标注数据向血管边缘区域标注数据对应权重值以由高到低的策略进行权重修正，具体为对管状血管通过距离变换的方式，使得血管中心区域权重值高，血管边缘区域权重值低，进而使得计算所得的损失函数能够有利于提高预测分割结果的连续性。当然，也可以通过对血管提取中心线，使得中心线上的标注数据权重值最高，向边缘逐渐变低，如使血管中心线上的标注数据权重值为1，血管外边缘权重值为0.5。
在一可实施方式中，根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对标注数据进行权重修正，还包括：根据血管直径的粗细变化情况对权重修正幅度进行调整；基于调整后的权重修正幅度对标注数据进行权重修正。
在本发明实施例中，还可以通过根据血管直径从粗到细的变化对权重修正的幅度进行从高到低的调整，使得粗血管对应的标注数据的权重修正幅度较大，细血管对应的标注数据的权重修正幅度较小，从而让细血管部分的标注数据整体权重值偏大，以实现这部分标注数据在血管分割预测中的更大的影响作用。如设定细血管的血管直径阈值和粗血管直径阈值，使得属于细血管的所有血管的中心区域最高权重值为1，外边缘权重值为0.7；而属于粗血管的所有血管中心区域最高权重值为1，外边缘权重值为0.5。或者通过设定最粗血管的权重修正幅度最大，为0.5，最粗血管的权重修正幅度最大，为0.3，其余血管的权重修正幅度根据血管的直径差来进行线性衰减设置，这样能够有效减少在细血管部分的分割断裂的发生，有利于提高血管预测结果的连续性。
在一可实施方式中，根据修正后的标注数据及预测分割数据确定修正损失函数，包括：
步骤401，对原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数；
步骤402，根据预测分割数据和修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据；
步骤403，对原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数；
步骤404，根据第一修正参数与第二修正参数的比值确定修正损失函数。
请参考图3，本发明实施例主要通过根据权重值修正后的标注数据及预测分割数据来确定修正损失函数，具体的，本发明先通过步骤401对原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数，即第一修正参数＝sum(P*L’)，其中P为预测分割数据，L’为修正后的标注数据。然后通过步骤402根据预测分割数据和修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据，以使得预测分割数据也能通过修正后的标注数据值的计算影响以得到数值修正，从而有利于提高血管分割预测结果的连续性。再通过步骤403对原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数，即第二修正参数＝sum(P’)+sum(L’)，P’为修正预测分割数据；最后通过步骤404根据第一修正参数与第二修正参数的比值确定修正损失函数，具体的，将第一修正参数与第二修正参数的比值的两倍确定修正损失函数即修正损失函数＝2*SUM(P*L’)/(sum(P’)+sum(L)),这样，便能有效提高血管分割模型进行血管分割预测的连续性。
在一可实施方式中，根据预测分割数据和修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据包括：
步骤4021，将原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第三修正参数；
步骤4022，计算修正后的标注数据对应权重值中的最高权重值与标注数据的差值，得到标注差值数据；
步骤4023，将原始血管图像中所有像素点所对应的预测分割数据与标注差值数据进行点乘求和，得到第四修正参数；
步骤4024，将第三修正参数与第四修正参数之和确定为修正预测分割数据。
请参考图4，本发明实施例先通过步骤4021将原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第三修正参数；具体地，现有技术中的标注数据通常将血管上的标注数据标为1，血管外部的标注数据标为0，因此对预测分割数据与修正后的标注数据进行点乘后，血管外部的数据仍为0，所得到的数据部分为血管上的数据部分。然后通过步骤4022计算修正后的标注数据对应权重值中的最高权重值与标注数据的差值，得到标注差值数据，如当最高权重值为1时，修正后的标注数据对应权重值中的最高权重值与标注数据的差值即为1与标注数据的差值，而现有技术中通常血管上的标注数据为1，血管外部的标注数据为0，因此计算差值后所得到的是血管外部的数据部分。再通过步骤4023将原始血管图像中所有像素点所对应的预测分割数据与标注差值数据进行点乘求和，即对预测分割数据中求血管外部数据的总和，得到第四修正参数。最后通过步骤4024将第三修正参数与第四修正参数之和确定为修正预测分割数据，即能使得修正后的预测分割数据也设有不同的权重，从而有利于提高损失函数的能力，进一步有利于提高血管分割模型分割结果的连续性。
本发明另一方面提供一种血管图像分割装置，装置包括：
获取模块201，用于获取原始血管图像及对应原始血管图像的标注数据；
分割模块202，用于对原始血管图像进行分割训练，得到原始血管图像的预测分割数据；
权重修正模块203，用于对原始血管图像的标注数据进行权重修正，得到修正后的标注数据；
损失函数确定模块204，用于根据修正后的标注数据及预测分割数据确定修正损失函数；
修正分割模块205，用于利用修正损失函数对原始血管图像进行修正，得到修正后的血管图像。
请参考图5，为提高血管分割模型预测结果的连续性，本发明特提供一种血管图像分割方法，首先通过获取模块201获取大量原始血管图像及与原始血管图像对应的标注数据，然后通过分割模块202对大量的原始血管图像进行分割训练，得到对应于原始血管图像的预测分割数据。再通过权重修正模块203对原始血管图像的标注数据进行权重修正，使得能够对血管预测分割数据的连续性起到更大影响作用的标注数据占有更大的权重。然后通过损失函数确定模块204根据修正后的标注数据以及预测分割数据和原始标注数据确定修正损失函数，这样得到的损失函数能使网络预测的连续性效果更好，最后通过修正分割模块205利用修正损失函数对原始血管图像进行修正，这样就能够得到断裂情况较少，合格率较高，连续性较好的修正后的血管图像。本发明通过对不同部位的标注数据设置不同的权重值的方式，使得计算得到的损失函数能够更有利于得到连续性较好的网络预测效果，从而有效提高了血管分割模型预测结果的连续性。
在一可实施方式中，权重修正模块203包括：第一提取单元，用于提取标注数据中对应原始血管图像的血管中心区域的标注数据和血管边缘区域的标注数据；第一标注修正单元，用于根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对标注数据进行权重修正，得到修正后的标注数据。
本发明实施例通过第一提取单元提取对应于原始血管图像的血管中心区域的标注数据以及边缘区域的标注数据，然后通过第一标注修正单元赋予对应由高到低的权重值，使得血管边缘区域到血管中心区域的标注数据权重值越来越高，即对血管预测分割的影响越来越大，这样，使得血管分割模型在进行血管预测分割时能更加注重于靠近血管最中心区域的标注数据，从而有效增加血管中心区域的预测结果准确率，进而避免了因在血管中心区域出现较多断裂以至于血管随机断裂过多的现象，有效的提高了血管预测结果的连续性。本发明实施例中权重值由高到低的策略具体可以为血管一定半径范围内均为最高权重值，然后沿半径向外线性衰减的方式实现，也可以为由血管中心向边缘非线性衰减的方式来实现，具体的权重值递减策略不限。
在一可实施方式中，通过距离变换的方式对标注数据进行权重修正。
在本发明实施例中，对血管中心区域标注数据向血管边缘区域标注数据对应权重值以由高到低的策略进行权重修正，具体为对管状血管通过距离变换的方式，使得血管中心区域权重值高，血管边缘区域权重值低，进而使得计算所得的损失函数能够有利于提高预测分割结果的连续性。当然，也可以通过对血管提取中心线，使得中心线上的标注数据权重值最高，向边缘逐渐变低，如使血管中心线上的标注数据权重值为1，血管外边缘权重值为0.5。
在一可实施方式中，根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对标注数据进行权重修正，还包括：根据血管直径的粗细变化情况对权重修正幅度进行调整；基于调整后的权重修正幅度对标注数据进行权重修正。
在本发明实施例中，还可以通过根据血管直径从粗到细的变化对权重修正的幅度进行从高到低的调整，使得粗血管对应的标注数据的权重修正幅度较大，细血管对应的标注数据的权重修正幅度较小，从而让细血管部分的标注数据整体权重值偏大，以实现这部分标注数据在血管分割预测中的更大的影响作用。如设定细血管的血管直径阈值和粗血管直径阈值，使得属于细血管的所有血管的中心区域最高权重值为1，外边缘权重值为0.7；而属于粗血管的所有血管中心区域最高权重值为1，外边缘权重值为0.5。或者通过设定最粗血管的权重修正幅度最大，为0.5，最粗血管的权重修正幅度最大，为0.3，其余血管的权重修正幅度根据血管的直径差来进行线性衰减设置，这样能够有效减少在细血管部分的分割断裂的发生，有利于提高血管预测结果的连续性。
在一可实施方式中，损失函数确定模块204包括：第一参数计算单元，用于对原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数；修正预测计算单元，用于根据预测分割数据和修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据；第二参数计算单元，用于对原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数；修正函数确定单元，用于根据第一修正参数与第二修正参数的比值确定修正损失函数。
在本发明实施例主要通过根据权重值修正后的标注数据及预测分割数据来确定修正损失函数，具体的，本发明先通过第一参数计算单元对原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数，即第一修正参数＝sum(P*L’)，其中P为预测分割数据，L’为修正后的标注数据。然后通过修正预测计算单元根据预测分割数据和修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据，以使得预测分割数据也能通过修正后的标注数据值的计算影响以得到数值修正，从而有利于提高血管分割预测结果的连续性。再通过第二参数计算单元对原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数，即第二修正参数＝sum(P’)+sum(L’)，P’为修正预测分割数据；最后通过修正函数确定单元根据第一修正参数与第二修正参数的比值确定修正损失函数，具体的，将第一修正参数与第二修正参数的比值的两倍确定为修正损失函数，即修正损失函数＝2*SUM(P*L’)/(sum(P’)+sum(L)),这样，便能有效提高血管分割模型进行血管分割预测的连续性。
在一可实施方式中，修正预测计算单元包括：第三参数计算子单元，用于将原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第三修正参数；标注差值计算子单元，用于计算修正后的标注数据对应权重值中的最高权重值与标注数据的差值，得到标注差值数据；第四参数计算子单元，用于将原始血管图像中所有像素点所对应的预测分割数据与标注差值数据进行点乘求和，得到第四修正参数；修正预测确定子单元，用于将第三修正参数与第四修正参数之和确定为修正预测分割数据。
本发明实施例先通过第三参数计算子单元将原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第三修正参数；具体地，现有技术中的标注数据通常将血管上的标注数据标为1，血管外部的标注数据标为0，因此对预测分割数据与修正后的标注数据进行点乘后，血管外部的数据仍为0，所得到的数据部分为血管上的数据部分。然后通过标注差值计算子单元计算修正后的标注数据对应权重值中的最高权重值与标注数据的差值，得到标注差值数据，如当最高权重值为1时，修正后的标注数据对应权重值中的最高权重值与标注数据的差值即为1与标注数据的差值，而现有技术中通常血管上的标注数据为1，血管外部的标注数据为0，因此计算差值后所得到的是血管外部的数据部分。再通过第四参数计算子单元将原始血管图像中所有像素点所对应的预测分割数据与标注差值数据进行点乘求和，即对预测分割数据中求血管外部数据的总和，得到第四修正参数。最后通过修正预测确定子单元将第三修正参数与第四修正参数之和确定为修正预测分割数据，即能使得修正后的预测分割数据也设有不同的权重，从而有利于提高损失函数的能力，进一步有利于提高血管分割模型分割结果的连续性。
本发明另一方面提供一种计算机存储设备，存储设备包括一组计算机可执行指令，当指令被执行时用于执行上述任一项的血管图像分割方法。
为提高血管分割模型预测结果的连续性，本发明特提供一种计算机存储设备，存储设备包括一组计算机执行指令，当指令被执行时用于执行如下血管图像分割方法，首先通过获取大量原始血管图像及与原始血管图像对应的标注数据，然后通过对大量的原始血管图像进行分割训练，得到对应于原始血管图像的预测分割数据。再通过对原始血管图像的标注数据进行权重修正，使得能够对血管预测分割数据的连续性起到更大影响作用的标注数据占有更大的权重。然后通过根据修正后的标注数据以及预测分割数据和原始标注数据确定修正损失函数，这样得到的损失函数能使网络预测的连续性效果更好，最后通过利用修正损失函数对原始血管图像进行修正，这样就能够得到断裂情况较少，合格率较高，连续性较好的修正后的血管图像。本发明通过对不同部位的标注数据设置不同的权重值的方式，使得计算得到的损失函数能够更有利于得到连续性较好的网络预测效果，从而有效提高了血管分割模型预测结果的连续性。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种血管图像分割方法，其特征在于，所述方法包括：
获取原始血管图像及对应所述原始血管图像的标注数据；
对所述原始血管图像进行分割训练，得到所述原始血管图像的预测分割数据；
提取所述原始血管图像的标注数据中对应所述原始血管图像的血管中心区域的标注数据和血管边缘区域的标注数据；
根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对所述原始血管图像的标注数据进行权重修正，得到修正后的标注数据；
对所述原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数；
根据所述预测分割数据和所述修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据；
对所述原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数；
根据所述第一修正参数与所述第二修正参数的比值确定修正损失函数；
利用所述修正损失函数对所述原始血管图像进行修正，得到修正后的血管图像。
2.根据权利要求1所述的方法，其特征在于，通过距离变换的方式对所述原始血管图像的标注数据进行权重修正。
3.根据权利要求1所述的方法，其特征在于，所述根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对所述原始血管图像的标注数据进行权重修正，还包括：
根据血管直径的粗细变化情况对权重修正幅度进行调整；
基于调整后的权重修正幅度对所述原始血管图像的标注数据进行权重修正。
4.根据权利要求1所述的方法，其特征在于，所述根据所述预测分割数据和所述修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据包括：
将所述原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第三修正参数；
计算所述修正后的标注数据对应权重值中的最高权重值与所述原始血管图像的标注数据的差值，得到标注差值数据；
将所述原始血管图像中所有像素点所对应的预测分割数据与标注差值数据进行点乘求和，得到第四修正参数；
将所述第三修正参数与所述第四修正参数之和确定为所述修正预测分割数据。
5.一种血管图像分割装置，其特征在于，所述装置包括：
获取模块，用于获取原始血管图像及对应所述原始血管图像的标注数据；
分割模块，用于对所述原始血管图像进行分割训练，得到所述原始血管图像的预测分割数据；
权重修正模块，包括：第一提取单元，用于提取所述原始血管图像的标注数据中对应所述原始血管图像的血管中心区域的标注数据和血管边缘区域的标注数据；
第一标注修正单元，用于根据从血管中心区域的标注数据到血管边缘区域的标注数据对应权重值由高到低的策略对所述原始血管图像的标注数据进行权重修正，得到修正后的标注数据；
损失函数确定模块，包括：第一参数计算单元，用于对所述原始血管图像中所有像素点所对应的预测分割数据与修正后的标注数据进行点乘求和，得到第一修正参数；
修正预测计算单元，用于根据所述预测分割数据和所述修正后的标注数据以及原始血管图像的标注数据计算修正预测分割数据；
第二参数计算单元，用于对所述原始血管图像中所有像素点所对应的修正预测分割数据与修正后的标注数据进行相加求和，得到第二修正参数；
修正函数确定单元，用于根据所述第一修正参数与所述第二修正参数的比值确定修正损失函数；
修正分割模块，用于利用所述修正损失函数对所述原始血管图像进行修正，得到修正后的血管图像。
6.一种计算机存储设备，其特征在于，所述存储设备包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1-4任一项所述的血管图像分割方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910335546.5A CN109886982B (zh) | 2019-04-24 | 2019-04-24 | 一种血管图像分割方法、装置及计算机存储设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910335546.5A CN109886982B (zh) | 2019-04-24 | 2019-04-24 | 一种血管图像分割方法、装置及计算机存储设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109886982A CN109886982A (zh) | 2019-06-14 |
| CN109886982B true CN109886982B (zh) | 2020-12-11 |
Family
ID=66938278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910335546.5A Active CN109886982B (zh) | 2019-04-24 | 2019-04-24 | 一种血管图像分割方法、装置及计算机存储设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109886982B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378227B (zh) * | 2019-06-17 | 2021-04-13 | 北京达佳互联信息技术有限公司 | 修正样本标注数据的方法、装置、设备及存储介质 |
| CN110689548B (zh) * | 2019-09-29 | 2023-01-17 | 浪潮电子信息产业股份有限公司 | 一种医学图像分割方法、装置、设备及可读存储介质 |
| CN111539917B (zh) * | 2020-04-09 | 2023-08-25 | 北京深睿博联科技有限责任公司 | 一种基于粗细粒度融合的血管分割方法、系统、终端及存储介质 |
| CN111862045B (zh) * | 2020-07-21 | 2021-09-07 | 上海杏脉信息科技有限公司 | 血管模型的生成方法及装置 |
| CN111951274A (zh) * | 2020-07-24 | 2020-11-17 | 上海联影智能医疗科技有限公司 | 图像分割方法、系统、可读存储介质和设备 |
| CN113920078A (zh) * | 2021-09-30 | 2022-01-11 | 北京鹰瞳科技发展股份有限公司 | 一种针对眼底图像的血管分割方法和电子设备 |
| CN114897911A (zh) * | 2022-04-12 | 2022-08-12 | 五邑大学 | 一种视网膜血管分割方法、装置、电子设备及存储介质 |
| CN117036253B (zh) * | 2023-07-18 | 2024-06-14 | 强联智创（北京）科技有限公司 | 用于对分割脑血管的分割模型进行训练的方法和相关产品 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8126232B2 (en) * | 2008-03-05 | 2012-02-28 | Siemens Aktiengesellschaft | System and method for 3D vessel segmentation with minimal cuts |
| CN106530283A (zh) * | 2016-10-20 | 2017-03-22 | 北京工业大学 | 一种基于svm的医疗图像血管识别方法 |
| CN108122236A (zh) * | 2017-12-18 | 2018-06-05 | 上海交通大学 | 基于距离调制损失的迭代式眼底图像血管分割方法 |
| CN109035252A (zh) * | 2018-06-29 | 2018-12-18 | 山东财经大学 | 一种面向医学图像分割的超像素方法 |
| CN109345538A (zh) * | 2018-08-30 | 2019-02-15 | 华南理工大学 | 一种基于卷积神经网络的视网膜血管分割方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106920227B (zh) * | 2016-12-27 | 2019-06-07 | 北京工业大学 | 基于深度学习与传统方法相结合的视网膜血管分割方法 |
-
2019
- 2019-04-24 CN CN201910335546.5A patent/CN109886982B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8126232B2 (en) * | 2008-03-05 | 2012-02-28 | Siemens Aktiengesellschaft | System and method for 3D vessel segmentation with minimal cuts |
| CN106530283A (zh) * | 2016-10-20 | 2017-03-22 | 北京工业大学 | 一种基于svm的医疗图像血管识别方法 |
| CN108122236A (zh) * | 2017-12-18 | 2018-06-05 | 上海交通大学 | 基于距离调制损失的迭代式眼底图像血管分割方法 |
| CN109035252A (zh) * | 2018-06-29 | 2018-12-18 | 山东财经大学 | 一种面向医学图像分割的超像素方法 |
| CN109345538A (zh) * | 2018-08-30 | 2019-02-15 | 华南理工大学 | 一种基于卷积神经网络的视网膜血管分割方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109886982A (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109886982B (zh) | 一种血管图像分割方法、装置及计算机存储设备 | |
| CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 | |
| CN116109663B (zh) | 基于多阈值分割的胃部ct影像分割方法 | |
| US10395092B2 (en) | Processing device, processing method, and information storage device | |
| CN113066061B (zh) | 一种基于mra的动脉瘤检测方法、系统、终端及介质 | |
| CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
| CN116579954B (zh) | 一种超高清内窥镜图像智能增强方法 | |
| CN112037170B (zh) | 一种血管狭窄的检出方法、装置以及计算机存储介质 | |
| CN117523235B (zh) | 一种用于外科护理的患者伤口智能识别系统 | |
| CN117974692B (zh) | 一种基于区域生长的眼科医学影像处理方法 | |
| CN113902692B (zh) | 一种血管分割的方法、装置及计算机可读介质 | |
| CN109948622B (zh) | 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 | |
| CN118247277B (zh) | 一种肺部ct影像自适应增强方法 | |
| Mitra et al. | Peak trekking of hierarchy mountain for the detection of cerebral aneurysm using modified Hough circle transform | |
| CN115690143B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
| CN114882017B (zh) | 基于颅内动脉图像的薄纤维帽斑块检测的方法及装置 | |
| CN112734701B (zh) | 眼底病灶检测方法、检测装置及终端设备 | |
| CN117274280A (zh) | 用于血管分段的方法、设备和计算机可读存储介质 | |
| WO2022227108A1 (zh) | 基于中央凹残差网络的前列腺多模mr图像分类方法和系统 | |
| CN113017667B (zh) | 一种血管狭窄的量化方法、装置、设备和可读存储介质 | |
| CN109949243B (zh) | 一种钙化伪影消除方法、设备及计算机存储介质 | |
| CN109859205B (zh) | 一种斑块检测方法及斑块检测设备 | |
| CN115005772B (zh) | 一种基于oct图像的斑块检测方法、装置及终端设备 | |
| CN117237389B (zh) | 一种中耳胆脂瘤ct影像分割方法 | |
| CN118864501B (zh) | 一种超声心动图的智能检测分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee after: Shukun (Beijing) Network Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee after: Shukun Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20241008 Address after: Room 313 and 315, Building No. 11, Innovation Road, Changping District, Beijing 102200 Patentee after: YUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. Country or region after: China Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun Technology Co.,Ltd. Country or region before: China |