[发明专利]血管管腔提取方法、装置、电子设备和存储介质在审

专利信息
申请号: 202011205786.2 申请日: 2020-11-02
公开(公告)号: CN112308844A 公开(公告)日: 2021-02-02
发明(设计)人: 杨靖;张英梅;李俊博;陈方印;周孟齐;宋鹏;辛毅;周晓骏;徐胜 申请(专利权)人: 中科麦迪人工智能研究院(苏州)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 215026 江苏省苏州市苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 血管 提取 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种血管管腔提取方法,其特征在于,包括:

获取具有血管的待提取图像;

将所述待提取图像输入到训练好的血管管腔提取模型中,得到所述待提取图像的血管管腔;其中,所述训练好的血管管腔提取模型是基于多组历史血管图像和与所述历史血管图像对应的历史标注图像训练得到的。

2.根据权利要求1所述的方法,其特征在于,所述血管管腔提取模型的训练方法,包括:

获取多组历史血管图像和与所述历史血管图像对应的历史标注图像,其中,所述历史标注图像是对所述历史血管图像中的血管内外壁进行勾画后的图像;

将多组所述历史血管图像和所述历史标注图像输入所述血管管腔提取模型中,对所述血管管腔提取模型进行迭代训练,得到训练好的所述血管管腔提取模型。

3.根据权利要求2所述的方法,其特征在于,所述对所述血管管腔提取模型进行迭代训练,包括:

基于所述血管管腔提取模型对所述历史血管图像进行分类,得到所述历史血管图像的血管内外壁分类图像;

将所述历史血管图像的血管内外壁分类图像与对应的所述历史标注图像进行比对,确定所述血管管腔提取模型的损失函数,当所述损失函数小于预设阈值时,确定所述血管管腔提取模型训练完成。

4.根据权利要求3所述的方法,其特征在于,所述确定所述血管管腔提取模型的损失函数,包括:

基于如下公式,确定所述血管管腔提取模型的损失函数:

其中,对于任一样本(x,y),y是该样本对应的真实分类结果,预测分类结果为所有分类结果的集合,假设有k个标签值,第i个样本预测为第K个标签的概率为pi,k,N为样本总数,Llog为历史血管图像的预设分类结果与真实分类结果的损失函数。

5.根据权利要求2所述的方法,其特征在于,在所述将多组所述历史血管图像和所述历史标注图像输入所述血管管腔提取模型中之前,所述方法还包括:

基于预设筛选规则,对所述历史标注图像进行筛选,剔除不合格的所述历史标注图像;

其中,所述不合格的所述历史标注图像包括:血管内外壁勾画有误的所述历史标注图像和/或血管内外壁漏勾画的所述历史标注图像;

对应的,在筛选所述历史标注图像后,将与剔除的所述历史标注图像对应的所述历史血管图像对应剔除。

6.根据权利要求5所述的方法,其特征在于,在所述将多组所述历史血管图像和所述历史标注图像输入所述血管管腔提取模型中之前,所述方法还包括:

将筛选后的所述历史血管图像和筛选后的所述历史标注图像分别进行预设增强规则进行图像增强,得到目标历史血管图像和与所述目标历史血管图像对应的目标历史标注图像;

对应的,所述将多组所述历史血管图像和所述历史标注图像输入所述血管管腔提取模型中,包括:

将多组所述目标历史血管图像和所述目标历史标注图像输入所述血管管腔提取模型中。

7.根据权利要求6所述的方法,其特征在于,所述预设增强规则包括:对筛选后的所述历史血管图像和筛选后的所述历史标注图像分别进行上和/或下和/或左和/或右翻转。

8.一种血管管腔提取装置,其特征在于,包括:

待提取图像获取模块,用于获取具有血管的待提取图像;

血管管腔提取模块,用于将所述待提取图像输入到训练好的血管管腔提取模型中,得到所述待提取图像的血管管腔;其中,所述训练好的血管管腔提取模型是基于多组历史血管图像和与所述历史血管图像对应的历史标注图像训练得到的。

9.一种电子设备,其特征在于,所述电子设备包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序;

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的血管管腔提取方法。

10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的血管管腔提取方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科麦迪人工智能研究院(苏州)有限公司,未经中科麦迪人工智能研究院(苏州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011205786.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top