基于切片序列建模与结构感知记忆的血管分割方法及系统

本发明属于医学图像处理，具体涉及一种基于切片序列建模与结构感知记忆的血管分割方法及系统。

背景技术：

1、计算机断层扫描血管成像（cta）和磁共振血管成像（mra）是当前临床中广泛应用的医学影像技术，对于血管疾病的诊断、治疗规划及术前评估具有至关重要的作用。从这些三维医学影像中精确地分割出血管结构，是实现定量血管分析、病灶检测与三维重建的基础，直接关系到临床诊断与治疗的准确性。

2、针对血管分割任务，现有技术主要分为三类。第一类是基于二维图像的分割方法。该方法将三维体数据沿某一轴向切割为多个二维切片，利用二维卷积神经网络（cnn）对每个切片独立进行特征提取和分割，最后将二维结果堆叠成三维结构。这类方法计算效率高，易于实现，但根本缺陷在于缺乏对切片间结构连续性的建模。由于血管在空间中呈细长、曲折的管状拓扑结构，独立处理每个切片极易导致细小分支、薄弱连接或形态复杂区域出现断裂、漏检，破坏了血管的全局拓扑一致性。

3、第二类是基于三维体数据的分割方法。此类方法直接以三维图像块或完整图像为输入，利用三维卷积神经网络（3d cnn）同时建模空间三个维度的上下文信息。虽然理论上能更好地捕捉血管的立体延伸关系，但其计算复杂度和显存消耗极高。在高分辨率医学影像场景下，受限于硬件资源，通常不得不采用图像裁剪或分块策略，这又会引入新的问题：不同局部块之间的信息不连续，导致整体分割结果出现伪影或不一致，反而削弱了对长程、连续血管结构的建模能力。

4、第三类是近年兴起的基于跨切片信息传播的序列建模方法。为了在二维计算效率和三维空间建模能力之间寻求平衡，这类方法将三维数据视为按轴向排列的切片序列，通过构建记忆单元或上下文模块，在逐层处理时传递历史切片信息。然而，现有序列建模方法大多针对通用目标分割任务，缺乏对血管结构特性的专门优化。其存在两个核心缺陷：其一，在记忆存储过程中，通常对整张切片的所有像素特征进行稠密写入，而血管区域在影像中仅占极少量体素，这种做法引入了大量背景噪声和冗余信息，降低了有效信息的密度；其二，在历史信息检索利用过程中，缺乏基于结构相关性的动态筛选机制，所有存储的历史信息无论与当前切片的相关性高低，都会被同等或低效地利用，这不仅增加了计算负担，还可能导致关键的结构信息被淹没在冗余噪声中。

技术实现思路

1、本发明的目的在于克服上述问题，提供一种基于切片序列建模与结构感知记忆的血管分割方法及系统，以解决现有技术中跨切片结构建模能力不足、三维方法计算复杂度高、记忆存储冗余以及历史信息利用效率低的技术问题。

2、为了达到上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供一种基于切片序列建模与结构感知记忆的血管分割方法，包括以下步骤：

4、将三维医学影像数据沿预设方向转换为二维切片图像序列，并按序列顺序选取当前切片图像，提取所述当前切片图像的查询特征，并基于该查询特征生成当前切片图像的血管分割掩膜；

5、根据当前切片图像的血管分割掩膜确定血管区域，对所述血管区域进行自适应空间扩展得到扩展区域，从所述扩展区域内的当前切片图像特征中提取键特征和值特征，并将该键特征和值特征作为结构感知记忆信息写入记忆单元；

6、从所述切片图像序列中选取下一待处理切片图像，提取其查询特征，并将该查询特征与记忆单元中存储的历史键特征进行相似度计算，得到注意力权重，利用所述注意力权重对记忆单元中存储的历史值特征进行加权聚合得到上下文特征；

7、将所述上下文特征与下一待处理切片图像的查询特征进行融合，并通过解码模块生成该切片图像的血管分割掩膜；

8、按序列顺序处理所有切片图像，并整合各切片图像的血管分割掩膜，得到三维血管分割结果。

9、本发明进一步的改进在于，所述对血管区域进行自适应空间扩展得到扩展区域，具体包括：

10、通过函数映射从所述当前切片图像的查询特征生成像素级半径范围图；

11、基于所述半径范围图中的扩展半径，定义局部偏移量对应的距离映射，并构建软膨胀函数；

12、利用所述软膨胀函数和所述当前切片图像的血管分割掩膜，通过形态学扩张获得扩展掩膜，所述扩展掩膜所覆盖的区域即为所述扩展区域。

13、本发明进一步的改进在于，所述软膨胀函数表示为：

14、

15、其中，表示空间位置，表示局部偏移量，表示在位置处沿偏移量的膨胀系数，表示sigmoid函数，表示调节参数，表示位置处的扩展半径，表示偏移量对应的距离映射；

16、所述扩展掩膜通过下式计算：

17、

18、其中，表示位置处的扩展掩膜值，表示当前切片图像的血管分割掩膜在位置处的取值，表示对所有局部偏移量进行连乘。

19、本发明进一步的改进在于，所述注意力权重的计算方式为：

20、

21、其中，表示注意力权重，表示所述记忆单元中存储的历史键特征，表示所述下一待处理切片的查询特征，表示欧式距离的平方，表示归一化指数函数。

22、本发明进一步的改进在于，在利用所述注意力权重对历史值特征进行加权聚合得到上下文特征之前，还包括动态记忆筛选步骤：

23、基于所述注意力权重大小，对记忆单元中存储的历史键特征和历史值特征进行筛选，仅保留注意力权重高于预设阈值或排名靠前的特征参与后续的加权聚合计算。

24、本发明进一步的改进在于，所述提取查询特征、键特征和值特征的方式为：

25、对每个切片图像，首先通过一个编码器网络提取深度特征图，然后通过独立的线性投影层分别映射为查询特征、键特征和值特征。

26、本发明进一步的改进在于，所述通过解码模块生成切片图像的血管分割掩膜，具体为：

27、解码模块采用卷积神经网络结构，将融合后的特征逐级上采样，输出与输入切片图像尺寸相同的血管概率图，再经阈值二值化得到最终的血管分割掩膜。

28、第二方面，本发明提供一种基于切片序列建模与结构感知记忆的血管分割系统，包括以下模块：

29、序列化模块，用于将三维医学影像数据沿预设方向转换为二维切片图像序列，并按序列顺序选取当前切片图像，提取所述当前切片图像的查询特征，并基于该查询特征生成当前切片图像的血管分割掩膜；

30、记忆存储模块，用于根据当前切片图像的血管分割掩膜确定血管区域，对所述血管区域进行自适应空间扩展得到扩展区域；从所述扩展区域内的当前切片图像特征中提取键特征和值特征，并将该键特征和值特征作为结构感知记忆信息写入记忆单元；

31、上下文检索模块，用于从所述切片图像序列中选取下一待处理切片图像，提取其查询特征，并将该查询特征与记忆单元中存储的历史键特征进行相似度计算，得到注意力权重；利用所述注意力权重对记忆单元中存储的历史值特征进行加权聚合，得到上下文特征；

32、分割融合模块，用于将所述上下文特征与下一待处理切片图像的查询特征进行融合，并通过解码模块生成该切片图像的血管分割掩膜；

33、结果整合模块，用于按序列顺序处理所有切片图像，并整合各切片图像的血管分割掩膜，得到三维血管分割结果。

34、第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于切片序列建模与结构感知记忆的血管分割方法的步骤。

35、第四方面，本发明提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于切片序列建模与结构感知记忆的血管分割方法的步骤。

36、与现有技术相比，本发明具有如下有益效果：

37、本发明提供一种基于切片序列建模与结构感知记忆的血管分割方法，通过将三维医学影像数据转换为二维切片图像序列并按序处理，在保持二维方法低计算资源消耗和高处理效率的同时，借助跨切片的信息传播机制有效建立了切片间的结构连续性，从而克服了传统二维分割方法因缺乏空间关联性而导致的细小血管断裂和漏检问题，显著提升了血管分割结果的完整性与拓扑一致性。在此基础上，该方法根据当前切片图像的血管分割掩膜精确定位血管区域并进行自适应空间扩展，仅从扩展区域内提取关键的键特征和值特征作为结构感知记忆信息写入记忆单元，避免了整张切片图像稠密存储所带来的大量背景冗余，提高了记忆单元中有效信息的密度，使得跨切片传递的结构信息更加精准和稳定。进一步地，对于后续切片图像，该方法通过将查询特征与记忆单元中的历史键特征进行相似度计算得到注意力权重，并据此对历史值特征进行加权聚合以获取上下文特征，实现了基于结构相关性的历史信息动态检索与选择性利用，有效抑制了无关信息的干扰，降低了长序列处理中的计算冗余。最终，融合上下文特征与当前切片图像的查询特征生成血管分割掩膜，并按序整合所有切片图像的分割掩膜得到完整的三维血管结构，使得在仅依赖二维计算资源的条件下，仍能实现优于部分主流三维方法的分割性能，具备良好的工程应用前景，可广泛应用于cta、mra等医学影像的血管分析与辅助诊断场景。