一种胰腺动脉图像分割方法、系统、存储介质及程序产品与流程

本发明涉及医学影像、计算机视觉，特别涉及一种胰腺动脉图像分割方法、系统、存储介质及程序产品。

背景技术：

1、胰腺及其周围区域分布有丰富且结构复杂的血管，病变组织与周围血管之间存在密切的空间位置关系。准确获取胰腺周围重要血管的形态、走向及空间分布信息，对于医学影像的三维重建可视化、解剖结构自动识别以及影像辅助分析具有重要意义。然而，胰腺周围动脉血管的解剖结构具有显著的个体差异，动脉变异情况较为常见。例如，肝动脉可能起源于不同的动脉分支，胰十二指肠动脉弓的形态及分支方式亦存在较大差异；不同个体之间血管的走行、分支数量及空间分布均可呈现显著变化。这种复杂且多样的血管解剖结构对胰腺动脉的自动化影像分割提出了较高的技术要求，增加了精确提取完整血管结构的难度。

2、在医学影像血管分割方面，现有方法通常基于深度学习模型，并在特定训练数据集上进行训练，因此模型对训练数据的分布存在较强依赖。然而，胰腺周围动脉血管具有显著的个体差异和复杂多样的解剖变异，不同个体在血管起源、走行及分支形态等方面均可能存在较大差异。将现有方法应用于具有复杂解剖变异的胰腺动脉血管图像时，易产生分割不完整、分支遗漏或错误识别等问题，尤其在细长、小直径的血管分支区域，难以准确提取连续的血管结构，造成血管拓扑结构不完整，整体分割结果的稳定性与泛化能力不足。

3、进一步地，上述方法通常直接依赖深度学习模型输出的分割结果，对特定训练数据分布具有较强依赖性；在面向胰腺动脉复杂解剖变异时，分割稳定性不足，难以获得可靠、精细的血管结构，从而影响方法的鲁棒性与适应性。同时，现有方法在细长血管分支区域易出现分支遗漏和血管断裂，难以对细小血管分支实现连续、完整的提取，无法获得完整的血管拓扑结构，限制了胰腺动脉三维重建的完整性与可视化效果。

4、因此，如何提供一种胰腺动脉图像分割方法、系统、存储介质及程序产品，是目前亟待解决的问题。

技术实现思路

1、本发明实施例提供了一种胰腺动脉图像分割方法、系统、存储介质及程序产品，以解决现有技术中存在的上述技术问题。

2、根据本发明实施例的第一方面，提供了一种胰腺动脉图像分割方法。

3、在一个实施例中，一种胰腺动脉图像分割方法，该方法包括：

4、对获取的图像进行预处理，并将预处理后的图像输入预先训练完成的深度学习分割网络，输出概率图，基于概率图生成第一置信血管掩模和第二置信血管掩模；

5、对第二置信血管掩模执行连通分量分析与三维细化处理，生成血管中心骨架，基于血管中心骨架确定主骨架与候选分支，并对主骨架与候选分支进行迭代连接与验证，得到最终主骨架；

6、根据最终主骨架与第一置信血管掩模，得到初始融合掩模，并对初始融合掩模执行连通分量筛选与器官约束过滤，输出胰腺动脉的分割掩模，以实现胰腺动脉图像分割。

7、根据本发明实施例的第二方面，提供了一种胰腺动脉分割系统。

8、在一个实施例中，一种胰腺动脉分割系统，该系统包括：

9、多级置信掩模生成单元，用于对获取的图像进行预处理，并将预处理后的图像输入预先训练完成的深度学习分割网络，输出概率图，基于概率图生成第一置信血管掩模和第二置信血管掩模；

10、骨架提取与迭代连接单元，用于对第二置信血管掩模执行连通分量分析与三维细化处理，生成血管中心骨架，基于血管中心骨架确定主骨架与候选分支，并对主骨架与候选分支进行迭代连接与验证，得到最终主骨架；

11、融合约束与细化输出单元，用于根据最终主骨架与第一置信血管掩模，得到初始融合掩模，并对初始融合掩模执行连通分量筛选与器官约束过滤，输出胰腺动脉的分割掩模，以实现胰腺动脉图像分割。

12、根据本发明实施例的第三方面，提供了一种计算机可读存储介质。

13、在一个实施例中，所述计算机可读存储介质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方法的步骤。

14、根据本发明实施例的第四方面，提供了一种计算机程序产品。

15、在一个实施例中，所述计算机程序产品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所述的方法的步骤。

16、本发明实施例提供的技术方案可以包括以下有益效果：

17、1、本发明通过第一置信血管掩模和第二置信血管掩模，分别获得高置信血管结构与包含全部低阈值响应的血管结构，在确保高置信度血管结构完整保留的同时，有效纳入细小血管分支的弱响应信号，便于在不同数据集上稳定复现，提升了方法对胰腺动脉个体解剖变异的鲁棒性。

18、2、本发明通过在端点保护、前景与背景局部连通约束及欧拉特征不变约束下进行三维细化处理，提取出保持原始血管连通性与分叉拓扑关系的血管中心骨架，降低了传统细化算法导致的骨架断裂或拓扑畸变问题，为后续分支连接提供了结构可靠的拓扑基础。

19、3、本发明通过对主骨架与候选分支进行区别处理，并基于端点间距离、局部切线方向及空间结构关系建立配对代价，以负对数概率与路径长度加权和构造图搜索代价函数，实现了概率驱动的最小代价路径搜索，能够用于恢复因深度学习分割不完整导致的血管断裂，同时通过路径合理性二次确认，有效抑制错误连接，改善了细长、小直径分支的连续性和整体拓扑完整性。

20、4、本发明通过双阈值提取、拓扑保持骨架化、智能路径连接与路径合理性二次确认的协同处理流程，能够自动获得完整、连续的胰腺动脉复杂血管三维结构，并输出可直接用于三维重建可视化的分割掩模，为胰腺癌术前血管评估与手术规划提供了更为可靠、精准的影像学依据。

21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

1.一种胰腺动脉图像分割方法，其特征在于，该方法包括：

2.根据权利要求1所述的胰腺动脉图像分割方法，其特征在于，所述深度学习分割网络为包含编码器、解码器及跳跃连接的卷积神经网络；其中，所述编码器用于逐层提取预处理后图像的多尺度特征，所述解码器用于逐层恢复空间分辨率，所述跳跃连接用于将编码器中对应层级的特征图与解码器中对应层级的特征图进行拼接融合。

3.根据权利要求1所述的胰腺动脉图像分割方法，其特征在于，所述基于概率图生成第一置信血管掩模和第二置信血管掩模包括：将概率图中概率值大于或等于第一预设阈值的体素集合作为第一置信血管掩模，将概率图中概率值大于或等于第二预设阈值的体素集合作为第二置信血管掩模；其中，所述第二预设阈值小于第一预设阈值。

4.根据权利要求1所述的胰腺动脉图像分割方法，其特征在于，所述对第二置信血管掩模执行连通分量分析与三维细化处理，生成血管中心骨架，基于血管中心骨架确定主骨架与候选分支，并对主骨架与候选分支进行迭代连接与验证，得到最终主骨架包括：

5.根据权利要求4所述的胰腺动脉图像分割方法，其特征在于，所述三维细化处理包括：保护预设邻域内前景邻点数小于或等于目标阈值的端点不被删除；基于三维坐标的奇偶性，将体素空间划分为多个子域，并依次删除满足预设删除条件的非端点。

6.根据权利要求5所述的胰腺动脉图像分割方法，其特征在于，所述预设删除条件包括：删除所述非端点后，前景与背景的局部连通性保持不变，且删除前后的欧拉特征数保持不变。

7.根据权利要求4所述的胰腺动脉图像分割方法，其特征在于，所述利用端点配对与图搜索路径连接策略，对主骨架与候选分支进行迭代连接与验证，得到最终主骨架包括：

8.根据权利要求7所述的胰腺动脉图像分割方法，其特征在于，所述配对代价基于以下至少一种因素确定：两端点之间的欧氏距离，两端点处骨架切线方向的夹角及两端点所属骨架结构之间的空间关系。

9.根据权利要求7所述的胰腺动脉图像分割方法，其特征在于，所述二次确认包括：基于候选连接路径端部方向与对应骨架端点方向的一致性判断连接路径是否合理；若合理，则执行融合更新；若不合理，则重新进行端点配对与路径搜索。

10.根据权利要求1所述的胰腺动脉图像分割方法，其特征在于，所述根据最终主骨架与第一置信血管掩模，得到初始融合掩模，并对初始融合掩模执行连通分量筛选与器官约束过滤，输出胰腺动脉的分割掩模，以实现胰腺动脉图像分割包括：

11.一种胰腺动脉分割系统，其特征在于，该系统包括：

12.根据权利要求11所述的胰腺动脉分割系统，其特征在于，所述骨架提取与迭代连接单元包括：

13.根据权利要求11所述的胰腺动脉分割系统，其特征在于，所述融合约束与细化输出单元包括：

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。

15.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。