血管分割方法、装置、电子设备及存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种血管分割方法、装置、电子设备及存储介质。


背景技术：

2.随着人工智能技术的发展，深度学习技术在医学领域得到了广泛应用。
3.在医学图像分割中，通过目前血管分割算法得到的分割结果，血管易发生断裂(例如血管分岔处和曲折处等)。
4.在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：现有技术方案，分割得到的血管存在不完整的问题。


技术实现要素：

5.本发明提供了一种血管分割方法、装置、电子设备及存储介质，以解决血管不完整的问题。
6.根据本发明的一方面，提供了一种血管分割方法，包括：
7.获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；
8.对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图；
9.对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；
10.基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。
11.根据本发明的另一方面，提供了一种血管分割装置，包括：
12.初始血管分割概率图预测模块，用于获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；
13.二值化处理模块，用于对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图；
14.滤波采样模块，用于对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；
15.目标血管分割预测结果确定模块，用于基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。
16.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
17.至少一个处理器；
18.以及与所述至少一个处理器通信连接的存储器；
19.其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的血管分割方法。
20.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的血管分割方法。
21.本发明实施例的技术方案，通过获取含有目标血管的原始医学图像，将含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；对初始血管分割概率图进行二值化处理，得到初始血管分割概率图对应的血管分割二值图；对原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；基于血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对初始血管分割概率图进行更新，得到目标血管分割概率图，基于目标血管分割概率图确定目标血管分割预测结果。上述技术方案，通过对图像进行滤波，可以确定血管目标位置采样点集合，即确定血管的曲折处和交叉点区域，进而对该区域进行采样和预测，并更新血管分割概率图，使血管分割概率图更为准确，从而保证血管分割预测结果的完整性。
22.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
23.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1是根据本发明实施例提供的一种血管分割方法的流程图；
25.图2是根据本发明实施例提供的一种血管分割方法的流程图；
26.图3是根据本发明实施例提供的一种血管区域的滤波图像；
27.图4是根据本发明实施例提供的一种血管分割方法的流程图；
28.图5是根据本发明实施例提供的一种血管分割结果对比图；
29.图6是根据本发明实施例提供的一种血管分割装置的结构示意图；
30.图7是实现本发明实施例的血管分割方法的电子设备的结构示意图。
具体实施方式
31.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
32.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
33.图1为本发明实施例提供的一种血管分割方法的流程图，本实施例可适用于自动对原始医学图像进行血管分割的情况，该方法可以由血管分割装置来执行，该血管分割装置可以采用硬件和/或软件的形式实现，该血管分割装置可配置于计算机设备中，例如计算机设备可以为个人计算机、服务器、移动终端设备等。如图1所示，该方法包括：
34.s110、获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图。
35.本实施例中，原始医学图像是指包含目标血管的三维图像，例如，可以是包含目标血管的ct(computed tomography，电子计算机断层扫描)图像，也可以是包含目标血管的医学数字成像和通信(digital imaging and communications in medicine，dicom)图像等，对于上述原始医学图像所属的具体数据类型，本实施例不作任何限定。其中，目标血管可以为颅内血管、肺部血管等，在此不做限定。
36.血管分割初始模型是指能够实现血管分割的网络预测模型。示例性的，血管分割初始模型可以是基于msnetunet分割网络构建的血管分割模型，也可以是基于unet网络等其他类型的分割网络构建的血管分割模型，对于血管分割初始模型的具体模型结构，本实施例不作任何限定。可选的，血管分割初始模型预测得到的初始血管分割概率图可以为热图(heatmap)。
37.在上述实施例的基础上，可选的，在将含有目标血管的原始医学图像输入至血管分割初始模型中之前，方法还包括：可以选取原始医学图像中ct值(亨氏单位)处于预设数值范围内的像素点；和/或，将原始医学图像缩放至统一尺寸。
38.示例性的，可以选取原始医学图像中ct值处于100-500之间的像素点并保留，以消除图像中与血管无关的信息，增强血管的可检测性；和/或，可以将原始医学图像缩放至256*256*256尺寸大小，使图像处理流程规范化，以便血管分割模型处理。
39.s120、对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图。
40.在一些实施例中，若初始血管分割概率图中像素点的像素值大于预设判断阈值，则将初始血管分割概率图中像素点的像素值置为第一像素值；若初始血管分割概率图中像素点的像素值小于预设判断阈值，则将初始血管分割概率图中像素点的像素值置为第二像素值。其中，预设判断阈值可以根据图像试验得到，在此不做限定，第一像素值可以为0，第二像素值可以为1。
41.在一些实施例中，若初始血管分割概率图中像素点的像素值非零，则将初始血管
分割概率图中像素点的像素值置为1；若初始血管分割概率图中像素点的像素值为零，则将初始血管分割概率图中像素点的像素值不变。
42.s130、对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合。
43.需要说明的是，原始医学图像与血管分割二值图的交集区域为感兴趣区域，使滤波处理更具针对性，进而通过对图像交集区域进行滤波，可以确定血管目标位置采样点集合，即确定血管的曲折处和交叉点区域，换言之，上述滤波处理实现了血管易断裂区域的确定，血管目标位置采样点集合为血管易发生断裂的点。
44.具体的，可以对原始医学图像与血管分割二值图的交集区域进行多尺度滤波以及滤波值计算等滤波处理操作，以得到不同粗细血管对应的血管目标位置采样点集合，其中，多尺度滤波可以为frangi滤波等，在此不做限定。
45.s140、基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。
46.具体而言，可以对血管目标位置采样点集合对应的血管易断裂区域进行逐点分割预测，针对血管易断裂区域进行更密集的采样和预测，得到更为精准的各血管目标位置采样点对应的分割预测概率值，进而通过对各血管目标位置采样点对应的分割预测概率值对初始血管分割概率图进行更新，得到最终的目标血管分割概率图，并对目标血管分割概率图取阈值即可得到目标血管分割预测结果，保证了分割结果的完整性。
47.可选的，血管分割模型包括血管分割初始模型和pointrend模块，血管分割模型的训练步骤，包括：获取多个包含目标血管的医学图像以及各包含目标血管的医学图像的血管分割标注；将多个包含目标血管的医学图像输入至血管分割初始模型中，输出得到针对每一医学图像的血管分割概率图；对每一医学图像的血管分割概率图进行二值化处理，得到每一医学图像的血管分割概率图对应的血管分割二值图；对每一医学图像与每一医学图像的血管分割概率图对应的血管分割二值图的交集区域进行滤波，得到每一医学图像对应的多个血管缺陷位置采样点；通过pointrend模块，对每一医学图像对应的多个血管缺陷位置采样点进行逐点分割预测，得到各血管缺陷位置采样点对应的分割预测概率值，基于各血管缺陷位置采样点对应的分割预测概率值对血管分割概率图进行更新，得到每一医学图像对应的血管分割概率图；基于每一医学图像对应的血管分割概率图与每一医学图像对应的血管分割标注之间的分割损失，对血管分割模型进行训练，直至血管分割模型达到收敛。
48.其中，pointrend模块为神经网络模块，可以嵌入至血管分割模型中，换言之，pointrend模块可以作为血管分割模型中的一部分，对血管分割模型的训练和预测进行优化，以提升血管分割模型的分割精度。
49.本发明实施例的技术方案，通过获取含有目标血管的原始医学图像，将含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；对初始血管分割概率图进行二值化处理，得到初始血管分割概率图对应的血管分割二值图；对原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；基于血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测
概率值，基于各血管目标位置采样点对应的分割预测概率值对初始血管分割概率图进行更新，得到目标血管分割概率图，基于目标血管分割概率图确定目标血管分割预测结果。上述技术方案，通过对图像进行滤波，可以确定血管目标位置采样点集合，即确定血管的曲折处和交叉点区域，进而对该区域进行采样和预测，并更新血管分割概率图，使血管分割概率图更为准确，从而保证血管分割预测结果的完整性。
50.图2为本发明实施例提供的一种血管分割方法的流程图，本实施例的方法与上述实施例中提供的血管分割方法中各个可选方案可以结合。本实施例提供的血管分割方法进行了进一步优化。可选的，所述对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合，包括：基于所述原始医学图像与所述血管分割二值图确定血管区域的滤波图像；确定所述血管区域的滤波图像中各点的frangi滤波值，对各点的frangi滤波值进行排序，基于排序结果确定第一血管目标位置采样点；在所述第一血管目标位置采样点之外，获取第二血管目标位置采样点，将所述第一血管目标位置采样点与第二血管目标位置采样点组成血管目标位置采样点集合。
51.如图2所示，该方法包括：
52.s210、获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图。
53.s220、对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图。
54.s230、基于所述原始医学图像与所述血管分割二值图确定血管区域的滤波图像。
55.其中，血管区域的滤波图像是指经滤波处理后的原始医学图像与血管分割二值图交集区域图像。
56.具体的，可以对原始医学图像与血管分割二值图的交集区域进行多尺度frangi滤波，从而得到血管区域的滤波图像。
57.在上述各实施例的基础上，可选的，基于原始医学图像与所述血管分割二值图确定血管区域的滤波图像，包括：对原始医学图像进行多尺度frangi滤波，得到原始医学图像对应的滤波图像；将原始医学图像对应的滤波图像与血管分割二值图点乘，得到血管区域的滤波图像。
58.在上述各实施例的基础上，可选的，基于原始医学图像与血管分割二值图确定血管区域的滤波图像，包括：将原始医学图像与血管分割二值图点乘，得到血管区域图像；对血管区域图像进行多尺度frangi滤波，得到血管区域的滤波图像。
59.需要说明的是，本实施例可以通过多种方式确定血管区域的滤波图像，在血管分割方法应用中，可以根据图像处理需求，选取对应的血管区域的滤波图像方式，本实施例在此不做限定。
60.s240、确定所述血管区域的滤波图像中各点的frangi滤波值，对各点的frangi滤波值进行排序，基于排序结果确定第一血管目标位置采样点。
61.s250、在所述第一血管目标位置采样点之外，获取第二血管目标位置采样点，将所述第一血管目标位置采样点与第二血管目标位置采样点组成血管目标位置采样点集合。
62.s260、基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所
述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。
63.示例性的，图3是本发明实施例提供的一种血管区域的滤波图像，由图3可知，血管在分叉处和曲折处的frangi滤波值与其他位置的frangi滤波值低。具体而言，可以选取血管区域的滤波图像中frangi滤波值最低的topk个点，并将frangi滤波值最低的topk个点作为第一血管目标位置采样点，换言之，第一血管目标位置采样点为血管易断裂的点，即血管的曲折处和分岔点。第二血管目标位置采样点为在第一血管目标位置采样点之外随机选取的点，第二血管目标位置采样点的数量可以为n-topk，进而将第一血管目标位置采样点与第二血管目标位置采样点组成血管目标位置采样点集合，即血管目标位置采样点集合中采样点数量为n，该采点策略可以有效的关注血管分割模型训练过程中血管分割上为血管易断裂的区域，进而对血管易断裂的区域对应的各血管目标位置采样点对应的分割预测概率值进行矫正，实现更精细以及更丰富的血管分割，提升分割结果的完整性。其中，n为pointrend模块接收的采样点数，为固定值；topk为降序或升序排序后的前k个采样点。
64.本发明实施例的技术方案，通过基于原始医学图像与所述血管分割二值图确定血管区域的滤波图像，进而确定血管区域的滤波图像中各点的frangi滤波值，对各点的frangi滤波值进行排序，基于排序结果确定第一血管目标位置采样点；以及在第一血管目标位置采样点之外，获取第二血管目标位置采样点，将第一血管目标位置采样点与第二血管目标位置采样点组成血管目标位置采样点集合，该采点策略可以有效的关注血管分割模型训练过程中血管分割上为血管易断裂的区域，进而对血管易断裂的区域对应的各血管目标位置采样点对应的分割预测概率值进行矫正，实现了强关注采样和概率微调，从而实现更精细以及更丰富的血管分割，提升分割结果的完整性，此外，强关注采样和概率微调并未增加过多计算时间与计算复杂度，提升了图像处理效率。
65.图4为本发明实施例提供的一种血管分割方法的流程图，本实施例的方法与上述实施例中提供的血管分割方法中各个可选方案可以结合。本实施例提供的血管分割方法对“基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果”进行了细化。
66.如图4所示，该方法包括：
67.s310、获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图。
68.s320、对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图。
69.s330、对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合。
70.s340、对所述血管目标位置采样点集合进行逐点表示，得到各血管目标位置采样点对应的特征信息。
71.s350、将各血管目标位置采样点对应的特征信息输入至多层感知器中，得到各血管目标位置采样点对应的分割预测概率值。
72.s360、根据血管目标位置采样点的位置信息，将各血管目标位置采样点对应的分割预测概率值填充至所述初始血管分割概率图中，得到目标血管分割概率图。
73.s370、对所述目标血管分割概率图进行二值化处理，得到目标血管分割预测结果。
74.示例性的，对血管目标位置采样点集合中各采样点进行细粒度特征和粗略预测特征表示，从而得到各血管目标位置采样点对应的特征信息；进而通过多层感知器(multilayer perceptron，mlp)对各血管目标位置采样点对应的特征信息进行预测，得到各血管目标位置采样点对应的分割预测概率值。本实施例中，血管目标位置采样点的位置信息可以为血管目标位置采样点的坐标信息。具体而言，可以根据血管目标位置采样点的位置信息，将各血管目标位置采样点对应的分割预测概率值放回至初始血管分割概率图中，实现血管目标位置采样点的概率矫正，进而对矫正后的目标血管分割概率图进行二值化处理，得到更为精细与丰富的血管分割预测结果。
75.图5是本发明实施例提供的一种血管分割结果对比图，图5左侧为通过血管分割初始模型得到的血管分割预测结果，图5右侧为通过本实施例血管分割方法得到的目标血管分割预测结果，由图可知，本实施例血管分割方法解决了血管分割容易断裂或分割不全的问题，提升了血管分割的完整性，从而可以降低病灶的漏检率。
76.本发明实施例的技术方案，通过对血管目标位置采样点集合进行逐点表示，得到各血管目标位置采样点对应的特征信息，实现了各采样的逐点特征表示的构建，进而将各血管目标位置采样点对应的特征信息输入至多层感知器中，实现逐点分割预测，得到了更为精确的分割预测概率值，进而根据血管目标位置采样点的位置信息，将各血管目标位置采样点对应的分割预测概率值填充至初始血管分割概率图中，得到矫正后的目标血管分割概率图，对目标血管分割概率图进行二值化处理，得到目标血管分割预测结果，保证了分割结果的完整性。
77.图6为本发明实施例提供的一种血管分割装置的结构示意图。如图6所示，该装置包括：
78.初始血管分割概率图预测模块410，用于获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；
79.二值化处理模块420，用于对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图；
80.滤波采样模块430，用于对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；
81.目标血管分割预测结果确定模块440，用于基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。
82.本发明实施例的技术方案，通过获取含有目标血管的原始医学图像，将含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；对初始血管分割概率图进行二值化处理，得到初始血管分割概率图对应的血管分割二值图；对原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；基于血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测
概率值，基于各血管目标位置采样点对应的分割预测概率值对初始血管分割概率图进行更新，得到目标血管分割概率图，基于目标血管分割概率图确定目标血管分割预测结果。上述技术方案，通过对图像进行滤波，可以确定血管目标位置采样点集合，即确定血管的曲折处和交叉点区域，进而对该区域进行采样和预测，并更新血管分割概率图，使血管分割概率图更为准确，从而保证分割结果的完整性。
83.在一些可选的实施方式中，二值化处理模块420，具体用于：
84.若初始血管分割概率图中像素点的像素值大于预设判断阈值，则将初始血管分割概率图中像素点的像素值置为第一像素值；
85.若初始血管分割概率图中像素点的像素值小于预设判断阈值，则将初始血管分割概率图中像素点的像素值置为第二像素值。
86.在一些可选的实施方式中，滤波采样模块430，包括：
87.图像滤波单元，用于基于所述原始医学图像与所述血管分割二值图确定血管区域的滤波图像；
88.第一血管目标位置采样点确定单元，用于确定所述血管区域的滤波图像中各点的frangi滤波值，对各点的frangi滤波值进行排序，基于排序结果确定第一血管目标位置采样点；
89.血管目标位置采样点集合确定单元，用于在所述第一血管目标位置采样点之外，获取第二血管目标位置采样点，将所述第一血管目标位置采样点与第二血管目标位置采样点组成血管目标位置采样点集合。
90.在一些可选的实施方式中，图像滤波单元，还用于：
91.对所述原始医学图像进行多尺度frangi滤波，得到所述原始医学图像对应的滤波图像；
92.将所述原始医学图像对应的滤波图像与所述血管分割二值图点乘，得到血管区域的滤波图像。
93.在一些可选的实施方式中，图像滤波单元，还用于：
94.将所述原始医学图像与所述血管分割二值图点乘，得到血管区域图像；
95.对所述血管区域图像进行多尺度frangi滤波，得到血管区域的滤波图像。
96.在一些可选的实施方式中，目标血管分割预测结果确定模块440，还用于：
97.对所述血管目标位置采样点集合进行逐点表示，得到各血管目标位置采样点对应的特征信息；
98.将各血管目标位置采样点对应的特征信息输入至多层感知器中，得到各血管目标位置采样点对应的分割预测概率值。
99.在一些可选的实施方式中，目标血管分割预测结果确定模块440，还用于：
100.根据血管目标位置采样点的位置信息，将各血管目标位置采样点对应的分割预测概率值填充至所述初始血管分割概率图中，得到目标血管分割概率图。
101.在一些可选的实施方式中，目标血管分割预测结果确定模块440，还用于：
102.对所述目标血管分割概率图进行二值化处理，得到目标血管分割预测结果。
103.在一些可选的实施方式中，血管分割模型包括血管分割初始模型和pointrend模块，所述血管分割模型的训练步骤，包括：
104.获取多个包含目标血管的医学图像以及各所述包含目标血管的医学图像的血管分割标注；
105.将所述多个包含目标血管的医学图像输入至血管分割初始模型中，输出得到针对每一所述医学图像的血管分割概率图；
106.对每一所述医学图像的血管分割概率图进行二值化处理，得到每一所述医学图像的血管分割概率图对应的血管分割二值图；
107.对每一所述医学图像与每一所述医学图像的血管分割概率图对应的血管分割二值图的交集区域进行滤波，得到每一所述医学图像对应的多个血管缺陷位置采样点；
108.通过pointrend模块，对每一所述医学图像对应的多个血管缺陷位置采样点进行逐点分割预测，得到各血管缺陷位置采样点对应的分割预测概率值，基于各血管缺陷位置采样点对应的分割预测概率值对血管分割概率图进行更新，得到每一所述医学图像对应的血管分割概率图；
109.基于每一所述医学图像对应的血管分割概率图与每一所述医学图像对应的血管分割标注之间的分割损失，对血管分割模型进行训练，直至血管分割模型达到收敛。
110.本发明实施例所提供的血管分割装置可执行本发明任意实施例所提供的血管分割方法，具备执行方法相应的功能模块和有益效果。
111.图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
112.如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。i/o接口15也连接至总线14。
113.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
114.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如血管分割方法，该方法包括：
115.获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；
116.对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图；
117.对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；
118.基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。
119.在一些实施例中，血管分割方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的血管分割方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行血管分割方法。
120.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
121.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
122.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
123.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给
用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
124.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
125.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
126.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
127.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种血管分割方法，其特征在于，包括：获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图；对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图，包括：若初始血管分割概率图中像素点的像素值大于预设判断阈值，则将初始血管分割概率图中像素点的像素值置为第一像素值；若初始血管分割概率图中像素点的像素值小于预设判断阈值，则将初始血管分割概率图中像素点的像素值置为第二像素值。3.根据权利要求1所述的方法，其特征在于，所述对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合，包括：基于所述原始医学图像与所述血管分割二值图确定血管区域的滤波图像；确定所述血管区域的滤波图像中各点的frangi滤波值，对各点的frangi滤波值进行排序，基于排序结果确定第一血管目标位置采样点；在所述第一血管目标位置采样点之外，获取第二血管目标位置采样点，将所述第一血管目标位置采样点与第二血管目标位置采样点组成血管目标位置采样点集合。4.根据权利要求3所述的方法，其特征在于，所述基于所述原始医学图像与所述血管分割二值图确定血管区域的滤波图像，包括：对所述原始医学图像进行多尺度frangi滤波，得到所述原始医学图像对应的滤波图像；将所述原始医学图像对应的滤波图像与所述血管分割二值图点乘，得到血管区域的滤波图像。5.根据权利要求3所述的方法，其特征在于，所述基于所述原始医学图像与所述血管分割二值图确定血管区域的滤波图像，包括：将所述原始医学图像与所述血管分割二值图点乘，得到血管区域图像；对所述血管区域图像进行多尺度frangi滤波，得到血管区域的滤波图像。6.根据权利要求1所述的方法，其特征在于，所述基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，包括：对所述血管目标位置采样点集合进行逐点表示，得到各血管目标位置采样点对应的特征信息；将各血管目标位置采样点对应的特征信息输入至多层感知器中，得到各血管目标位置
采样点对应的分割预测概率值。7.根据权利要求1所述的方法，其特征在于，所述基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，包括：根据血管目标位置采样点的位置信息，将各血管目标位置采样点对应的分割预测概率值填充至所述初始血管分割概率图中，得到目标血管分割概率图。8.根据权利要求1所述的方法，其特征在于，所述基于所述目标血管分割概率图确定目标血管分割预测结果，包括：对所述目标血管分割概率图进行二值化处理，得到目标血管分割预测结果。9.根据权利要求1所述的方法，其特征在于，血管分割模型包括血管分割初始模型和pointrend模块，所述血管分割模型的训练步骤，包括：获取多个包含目标血管的医学图像以及各所述包含目标血管的医学图像的血管分割标注；将所述多个包含目标血管的医学图像输入至血管分割初始模型中，输出得到针对每一所述医学图像的血管分割概率图；对每一所述医学图像的血管分割概率图进行二值化处理，得到每一所述医学图像的血管分割概率图对应的血管分割二值图；对每一所述医学图像与每一所述医学图像的血管分割概率图对应的血管分割二值图的交集区域进行滤波，得到每一所述医学图像对应的多个血管缺陷位置采样点；通过pointrend模块，对每一所述医学图像对应的多个血管缺陷位置采样点进行逐点分割预测，得到各血管缺陷位置采样点对应的分割预测概率值，基于各血管缺陷位置采样点对应的分割预测概率值对血管分割概率图进行更新，得到每一所述医学图像对应的血管分割概率图；基于每一所述医学图像对应的血管分割概率图与每一所述医学图像对应的血管分割标注之间的分割损失，对血管分割模型进行训练，直至血管分割模型达到收敛。10.一种血管分割装置，其特征在于，包括：初始血管分割概率图预测模块，用于获取含有目标血管的原始医学图像，将所述含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；二值化处理模块，用于对所述初始血管分割概率图进行二值化处理，得到所述初始血管分割概率图对应的血管分割二值图；滤波采样模块，用于对所述原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；目标血管分割预测结果确定模块，用于基于所述血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对所述初始血管分割概率图进行更新，得到目标血管分割概率图，基于所述目标血管分割概率图确定目标血管分割预测结果。11.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程
序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的血管分割方法。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的血管分割方法。

技术总结
本发明公开了一种血管分割方法、装置、电子设备及存储介质。该方法包括：将含有目标血管的原始医学图像输入至血管分割初始模型中，得到初始血管分割概率图；对初始血管分割概率图进行二值化处理，得到初始血管分割概率图对应的血管分割二值图；对原始医学图像与所述血管分割二值图的交集区域进行滤波，得到血管目标位置采样点集合；基于血管目标位置采样点集合进行逐点分割预测，得到各血管目标位置采样点对应的分割预测概率值，基于各血管目标位置采样点对应的分割预测概率值对初始血管分割概率图进行更新，得到目标血管分割概率图，基于目标血管分割概率图确定目标血管分割预测结果。上述技术方案，能够有效提升血管分割结果的完整性。果的完整性。果的完整性。


技术研发人员：王明阳 郝增号 刘恩佑 张欢 王少康 陈宽
受保护的技术使用者：推想医疗科技股份有限公司
技术研发日：2023.06.26
技术公布日：2023/9/13