[发明专利]基于卷积神经网络的头颈血管分割方法及装置

说明书

本申请公开了一种基于卷积神经网络的头颈血管分割方法及装置。该方法包括将头颈动脉血管断层扫描影像数据输入预设卷积神经网络进行处理，以得到不同尺度的第一特征图谱；将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱；将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果。通过本申请，达到了对复杂血管结构进行快速准确分割的目的，从而实现了拓宽图像分割模型的应用范围的技术效果，进而解决了相关技术中的图像分割模型由于对复杂形状的血管分割效率不高导致图像分割模型的应用受到限制的技术问题。

技术领域

本申请涉及深度学习技术领域，具体而言，涉及一种基于卷积神经网络的头颈血管分割方法及装置。

背景技术

脑卒中是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病。该疾病已成为我国第一位死亡原因的疾病，也是导致中国成年人残疾的首要原因，并具有发病率高、死亡率高和致残率高的特点。建立一个对有关脑血管疾病如脑卒中的筛查，早期诊断以及对应治疗的计算机辅助诊断系统，头颈部血管的形态特征往往是必备关键条件。头颈部血管直接承担大脑的供血功能，其输送大量营养物质用于大脑正常工作，是重要的人体组织器官之一。

头颈部血管往往存在诸多生理，病理上的变异，在颈部往往表现出多根大体平行的线形管状结构，在颅内呈现出复杂的线形网状结构，其整体很难有固定的形状特征。一些脑血管疾病如动脉狭窄，动脉瘤等需要通过对头颈部血管进行精确的分割，进而进行诊断。而不同粗细血管之间对比度，血管周边组织表现差异较大，较细血管之间形状过于复杂，限制了很多图像分割模型的直接使用。

针对相关技术中的图像分割模型由于对复杂形状的血管分割效率不高导致图像分割模型的应用受到限制的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种基于卷积神经网络的头颈血管分割方法及装置，以解决相关技术中的图像分割模型由于血管形状复杂导致图像分割模型的分割效率不高的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于卷积神经网络的头颈血管分割方法。

根据本申请的基于卷积神经网络的头颈血管分割方法包括：将头颈动脉血管断层扫描影像数据输入预设卷积神经网络进行处理，以得到不同尺度的第一特征图谱；将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱；将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果。

进一步地，所述将头颈动脉血管断层扫描影像数据输入预设卷积神经网络进行处理，以得到不同尺度的第一特征图谱包括：将所述头颈动脉血管断层扫描影像数据输入所述预设卷积神经网络进行处理，以提取原始特征；将所述原始特征进行尺度调整，以得到不同尺度的所述第一特征图谱。

进一步地，所述将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱包括：通过卷积层对不同尺度的所述第一特征图谱进行降维；通过级联层将降维后得到的不同尺度的所述第一特征图谱进行特征交互，以得到不同尺度的交互特征；将不同尺度的所述交互特征分别输入到所述预设卷积神经网络中，以得到所述第二特征图谱。

进一步地，所述将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果包括：将所述第二特征图谱通过卷积层进行映射；通过预设激活函数将映射后的所述第二特征图谱进行处理，以得到头颈血管分割模型。

进一步地，所述将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果包括：预设激活函数将所述第二特征图谱进行处理，并输出头颈血管分割模型；接收终端的头颈血管分割请求；将所述头颈血管分割请求中的所述头颈动脉血管断层扫描影像数据输入到所述头颈血管分割模型，以得到所述头颈血管分割结果。

为了实现上述目的，根据本申请的另一方面，提供了一种基于卷积神经网络的头颈血管分割装置装置。