[发明专利]一种线条样本增强方法及应用其的冠脉样本增强方法

说明书

本发明公开了一种线条样本增强方法，其以线条的一端为头点，另一端为尾点，分别赋予其头点及尾点一个活动范围阈值，以随机生成新头点与新尾点位置；对原线条点集中除头点与尾点的任意点p_i加入增量以生成新的线条样本。本发明还提供一种冠脉样本数据增强方法，基于前述线条样本增强方法，其包括：S1、从冠脉的体数据中提取各分支血管的中心线，获得中心线点集；S2、基于提取的中心线点集生成新的中心线点集；S3、基于新的中心线点集，对冠脉的体数据进行3D形变，生成新的冠脉样本。此种样本数据增强方法，有别于传统的数据增强方法，其既丰富了样本数据，又不偏离真实的样本情况，可以有效地覆盖真实样本空间。

技术领域

本发明涉及人工神经网络的样本数据处理领域，具体涉及一种线条样本增强方法及应用其的冠脉样本增强方法。

背景技术

自动化冠脉重建对医生具有重要的临床价值和实际意义。区别于传统的冠脉重建方法，由于人工神经网络的诸多优点，人们愈发倾向于采用人工神经网络完成冠脉重建过程中的各类工作，如血管分割等。但人工神经网络。如深度学习神经网络，其对训练样本有较高的数量要求，对于样本数据少的情况，如何提供有效的样本数据增强方法显得十分有必要。

传统的数据增强方法大都是做平移、旋转、放缩等，其并不能有效覆盖真实样本空间，因此带来的增强效果十分有限，通常也会带来过拟合的情况。而对于弹性形变方法，大都是在一个2d或3d数据中，给定形变中心位置，其缺陷是其它离形变中心位置远的点，形变大，离形变中心位置近的点形变小，这样也并非真实的样本情况。

发明内容

本发明的目的在于提供一种能有效覆盖真实样本空间的线条样本增强方法及应用其的冠脉样本增强方法。

为实现上述目的，本发明采用以下技术方案：

一种线条样本增强方法，包括：

S1、生成新线条的头点与尾点：

以线条的一端为头点，另一端为尾点，赋予其头点活动范围阈值r1,赋予其尾点活动范围阈值r2，以随机生成新头点与新尾点位置；

S2、生成新线条中的其它点：

对原线条的点集中除头点与尾点外的任意点p_i加入增量d*(i-1)，其中d为相邻两个点间的增量，d＝D/(N-1)，D为新尾点与新头点间的增量，N为原线条的点集中点的个数，i∈[2,N-1]；

S3、基于新的线条点集，生成新线条。

进一步地，步骤S2中，若d小于阈值a，则对相邻的两个点随机加入增量d*i、d*(i-1)或d*(i-2)。

本发明还提供一种冠脉样本数据增强方法，包括：

S1、从冠脉的体数据中提取各分支血管的中心线，获得中心线点集；

S2、基于提取的中心线点集生成新的中心线点集：

S21、生成新的中心线点集的头点与尾点：

以中心线与主冠脉相连的端点为中心线的头点，以中心线另一端的端点为尾点，赋予其头点活动范围阈值r1,赋予其尾点活动范围阈值r2，r1＜r2,以生成新头点与新尾点，并利用约束条件对新尾点进行约束，所述约束条件为各分支血管的中心线的尾点及中间区域不相交；

S22、生成新的中心线点集中的其它点：

对原中心线点集中除头点与尾点外的任意点p_i加入增量d*(i-1)，其中d为相邻两个点间的增量，d＝D/(N-1)，D为新尾点与头点间的增量，N为中心线点的个数，i∈[2,N-1]；

S3、基于新的中心线点集，对冠脉的体数据进行3D形变，生成新的冠脉样本。