CN115690114A - 一种冠状动脉的分割方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供了一种冠状动脉的分割方法、装置、电子设备及存储介质，包括：对获取的待分割单侧冠脉造影图像进行中心线提取，得到冠脉主干中心线；根据冠脉主干中心线，确定冠脉造影图像所属的目标冠脉侧；使用冠脉造影图像与其前后两帧图像进行通道拼接，确定出第一拼接图像；对冠脉造影图像进行梯度域处理，得到其梯度域映射图，并进行通道拼接，确定出第二图像；将第一拼接图像输入至目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；将第二拼接图像输入至混合冠脉分割模型中，得到第二冠脉图像；使用第一冠脉图像和第二冠脉图像进行融合，得到目标冠脉血管图像。这样，通过本申请的技术方案，提高了冠脉血管分割结果的准确性。

Description

一种冠状动脉的分割方法、装置、电子设备及存储介质

技术领域

本申请涉及医学图像处理技术领域，尤其是涉及一种冠状动脉的分割方法、装置、电子设备及存储介质。

背景技术

如今，冠状动脉疾病已经成为了威胁人类健康的主要威胁。在冠心病的诊疗当中，心血管造影图像已成为诊断的金标准，由于心脏造影图像中血管的形状极为相似，所以现有技术很难判断出每条血管的具体类型。医生在手术过程中直接用肉眼观看血管造影视频来定位、评估和诊断血管狭窄和斑块，并根据经验迅速对患者冠状动脉状况做出定性判断，制定治疗方案，这种直接法受人为因素影响较大，缺乏准确性、客观性和一致性。而基于造影图像的计算机辅助诊疗系统能够很好的帮助医生诊断病情和制定治疗方案，具有十分重要的研究意义。在造影图像计算机辅助诊断系统中，血管分割技术是尤为关键的技术，是半径测量、三维重建等技术的基础，因此如何准确的分割出冠脉血管图像，是亟待解决的技术问题。

发明内容

有鉴于此，本申请的目的在于提供一种冠状动脉的分割方法、装置、电子设备及存储介质，通过对单侧冠脉分割模型和混合冠脉分割模型的输出结果进行融合，得到目标冠脉血管图像，从而提高了冠状动脉分割结果的准确性。

本申请实施例提供了一种冠状动脉的分割方法，所述分割方法包括：

获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；

对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；

根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；

使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；

对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；

将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；

将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；

使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

可选的，通过以下步骤构建单侧冠脉分割模型：

获取多张同为一侧的待训练单侧冠脉造影图像、每张待训练单侧冠脉造影图像的前后两帧冠脉造影图像、以及每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；

针对每张待训练单侧冠脉造影图像，使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第三拼接冠脉造影图像；

将所述第三拼接冠脉造影图像作为第一图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第一图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述单侧冠脉分割模型。

可选的，通过以下步骤构建混合冠脉分割模型：

获取多张待训练单侧冠脉造影图像和每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；其中，所述待训练单侧冠脉造影图像中包括左冠脉造影图像和右冠脉造影图像；

针对每张待训练单侧冠脉造影图像，对该图像进行梯度域处理，确定出该待训练单侧冠脉造影图像的梯度域映射图；

使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的梯度域映射图进行通道拼接处理，确定出第四拼接冠脉造影图像；

将所述第四拼接冠脉造影图像作为第二图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第二图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述混合冠脉分割模型。

可选的，所述对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线，包括：

从所述待分割单侧冠脉造影图像中提取血管骨架；

沿所述血管骨架，提取所述待分割单侧冠脉造影图像中包括的血管段的中心线，得到所述冠脉主干中心线。

可选的，所述根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧，包括：

根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像中冠脉血管的起点位置；其中，所述冠脉血管的起点位置用于确定所述待分割单侧冠脉造影图像所属的目标冠脉侧。

可选的，所述使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像，包括：

使用所述第一冠脉图像和所述第二冠脉图像进行像素相乘处理，将像素相乘后得到的图像确定为所述目标冠脉血管图像。

可选的，所述单侧冠脉分割模型包括左冠脉分割模型和右冠脉分割模型。

本申请实施例还提供了一种冠状动脉的分割装置，所述分割装置包括：

获取模块，用于获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；

提取模块，用于对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；

确定模块，用于根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；

第一拼接模块，用于使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；

第二拼接模块，用于对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；

第一输入模块，用于将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；

第二输入模块，用于将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；

融合模块，用于使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

可选的，所述分割装置还包括第一模型构建模块，所述第一模型构建模块用于：

获取多张同为一侧的待训练单侧冠脉造影图像、每张待训练单侧冠脉造影图像的前后两帧冠脉造影图像、以及每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；

针对每张待训练单侧冠脉造影图像，使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第三拼接冠脉造影图像；

将所述第三拼接冠脉造影图像作为第一图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第一图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述单侧冠脉分割模型。

可选的，所述分割装置还包括第二模型构建模块，所述第二模型构建模块用于：

获取多张待训练单侧冠脉造影图像和每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；其中，所述待训练单侧冠脉造影图像中包括左冠脉造影图像和右冠脉造影图像；

针对每张待训练单侧冠脉造影图像，对该图像进行梯度域处理，确定出该待训练单侧冠脉造影图像的梯度域映射图；

使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的梯度域映射图进行通道拼接处理，确定出第四拼接冠脉造影图像；

将所述第四拼接冠脉造影图像作为第二图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第二图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述混合冠脉分割模型。

可选的，所述提取模块在用于对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线时，所述提取模块用于：

从所述待分割单侧冠脉造影图像中提取血管骨架；

沿所述血管骨架，提取所述待分割单侧冠脉造影图像中包括的血管段的中心线，得到所述冠脉主干中心线。

可选的，所述确定模块在用于根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧时，所述确定模块用于：

根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像中冠脉血管的起点位置；其中，所述冠脉血管的起点位置用于确定所述待分割单侧冠脉造影图像所属的目标冠脉侧。

可选的，所述融合模块在用于使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像时，所述融合模块用于：

使用所述第一冠脉图像和所述第二冠脉图像进行像素相乘处理，将像素相乘后得到的图像确定为所述目标冠脉血管图像。

可选的，所述单侧冠脉分割模型包括左冠脉分割模型和右冠脉分割模型。

本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的分割方法的步骤。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的分割方法的步骤。

本申请实施例提供的一种冠状动脉的分割方法、装置、电子设备及存储介质，所述分割方法包括：获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

这样，本申请考虑到左右冠脉的特征信息的差异性，采用左右冠脉分开训练和混合训练的方案，通过左右冠脉分开训练得到的模型，可以更好的进行单侧冠脉血管的分割；通过在混合训练过程中通过在通道位置上引入梯度映射图约束项来消除背景像素和血管像素比例差异较大而导致的精度问题，使得混合训练得到的模型可以更好的保留冠脉血管图像的边缘信息，进一步提高冠脉血管的分割精度和准确度，从而使得通过两个模型的分割结果进行融合后得到的最终冠脉血管分割图像更加准确。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例所提供的一种冠状动脉的分割方法的流程图；

图2为本申请提供的冠脉造影图像及其梯度域映射图；

图3为本申请提供的另一种冠脉造影图像的示意图；

图4为本申请实施例所提供的一种冠状动脉的分割装置的结构示意图之一；

图5为本申请实施例所提供的一种冠状动脉的分割装置的结构示意图之二；

图6为本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

如今，冠状动脉疾病已经成为了威胁人类健康的主要威胁。在冠心病的诊疗当中，心血管造影图像已成为诊断的金标准，-由于心脏造影图像中血管的形状极为相似，所以现有技术很难判断出每条血管的具体类型。医生在手术过程中直接用肉眼观看血管造影视频来定位、评估和诊断血管狭窄和斑块，并根据经验迅速对患者冠状动脉状况做出定性判断，制定治疗方案，这种直接法受人为因素影响较大，缺乏准确性、客观性和一致性。而基于造影图像的计算机辅助诊疗系统能够很好的帮助医生诊断病情和制定治疗方案，具有十分重要的研究意义。在造影图像计算机辅助诊断系统中，血管分割技术是尤为关键的技术，是半径测量、三维重建等技术的基础，因此如何准确的分割出冠脉血管图像，是亟待解决的技术问题。

现有的技术一般为基于冠状动脉血管的特性，设计相应的滤波器完成增强血管特征和抑制背景噪声任务。大致可以分为基于阈值的分割方法以及基于机器学习的血管分割技术和基于模型的分割方法。

其中，基于阈值的分割方法是首先对血管结构进行增强，然后采用不同的阈值策略进行分割，最常见的做法是人工设计特定的滤波器，使得对血管图像进行滤波后管状结构得到增强，而非管状结构得到抑制。而基于机器学习的血管分割技术主要将血管分割看作一个二分类问题，通过手工选取特征或者深度学习获取特征，结合相应的分类器进行前景和背景的分类实现分割效果。

但是，由于造影图像存在对比度低、造影剂分布不均匀、噪声严重等缺点，基于阈值的分割方法无法很好的区分造影图像的冠脉结构和背景区域。由于心脏造影图像中血管的形状极为相似，血管背景区域有许多和冠脉结构相似的伪血管结构，基于机器学习的方法往往很难将这些结构和冠脉结构进行有效的区分。

而基于模型的分割及识别的方法包括两大类：单帧分割和多帧分割。CN108830155B通过选取分段心脏造影Dicom视频中任意一帧图片作为训练样本，然后通过金字塔融合学习不同尺度的心脏血管特征信息来提高分割精确度。Wang等人通过在3D卷积层从视频序列中提取时间信息，然后从借由2D CE-Net来完成图像序列的分割任务，能在质量较差的冠状动脉造影视频序列中分割出不错的结果。

但由于血管造影图像是一系列时间连续的图像序列的特性，CN108830155B的单帧方案不能够很好的消除低照度引起的低信噪比问题，且没有很好的利用视频的时间维度(例:在一张图像中相互阻塞的血管可能在另一张图像中分离)。Wang等人的3D卷积+2D卷积的操作是冗余且计算量和效果不成正比的方案。

基于此，本申请实施例提供了一种冠状动脉的分割方法、装置、电子设备及存储介质，通过对单侧冠脉分割模型和混合冠脉分割模型的输出结果进行融合，得到目标冠脉血管图像，从而提高了冠状动脉分割结果的准确性。

请参阅图1，图1为本申请实施例所提供的一种冠状动脉的分割方法的流程图。如图1中所示，本申请实施例提供的分割方法，包括：

S101、获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像。

需要说明的是，造影图像为对患者注射血管造影剂后拍摄的医学图像，一般拍摄的医学造影图像为3D图像，也就是由多帧2D图像构成的图像。

这里，获取的待分割单侧冠脉造影图像为一帧左冠脉造影图像或一帧右冠脉造影图像。

其中，一般从患者的某侧冠脉造影图像组中选取一帧造影剂最充盈(也就是最清晰)的造影图像作为待分割单侧冠脉造影图像。在进行造影图像选择时，可以通过预先训练好的图像选取模型进行选取，也可以由专业人员进行选取。所述图像选取模型可以从多帧造影图像中确定出造影剂最充盈的图像。

还要说明的是，之所以还要选取待分割单侧冠脉造影图像的前后两帧冠脉造影图像，是因为：首先，由于血管造影图像中的血管形状复杂，容易变形。血管呈管状弯曲结构，部分血管会相互阻塞、覆盖或缠结，使图像中的语义信息混乱。其次，血管造影图像不仅包含血管，还包含其他器官和组织。更糟糕的是，一些组织的形状和灰度值与血管相似，这使得正确提取对象更加困难。再其次，为了尽量减少X射线带来的损伤，通过降低图像的信噪比来降低照度。为了解决这些难题，考虑到冠状动脉造影视频是一系列时间连续的图像序列，而不是单个图像，组合和处理几个连续的图像帧可能为解决这些问题提供一个好主意和洞察力。例如，在一张图像中相互阻塞的血管可能在另一张图像中分离。多幅图像的叠加可以消除低照度引起的低信噪比问题，因此，还获取前后两帧冠脉造影图像。

S102、对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线。

在本申请提供的一种实施方式中，所述对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线，包括：从所述待分割单侧冠脉造影图像中提取血管骨架；沿所述血管骨架，提取所述待分割单侧冠脉造影图像中包括的血管段的中心线，得到所述冠脉主干中心线。

这里，在从待分割单侧冠脉造影图像中提取冠脉主干中心线时，是先从待分割单侧冠脉造影图像中提取出冠脉血管骨架，然后基于提取出的冠脉血管骨架进行骨架细化，即可确定出冠脉主干中心线，从而完成了中心线的提取。

S103、根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧。

这里，所述目标冠脉侧为左冠脉或右冠脉。

在本申请提供的一种实施方式中，所述根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧，包括：根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像中冠脉血管的起点位置；其中，所述冠脉血管的起点位置用于确定所述待分割单侧冠脉造影图像所属的目标冠脉侧。

需要说明的是，在确定出冠脉主干中心线后，可自动识别出冠脉血管的起点位置，从而确定出待分割单侧冠脉造影图像所属的目标冠脉侧。其中，当确定所述冠脉血管的起点位于图像左侧时，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧为左冠脉；当确定所述冠脉血管的起点位于图像右侧时，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧为右冠脉

这里，之所以需要确定待分割单侧冠脉造影图像所属的目标冠脉侧，是为了后续具体确定出所需的单侧冠脉分割模型。

S104、使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像。

这里，通过对图像进行通道拼接，可以更好的学习图像之间的相关性，这是因为通道位置上面的拼接能将帧与帧之间的相关性转变为通道之间的相关性，很好的解释的一点在于自然图像的组成是RGB三张图像组成，R、G和B都是同一张图的不同表示形态，同样地，冠脉造影序列中的帧与帧之间的区别在与处于不同时间点的同一件物体，这样通过通道拼接处理可以在减少计算量的同时有助于提高分割精度。

S105、对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像。

这里，对待分割单侧冠脉造影图像进行梯度域处理是为了更好的保留图像中冠脉血管的边缘特征。

示例的，请参阅图2，图2为本申请提供的冠脉造影图像及其梯度域映射图。如图2所示，左侧为待分割单侧冠脉造影图像，右侧为待分割单侧冠脉造影图像的梯度域映射图。

S106、将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像。

这里，所述单侧冠脉分割模型包括左冠脉分割模型和右冠脉分割模型，所述将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，包括：当确定所述目标冠脉侧为左冠脉，则将所述第一拼接冠脉造影图像输入至预先训练好的左冠脉分割模型中；当确定所述目标冠脉侧为右冠脉，则将所述第一拼接冠脉造影图像输入至预先训练好的右冠脉分割模型中。

其中，由左冠脉分割模型确定出的第一冠脉图像，是仅包括左冠脉血管的图像，所述第一冠脉图像中可具体标注出左前降支血管、左回旋支血管、以及左主干血管三支主要血管，还可以具体标注出其他左侧分支血管。

由右冠脉分割模型确定出的第一冠脉图像，是仅包括右冠脉血管的图像，所述第一冠脉图像中可具体标注出右冠状动脉血管一支主要血管，还可以具体标注出其他右侧分支血管。

在本申请提供的一种实施方式中，通过以下步骤构建单侧冠脉分割模型：获取多张同为一侧的待训练单侧冠脉造影图像、每张待训练单侧冠脉造影图像的前后两帧冠脉造影图像、以及每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；针对每张待训练单侧冠脉造影图像，使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第三拼接冠脉造影图像；将所述第三拼接冠脉造影图像作为第一图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第一图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述单侧冠脉分割模型。

这里，获取多张同为一侧的待训练单侧冠脉造影图像，具体包括：当需要构建左冠脉分割模型，则获取多张待训练左冠脉造影图像；当需要构建右冠脉分割模型，则获取多张待训练右冠脉造影图像。

其中，获取的每帧待训练单侧冠脉造影图像均是造影剂充盈的造影图像。所述第一图像分割神经网络可采用Unet神经网络。

示例的，请参阅图3，图3为本申请提供的另一种冠脉造影图像的示意图。如图3所示，左侧图像为造影剂不充盈状态对应的冠脉造影图像，右侧图像为造影剂充盈状态对应的冠脉造影图像。

这样，通过左右冠脉分割模型分开训练的方式，使得，右冠脉分割模型只处理右冠脉造影图像，更好的拟合右冠的特征信息；左冠脉分割模型只处理左冠脉造影图像，更好的拟合右冠的特征信息，从而提高了冠脉分割结果的准确性。

需要说明的，左冠脉分割模型和右冠脉分割模型的大致处理方案是一样的，两个模型对应的初始第一图像分割神经网络相同，但是由于是两个相同的网络，它们针对于所给予的数据集网络对左右冠脉的分割能力是不一样的。

S107、将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像。

这里，混合冠脉分割模型既可对左冠脉造影图像进行图像分割也可对右冠脉造影图像进行图像分割。

在本申请提供的一种实施方式中，通过以下步骤构建混合冠脉分割模型：获取多张待训练单侧冠脉造影图像和每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；其中，所述待训练单侧冠脉造影图像中包括左冠脉造影图像和右冠脉造影图像；针对每张待训练单侧冠脉造影图像，对该图像进行梯度域处理，确定出该待训练单侧冠脉造影图像的梯度域映射图；使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的梯度域映射图进行通道拼接处理，确定出第四拼接冠脉造影图像；将所述第四拼接冠脉造影图像作为第二图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第二图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述混合冠脉分割模型。

这里，构建的混合冠脉分割模型是用来学习整体的左右冠之间的一些潜在相关性，因此，获取的多张待训练单侧冠脉造影图像中是包含了左冠脉造影图像和右冠脉造影图像。

其中，所述第二图像分割神经网络也可以采用Unet神经网络，也就是第一图像分割神经网络和第二图像分割神经网络可以为相同的神经网络，或者所第二图像分割神经网络的网络参数直接采用训练好的左右冠脉分割模型的神经网络，从而简化混合冠脉分割模型的训练过程，进行减少训练时间。

S108、使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

这里，确定出的第一冠脉图像能够很好的保留文本信息，确定出的第二冠脉图像能更好的保留冠脉血管边缘的纹理信息。

在本申请提供的一种实施方式中，所述使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像，包括：使用所述第一冠脉图像和所述第二冠脉图像进行像素相乘处理，将像素相乘后得到的图像确定为所述目标冠脉血管图像。

这里，在进行图像融合时，采用的是像素级图像融合的方式，除此之外还可以采用其他图像融合方式进行融合，例如特征级图像融合及决策级像素融合等，在此不做限定。

本申请实施例提供的一种冠状动脉的分割方法，所述分割方法包括：获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

这样，本申请考虑到左右冠脉的特征信息的差异性，采用左右冠脉分开训练和混合训练的方案，通过左右冠脉分开训练得到的模型，可以更好的进行单侧冠脉血管的分割；通过在混合训练过程中通过在通道位置上引入梯度映射图约束项来消除背景像素和血管像素比例差异较大而导致的精度问题，使得混合训练得到的模型可以更好的保留冠脉血管图像的边缘信息，进一步提高冠脉血管的分割精度和准确度，从而使得通过两个模型的分割结果进行融合后得到的最终冠脉血管分割图像更加准确。

请参阅图4、图5，图4为本申请实施例所提供的一种冠状动脉的分割装置的结构示意图之一，图5为本申请实施例所提供的一种冠状动脉的分割装置的结构示意图之二。如图4中所示，所述分割装置400包括：

获取模块401，用于获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；

提取模块402，用于对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；

确定模块403，用于根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；

第一拼接模块404，用于使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；

第二拼接模块405，用于对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；

第一输入模块406，用于将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；

第二输入模块407，用于将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；

融合模块408，用于使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

可选的，如图5所示，所述分割装置400还包括第一模型构建模块409，所述第一模型构建模块409用于：

获取多张同为一侧的待训练单侧冠脉造影图像、每张待训练单侧冠脉造影图像的前后两帧冠脉造影图像、以及每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；

针对每张待训练单侧冠脉造影图像，使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第三拼接冠脉造影图像；

将所述第三拼接冠脉造影图像作为第一图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第一图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述单侧冠脉分割模型。

可选的，所述分割装置400还包括第二模型构建模块410，所述第二模型构建模块410用于：

获取多张待训练单侧冠脉造影图像和每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；其中，所述待训练单侧冠脉造影图像中包括左冠脉造影图像和右冠脉造影图像；

针对每张待训练单侧冠脉造影图像，对该图像进行梯度域处理，确定出该待训练单侧冠脉造影图像的梯度域映射图；

使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的梯度域映射图进行通道拼接处理，确定出第四拼接冠脉造影图像；

将所述第四拼接冠脉造影图像作为第二图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第二图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述混合冠脉分割模型。

可选的，所述提取模块402在用于对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线时，所述提取模块402用于：

从所述待分割单侧冠脉造影图像中提取血管骨架；

沿所述血管骨架，提取所述待分割单侧冠脉造影图像中包括的血管段的中心线，得到所述冠脉主干中心线。

可选的，所述确定模块403在用于根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧时，所述确定模块403用于：

根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像中冠脉血管的起点位置；其中，所述冠脉血管的起点位置用于确定所述待分割单侧冠脉造影图像所属的目标冠脉侧。

可选的，所述融合模块408在用于使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像时，所述融合模块408用于：

使用所述第一冠脉图像和所述第二冠脉图像进行像素相乘处理，将像素相乘后得到的图像确定为所述目标冠脉血管图像。

可选的，所述单侧冠脉分割模型包括左冠脉分割模型和右冠脉分割模型。

请参阅图6，图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备600包括处理器610、存储器620和总线630。

所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，可以执行如上述图1所示方法实施例中的分割方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的分割方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种冠状动脉的分割方法，其特征在于，所述分割方法包括：

获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；

对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；

根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；

使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；

对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；

将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；

将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；

使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

2.根据权利要求1所述的分割方法，其特征在于，通过以下步骤构建单侧冠脉分割模型：

获取多张同为一侧的待训练单侧冠脉造影图像、每张待训练单侧冠脉造影图像的前后两帧冠脉造影图像、以及每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；

针对每张待训练单侧冠脉造影图像，使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第三拼接冠脉造影图像；

将所述第三拼接冠脉造影图像作为第一图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第一图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述单侧冠脉分割模型。

3.根据权利要求1所述的分割方法，其特征在于，通过以下步骤构建混合冠脉分割模型：

获取多张待训练单侧冠脉造影图像和每张待训练单侧冠脉造影图像对应的冠脉血管分割图像；其中，所述待训练单侧冠脉造影图像中包括左冠脉造影图像和右冠脉造影图像；

针对每张待训练单侧冠脉造影图像，对该图像进行梯度域处理，确定出该待训练单侧冠脉造影图像的梯度域映射图；

使用该待训练单侧冠脉造影图像与该待训练单侧冠脉造影图像的梯度域映射图进行通道拼接处理，确定出第四拼接冠脉造影图像；

将所述第四拼接冠脉造影图像作为第二图像分割神经网络的输入数据，将所述待训练单侧冠脉造影图像对应的冠脉血管分割图像作为所述第二图像分割神经网络的输出数据，进行模型迭代训练，当模型收敛后，停止训练，得到所述混合冠脉分割模型。

4.根据权利要求1所述的分割方法，其特征在于，所述对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线，包括：

从所述待分割单侧冠脉造影图像中提取血管骨架；

沿所述血管骨架，提取所述待分割单侧冠脉造影图像中包括的血管段的中心线，得到所述冠脉主干中心线。

5.根据权利要求1所述的分割方法，其特征在于，所述根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧，包括：

根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像中冠脉血管的起点位置；其中，所述冠脉血管的起点位置用于确定所述待分割单侧冠脉造影图像所属的目标冠脉侧。

6.根据权利要求1所述的分割方法，其特征在于，所述使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像，包括：

使用所述第一冠脉图像和所述第二冠脉图像进行像素相乘处理，将像素相乘后得到的图像确定为所述目标冠脉血管图像。

7.根据权利要求1所述的分割方法，其特征在于，所述单侧冠脉分割模型包括左冠脉分割模型和右冠脉分割模型。

8.一种冠状动脉的分割装置，其特征在于，所述分割装置包括：

获取模块，用于获取待分割单侧冠脉造影图像以及所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像；

提取模块，用于对所述待分割单侧冠脉造影图像进行中心线提取，得到所述待分割单侧冠脉造影图像的冠脉主干中心线；

确定模块，用于根据所述冠脉主干中心线，确定所述待分割单侧冠脉造影图像所属的目标冠脉侧；其中，所述目标冠脉侧为左冠脉或右冠脉；

第一拼接模块，用于使用所述待分割单侧冠脉造影图像与所述待分割单侧冠脉造影图像的前后两帧冠脉造影图像进行通道拼接处理，确定出第一拼接冠脉造影图像；

第二拼接模块，用于对所述待分割单侧冠脉造影图像进行梯度域处理，得到所述待分割单侧冠脉造影图像的梯度域映射图，并使用确定出的梯度域映射图与所述待分割单侧冠脉造影图像进行通道拼接处理，确定出第二拼接冠脉造影图像；

第一输入模块，用于将所述第一拼接冠脉造影图像输入至预先训练好的所述目标冠脉侧对应的单侧冠脉分割模型中，得到第一冠脉图像；

第二输入模块，用于将所述第二拼接冠脉造影图像输入至预先训练好的混合冠脉分割模型中，得到第二冠脉图像；

融合模块，用于使用所述第一冠脉图像和所述第二冠脉图像进行融合，得到分割完成的目标冠脉血管图像。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的分割方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的分割方法的步骤。

Images