管状结构分割的设备和方法与流程

本申请涉及医学图像领域，具体涉及医学图像的处理，涉及管状结构分割的设备和方法。

背景技术：

1、分割医学扫描图像(例如，x射线荧光透视图像)中的管状结构(诸如动脉、静脉、导管、导丝等)对于包括例如可见性增强、多模态图像配准、路径映射等的许多下游图像处理任务可能是必要的。近年来，基于深度学习的分割技术已经越来越多地被采用在医学成像领域中，并且已经显示出比常规图像分割技术更优越的性能。然而，由于用于管状结构的已标记训练数据的稀缺性，这些基于深度学习的技术尚未应用于涉及常见管状结构(诸如上述管状结构)的分割任务中。因此，非常期望基于当前可用的可能限于特定类型的管状结构的管状训练数据来开发基于深度学习的系统和装置，并且将从这些训练数据学习的知识转移或适配到其他类型的管状结构。

技术实现思路

1、本文描述了与管状结构的分割相关联的系统、方法和装置。一种被配置为执行分割任务的设备可以包括一个或多个处理器，其可以被配置为：接收描绘第一类型的管状结构(例如，导管、导丝等)的医学图像(例如，x射线荧光透视图像)，并且使用人工神经网络(ann)从医学图像分割第一类型的管状结构。ann可以通过一个过程来训练以分割第一类型的管状结构，该过程可以包括：在过程的第一阶段期间训练ann以基于第二类型管状结构的带标注医学图像来分割第二类型的管状结构(例如，视网膜血管)，以及在过程的第二阶段期间进一步训练ann以基于从训练过程的第一阶段学习的分割模型来分割第一类型的管状结构。训练过程的第二阶段可以包括：向ann提供包括第一类型管状结构的第一训练图像，使ann基于从训练过程的第一阶段学习的分割模型生成第一类型管状结构的第一分割，基于第一类型管状结构的一个或多个特征校正由ann生成的第一分割以导出校正的分割，以及使ann基于由ann生成的第一分割与校正的分割之间的差异调节分割模型。

2、在示例中，基于第一类型管状结构的一个或多个特征校正第一分割可以包括：识别第一分割中与第一类型管状结构相对应的一个或多个连接区域，确定一个或多个连接区域中的每一个的相应尺寸，以及在校正的分割中基于连接区域的尺寸指示一个或多个连接区域中的每一个是否包括第一类型的管状结构。例如，如果连接区域的尺寸高于阈值，则连接区域可以被指示为包括第一类型的管状结构，并且如果连接区域的尺寸低于阈值，则连接区域可以被指示为不包括第一类型的管状结构。在示例中，连接区域的尺寸可以基于包括在连接区域中的像素数量来确定，并且识别第一分割中可以与第一类型的管状结构相对应的连接区域可以包括：识别第一分割中被指示为属于第一类型管状结构的连续数量的像素，以及将由连续数量的像素占据的区域视为连接区域。

3、在示例中，基于第一类型管状结构的一个或多个特征校正第一分割可以包括：确定第一分割的可以被指示为包括第一类型管状结构的区域的运动，以及在校正的分割中基于区域的运动指示该区域是否包括第一类型的管状结构。在示例中，区域的运动可以通过计算包括第一类型管状结构的第一训练图像与包括第一类型管状结构的第二训练图像之间的变化(例如，信号变化、像素级位移等)来确定。区域的运动可以通过首先将第一训练图像与第二训练图像配准来确定。使用这些技术，如果区域具有比第一分割的背景区域更大的运动，则该区域可以继续被标记为包括第一类型的管状结构。相反，如果该区域具有与第一分割的背景区域大致类似的运动，则该区域可以被重新标记为不包括第一类型的管状结构。

技术特征：

1.一种用于分割管状结构的设备，包括：

2.根据权利要求1所述的设备，其中，基于所述第一类型管状结构的所述一个或多个特征校正所述第一分割包括：

3.根据权利要求2所述的设备，其中，所述一个或多个连接区域中的每一个的所述相应尺寸基于所述一个或多个连接区域中的每一个中包括的相应像素数量来确定，其中，识别所述第一分割中与所述第一类型的管状结构相对应的所述一个或多个连接区域包括：识别所述第一分割中被指示为属于所述第一类型管状结构的连续数量的像素，以及将由所述连续数量的像素占据的区域视为连接区域。

4.根据权利要求1所述的设备，其中，基于所述第一类型管状结构的所述一个或多个特征校正所述第一分割包括：

5.根据权利要求4所述的设备，其中，确定所述区域的所述运动包括：计算所述第一训练图像与包括所述第一类型管状结构的第二训练图像之间的变化，其中，确定所述区域的所述运动还包括：将所述第一训练图像与所述第二训练图像配准。

6.根据权利要求4所述的设备，其中，基于所述第一类型管状结构的所述一个或多个特征校正所述第一分割包括：确定所述第一分割的被指示为包括所述第一类型管状结构的所述区域具有比所述第一分割的背景区域更大的运动，以及在所述校正的分割中基于所述确定将所述区域标记为包括所述第一类型的管状结构。

7.根据权利要求4所述的设备，其中，基于所述第一类型管状结构的所述一个或多个特征校正所述第一分割包括：确定所述第一分割的被指示为包括所述第一类型管状结构的所述区域具有与所述第一分割的背景区域大致类似的运动，以及在所述校正的分割中基于所述确定将所述区域标记为不包括所述第一类型的管状结构。

8.根据权利要求1所述的设备，其中，所述第一类型的管状结构包括冠状血管、放置在人体中的导管或放置在所述人体中的导丝，并且其中，所述第二类型的管状结构包括位于所述人体的与所述冠状血管不同的区域中的血管。

9.一种用于分割管状结构的方法，所述方法包括：

10.一种用于训练人工神经网络(ann)以分割第一类型管状结构的方法，所述方法包括：

技术总结
本文描述了与图像分割(诸如管状结构分割)相关联的系统、方法和装置。基于不同类型管状结构的带标注图像训练人工神经网络，以分割医学扫描图像中的感兴趣管状结构，该不同类型的管状结构可以具有与感兴趣管状结构不同的对比度和/或外观。训练可以在多个阶段中进行，在该多个阶段期间，可以修改在第一阶段期间从带标注图像学习的分割模型，以在第二阶段中适应感兴趣的管状结构。在示例中，感兴趣的管状结构可以包括冠状动脉、导管、导丝等，并且用于训练人工神经网络的带标注图像可以包括血管，诸如视网膜血管。

技术研发人员：刘毅康,孙善辉,陈德仁,陈章,陈潇
受保护的技术使用者：上海联影智能医疗科技有限公司
技术研发日：
技术公布日：2024/1/13