对生成健康血管表面的生成模型进行训练的方法及设备与流程

本技术一般涉及人工智能。更具体地，本技术涉及一种对生成健康血管表面的生成模型进行训练的方法、设备和计算机存储介质。进一步地，本技术还涉及一种生成健康血管表面的方法、设备和计算机存储介质。

背景技术：

1、动脉瘤的确诊通常需要进行血管造影检查，包括例如数字减影血管造影(digitalsubtraction angiography，“dsa”)检查、电子计算机断层扫描(computed tomography，“ct”)血管成像以及磁共振成像(magnetic resonance imaging，“mri”)血管成像等。然而，不管是早期筛查，还是患者已经出现症状后确诊动脉瘤，此时血管的整体形态已经发生了变化，从而难以获取患者在健康状态下的血管影像。

2、目前，通常是由医生采用图像处理软件对动脉瘤血管影像中的动脉瘤进行去除，再结合人为修复，获得去除动脉瘤的血管。这对医生的专业性要求高，需要对动脉瘤的瘤颈，正常血管形态有深刻的认识，不仅操作费时费力，主观性也较强。此外，也有通过相关的技术(例如图像分割)来从动脉瘤血管影像中分割出动脉瘤，再去除动脉瘤，并将留下的血管作为健康血管。这种方式获得的血管在动脉瘤的瘤颈部分往往不平滑，无法恢复健康血管的形态，从而难以准确的分析动脉瘤的成因以及变化过程。进一步地，现有的方式往往针对图像处理或训练，其对应的网络通常较大，使得训练效率低下。

3、有鉴于此，亟需提供一种对生成健康血管表面的生成模型进行训练的方案，通过将图像转化成点云数据，使其网络变轻量，以提高生成模型的训练效率和准确性，从而辅助分析更准确的动脉瘤的成因以及变化过程。

技术实现思路

1、为了至少解决如上所提到的一个或多个技术问题，本技术在多个方面中提出了对生成健康血管表面的生成模型进行训练的方案。

2、在第一方面中，本技术提供一种对生成健康血管表面的生成模型进行训练的方法，包括：获取动脉瘤血管图像和健康动脉血管图像，并分别对其进行标注获得对应的标签信息；对所述动脉瘤血管图像和所述健康动脉血管图像进行点云提取，以获得表征健康血管表面的点云和表征动脉瘤血管表面的点云；以及将所述表征健康血管表面的点云、所述表征动脉瘤血管表面的点云和所述标签信息输入至待训练的生成模型中进行特征提取生成目标血管表面的点云，以对生成健康血管表面的生成模型进行训练。

3、在一个实施例中，其中对所述动脉瘤血管图像和所述健康动脉血管图像进行点云提取，以获得表征健康血管表面的点云和表征动脉瘤血管表面的点云包括：从所述动脉瘤血管图像和所述健康动脉血管图像中提取各自对应的血管二值图；以及基于所述血管二值图进行血管表面点云提取，以获得所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云。

4、在另一个实施例中，所述方法还包括：对所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云进行格式转换、尺寸变换或者数据增强中的一种或者多种操作，以对所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云进行预处理。

5、在又一个实施例中，所述方法还包括：在所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云中增加噪声分布，以获得增加噪声后的点云数据；以及将所述增加噪声后的点云数据和所述标签信息输入至待训练的生成模型中进行特征提取生成目标血管表面的点云，以对生成健康血管表面的生成模型进行训练。

6、在又一个实施例中，其中在所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云中增加噪声分布，以获得增加噪声后的点云数据包括：在所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云中增加任意一个噪声分布，以获得一个增加噪声后的点云数据；或者基于预定信噪比，在所述表征健康血管表面的点云和所述表征动脉瘤血管表面的点云中增加多个噪声分布，以获得多个增加噪声后的点云数据。

7、在又一个实施例中，其中将所述增加噪声后的点云数据和所述标签信息输入至待训练的生成模型中进行特征提取生成目标血管表面的点云，以对生成健康血管表面的生成模型进行训练包括：将所述一个增加噪声后的点云数据和所述标签信息输入至待训练的生成模型中进行特征提取生成所述目标血管表面的点云，以对生成健康血管表面的生成模型进行训练；或者将所述多个增加噪声后的点云数据和所述标签信息输入至待训练的生成模型中进行特征提取生成所述目标血管表面的点云，以对生成健康血管表面的生成模型进行训练。

8、在又一个实施例中，其中所述动脉瘤血管图像和所述健康动脉血管图像包括dsa血管图像、ct血管图像或者mri血管图像。

9、在又一个实施例中，其中所述生成模型包括unet模型、cnn模型或者transformer模型。

10、在第二方面中，本技术提供一种对生成健康血管表面的生成模型进行训练的设备，包括：处理器；以及存储器，其存储有对生成健康血管表面的生成模型进行训练的程序指令，当所述程序执行由处理器执行时，使得实现前述第一方面中的多个实施例。

11、在第三方面中，本技术提供一种生成健康血管表面的方法，包括：获取用于待生成健康血管表面的动脉瘤血管图像；将所述动脉瘤血管图像输入至根据前述第一方面中的多个实施例训练完成的生成模型中进行血管表面生成操作，以生成健康血管表面的点云。

12、在一个实施例中，其中生成健康血管表面的点云包括：基于所述动脉瘤血管图像，使用训练完成的生成模型生成一个目标噪声点云；以及基于所述一个目标噪声点云，使用所述训练完成的生成模型进行血管表面生成操作，以生成所述健康血管表面的点云。

13、在另一个实施例中，其中生成健康血管表面的点云还包括：基于所述动脉瘤血管图像和预定生成步数，使用训练完成的生成模型生成多个目标噪声点云；以及基于所述多个目标噪声点云，使用所述训练完成的生成模型进行血管表面生成操作，以生成所述健康血管表面的点云。

14、在又一个实施例中，其中基于所述多个目标噪声点云，使用所述训练完成的生成模型进行血管表面生成操作，以生成所述健康血管表面的点云包括：基于所述多个目标噪声点云，使用所述训练完成的生成模型按照连续步数进行血管表面生成操作，以生成所述健康血管表面的点云；或者基于所述多个目标噪声点云，使用所述训练完成的生成模型按照预定间隔步数进行血管表面生成操作，以生成所述健康血管表面的点云。

15、在又一个实施例中，所述方法还包括：对每个所述目标噪声点云在动脉瘤标签和健康标签下的样本设置比例系数，以生成所述健康血管表面的点云。

16、在第四方面中，本技术提供一种生成健康血管表面的设备，包括：处理器；以及存储器，其存储有生成健康血管表面的程序指令，当所述程序执行由处理器执行时，使得实现前述第三方面中的多个实施例。

17、在第五方面中，本技术提供计算机可读存储介质，其上存储有对生成健康血管表面的生成模型进行训练的和生成健康血管表面的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现前述第一方面中的多个实施例以及前述第三方面中的多个实施例。

18、通过如上所提供的对生成健康血管表面的生成模型进行训练的方案，本技术实施例通过对标注的健康血管图像和动脉瘤血管图像进行点云提取来获得表征健康血管表面的点云和表征动脉瘤血管表面的点云。即，本技术实施例将图像数据转化成点云数据，通过以点云数据和标签信息作为生成模型的输入，以使得生成模型网络变轻量，提高生成模型的训练效率和准确性。基于训练完成的生成模型，可以高效且准确地生成健康血管表面的点云，以便后续基于生成的健康血管表面的点云进行分析，获得更准确的动脉瘤的成因以及变化过程。