[发明专利]数据处理方法、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取待处理图像，所述待处理图像包含至少一个管状影像；

计算所述至少一个管状影像各自的空间分布特征和图像特征；

根据所述至少一个管状影像各自的空间分布特征和图像特征，识别所述至少一个管状影像各自对应的管状结构。

2.根据权利要求1所述的方法，其特征在于，计算所述至少一个管状影像各自的空间分布特征和图像特征，包括：

从所述待处理图像上，获取所述至少一个管状影像各自的中心线；

根据所述至少一个管状影像各自的中心线，提取所述至少一个管状影像各自的空间分布特征和图像特征。

3.根据权利要求2所述的方法，其特征在于，根据所述至少一个管状影像各自的中心线，提取所述至少一个管状影像各自的空间分布特征，包括以下至少一种：

针对所述至少一个管状影像中的任一管状影像，根据所述管状影像的中心线上的起始点、终止点以及中间至少一个点的位置坐标，生成所述管状影像的位置特征向量；

针对所述管状影像，根据所述起始点的切向量和所述起始点指向所述终止点的向量，获取所述管状影像的方向特征向量；

根据所述至少一个管状影像各自的中心线上的点的位置坐标的关联关系，获取所述至少一个管状影像之间的连接关系。

4.根据权利要求2所述的方法，其特征在于，根据所述至少一个管状影像各自的中心线，提取所述至少一个管状影像各自的空间分布特征和图像特征，包括：

根据所述至少一个管状影像各自的中心线，从所述待处理图像上，提取所述至少一个管状影像各自对应的图像区域；

采用卷积神经网络和长短期记忆网络算法，对所述至少一个管状影像各自对应的图像区域进行特征提取，得到所述至少一个管状影像各自对应的图像特征向量。

5.根据权利要求1所述的方法，其特征在于，根据所述至少一个管状影像各自的空间分布特征和图像特征，识别所述至少一个管状影像各自对应的管状结构，包括：

基于管状结构识别模型，获取所述至少一个管状影像各自对应的空间分布特征和图像特征的融合特征；

将所述至少一个管状影像各自对应的融合特征，作为所述管状结构识别模型中的特征计算模块的输入数据；

在所述特征计算模块中，根据所述输入数据和设定的模型参数进行计算，得到所述特征计算模块的输出数据；

在所述管状结构识别模型的全连接层，根据所述特征计算模块的输出数据，识别所述至少一个管状影像各自对应的管状结构。

6.根据权利要求5所述的方法，其特征在于，获取所述至少一个管状影像各自对应的空间分布特征和图像特征的融合特征，包括：

针对所述至少一个管状影像中的任一管状影像，将所述管状影像的空间分布特征对应的向量和所述管状影像的图像特征对应的向量进行拼接，得到所述管状影像的特征拼接向量；

将所述至少一个管状影像各自对应的特征拼接向量，作为所述至少一个管状影像各自对应的融合特征。

7.根据权利要求5所述的方法，其特征在于，所述管状结构识别模型包含图卷积神经网络；

将所述至少一个管状影像各自对应的融合特征，作为所述管状结构识别模型中的特征计算模块的输入数据，包括：

从所述至少一个管状影像的空间分布特征中，获取所述至少一个管状影像的之间的连接关系；

将所述至少一个管状影像各自对应的融合特征作为结点，根据所述至少一个管状影像之间的连接关系，绘制结构图；

将所述结构图，作为所述特征计算模块的输入数据。