识别主动脉夹层图像的方法、装置、存储介质及电子设备与流程

1.本公开涉及图像处理技术领域，具体地，涉及一种识别主动脉夹层图像的方法、装置、存储介质及电子设备。


背景技术：

2.主动脉夹层(aortic dissection)是指主动脉腔内的血液从主动脉内膜撕裂处进入主动脉中膜，使内膜和中膜分离，且血液沿主动脉长轴方向扩展形成主动脉壁的真假两腔分离状态。其中，真腔假腔之间的隔膜称为夹层膜。主动脉夹层一旦发生破裂会导致大出血，属于临床危急重症，死亡率非常高。
3.相关技术中，由于医生工作负荷较大，并且医生通常按照各个病人的挂号顺序依次进行会诊，所以在病人进行影像检查后，最快需要花费1至2小时才能得到其影像分析结果。这种等待人工并由人工分析影像的方式耗时较长，并不利于主动脉夹层患者及时接受治疗。


技术实现要素：

4.本公开的目的是提供一种识别主动脉夹层图像的方法、装置、存储介质及电子设备，以快速并准确地识别出主动脉夹层图像，从而解决相关技术中存在的问题。
5.为了实现上述目的，本公开实施例的第一部分提供一种识别主动脉夹层图像的方法，所述方法包括：
6.获取主动脉cta图像，并从所述cta图像中提取主动脉3d血管图像；
7.根据所述主动脉3d血管图像构建待识别图层集序列，每一所述待识别图层集中的待识别图层为2d图像；
8.将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果；
9.根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像。
10.可选地，所述主动脉3d血管图像包括多个图层，所述根据所述主动脉3d血管图像构建待识别图层集序列，包括：
11.针对所述主动脉3d血管图像中的除了首尾图层之外的每一目标图层，根据所述目标图层和辅助图层构建对应的所述待识别图层集，所述目标图层的辅助图层包括所述主动脉3d血管图像中的与所述目标图层相邻的两个图层；
12.根据各所述目标图层在所述主动脉3d血管图像中的图层顺序，确定各所述待识别图层集的顺序，以得到所述待识别图层集序列。
13.可选地，所述将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果，包括：
14.将所述待识别图层集输入所述主动脉夹层识别模型，得到表征所述待识别图层集
中的所述目标图层是否存在主动脉夹层的所述识别结果。
15.可选地，所述根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像，包括：
16.针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；
17.确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；
18.在所述数量超过预设数量阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
19.可选地，所述根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像，包括：
20.针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；
21.确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；
22.根据所述数量、图层间距计算主动脉夹层轴向长度；
23.在所述轴向长度大于预设轴向长度阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
24.可选地，所述从所述cta图像中提取主动脉3d血管图像，包括：
25.从所述cta图像中提取骨架图像，并确定所述骨架图像的中心轴；
26.从所述cta图像中切割出以所述中心轴为轴心、预设x轴轴向长度、以及预设y轴轴向长度的立方体图像；
27.从所述立方体图像中提取所述主动脉3d血管图像。
28.可选地，所述从所述cta图像中提取骨架图像，包括：
29.根据骨骼灰度阈值对所述cta图像进行图像阈值分割，得到对应的骨骼区域图像，所述骨骼区域图像中每一体素的灰度值大于所述骨骼灰度阈值；
30.对所述骨骼区域图像的二值图像进行连通组件分析，得到所述骨骼区域图像的至少一个连通组件；
31.将所述骨骼区域图像的至少一个连通组件中的体素数量最多的连通组件作为骨骼组件，并将所述骨骼组件对应的图像作为所述骨架图像。
32.本公开实施例的第二部分提供一种识别主动脉夹层图像的装置，所述装置包括：
33.获取模块，用于获取主动脉cta图像，并从所述cta图像中提取主动脉3d血管图像；
34.构建模块，用于根据所述主动脉3d血管图像构建待识别图层集序列，每一所述待识别图层集中的待识别图层为2d图像；
35.输入模块，用于将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果；
36.执行模块，用于根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像。
37.可选地，所述主动脉3d血管图像包括多个图层，所述构建模块包括：
38.构建子模块，用于针对所述主动脉3d血管图像中的除了首尾图层之外的每一目标图层，根据所述目标图层和辅助图层构建对应的所述待识别图层集，所述目标图层的辅助
图层包括所述主动脉3d血管图像中的与所述目标图层相邻的两个图层；
39.执行子模块，用于根据各所述目标图层在所述主动脉3d血管图像中的图层顺序，确定各所述待识别图层集的顺序，以得到所述待识别图层集序列。
40.可选地，所述输入模块，具体用于将所述待识别图层集输入所述主动脉夹层识别模型，得到表征所述待识别图层集中的所述目标图层是否存在主动脉夹层的所述识别结果。
41.可选地，所述执行模块包括：
42.第一确定子模块，用于针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；
43.第二确定子模块，用于确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；
44.第三确定子模块，用于在所述数量超过预设数量阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
45.可选地，所述执行模块包括：
46.第四确定子模块，用于针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；
47.第五确定子模块，用于确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；
48.计算子模块，用于根据所述数量、图层间距计算主动脉夹层轴向长度；
49.第六确定子模块，用于在所述轴向长度大于预设轴向长度阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
50.可选地，所述获取模块包括：
51.第七确定子模块，用于从所述cta图像中提取骨架图像，并确定所述骨架图像的中心轴；
52.切割子模块，用于从所述cta图像中切割出以所述中心轴为轴心、预设x轴轴向长度、以及预设y轴轴向长度的立方体图像；
53.提取子模块，用于从所述立方体图像中提取所述主动脉3d血管图像。
54.可选地，所述第七确定子模块包括：
55.分割子模块，用于根据骨骼灰度阈值对所述cta图像进行图像阈值分割，得到对应的骨骼区域图像，所述骨骼区域图像中每一体素的灰度值大于所述骨骼灰度阈值；
56.分析子模块，用于对所述骨骼区域图像的二值图像进行连通组件分析，得到所述骨骼区域图像的至少一个连通组件；
57.第八确定子模块，用于将所述骨骼区域图像的至少一个连通组件中的体素数量最多的连通组件作为骨骼组件，并将所述骨骼组件对应的图像作为所述骨架图像。
58.本公开实施例的第三部分提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一部分中任一项所述方法的步骤。
59.本公开实施例的第四部分提供一种电子设备，包括：
60.存储器，其上存储有计算机程序；
61.处理器，用于执行所述存储器中的所述计算机程序，以实现第一部分中任一项所述方法的步骤。
62.采用上述技术方案，至少能够达到如下的有益技术效果：
63.通过获取主动脉cta图像，并从cta图像中提取主动脉3d血管图像。根据主动脉3d血管图像构建待识别图层集序列，每一待识别图层集中的待识别图层均为2d图像。将各待识别图层集输入训练完成的主动脉夹层识别模型，得到表征各待识别图层集中是否存在主动脉夹层的识别结果。根据待识别图层集序列中各待识别图层集对应的识别结果，确定cta图像是否为主动脉夹层图像。本公开这种方式，通过构建待识别图层集序列，并使用主动脉夹层识别模型来对各待识别图层集进行主动脉夹层识别，可以快速确定各待识别图层集中是否存在主动脉夹层。而由于模型的正确率无法达到百分之一百，因此本公开这种方式，在得到表征各待识别图层集中是否存在主动脉夹层的识别结果之后，还进一步根据待识别图层集序列中各待识别图层集对应的识别结果来综合确定cta图像是否为主动脉夹层图像，这种方式能够提升识别主动脉夹层图像的正确率。因此，采用本公开这种方式，可以快速并准确地判断主动脉cta图像是否为主动脉夹层图像。而在快速、准确地判断出主动脉cta图像为主动脉夹层图像的情况下，有利于主动脉夹层患者得到及时的救治。
64.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
65.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
66.图1是根据本公开一示例性实施例示出的一种识别主动脉夹层图像的方法的流程图。
67.图2是根据本公开一示例性实施例示出的一种主动脉夹层识别模型架构。
68.图3是根据本公开一示例性实施例示出的一种识别主动脉夹层图像的装置的框图。
69.图4是根据一示例性实施例示出的一种电子设备的框图。
70.图5是根据一示例性实施例示出的另一种电子设备的框图。
具体实施方式
71.以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
72.需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
73.相关技术中，关于主动脉夹层的研究与报道都集中在对主动脉夹层的真腔和假腔进行分割这一方面。对已知的b型夹层疾病患者的主动脉夹层图像进行真假腔分割，可以辅助医生制定手术治疗方案。而相关技术中，识别主动脉夹层图像的方式是，在病人进行影像检查后，等待医生并由医生分析影像以确定该影像是否为主动脉夹层图像。这种方式耗时
较长，并不利于主动脉夹层患者及时接受治疗。因此，目前迫切需求一种可以快速地识别主动脉夹层图像的方法。
74.有鉴于此，本公开实施例提供一种识别主动脉夹层图像的方法、装置、存储介质及电子设备，以快速并准确地判断主动脉cta图像是否为主动脉夹层图像，从而为主动脉夹层患者节省等待医学影像分析的时长，便于主动脉夹层患者得到及时的救治。
75.图1是根据本公开一示例性实施例示出的一种识别主动脉夹层图像的方法的流程图。如图1所示，该识别主动脉夹层图像的方法包括以下步骤：
76.s11、获取主动脉cta图像，并从所述cta图像中提取主动脉3d血管图像。
77.其中，主动脉cta(computed tomography angiography)图像是指患者进行主动脉cta检查后所得到的图像，亦可以称为主动脉ct血管造影图像。主动脉cta图像为3d图像。其中，ct(computed tomography)是指电子计算机断层扫描，它是一种利用精确准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，从而得到三维的ct图像的技术。
78.由于主动脉是人体内最粗大的动脉管，其从心脏的左心室发出，向上向右再向下略呈弓状，再沿脊柱向下行，在胸腔和腹腔内分出很多较小的动脉。所以，对患者进行主动脉cta检查，主要是针对患者的胸腔和腹腔部位进行cta检查。主动脉cta图像中包括主动脉3d血管图像。
79.s12、根据所述主动脉3d血管图像构建待识别图层集序列，每一所述待识别图层集中的待识别图层为2d图像。
80.由于主动脉3d血管图像是从cta图像中提取出来的，cta图像包括多个扫描图层，因此，主动脉3d血管图像也包括多个2d图层，且各图层之间的轴向间距在0.5至1.2mm之间。其中轴向是指ct断层扫描的z轴方向，一般情况下轴向为人体脊柱方向。
81.在一些实施方式中，可以根据主动脉3d血管图像中的2d图层构建待识别图层集序列。其中，待识别图层集中的图层数量可以为1、3、5等值。
82.s13、将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果。
83.在一些实施方式中，在将待识别图层集输入训练完成的主动脉夹层识别模型之前，可以先对待识别图层集中的各个图层进行预处理。
84.例如，预处理可以是对各图层进行窗位窗宽处理。由于各种不同组织结构或病变具有不同的图像像素值，因此在欲显示某一组织结构细节时，可以选择适合观察该某一组织结构的窗宽窗位，以获得最佳显示效果。在本公开实施例中，在对各图层进行窗位窗宽处理的情况下，可以设置窗位像素值为200，窗宽为700。该窗位像素值为200，窗宽为700表征了以像素值200为窗位，并以像素值200上下350的像素范围为窗宽。经过窗位窗宽处理后可以获得显示主动脉效果最佳的图层。
85.再例如，预处理可以是对各图层进行归一化处理，如调用normalize()函数对各图层进行归一化处理，以使得各图层的图像像素值的均值为0，标准差为1。对各图层进行归一化处理，有利于提升主动脉夹层识别模型的精度(在训练过程中则可以提升模型的精度和收敛速度)。
86.在具体实施时，通过将待识别图层集(或者是经过预处理后的待识别图层集)输入
训练完成的主动脉夹层识别模型，可以得到表征该待识别图层集中是否存在主动脉夹层的识别结果。
87.s14、根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像。
88.由于人体的心脏处于连续跳动状态，而心脏连续跳动引起血管连续起伏。在cta检查过程中，血管连续起伏会造成cta图像中出现伪影，该伪影与主动脉夹层的成像特征很相似。因此，主动脉夹层识别模型对单个的待识别图层集进行识别后所得到的识别结果存在一定误差，有可能会将单个的待识别图层集中的血管起伏现象识别为主动脉夹层。由此，根据单个待识别图层集中是否存在主动脉夹层的识别结果，无法准确地确定整个cta图像是否为主动脉夹层图像。鉴于此，本公开实施例提出，在基于主动脉夹层识别模型得到各个待识别图层集的识别结果之后，可以进一步根据待识别图层集序列中存在主动脉夹层的待识别图层集的数量、各存在主动脉夹层的待识别图层集的排序位置等综合特征来确定对应的cta图像是否为主动脉夹层图像。
89.采用本公开这种方法，通过获取主动脉cta图像，并从cta图像中提取主动脉3d血管图像。根据主动脉3d血管图像构建待识别图层集序列，每一待识别图层集中的待识别图层均为2d图像。将各待识别图层集输入训练完成的主动脉夹层识别模型，得到表征各待识别图层集中是否存在主动脉夹层的识别结果。根据待识别图层集序列中各待识别图层集对应的识别结果，确定cta图像是否为主动脉夹层图像。本公开这种方式，通过构建待识别图层集序列，并使用主动脉夹层识别模型来对各待识别图层集进行主动脉夹层识别，可以快速确定各待识别图层集中是否存在主动脉夹层。而由于模型的正确率无法达到百分之一百，因此本公开这种方式，在得到表征各待识别图层集中是否存在主动脉夹层的识别结果之后，还进一步根据待识别图层集序列中各待识别图层集对应的识别结果来综合确定cta图像是否为主动脉夹层图像，这种方式能够提升识别主动脉夹层图像的正确率。因此，采用本公开这种方式，可以快速、并准确地判断主动脉cta图像是否为主动脉夹层图像。而在快速、准确地判断出主动脉cta图像为主动脉夹层图像的情况下，可以减少主动脉夹层患者等待医学影像分析结果的时长，有利于主动脉夹层患者得到及时的救治。
90.可选地，所述主动脉3d血管图像包括多个图层，所述根据所述主动脉3d血管图像构建待识别图层集序列，包括：
91.针对所述主动脉3d血管图像中的除了首尾图层之外的每一目标图层，根据所述目标图层和辅助图层构建对应的所述待识别图层集，所述目标图层的辅助图层包括所述主动脉3d血管图像中的与所述目标图层相邻的两个图层；根据各所述目标图层在所述主动脉3d血管图像中的图层顺序，确定各所述待识别图层集的顺序，以得到所述待识别图层集序列。
92.示例地，假设主动脉3d血管图像依次包括图层1、图层2、图层3、图层4、图层5、图层6(一般情况下，图层在500层以上，此处仅是示例)。那么，除了首尾图层之外的目标图层包括图层2、图层3、图层4、图层5。
93.针对每一目标图层构建待识别图层集的具体实施方式可以是，针对任一目标图层，根据该目标图层和辅助图层构建对应的待识别图层集，其中辅助图层可以包括与该目标图层相邻的两个图层。例如，针对目标图层即图层2，由于与图层2相邻的两个图层分别为图层1和图层3，因此图层2的辅助图层可以包括图层1和图层3。那么，图层2对应的待识别图
层集包括图层1、图层2、以及图层3。再例如，针对目标图层即图层3，由于与图层3相邻的两个图层分别为图层2和图层4，因此图层3的辅助图层可以包括图层2和图层4。进而图层3对应的待识别图层集包括图层2、图层3、以及图层4。同理地，可得到图层4对应的待识别图层集包括图层3、图层4、以及图层5。图层5对应的待识别图层集包括图层4、图层5、以及图层6。
94.在得到各目标图层即图层2、图层3、图层4、图层5分别对应的待识别图层集之后，可根据各目标图层在主动脉3d血管图像中的图层顺序，确定各待识别图层集的顺序，以得到待识别图层集序列。例如，图层2、图层3、图层4、图层5分别对应的待识别图层集的顺序为(图层1、图层2、以及图层3)、(图层2、图层3、以及图层4)、(图层3、图层4、以及图层5)、(图层4、图层5、以及图层6)。
95.由于本公开不限定待识别图层集中的图层数量，因此，在一些可能的实施方式中，针对每一目标图层，可以根据该目标图层本身构建对应的待识别图层集。
96.在另一些可能的实施方式中，针对每一目标图层，可以根据目标图层和辅助图层构建对应的待识别图层集，其中辅助图层可以包括从主动脉3d血管图像中随机选择的多个图层。或者，辅助图层可以包括该目标图层前的两个图层和/或该目标图层后的两个图层。例如，针对目标图层3，对应的辅助图层可以包括图层1、图层2、图层4、图层5。
97.此外，在一些实施方式中，各待识别图层集中的图层数量可以相同，例如各待识别图层集中的图层数量均为3。同理地，在另一些实施方式中，各待识别图层集中的图层数量可以不相同。
98.可选地，所述将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果，包括：
99.将所述待识别图层集输入所述主动脉夹层识别模型，得到表征所述待识别图层集中的所述目标图层中是否存在主动脉夹层的所述识别结果。
100.示例地，针对前述实施例中的目标图层2所对应的待识别图层集(图层1、图层2、以及图层3)，将该待识别图层集(图层1、图层2、图层3)输入主动脉夹层识别模型，得到主动脉夹层识别模型输出的识别结果，该识别结果可以表征目标图层2中是否存在主动脉夹层。
101.在一些实施方式中，主动脉夹层识别模型可以通过如下方式训练得到：
102.首先构建训练数据集，具体地，获取主动脉cta标注图像样本，该主动脉cta标注图像样本包括主动脉夹层3d标注图像样本(该主动脉夹层3d标注图像样本中标注有主动脉夹层的位置)以及正常主动脉3d标注图像样本。针对主动脉夹层3d标注图像样本，按图层进行抽取以得到多个2d图层。并对照该主动脉夹层3d标注图像样本，标注各个2d图层中是否存在主动脉夹层，以得到图层样本。例如，若2d图层中存在主动脉夹层，则标注标签为1。若2d图层中不存在主动脉夹层，则标注标签为0。同理，针对正常主动脉3d标注图像样本也可以确定对应的图层样本。然后针对所有的图层样本构建待识别图层集样本，从而得到初始训练数据集。
103.应说明的是，在待识别图层集样本中包括三个图层样本的情况下，例如待识别图层集样本包括一个目标图层样本和两个辅助图层样本的情况下，可以将目标图层样本的标签作为该待识别图层集样本的标签。
104.在一些实施方式中，可以针对初始训练数据集进行预处理。预处理可以是对各图层样本进行窗位窗宽处理。
105.此外，预处理还可以包括图像随机强化处理。详细地，图像随机强化处理方法可以包括以下至少一种：
106.图层随机旋转处理，优选地，设置参数为转角最小值min＝-10，最大值max＝10；
107.图层对比度增强处理，优选地，设置参数为饱和度因子最小值min＝0.1，最大值max＝1.9；
108.cutout增强处理(即是指随机的将样本中的部分区域切割掉，并且填充像素值)，优选地，设置参数为，切割和填充区域为矩形，且该矩形的宽/高与图层的宽/高的比例系数最小值min＝0，最大值max＝0.4，填充像素值为图层的平均像素值。
109.图层放大/缩小增强处理，优选地，设置参数为，缩放倍数最小值min＝0.8，最大值max＝1.2。在图层放大/缩小增强处理之后，将图层恢复到初始大小，并做归一化处理，以使图层像素值的均值为0，标准差为1。
110.初始训练数据集经预处理后，可以得到训练数据集。
111.根据训练数据集训练待训练的主动脉夹层识别模型，可以得到训练完成的主动脉夹层识别模型。
112.在一些实施方式中，主动脉夹层识别模型的架构可以采用efficientnet-b7模型架构，并可以将在imagenet数据集上已训练好的参数作为待训练的主动脉夹层识别模型的初始化参数。然后，根据本公开实施例构建的训练数据集对主动脉夹层识别模型进行迁移训练，从而得到训练完成的主动脉夹层识别模型。
113.在一些实施方式中，主动脉夹层识别模型架构也可以仅包括efficientnet-b7模型中的抽取图像特征的部分模块架构，然后结合自适应平均池化层、dropout层、以及全连接层构建完整的模型架构。示例地，如图2所示。图2中的主动脉夹层识别模型架构中，使用efficientnet-b7模型中的抽取图像特征的部分模块架构来抽取待识别图层集样本中各图层样本的图像特征，图像特征经过自适应平均池化层(如相关技术中的pytorch之nn.adaptiveavgpool2d(1))、dropout层、全连接层的处理之后，可得到表征该待识别图层集样本中(目标图层样本)是否存在主动脉夹层的识别结果。
114.在一些实施方式中，训练待训练的主动脉夹层识别模型的具体训练方法可以如下：
115.设置待训练的主动脉夹层识别模型的数据输入为3通道，用于同时输入待识别图层集样本中的3个图层样本。
116.设置数据加载方式为分布式抽样采集加载方式。
117.设置损失函数为类别加权的二元交叉熵损失函数(例如相关技术中的pytorch之bcewithlogitsloss函数)，其中优选地类别权重class_weight设置为[0.2，0.8]。如此以适应采用不平衡数据集训练模型的场景。
[0118]
优化器采用adam优化器，采用缺省参数设置(即初始参数采用默认值)，模型优化方法采用混合精度训练方法。混合精度训练方法为相关技术中的模型训练方法，此处不作解释。
[0119]
可选地，所述根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像，包括：
[0120]
针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别
图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；在所述数量超过预设数量阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
[0121]
示例地，假设待识别图层集依次为a(图层1、图层2、图层3)、b(图层2、图层3、图层4)、c(图层3、图层4、图层5)、d(图层4、图层5、图层6)。在待识别图层集b的识别结果表征该待识别图层集b中(目标图层2)存在主动脉夹层的情况下，可以将该待识别图层集b确定为目标待识别图层集。
[0122]
若待识别图层集b、c、d均为目标待识别图层集，那么可以确定待识别图层集序列a、b、c、d中连续的目标待识别图层集的数量为3(即b、c、d)。在数量3超过预设数量阈值n的情况下，可以确定对应的cta图像为主动脉夹层图像。相反，在数量3未超过预设数量阈值n的情况下，可以确定对应的cta图像不为主动脉夹层图像。
[0123]
其中预设数量阈值n可以为9、10等值。具体可以根据ct检测仪器的参数设置确定。
[0124]
由于人体的心脏处于连续跳动状态，而心脏连续跳动引起血管连续起伏。在cta检查过程中，血管连续起伏会造成cta图像中出现伪影，该伪影与主动脉夹层的成像特征很相似，很容易将伪影误判为主动脉夹层。所以为了排除伪影带来的干扰，本公开实施例还提供另一种根据待识别图层集序列中各待识别图层集对应的识别结果，确定cta图像是否为主动脉夹层图像的实施方式，具体如下：
[0125]
所述根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像，包括：
[0126]
针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；根据所述数量、图层间距计算主动脉夹层轴向长度；在所述轴向长度大于预设轴向长度阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
[0127]
其中，图层间距取值区间为[0.5，1.2]，单位为mm(毫米)。该取值区间与前述图层之间的轴向间距相同。
[0128]
在实验过程中发现，主动脉夹层表现为连续地跨越图层，且通常夹层轴向长度大于30mm。而血管起伏所带来的伪影轴向长度一般小于30mm。因此，本公开实施例提出可以根据待识别图层集序列中连续的目标待识别图层集的数量、以及图层间距计算主动脉夹层轴向长度。在该轴向长度大于预设轴向长度阈值如30mm的情况下，可以准确地确定cta图像为主动脉夹层图像。相反，在该轴向长度小于或等于预设轴向长度阈值如30mm的情况下，可以确定cta图像不为主动脉夹层图像。
[0129]
应说明的是，在一些实施方式中，由于将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果，具体可以是将所述待识别图层集输入所述主动脉夹层识别模型，得到表征所述待识别图层集中的所述目标图层是否存在主动脉夹层的所述识别结果。
[0130]
因此，将待识别图层集输入训练完成的主动脉夹层识别模型，得到的识别结果，该识别结果表征待识别图层集中是否存在主动脉夹层，具体地，该识别结果表征待识别图层集中的目标图层是否存在主动脉夹层。那么，确定待识别图层集序列中连续的目标待识别
图层集的数量，该数量可以表征连续的存在主动脉夹层的目标图像的数量。
[0131]
因此，与前述根据待识别图层集序列中各待识别图层集对应的识别结果，确定cta图像是否为主动脉夹层图像的实施方式实质相同的另两种实施方式为：
[0132]
实施方式一、所述根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像，包括：
[0133]
针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中的目标图层存在主动脉夹层的情况下，将所述待识别图层集中的目标图层确定为有效目标图层；
[0134]
确定主动脉3d血管图像中连续的有效目标图层的数量；
[0135]
在所述数量超过预设数量阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
[0136]
实施方式二、所述根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像，包括：
[0137]
针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中的目标图层存在主动脉夹层的情况下，将所述待识别图层集中的目标图层确定为有效目标图层；
[0138]
确定主动脉3d血管图像中连续的有效目标图层的数量；
[0139]
根据所述数量、图层间距计算主动脉夹层轴向长度；
[0140]
在所述轴向长度大于预设轴向长度阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
[0141]
可选地，所述从所述cta图像中提取主动脉3d血管图像，包括：
[0142]
从cta图像中确定包括主动脉血管的图像区域，该图像区域的尺寸小于cta图像的尺寸；从该图像区域中提取主动脉3d血管图像。
[0143]
由于患者进行主动脉cta检查后所得到的cta图像的图像分辨率很大，cta图像的图像分辨率一般为(512*512)，并且图层数量一般在500层以上。所以，直接从cta图像中提取主动脉3d血管图像的计算量较大、且对计算设备的性能要求较高。加之主动脉只是位于cta图像中心的较小区域内的研究发现。因此，一种优选的实施方式为，可先从cta图像中确定包括主动脉血管的图像区域，该图像区域的尺寸小于cta图像的尺寸。然后从该图像区域中提取主动脉3d血管图像。如此可避免直接从cta图像中提取主动脉3d血管图像的大量运算。
[0144]
在一些实施方式中，可以以cta图像的图像中心点为切割基准来切割出预设大小的图像区域。然后从该图像区域中提取主动脉3d血管图像。其中，预设大小可以是根据大量的主动脉3d血管图像确定的经验值。
[0145]
考虑到个体差异、以及ct设备的设置差异，主动脉不一定完全位于cta图像的中心位置。那么，如果采用上述以cta图像的图像中心点为切割基准来切割出预设大小的图像区域的方式，可能无法提取到位于该图像区域之外的部分主动脉血管。进而导致从该图像区域中提取到的主动脉3d血管图像不是完整的主动脉图像的结果。
[0146]
有鉴于此，优选地，所述从所述cta图像中提取主动脉3d血管图像，包括：
[0147]
从所述cta图像中提取骨架图像，并确定所述骨架图像的中心轴；从所述cta图像
中切割出以所述中心轴为轴心、预设x轴轴向长度、以及预设y轴轴向长度的立方体图像；从所述立方体图像中提取所述主动脉3d血管图像。
[0148]
鉴于主动脉被包含在胸骨骨架内的生理特征、以及骨骼影像密度较高，很容易提取的特征，本公开实施例提出可以先从cta图像中确定骨架所在的图像区域，然后从骨架所在的图像区域内进一步提取出完整的主动脉3d血管图像。
[0149]
示例地，从cta图像中提取骨架图像，并确定骨架图像的中心轴。从cta图像中切割出以中心轴为轴心、预设x轴轴向长度、以及预设y轴轴向长度的立方体图像。从立方体图像中提取主动脉3d血管图像。其中，中心轴的方向为z轴。预设x轴轴向长度、以及预设y轴轴向长度为经验值。详细地，可以使用图像处理工具，对骨架图像进行形状特性分析，并确定骨架的外接立方体的初始顶点坐标(x0，y0，z0)、根据预设x轴轴向长度a、以及预设y轴轴向长度b，计算各个图层的中心点坐标(xc,yc)，其中，xc＝x0+a/2，yc＝y0+b/2。接着，在cta图像像素为512*512，图层数量为512的情况下，按照区域[x
c-128，xc+128]、[y
c-128，yc+128]、[0，512]从cta图像中切割出立方体图像。这样，可以把高分辨率的cta图像(512*512*512)切割为分辨率为(256*256*512)的包括主动脉血管的立方体图像。从分辨率更低的立方体图像中不仅可以提取完整的主动脉3d血管图像，还减少了运算量。
[0150]
可选地，所述从所述cta图像中提取骨架图像，包括：
[0151]
根据骨骼灰度阈值对所述cta图像进行图像阈值分割，得到对应的骨骼区域图像，所述骨骼区域图像中每一体素的灰度值大于所述骨骼灰度阈值；对所述骨骼区域图像的二值图像进行连通组件分析，得到所述骨骼区域图像的至少一个连通组件；将所述骨骼区域图像的至少一个连通组件中的体素数量最多的连通组件作为骨骼组件，并将所述骨骼组件对应的图像作为所述骨架图像。
[0152]
骨骼灰度阈值可以设置为200。根据骨骼灰度阈值200对cta图像进行图像阈值分割，可以得到对应的骨骼区域图像。该骨骼区域图像中每一体素的灰度值均大于(或等于)骨骼灰度阈值200。骨骼灰度阈值200可以不是精确的骨骼提取值，原因在于，本公开实施例只是为了确定骨骼所在的骨骼区域图像，不要求骨骼区域图像中的每一体素均表征骨骼，该骨骼区域图像中可以包括表征非骨骼的其他体素。
[0153]
在得到骨骼所在的骨骼区域图像之后，可以对该骨骼区域图像的二值图像进行连通组件分析，以得到该骨骼区域图像的至少一个连通组件。将骨骼区域图像的至少一个连通组件中的体素数量最多的连通组件作为骨骼组件，并将骨骼组件对应的图像作为骨架图像。其中，连通组件表征3d图像中具有相同体素值(或满足特定相似性准则)且位置相邻的前景体素点组成的3d图像区域。
[0154]
可选地，所述从所述立方体图像中提取所述主动脉3d血管图像，包括：
[0155]
对立方体图像中的每一图层进行预处理。预处理包括窗位窗宽处理，(窗位像素值为200，窗宽为700，如此可保证主动脉区域都位于图层中，且显示效果较优)。
[0156]
预处理还可以包括图像增强处理，例如将每一图层的像素值整体缩放到[0，255]的处理。
[0157]
预处理还可以包括归一化处理，这样可让增强处理后每一图层的像素均值为0，标准差为1，以提升模型的精度和训练时模型的收敛速度。
[0158]
将经过预处理后的每一图层输入训练完成的分割模型，得到分割模型输出的二值
图层，二值图层中的体素值为0或1，其中1表征主动脉体素，0表征非主动脉体素。分割模型具体可以采用相关技术中的2d unet模型，pytorch框架。分割模型的训练方式与相关技术中的2d unet模型的训练方式相类似，此处不再赘述。
[0159]
将各二值图层与经过预处理后的立方体图像中对应的图层相乘(相同位置上的体素值相乘)，得到主动脉3d血管图像。
[0160]
经过实验验证，采用本公开上述识别主动脉夹层图像的方法，可以在2分钟内判断出主动脉cta图像是否为主动脉夹层图像。相较于现有技术中等待人工并由人工判断主动脉cta图像是否为主动脉夹层图像的方式，缩短了判断时长。而且，本公开还进行了实验验证，测试集的识别结果显示，召回率达到100％，准确率达到98.3％。因此，采用本公开识别主动脉夹层图像的方法，可以快速并准确地判断主动脉cta图像是否为主动脉夹层图像，从而为主动脉夹层患者节省等待医学影像分析的时长，便于主动脉夹层患者得到及时的救治。例如，在确定某患者的主动脉cta图像为主动脉夹层图像的情况下，可以提示医护人员，以使该主动脉夹层患者得到及时的救治。
[0161]
图3是根据本公开一示例性实施例示出的一种识别主动脉夹层图像的装置的框图。如图3所示，该装置300包括：
[0162]
获取模块310，用于获取主动脉cta图像，并从所述cta图像中提取主动脉3d血管图像；
[0163]
构建模块320，用于根据所述主动脉3d血管图像构建待识别图层集序列，每一所述待识别图层集中的待识别图层为2d图像；
[0164]
输入模块330，用于将所述待识别图层集输入训练完成的主动脉夹层识别模型，得到表征所述待识别图层集中是否存在主动脉夹层的识别结果；
[0165]
执行模块340，用于根据所述待识别图层集序列中各所述待识别图层集对应的所述识别结果，确定所述cta图像是否为主动脉夹层图像。
[0166]
采用这种装置，通过获取主动脉cta图像，并从cta图像中提取主动脉3d血管图像。根据主动脉3d血管图像构建待识别图层集序列，每一待识别图层集中的待识别图层均为2d图像。将各待识别图层集输入训练完成的主动脉夹层识别模型，得到表征各待识别图层集中是否存在主动脉夹层的识别结果。根据待识别图层集序列中各待识别图层集对应的识别结果，确定cta图像是否为主动脉夹层图像。本公开这种方式，通过构建待识别图层集序列，并使用主动脉夹层识别模型来对各待识别图层集进行主动脉夹层识别，可以快速确定各待识别图层集中是否存在主动脉夹层。而由于模型的正确率无法达到百分之一百，因此本公开这种方式，在得到表征各待识别图层集中是否存在主动脉夹层的识别结果之后，还进一步根据待识别图层集序列中各待识别图层集对应的识别结果来综合确定cta图像是否为主动脉夹层图像，这种方式能够提升识别主动脉夹层图像的正确率。因此，采用本公开这种方式，可以快速、并准确地判断主动脉cta图像是否为主动脉夹层图像。而在快速、准确地判断出主动脉cta图像为主动脉夹层图像的情况下，有利于主动脉夹层患者得到及时的救治。
[0167]
可选地，所述主动脉3d血管图像包括多个图层，所述构建模块320包括：
[0168]
构建子模块，用于针对所述主动脉3d血管图像中的除了首尾图层之外的每一目标图层，根据所述目标图层和辅助图层构建对应的所述待识别图层集，所述目标图层的辅助图层包括所述主动脉3d血管图像中的与所述目标图层相邻的两个图层；
[0169]
执行子模块，用于根据各所述目标图层在所述主动脉3d血管图像中的图层顺序，确定各所述待识别图层集的顺序，以得到所述待识别图层集序列。
[0170]
可选地，所述输入模块330，具体用于将所述待识别图层集输入所述主动脉夹层识别模型，得到表征所述待识别图层集中的所述目标图层是否存在主动脉夹层的所述识别结果。
[0171]
可选地，所述执行模块340包括：
[0172]
第一确定子模块，用于针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；
[0173]
第二确定子模块，用于确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；
[0174]
第三确定子模块，用于在所述数量超过预设数量阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
[0175]
可选地，所述执行模块340包括：
[0176]
第四确定子模块，用于针对各所述待识别图层集，在所述待识别图层集的所述识别结果表征所述待识别图层集中存在主动脉夹层的情况下，将所述待识别图层集确定为目标待识别图层集；
[0177]
第五确定子模块，用于确定所述待识别图层集序列中连续的所述目标待识别图层集的数量；
[0178]
计算子模块，用于根据所述数量、图层间距计算主动脉夹层轴向长度；
[0179]
第六确定子模块，用于在所述轴向长度大于预设轴向长度阈值的情况下，确定所述cta图像为所述主动脉夹层图像。
[0180]
可选地，所述获取模块310包括：
[0181]
第七确定子模块，用于从所述cta图像中提取骨架图像，并确定所述骨架图像的中心轴；
[0182]
切割子模块，用于从所述cta图像中切割出以所述中心轴为轴心、预设x轴轴向长度、以及预设y轴轴向长度的立方体图像；
[0183]
提取子模块，用于从所述立方体图像中提取所述主动脉3d血管图像。
[0184]
可选地，所述第七确定子模块包括：
[0185]
分割子模块，用于根据骨骼灰度阈值对所述cta图像进行图像阈值分割，得到对应的骨骼区域图像，所述骨骼区域图像中每一体素的灰度值大于所述骨骼灰度阈值；
[0186]
分析子模块，用于对所述骨骼区域图像的二值图像进行连通组件分析，得到所述骨骼区域图像的至少一个连通组件；
[0187]
第八确定子模块，用于将所述骨骼区域图像的至少一个连通组件中的体素数量最多的连通组件作为骨骼组件，并将所述骨骼组件对应的图像作为所述骨架图像。
[0188]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0189]
图4是根据一示例性实施例示出的一种电子设备700的框图。如图4所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/
server
tm
，mac os x
tm
，unix
tm
，linux
tm
等等。
[0195]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的主动脉夹层图像的方法的步骤。例如，该非临时性计算机可读存储介质可以为上述包括程序指令的存储器1932，上述程序指令可由电子设备1900的处理器1922执行以完成上述的主动脉夹层图像的方法。
[0196]
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的主动脉夹层图像的方法的代码部分。
[0197]
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
[0198]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
[0199]
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。