颈动脉壁分割方法、装置、计算机设备和存储介质与流程

本技术涉及图像处理，特别是涉及一种颈动脉壁分割方法、装置、计算机设备和存储介质。

背景技术：

1、随着深度学习技术以及影像学技术的不断发展，目前存在很多将深度学习技术应用于影像上以实现对影像的分割、检测、分类等不同功能的技术。通过将深度学习技术应用于影像上，可以辅助医生对影像进行更好地分析和处理。

2、相关技术中，在采用深度学习对影像进行分割时，以颈动脉壁的分割为例，通常是先由医生在二维样本图像上勾画颈动脉壁掩膜，并将其组合起来获得三维颈动脉壁掩膜图像，然后采用三维颈动脉壁掩膜图像训练神经网络模型，获得训练好的神经网络模型，之后可以采用该训练好的神经网络模型实现对颈动脉壁的分割。

3、然而，上述技术存在获得的颈动脉壁的分割结果不够准确的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升颈动脉壁的分割结果的准确性的颈动脉壁分割方法、装置、计算机设备和存储介质。

2、第一方面，本技术提供了一种颈动脉壁分割方法，该方法包括：

3、获取原始医学图像；上述原始医学图像中包括颈动脉；

4、根据预设的分割网络对原始医学图像中颈动脉的颈动脉壁进行分割处理，确定原始医学图像对应的颈动脉壁分割掩膜；

5、其中，上述颈动脉壁分割掩膜中包括分割的颈动脉壁；上述分割网络是采用多个样本图像及每个样本图像对应的标签进行训练得到的，上述标签中包括样本图像对应的参考颈动脉壁分割掩膜以及参考有符号距离图，上述参考有符号距离图用于表征样本图像中颈动脉壁的结构特征。

6、在其中一个实施例中，上述分割网络的编解码器的结构为非对称结构，上述非对称结构的编码器中过滤器的数量大于解码器中过滤器的数量。

7、在其中一个实施例中，上述分割网络的训练方式包括：

8、根据初始分割网络对各样本图像中颈动脉的颈动脉壁进行分割处理，确定各样本图像对应的预测颈动脉壁分割掩膜和预测有符号距离图；

9、根据各预测颈动脉壁分割掩膜和对应的参考颈动脉壁分割掩膜，以及根据各预测有符号距离图和对应的参考有符号距离图，对初始分割网络进行训练，确定分割网络。

10、在其中一个实施例中，上述根据各预测颈动脉壁分割掩膜和对应的参考颈动脉壁分割掩膜，以及根据各预测有符号距离图和对应的参考有符号距离图，对初始分割网络进行训练，确定分割网络，包括：

11、计算各预测颈动脉壁分割掩膜和对应的参考颈动脉壁分割掩膜之间的第一损失；

12、计算各预测有符号距离图和对应的参考有符号距离图之间的第二损失；

13、根据第一损失和第二损失对初始分割网络进行训练，确定分割网络。

14、在其中一个实施例中，上述计算各预测颈动脉壁分割掩膜和对应的参考颈动脉壁分割掩膜之间的第一损失，包括：

15、计算各预测颈动脉壁分割掩膜和对应的参考颈动脉壁分割掩膜之间的相似度损失；

16、计算各预测颈动脉壁分割掩膜和对应的参考颈动脉壁分割掩膜之间的交叉熵损失；

17、将相似度损失和交叉熵损失作为第一损失。

18、在其中一个实施例中，上述根据预设的分割网络对原始医学图像中颈动脉的颈动脉壁进行分割处理，确定原始医学图像对应的颈动脉壁分割掩膜之前，上述方法还包括：

19、对原始医学图像中的颈动脉进行定位，确定原始医学图像对应的感兴趣区域图像；

20、其中，上述感兴趣区域图像中包括颈动脉，且感兴趣区域图像的尺寸小于原始医学图像的尺寸。

21、在其中一个实施例中，上述对原始医学图像中的颈动脉进行定位，确定原始医学图像对应的感兴趣区域图像，包括：

22、将原始医学图像输入至预设的定位网络中，对原始医学图像中颈动脉进行定位处理，确定颈动脉的腔内分割结果；

23、根据腔内分割结果对原始医学图像进行裁剪，获得感兴趣区域图像。

24、在其中一个实施例中，上述定位网络包括分叉检测子网络和腔内分割子网络，上述原始医学图像包括多个二维切片，上述将原始医学图像输入至预设的定位网络中，对原始医学图像中颈动脉进行定位处理，确定颈动脉的腔内分割结果，包括：

25、将原始医学图像的多个二维切片输入至分叉检测子网络中进行分叉位置检测处理，确定目标二维切片；上述目标二维切片为颈动脉分叉发生位置处的切片；

26、将目标二维切片输入至腔内分割子网络中进行分割处理，确定目标二维切片上的颈动脉的腔内分割结果。

27、在其中一个实施例中，上述方法还包括：

28、将感兴趣区域图像以及颈动脉壁分割掩膜均输入至预设的识别网络中进行识别处理，确定颈动脉壁上的各个区域对应的组成成分。

29、在其中一个实施例中，上述识别网络包括区域分割子网络和分类子网络，上述将感兴趣区域图像以及颈动脉壁分割掩膜均输入至预设的识别网络中进行识别处理，确定颈动脉壁上的各个区域对应的组成成分，包括：

30、将感兴趣区域图像以及颈动脉壁分割掩膜均输入至区域分割子网络中进行斑块识别及区域分割处理，确定颈动脉壁对应的多个区域图像；各区域图像中均包括相应的斑块；

31、将各区域图像输入至分类子网络中对各区域图像中的斑块进行分类处理，确定各区域图像对应的斑块的组成成分。

32、第二方面，本技术还提供了一种颈动脉壁分割装置，该装置包括：

33、获取模块，用于获取原始医学图像；上述原始医学图像中包括颈动脉；

34、分割模块，用于根据预设的分割网络对原始医学图像中颈动脉的颈动脉壁进行分割处理，确定原始医学图像对应的颈动脉壁分割掩膜；其中，上述颈动脉壁分割掩膜中包括分割的颈动脉壁；上述分割网络是采用多个样本图像及每个样本图像对应的标签进行训练得到的，上述标签中包括样本图像对应的参考颈动脉壁分割掩膜以及参考有符号距离图，上述参考有符号距离图用于表征样本图像中颈动脉壁的结构特征。

35、第三方面，本技术还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

36、获取原始医学图像；上述原始医学图像中包括颈动脉；

37、根据预设的分割网络对原始医学图像中颈动脉的颈动脉壁进行分割处理，确定原始医学图像对应的颈动脉壁分割掩膜；

38、其中，上述颈动脉壁分割掩膜中包括分割的颈动脉壁；上述分割网络是采用多个样本图像及每个样本图像对应的标签进行训练得到的，上述标签中包括样本图像对应的参考颈动脉壁分割掩膜以及参考有符号距离图，上述参考有符号距离图用于表征样本图像中颈动脉壁的结构特征。

39、第四方面，本技术还提供了一种计算机可读存储介质，计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

40、获取原始医学图像；上述原始医学图像中包括颈动脉；

41、根据预设的分割网络对原始医学图像中颈动脉的颈动脉壁进行分割处理，确定原始医学图像对应的颈动脉壁分割掩膜；

42、其中，上述颈动脉壁分割掩膜中包括分割的颈动脉壁；上述分割网络是采用多个样本图像及每个样本图像对应的标签进行训练得到的，上述标签中包括样本图像对应的参考颈动脉壁分割掩膜以及参考有符号距离图，上述参考有符号距离图用于表征样本图像中颈动脉壁的结构特征。

43、第五方面，本技术还提供了一种计算机程序产品，计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

44、获取原始医学图像；上述原始医学图像中包括颈动脉；

45、根据预设的分割网络对原始医学图像中颈动脉的颈动脉壁进行分割处理，确定原始医学图像对应的颈动脉壁分割掩膜；

46、其中，上述颈动脉壁分割掩膜中包括分割的颈动脉壁；上述分割网络是采用多个样本图像及每个样本图像对应的标签进行训练得到的，上述标签中包括样本图像对应的参考颈动脉壁分割掩膜以及参考有符号距离图，上述参考有符号距离图用于表征样本图像中颈动脉壁的结构特征。

47、上述颈动脉壁分割方法、装置、计算机设备和存储介质，通过包括颈动脉的原始医学图像，并根据预设的分割网络对原始医学图像中的颈动脉壁进行分割处理，确定包括分割的颈动脉壁的颈动脉壁分割掩膜；其中，该分割网络是采用多个样本图像及其对应的标签进行训练得到的，且标签中包括样本图像对应的参考颈动脉壁分割掩膜及参考有符号距离图，参考有符号距离图用于表征样本图像中颈动脉壁的结构特征。该方法中，由于在训练分割网络时可以加入颈动脉壁的结构特征以及参考颈动脉壁分割掩膜进行训练，这样训练的分割网络在分割颈动脉壁时，就可以综合考虑颈动脉壁的结构特征，从而可以避免出现分割的颈动脉壁与实际结构不符，比如存在断裂的情况等问题，提升分割的颈动脉壁的准确性。