[发明专利]一种二维造影图像上冠脉段标注方法及系统

说明书

本发明实施例提供一种二维造影图像上冠脉段标注方法及系统，该方法包括：获取冠脉血管结构中感兴趣冠脉段之间的邻接矩阵；获取每一感兴趣冠脉段的参考特征；利用每一感兴趣冠脉段的参考特征、邻接矩阵，训练图网络，以获取每一感兴趣冠脉段的深层特征表达；根据每一感兴趣冠脉段的特征表达，获取每一感兴趣冠脉段的标注。本发明实施例提供的一种冠脉段标注方法，提出了具体、全面的参考特征去描述冠脉段；并使用图网络对冠脉段进行深层特征提取，图网络能够很好地处理冠脉结构，有效地学习冠脉结构中的拓扑关系，从而提高了本发明实施例的鲁棒性和准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种二维造影图像上冠脉段标注方法及系统。

背景技术

X光冠脉造影是心血管疾病诊断的金标准。学习分析造影图像中冠脉结构以及病变是医生的必修课。然而因透视成像原理，冠脉造影图像上会出现较多的血管交叠，极易形成环状、伪分叉等干扰结构，导致人为分析冠脉解剖分段困难。为了辅助医生实现对冠脉结构的精确分析，设计自动的冠脉解剖分段标注方法至关重要。

目前X光冠脉造影图像中冠脉段自动标注方法主要依赖先验的三维血管树标注模型。将从二维X光冠脉造影图像提取出的待标注血管树与已知的三维血管树进行匹配，随后将三维血管树上冠脉解剖分段的标注信息直接映射给与之匹配的二维血管段。

然而现实中病人个体差异较大，若使用统计得到的先验三维血管树标注模型，在匹配阶段会出现匹配错误的情况，进而导致二维血管树的解剖分段标注错误；若使用病人自己的先验三维血管树标注模型，则需另外采集病人冠脉的三维图像并进行人工标注，无疑加大了医生的工作量。

另外，近年来，CT冠脉造影图像中冠脉段的自动标注方法发展了起来，这类方法主要利用三维冠脉的骨架特征去描述冠脉段，比如冠脉段方向、与相邻冠脉段夹角、长度、曲率等。

随后使用分类器对所有的冠脉段特征进行多类别分类操作。其中标签类别为冠脉解剖分段标准。

然而冠脉血管在不同图像采集视角下或不同心跳状态下成像在X光造影图像上的状态不同，同一支冠脉段的长度、方向、曲率以及和相邻冠脉段的夹角都会发生变化，因此只关注血管的骨架特征，无法进行二维X光造影图像上的冠脉段自动标注任务。

因此，亟需一种二维造影图像上冠脉段自动标注方法。

发明内容

为了解决上述问题，本发明实施例提供一种二维造影图像上冠脉段标注方法及系统。

第一方面，本发明实施例提供一种二维造影图像上冠脉段标注方法，包括：

获取冠脉血管结构中感兴趣冠脉段的邻接矩阵；

获取每一感兴趣冠脉段的参考特征，对于任一感兴趣冠脉段，所述任一感兴趣冠脉段的参考特征包括所述任一感兴趣冠脉段的图像特征、所述任一感兴趣冠脉段的形状特征、所述任一感兴趣冠脉段的结构特征和所述任一感兴趣冠脉段的条件特征；

根据每一感兴趣冠脉段的参考特征、感兴趣冠脉段的邻接矩阵和训练后的图网络，获取每一感兴趣冠脉段的深层特征，图网络模型是通过冠脉段样本的参考特征、冠脉段样本的邻接矩阵和冠脉段样本的预设标签训练得到；

根据每一感兴趣冠脉段的深层特征，获取每一感兴趣冠脉段的标注。

优选地，所述任一感兴趣冠脉段的图像特征通过如下方式得到：

将所述任一感兴趣冠脉段输入到自编码器中，获取所述任一感兴趣冠脉段的图像特征。

优选地，所述任一感兴趣冠脉段的形状特征，具体包括：

所述任一感兴趣冠脉段的最大半径、所述任一感兴趣冠脉段的最小半径、所述任一感兴趣冠脉段起止点的方向值、所述任一感兴趣冠脉段上的最大曲率值和所述任一感兴趣冠脉段上的最小曲率值。