[发明专利]基于分类模型的冠脉分割方法及系统

说明书

本发明公开了一种基于分类模型的冠脉分割方法，其包括：S1、获得初始分割结果；S2、人工修复初始分割结果，并收集修复数据；S3、对修复数据进行分类，获得不同类型的修复数据；S4、以不同类型的修复数据作为修复样本分别训练生成不同的修复模型；S5、将待分割数据输入初始分割模型，获得分割结果A，对分割结果A做异常识别，调用修复模型进行修复；S6、对S5不同修复模型的修复结果分别进行人工修复，收集对应的人工修复数据作为新增样本，分别对对应的修复模型进行增量训练，生成二级修复模型。本发明还公开了一种冠脉分割系统，本发明结合分类的修复模型对待分割数据进行分割，获得更精确的分割结果。

技术领域

本发明涉及冠脉图像处理领域，具体涉及基于分类模型的冠脉分割方法。

背景技术

准确的冠脉分割结果可以有效提升医生的工作效率以节省时间，加快病人的确诊过程，进而缓解民众的就医压力。

神经网络用于进行图像处理，其效果是显著的。然而，现有用于冠脉图像处理的模型，普遍仍为单一模型，由于冠脉图像的复杂性，单一模型的分割结果可能仍然存在一些问题，使得其结果常不能直接应用于临床。具体地说，单一模型在自动分割冠脉时，由于其模型的局限性以及病灶等影响，经常容易发生断裂或静脉噪音等缺陷，在应用于临床时，需要进行人工修复。

因此，现有基于神经网络的分割模型也只能在一定程度上降低图像后处理的难度并提升效率，其精确度有限，同时尚无法完全实现自动分割。

发明内容

本发明的目的在于提供一种基于分类模型的冠脉分割方法及系统。

为实现上述目的，本发明采用以下技术方案：

基于分类模型的冠脉分割方法，包括：

S1、将基础样本输入已训练完毕的初始分割模型进行冠脉分割，获得初始分割结果；

S2、人工对初始分割结果进行修复，并收集修复数据；

S3、对修复数据进行分类，获得不同类型的修复数据；

S4、以不同类型的修复数据作为修复样本分别训练生成不同的一级修复模型；

S5、将待分割数据输入初始分割模型，获得分割结果A，对分割结果A做异常识别，并根据识别结果调用对应的一级修复模型进行修复。

进一步地，S2具体为：

S21、将初始分割结果显示给技师进行VR渲染或原图上叠加结果；

S22、技师根据VR渲染结果或原图叠加结果对初始分割结果进行数据添加或数据删除；

S23、计算机记录人工修复的数据。

进一步地，S3中：计算机根据人工修复的输入进行类型判断，当输入为数据添加时，将其归类为断裂遗漏修复数据，当输入为数据删除时，将其归类为静脉噪声修复数据；

S4中：以断裂遗漏修复数据对应的修复样本，训练断裂遗漏一级修复模型；以静脉噪声修复数据为对应的样本，训练静脉噪声一级修复模型。

进一步地，S4中，当样本数达到设定阈值时，对训练完成的模型进行固定。

进一步地，S5具体为：对分割结果A的命名结果进行识别，若出现无命名分支，则调用静脉噪声一级修复模型进行修复；若出现短命名分支，则调用断裂遗漏一级修复模型进行修复。

进一步，还包括步骤S6；

S6、将S5不同一级修复模型的修复结果再次进行异常识别，对于异常的修复结果再次进行人工修复，收集对应的人工修复数据分类作为新增样本，分别训练断裂遗漏二级修复模型及静脉噪声二级修复模型。

本发明还公开了一种冠脉分割系统，包括：