CN117152124B - 针对血管分支处的微血管检测方法、装置及存储介质 - Google Patents

Abstract

本申请公开了针对血管分支处的微血管检测方法、装置及存储介质，包括：获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

Description

针对血管分支处的微血管检测方法、装置及存储介质

技术领域

本申请涉及医学影像技术领域，特别是涉及一种针对血管分支处的微血管检测方法、装置及存储介质。

背景技术

目前，血管造影技术是医生检查患者的血管是否发生病变的重要技术之一。由于X光射线无法穿透显影剂，因此血管造影技术利用这一特性，将显影剂注入患者的血管中，从而通过显影剂在X光下所显示的影像来诊断患者的血管是否发生病变。

现有的通常利用血管分割模型对血管图像进行分割，从而医生能够有针对性的对患者的血管进行诊断。

但是由于人体内的血管大小不一，而血管分叉处的微血管又非常细小，因此往往无法在血管影像上显示。此外，造影剂不充盈的血管往往也无法在血管影像上显示。但是在血管分叉处的微血管或造影剂不充盈的血管无法在血管图像显示的情况下，血管分割模型无法精确以及连续的分割血管。从而，医生也就无法准确的判断患者的血管是否发生病变。

针对上述的现有技术中存在的由于人体内的血管大小不一，而血管分叉处的微血管又非常细小，因此无法清晰的在血管影像上显示微血管；或者由于造影剂不充盈，因此血管影像无法清晰的显示血管，从而导致血管分割模型无法精确以及连续的分割血管，进而影响医生对患者的血管诊断的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种针对血管分支处的微血管检测方法、装置及存储介质，以至少解决现有技术中存在的由于人体内的血管大小不一，而血管分叉处的微血管又非常细小，因此无法清晰的在血管影像上显示微血管；或者由于造影剂不充盈，因此血管影像无法清晰的显示血管，从而导致血管分割模型无法精确以及连续的分割血管，进而影响医生对患者的血管诊断的技术问题。

根据本公开实施例的一个方面，提供了一种针对血管细微分支的检测方法，包括：获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种针对血管细微分支的检测装置，包括：裁剪模块，用于获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；输入模块，用于将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；第一生成模块，用于利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及第二生成模块，用于利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

根据本公开实施例的另一个方面，还提供了一种针对血管细微分支的检测装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

本申请提供了一种针对血管分支处的微血管检测方法。首先，处理器获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像。然后，处理器将k个第二图像输入编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图。之后处理器利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于显示微血管的延伸方向的第二方向向量。最后，处理器利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

由于处理器将多个具有不同分辨率的k个第二图像输入至编码器模块，并且与编码器模块连接的解码器模块能够输出k个第一方向向量和k个第一特征图，因此能够根据第一方向向量确定血管的延伸方向，根据第一特征图确定血管的分布特征。

进一步地，由于处理器能够利用第一融合模块、第二融合模块、k个第一方向向量和k个第一特征图，生成显示微血管的第三图像，因此能够达到为血管分割模型精确以及连续的分割血管提供必要基础，进而保证医生对患者的血管进行精确诊断的技术效果。

进而解决了现有技术中存在的由于人体内的血管大小不一，而血管分叉处的微血管又非常细小，因此无法清晰的在血管影像上显示微血管；或者由于造影剂不充盈，因此血管影像无法清晰的显示血管，从而导致血管分割模型无法精确以及连续的分割血管，进而影响医生对患者的血管诊断的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1是用于实现根据本申请实施例1所述的方法的计算设备的硬件结构框图；

图2是根据本申请实施例1所述的针对血管分支处的微血管检测系统的示意图；

图3是根据本申请实施例1的第一个方面所述的针对血管分支处的微血管检测方法的流程示意图；

图4是根据本申请实施例1的第一个方面所述的针对血管分支处的微血管的检测模型的示意图；

图5是根据本申请实施例1的第一个方面所述的第一融合模块对方向向量矩阵进行融合，并生成第二方向向量的示意图；

图6是根据本申请实施例1的第一个方面所述的走向趋势判定模型的示意图；

图7是根据本申请实施例1的第一个方面所述的第二融合模块根据第二特征图和k个第一特征图，生成第三图像的示意图；

图8是根据本申请实施例1的第一个方面所述的针对血管分支处的微血管检测方法的整体流程图；

图9是根据本申请实施例2的第一个方面所述的针对血管分支处的微血管检测装置的示意图；以及

图10是根据本申请实施例3的第一个方面所述的针对血管分支处的微血管检测装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通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，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本实施例，提供了一种针对血管分支处的微血管检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现针对血管分支处的微血管检测方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器（处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器、用于通信功能的传输装置以及输入/输出接口。其中存储器、传输装置以及输入/输出接口通过总线与处理器连接。除此以外，还可以包括：与输入/输出接口连接的显示器、键盘以及光标控制设备。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。

存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的针对血管分支处的微血管检测方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的针对血管分支处的微血管检测方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器（LCD），该液晶显示器可使得用户能够与计算设备的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件（包括电路）、软件元件（包括存储在计算机可读介质上的计算机代码）、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。

图2是根据本申请实施例所述的针对血管分支处的微血管检测系统的示意图。参照图2所示，该系统包括：终端设备100以及处理器200。

其中，终端设备100用于将用户输入的用于显示血管分叉点的第一图像发送至处理器200。

处理器200用于以血管分叉点为中心，裁剪出具有不同分辨率的k个第二图像。

处理器200还用于将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中获取得到k个第一方向向量和k个第一特征图。

处理器200还用于利用第一融合模块对k个第一方向向量进行拼接以及融合，从而获取得到用于显示微血管的延伸方向的第二方向向量。

处理器200还用于利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

在上述运行环境下，根据本实施例的第一个方面，提供了一种针对针对血管分支处的微血管检测方法，该方法由图2中所示的处理器200实现。图3示出了该方法的流程示意图，参考图3所示，该方法包括：

S302：获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；

S304：将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；

S306：利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及

S308：利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

具体地，由于在血管造影检测中，造影剂往往无法在微血管中充分的流动，因此造影剂在微血管处无法连贯，从而导致血管影像无法清晰且连续的显示微血管，进而导致血管分割模型无法精确连续的分割血管。

为了解决上述问题，首先，处理器200获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像（S302）。具体地，图4是根据本申请实施例1的第一个方面所述的针对血管分支处的微血管的检测模型的示意图。参考图4所示，处理器200通过终端设备100接收到的由用户输入的第一图像，并以血管分叉点的中心为原点，再分别以2，3，5，7像素半径裁剪第一图像，从而生成像素大小为[5，7 ，11，15]的4个第二图像（例如，k=4）。其中，第一图像例如还可以是处理器200从数据库获取到的用于显示血管造影的图像。从而，处理器200通过以不同像素半径对第一图像进行裁剪，可以得到在不同的尺度上的血管的信息，进而能够提高血管分割的准确性。

然后，处理器200将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图（S304）。其中，k个第一特征图的分辨率大小不同，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器。具体地，参考图4所示，基于上述所述的内容，例如处理器200基于第一图像裁剪得到具有不同分辨率大小的4个第二图像，从而与之对应的是，编码器模块包括5个级联的编码器，解码器模块包括4个级联的解码器。其中，按照从上到下的顺序，5个级联的编码器分别为第1层级编码器、第2层级编码器、第3层级编码器、第4层级编码器和第5层级编码器。4个级联的解码器分别为第1层级解码器、第2层级解码器、第3层级解码器和第4层级解码器。

从而，处理器200在得到4个分辨率大小不同的第二图像后，将4个分辨率大小不同的第二图像按照分辨率从大到小的顺序依次输入至第1~第4层级编码器，从而由第1~第4层级解码器输出对应的4个第一方向向量和4个第一特征图。关于上述内容，将在后续进行详细描述，因此此处不再加以赘述。

进一步地，处理器200利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量（S306）。其中，第一融合模块例如可以是方向融合模块，用于对多个第一方向向量进行拼接以及融合。具体地，参考图4所示，由于解码器模块包括4个级联的解码器，因此解码器模块能够生成与各分辨率层级的第一图像对应的4个第一方向向量。其中，第一方向向量例如可以是1×500的向量。然后，处理器200将4个第一方向向量输入至第一融合模块，第一融合模块将4个第一方向向量拼接成为方向向量矩阵。其中，方向向量矩阵例如可以是4×500的向量矩阵。

图5是根据本申请实施例1的第一个方面所述的第一融合模块对方向向量矩阵进行融合，并生成第二方向向量的示意图。参考图4和图5所示，处理器200在将4个第一方向向量拼接为4×500的方向向量矩阵后，再采用全连接的方式将4×500的方向向量矩阵融合在一起，从而输出1×500的第二方向向量。其中，第二方向向量用于代表500个对应的方向，即血管的延伸方向和微血管的延伸方向。

最后，处理器200利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像（S308）。具体地，参考图4所示，由于解码器模块包括4个级联的解码器，因此解码器模块生成了与各分辨率层级的第一图像对应的4个第一特征图。处理器200将1×500的第二方向向量转换为第二特征图，将第二特征图与4个第一特征图合并，并将合并后的图像输入至第二融合模块，从而生成能够显示微血管的第三图像。其中，第二特征图为微血管的方向特征图。上述内容将在后续进行详细描述，因此此处不再加以赘述。

正如背景技术中所述，现有的通常利用血管分割模型对血管影像进行分割，从而医生能够针对性的对患者的血管进行诊断。

但是由于人体内的血管大小不一，而血管分叉处的微血管又非常细小，因此往往无法清晰的在血管影像上显示。此外，造影剂不充盈的血管往往也无法在血管影像上清晰的显示出来。而在血管分叉处的微血管或造影剂不充盈的血管无法清晰的在血管影像显示的情况下，血管分割模型无法精确以及连续的分割血管。从而，医生也就无法准确的判断患者的血管是否发生病变。

有鉴于此，本申请提供了一种针对血管细微分支的检测方法。并且由于处理器将多个具有不同分辨率的k个第二图像输入至编码器模块，并且与编码器模块连接的解码器模块能够输出k个第一方向向量和k个第一特征图，因此能够根据第一方向向量确定血管的延伸方向，根据第一特征图确定血管的分布特征。

进一步地，由于处理器能够利用第一融合模块、第二融合模块、k个第一方向向量和k个第一特征图，生成显示微血管的第三图像，因此能够达到为血管分割模型精确以及连续的分割血管提供必要基础，进而保证医生对患者的血管进行精确诊断的技术效果。

进而解决了现有技术中存在的由于人体内的血管大小不一，而血管分叉处的微血管又非常细小，因此无法清晰的在血管影像上显示微血管；或者由于造影剂不充盈，因此血管影像无法清晰的显示血管，从而导致血管分割模型无法精确以及连续的分割血管，进而影响医生对患者的血管诊断的技术问题。

可选地，还包括：将当前层级编码器的输出端连接至下一层级编码器的输入端，其中第1~第k-1层级编码器基于U-NET网络，第k层级编码器和第k+1层级编码器基于卷积层和激活函数；将当前层级解码器的输入端连接至下一层级解码器的输出端，其中第1~第k-1层级解码器基于U-NET网络，第k层级解码器基于卷积层和激活函数；将第1~第k-1层级编码器的输出端连接至对应的第1~第k-1层级解码器的输入端；以及将第k层级编码器的输出端和第k+1层级编码器的输出端分别连接至第k层级解码器的输入端。

具体地，参考图4所示，由于处理器200基于第一图像裁剪出具有不同分辨率大小的4个第二图像，即k=4，因此与4个第二图像对应有5个级联的编码器，4个级联的解码器。

并且从上到下，5个级联的编码器依次为第1层级编码器、第2层级编码器、第3层级编码器、第4层级编码器和第5层级编码器。与第1层级编码器对应的是第一分辨率层级，与第2层级编码器对应的是第二分辨率层级，与第3层级编码器对应的是第三分辨率层级，与第4层级编码器对应的是第四分辨率层级，与第5层级编码器对应的是第五分辨率层级。

从上到下，4个级联的解码器依次为第1层级解码器、第2层级解码器、第3层级解码器和第4层级解码器。与第1层级解码器对应的是第一分辨率层级，与第2层级解码器对应的是第二分辨率层级，与第3层级解码器对应的是第三分辨率层级，与第4层级解码器对应的是第四分辨率层级。

从而，首先，处理器200将像素大小为15的第二图像输入至第1层级编码器。第1层级编码器基于U-NET网络和像素大小为15的第二图像，生成与像素大小为15的第二图像对应的第三特征图，并通过输出端将第三特征图传输至第2层级编码器的输入端。此外，第1层级编码器还通过输出端将第三特征图传输至第1层级解码器的输入端。

然后，处理器200将像素大小为11的第二图像输入至第2层级编码器。第2层级编码器基于U-NET网络和像素大小为11的第二图像，生成与像素大小为11的第二图像对应的第三特征图。之后第2层级编码器将第1层级编码器传输的第三特征图与本身所生成的第三特征图合并，生成第四特征图，并通过输出端将合并后所生成的第四特征图传输至第3层级编码器的输入端。此外，第2层级编码器还通过输出端将第四特征图传输至第2层级解码器的输入端。

进一步地，处理器200将像素大小为7的第二图像输入至第3层级编码器。第3层级编码器基于U-NET网络和像素大小为7的第二图像，生成与像素大小为7的第二图像对应的第三特征图。之后第3层级编码器将第2层级编码器传输的第四特征图与本身所生成的第三特征图合并，生成第五特征图，并通过输出端将合并后所生成的第五特征图传输至第4层级编码器的输入端。此外，第3层级编码器还通过输出端将第五特征图传输至第3层级解码器的输入端。

然后，处理器200将像素大小为5的第二图像输入至第4层级编码器。第4层级编码器基于卷积层和激活函数，并利用像素大小为5的第二图像，生成与像素大小为5的第二图像对应的第三特征图。之后第4层级编码器将第3层级编码器传输的第五特征图与本身所生成的第三特征图合并，生成第六特征图，并通过输出端将合并后所生成的第六特征图传输至第5层级编码器的输入端。此外，第4层级编码器还通过输出端将第六特征图传输至第4层级解码器的输入端。

然后，第5层级编码器基于卷积层和激活函数，并利用第4层级编码器传输的合并后的第六特征图，生成第七特征图，并通过输出端将第七特征图传输至第4层级解码器的输入端。

进一步地，处理器200将第七特征图与第六特征图合并，并将合并后的特征图输入至第4层级解码器的输入端，从而第4层级解码器基于卷积层和激活函数，生成第一方向向量和第一特征图。

之后，处理器200将第五特征图与由第4层级解码器生成的第一特征图合并，并将合并后的特征图输入至第3层级解码器的输入端，从而第3层级解码器基于U-NET网络，生成第一方向向量和第一特征图。

然后，处理器200将第四特征图与由第3层级解码器生成的第一特征图合并，并将合并后的特征图输入至第2层级解码器的输入端，从而第2层级解码器基于U-NET网络，生成第一方向向量和第一特征图。

最后，处理器200将第三特征图与由第2层级解码器生成的第一特征图合并，并将合并后的特征图输入至第1层级解码器的输入端，从而第1层级解码器基于U-NET网络，生成第一方向向量和第一特征图。

可选地，还包括：将第二方向向量输入至走向趋势判定模型，从而判定微血管的延伸方向。

具体地，图6是根据本申请实施例所述的走向趋势判定模型的示意图。参考图6所示，此外，处理器200还将第二方向向量输入至预先设置的走向趋势判定模型，从而判定血管以及血管分叉点处的微血管的延伸方向。其中，走向趋势判定模型例如可以是一个球形，将球形平均划分为500份，分别代表血管以及血管分叉点处的微血管可能的延伸方向。从而，能够进一步判定与第二图像对应的血管以及血管分叉点处的微血管的延伸方向。

可选地，利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像的操作，包括：将第二方向向量转换为第二特征图，其中第二特征图为微血管的方向特征图；以及合并第二特征图和k个第一特征图，并将合并后的特征图输入至第二融合模块，从而生成第三图像。

具体地，图7是根据本申请实施例所述的第二融合模块根据第二特征图和k个第一特征图，生成第三图像的示意图。参考图4和图7所示，首先，处理器200将第二方向向量转换为第二特征图，并确定第二特征图上各个方向所对应的概率值。其中，第二特征图为微血管的方向特征图。然后。将概率值大于0.5的方向，对应到相应的立方图像上，并对立方图像上的方向也进行赋值。从而，第二融合模块能够确定哪个方向的概率较大。然后，处理器200合并第二特征图和4个第一特征图，并将合并后所生成的特征图输入至第二融合模块。从而，第二融合模块根据合并后所生成的特征图，生成用于显示微血管的第三图像。

从而，通过将第二方向向量转换为第二特征图，并将第二特征图与多个第一特征图合并，并将合并后所得到的特征图输入至第二融合模块，从而利用第二融合模块生成用于显示微血管的第三图像的操作，达到了能够显示血管以及血管分叉点处的微血管的趋势走向信息，便于分割出较精确的图像的技术效果。

图8是根据本申请实施例所述的针对血管分支处的微血管检测方法的整体流程图。参考图8所示：

S801：处理器200获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；

S802：处理器200将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图；

S803：处理器200利用第一融合模块对k个第一方向向量进行拼接以及融合，生成用于显示微血管的第二方向向量；

S804：处理器200将第二方向向量输入至走向趋势判定模型，从而判定微血管的延伸方向；

S805：处理器200将第二方向向量转换为第二特征图；

S806：处理器200合并第二特征图和k个第一特征图，并将合并后的特征图输入至第二融合模块，从而生成第三图像。

从而根据本实施例的第一个方面，能够达到为血管分割模型精确以及连续的分割血管提供必要基础，进而保证医生对患者的血管进行精确诊断的技术效果。

此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质。所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。

从而根据本实施例，能够达到为血管分割模型精确以及连续的分割血管提供必要基础，进而保证医生对患者的血管进行精确诊断的技术效果。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施 例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

实施例2

图9示出了根据本实施例的第一个方面所述的针对血管分支处的微血管检测装置900，该装置900与根据实施例1的第一个方面所述的方法相对应。参考图9所示，该装置900包括：裁剪模块910，用于获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；输入模块920，用于将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；第一生成模块930，用于利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及第二生成模块940，用于利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

可选地，装置900还包括：第一连接子模块，用于将当前层级编码器的输出端连接至下一层级编码器的输入端，其中第1~第k-1层级编码器基于U-NET网络，第k层级编码器和第k+1层级编码器基于卷积层和激活函数；第二连接子模块，用于将当前层级解码器的输入端连接至下一层级解码器的输出端，其中第1~第k-1层级解码器基于U-NET网络，第k层级解码器基于卷积层和激活函数；第三连接子模块，用于将第1~第k-1层级编码器的输出端连接至对应的第1~第k-1层级解码器的输入端；以及第四连接子模块，用于将第k和第k+1层级编码器的输出端分别连接至第k层级解码器的输入端。

可选地，装置900还包括：方向判定模块，用于将第二方向向量输入至走向趋势判定模型，从而判定微血管的延伸方向。

可选地，第二生成模块940，包括：转换模块，将第二方向向量转换为第二特征图，其中第二特征图为微血管的方向特征图；以及合并模块，用于合并第二特征图和k个第一特征图，并将合并后的特征图输入至第二融合模块，从而生成第三图像。

从而根据本实施例，能够达到为血管分割模型精确以及连续的分割血管提供必要基础，进而保证医生对患者的血管进行精确诊断的技术效果。

实施例3

图10示出了根据本实施例的第一个方面所述的针对血管分支处的微血管检测装置1000，该装置1000与根据实施例1的第一个方面所述的方法相对应。参考图10所示，该装置1000包括：处理器1010；以及存储器1020，与处理器1010连接，用于为处理器1010提供处理以下处理步骤的指令：获取用于显示血管分叉点的第一图像，并以血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；将k个第二图像输入至编码器模块，并从与编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中第一特征图为微血管的区域特征图，并且其中编码器模块包括k+1个级联的编码器，解码器模块包括k个级联的解码器；利用第一融合模块对k个第一方向向量进行拼接以及融合，并生成用于表示微血管的延伸方向的第二方向向量；以及利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像。

可选地，还包括：将当前层级编码器的输出端连接至下一层级编码器的输入端，其中第1~第k-1层级编码器基于U-NET网络，第k层级编码器和第k+1层级编码器基于卷积层和激活函数；将当前层级解码器的输入端连接至下一层级解码器的输出端，其中第1~第k-1层级解码器基于U-NET网络，第k层级解码器基于卷积层和激活函数；将第1~第k-1层级编码器的输出端连接至对应的第1~第k-1层级解码器的输入端；以及将第k层级编码器的输出端和第k+1层级编码器的输出端分别连接至第k层级解码器的输入端。

可选地，还包括：将第二方向向量输入至走向趋势判定模型，从而判定微血管的延伸方向。

可选地，利用第二融合模块，并基于第二方向向量和k个第一特征图，生成用于显示微血管的第三图像的操作，包括：将第二方向向量转换为第二特征图，其中第二特征图为微血管的方向特征图；以及合并第二特征图和k个第一特征图，并将合并后的特征图输入至第二融合模块，从而生成第三图像。

从而根据本实施例，能够达到为血管分割模型精确以及连续的分割血管提供必要基础，进而保证医生对患者的血管进行精确诊断的技术效果。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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全部或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（可为个人计算机、服务器或者网络设备等）执行本发明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、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种针对血管分支处的微血管检测方法，其特征在于，包括：

获取用于显示血管分叉点的第一图像，并以所述血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；

将所述k个第二图像输入至编码器模块，并从与所述编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中所述第一特征图为微血管的区域特征图，并且其中所述编码器模块包括k+1个级联的编码器，所述解码器模块包括k个级联的解码器；

利用第一融合模块对所述k个第一方向向量进行拼接，成为方向向量矩阵，并采用全连接的方式对所述方向向量矩阵进行融合，并生成用于表示所述微血管的延伸方向的第二方向向量；以及

利用第二融合模块，并基于所述第二方向向量和所述k个第一特征图，生成用于显示微血管的第三图像，其中

利用第二融合模块，并基于所述第二方向向量和所述k个第一特征图，生成用于显示微血管的第三图像的操作，包括：

将所述第二方向向量转换为第二特征图，其中所述第二特征图为微血管的方向特征图；以及

合并所述第二特征图和所述k个第一特征图，并将合并后的特征图输入至所述第二融合模块，从而生成所述第三图像，并且其中

还包括：

将当前层级编码器的输出端连接至下一层级编码器的输入端，其中第1~第k-1层级编码器基于U-NET网络，第k层级编码器和第k+1层级编码器基于卷积层和激活函数；

将当前层级解码器的输入端连接至下一层级解码器的输出端，其中第1~第k-1层级解码器基于U-NET网络，第k层解码器基于卷积层和激活函数；

将第1~第k-1层级编码器的输出端连接至对应的第1~第k-1层级解码器的输入端；以及

将第k层级编码器和第k+1层级编码器的输出端分别连接至第k层级解码器的输入端，其中方法还包括：

将不同像素的多个第二图像按顺序依次输入至各层级的编码器，从而所述各层级的编码器按顺序生成与所述不同像素的多个第二图像对应的特征图；

所述各层级的编码器将上一层级编码器生成的特征图和当前层级编码器生成的，与所述第二图像对应的特征图合并，生成新的特征图，并传输至下一层级编码器，用于合并；以及

所述当前层级编码器将合并后所生成的特征图，传输至对应层级的解码器的输入端，从而所述对应层级的解码器将从所述当前层级编码器接收到的特征图，和下一层级解码器输出的特征图合并，并将所生成的特征图输入至上一层级解码器。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所述第二方向向量输入至走向趋势判定模型，从而判定所述微血管的延伸方向。

3.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至2中任意一项所述的方法。

4.一种针对血管细微分支的检测装置，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

获取用于显示血管分叉点的第一图像，并以所述血管分叉点为中心裁剪出具有不同分辨率的k个第二图像；

将所述k个第二图像输入至编码器模块，并从与所述编码器模块连接的解码器模块中输出k个第一方向向量和k个第一特征图，其中所述第一特征图为微血管的区域特征图，并且其中所述编码器模块包括k+1个级联的编码器，所述解码器模块包括k个级联的解码器；

利用第一融合模块对所述k个第一方向向量进行拼接，成为方向向量矩阵，并采用全连接的方式对所述方向向量矩阵进行融合，并生成用于表示所述微血管的延伸方向的第二方向向量；以及

利用第二融合模块，并基于所述第二方向向量和所述k个第一特征图，生成用于显示微血管的第三图像，其中

利用第二融合模块，并基于所述第二方向向量和所述k个第一特征图，生成用于显示微血管的第三图像的操作，包括：

将所述第二方向向量转换为第二特征图，其中所述第二特征图为微血管的方向特征图；以及

合并所述第二特征图和所述k个第一特征图，并将合并后的特征图输入至所述第二融合模块，从而生成所述第三图像，并且其中

还包括：

将当前层级编码器的输出端连接至下一层级编码器的输入端，其中第1~第k-1层级编码器基于U-NET网络，第k层级编码器和第k+1层级编码器基于卷积层和激活函数；

将当前层级解码器的输入端连接至下一层级解码器的输出端，其中第1~第k-1层级解码器基于U-NET网络，第k层解码器基于卷积层和激活函数；

将第1~第k-1层级编码器的输出端连接至对应的第1~第k-1层级解码器的输入端；以及

将第k层级编码器和第k+1层级编码器的输出端分别连接至第k层级解码器的输入端，其中方法还包括：

将不同像素的多个第二图像按顺序依次输入至各层级的编码器，从而所述各层级的编码器按顺序生成与所述不同像素的多个第二图像对应的特征图；

所述各层级的编码器将上一层级编码器生成的特征图和当前层级编码器生成的，与所述第二图像对应的特征图合并，生成新的特征图，并传输至下一层级编码器，用于合并；以及

所述当前层级编码器将合并后所生成的特征图，传输至对应层级的解码器的输入端，从而所述对应层级的解码器将从所述当前层级编码器接收到的特征图，和下一层级解码器输出的特征图合并，并将所生成的特征图输入至上一层级解码器。