[发明专利]肺动脉图像分割方法及装置

说明书

本申请提供了一种肺动脉图像分割方法及装置，该肺动脉图像分割方法包括：将图像数据输入具有自注意力蒸馏SAD机制的分割模型中，以获取初始分割图像，其中分割模型设置有预设边缘权重，预设边缘权重引导分割模型对图像数据的边缘区域进行分割；对初始分割图像中的连通域进行筛选，以获得最终分割图像。本申请通过在分割模型中引入自注意力蒸馏机制，以及对边缘区域施加较高的权重值，迫使模型强化边缘区域的分割效果，增强边缘区域的分割精度。

技术领域

本申请涉及深度学习技术领域，具体涉及一种肺动脉图像分割方法及装置。

背景技术

目前，肺动脉高压的判定方式，主要是依据医学影像(例如胸部CT影像)中肺动脉干直径和主动脉干直径的长度。其中，当测量的肺动脉干直径大于等于29mm，或肺动脉干直径和主动脉干直径的比值大于1时，可以预测肺动脉高压。由于判定是基于肺动脉干直径和主动脉干直径，因此确定肺动脉和主动脉的边缘尤为重要。在现有技术中，对肺动脉和主动脉的分割，主要是针对医学影像的整体进行分割，其分割结果更侧重对肺动脉和主动脉的整体分割，使得肺动脉和主动脉的边缘分割精确度较低。

鉴于此，如何提高肺动脉和主动脉的边缘分割精度，成为亟需解决的技术问题。

发明内容

有鉴于此，本申请实施例提供了一种肺动脉图像分割方法及装置，能够提高肺动脉图像中的对肺动脉和主动脉血管边缘的分割精度。

第一方面，本申请的实施例提供了一种肺动脉图像分割方法，包括：将图像数据输入具有自注意力蒸馏SAD机制的分割模型中，以获取初始分割图像，其中分割模型设置有预设边缘权重，预设边缘权重引导分割模型对图像数据的边缘区域进行分割；对初始分割图像中的连通域进行筛选，以获得最终分割图像。

在本申请某些实施例中，初始分割图像包括血管分割图像，将图像数据输入具有自注意力蒸馏SAD机制的分割模型中，以获取初始分割图像包括：将图像数据输入具有SAD机制的分割模型中，通过SAD机制获得空间维度上的空间边缘注意力特征；将空间边缘注意力特征融入分割模型的采样阶段，获得图像数据的血管图像特征；根据血管图像特征对图像数据中的区域进行标记，以获得血管分割图像。

在本申请某些实施例中，将图像数据输入分割模型中，通过SAD机制获得空间维度上的空间边缘注意力特征包括：通过具有SAD机制的分割模型中的多个卷积层，提取图像数据中的血管特征集合；将血管特征集合在空间维度上学习自注意力矩阵，获得空间边缘注意力特征。

在本申请某些实施例中，分割模型设置有预设边缘权重，以引导分割模型对图像数据的边缘区域进行分割包括：标注样本图像数据中的肺动脉和主动脉，并通过形态学操作，获取肺动脉和主动脉的边缘分割图像；根据边缘分割图像确定边缘区域中各像素点的预设边缘权重，其中边缘区域的预设边缘权重高于非边缘区域的权重；根据预设边缘权重对分割网络进行参数调整，得到分割模型。

在本申请某些实施例中，根据边缘分割图像确定边缘区域中各像素点的预设边缘权重包括：将边缘区域的像素值的权重设定为第一预设权重；以及通过focalloss函数计算边缘区域的第二预设权重；将第一预设权重与第二预设权重相和，以确定预设边缘权重。

在本申请某些实施例中，将初始分割图像中的连通域进行筛选，以获得最终分割图像包括：将初始分割图像中的连通域划分为多个第一肺动脉连通域、多个第一主动脉连通域以及多个第一分叉点连通域；将多个第一肺动脉连通域中连通面积小于第一预设面积的丢弃，以获得多个第二肺动脉连通域；将多个第一主动脉连通域中连通面积小于第二预设面积的丢弃，以获得多个第二主动脉连通域；将多个第一分叉点连通域中连通面积小于第三预设面积的丢弃，以获得多个第二分叉点连通域；基于多个第二肺动脉连通域的中点、多个第二主动脉连通域的中点和多个第二分叉点连通域的中点，确定最终分割图像。