[发明专利]基于多注意力的肝脏血管分割方法及系统

说明书

本发明公开了基于多注意力的肝脏血管分割方法及系统，该方法包括：获取肝脏CTA图像，分别从轴向面、冠状面及矢状面三个方向进行采样，根据血管标注去除背景区域，得到样本集合，将样本集合输入至基于双注意力机制的DA‑UNet网络中训练并测试，得到相应采样方向上训练好的肝脏血管分割网络模型；其中，不同采样方向的基于双注意力机制的DA‑UNet网络的结构相同，权重系数相互独立；接收肝脏CTA图像，分别从轴向面、冠状面及矢状面三个方向进行采样，将采样图像输入至对应的肝脏血管分割网络模型，得到相应的血管分割结果，并对血管分割结果进行融合处理，得到最终分割结果。本发明在占用较少计算资源的情况提高了分割结果的连续性，并且提高了分割的精确度。

技术领域

本发明涉及医学图像处理的技术领域，特别涉及一种基于多注意力的肝脏血管分割方法及系统。

背景技术

内放疗介入手术通过经皮穿刺将放射源放入肿瘤内部，对局部肿瘤组织进行持续不断的照射，可有效治疗肿瘤并防止肿瘤的复发和转移。实行内放疗手术时，需要医生操作穿刺针，经引导架引导，令针尖端达到体内预定位置，之后接粒子植入器和粒子推针将放射性粒子植入瘤体内。

对于手术机器人，由于其不具备资深医师那样的医学背景知识，无法快速将医学背景知识与病人体征信息相结合，因此，单纯地给机器人输入目标器官信息对于整个介入手术是不完备的，有必要告知机器人与目标器官相邻的外周器官信息，以及介入过程途径的器官信息。血管作为保存人体血液和运输养分的重要器官，在手术过程中应当尤其注意避免误伤，因此，医学图像中的血管分割是穿刺路径规划中必不可少的环节。

三维血管结构尺度多变、曲率和挠率大、分叉多，且血管在三维医学图像中通常占比较小，若不加引导地进行图像块采样，将面临样本不均衡的问题，为满足临床要求，需要提高血管分割的连续性和精确度。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于多注意力的肝脏血管分割方法，能够提高血管分割的连续性和精确度。

本发明还提出一种具有上述基于多注意力的肝脏血管分割方法的基于多注意力的肝脏血管分割系统。

本发明还提出一种具有上述基于多注意力的肝脏血管分割方法的计算机可读存储介质。

根据本发明的第一方面实施例的基于多注意力的肝脏血管分割方法，包括以下步骤：S100，获取肝脏CTA图像，根据血管标注去除背景区域，分别从轴向面、冠状面及矢状面三个方向进行采样，得到对应的样本集合，将所述样本集合输入至基于双注意力机制的DA-UNet网络中训练并测试，得到相应采样方向上训练好的肝脏血管分割网络模型；其中，不同采样方向的所述基于双注意力机制的DA-UNet网络的结构相同，权重系数相互独立；S200，接收肝脏CTA图像，分别从轴向面、冠状面及矢状面三个方向进行采样，将采样图像输入至对应的所述肝脏血管分割网络模型，得到相应的血管分割结果，并对所述血管分割结果进行融合处理，得到最终分割结果。

根据本发明实施例的基于多注意力的肝脏血管分割方法，至少具有如下有益效果：将2.5D(维度)数据模型与轴向面、冠状面及矢状面的多轴融合相结合，在占用较少计算资源的情况提高了分割结果的连续性引入双注意力机制建立图像中不同位置和不同类别像素之间的关联，从而提高分割结果精度。

根据本发明的一些实施例，所述获取肝脏CTA图像，根据血管标注去除背景区域，分别从轴向面、冠状面及矢状面三个方向进行采样，得到对应的样本集合包括：将所述肝脏CTA图像根据图像强度值映射至[0,1]的范围内，并根据平均值和方差进行归一化处理；分别从轴向面、冠状面及矢状面三个方向对归一化后的所述肝脏CTA图像进行采样切片，并以连续的多个切片为一个样本；根据血管标签去除不包含血管的样本，得到所述样本集合。

根据本发明的一些实施例，基于双注意力机制的DA-UNet网络中，以2DU-Net架构为基础，在高阶特征处引入空间注意力和通道注意力机制，并通过反卷积上采样到原图大小。