基于深度学习的主动脉弓缩窄影像分割方法

本发明涉及弓缩窄影像分割，尤其涉及基于深度学习的主动脉弓缩窄影像分割方法。

背景技术：

1、主动脉弓缩窄是临床高发的先天性心血管畸形，ct血管造影三维影像下的血管与病灶精准分割，是量化评估缩窄程度、制定术前诊疗方案的核心前提。现有基于深度学习的主动脉分割技术多针对主动脉全域或夹层病变设计，未适配主动脉弓缩窄的专属解剖特征，分割性能存在明显短板。

2、公开号为cn117474878a的中国发明专利申请，采用主网络与子网络协同的架构实现主动脉全尺度分割，但其未引入主动脉弓关键解剖标志点作为先验引导，无法对峡部微小缩窄区域实现针对性特征增强，病灶漏检风险较高，且未结合管径解剖约束修正分割边界，缩窄段的边界精度难以满足临床定量评估需求。

3、公开号为cn113947609a的中国发明专利申请，针对主动脉夹层病变设计搭载序列特征金字塔注意力的分割网络，但其直接对全胸影像执行分割处理，未通过感兴趣区域裁剪剔除胸腔复杂背景的干扰，整体运算效率偏低，且未针对主动脉弓的管状解剖特性设计专属分割架构，分割结果易出现血管拓扑断裂问题，无法适配主动脉弓缩窄的精细化分割场景。

4、综上，现有技术普遍存在背景干扰抑制不足、峡部缩窄病灶特征响应弱、分割边界精度不足、血管拓扑完整性差的技术缺陷，难以支撑主动脉弓缩窄的临床精准诊断与定量评估。

技术实现思路

1、本发明意在提供基于深度学习的主动脉弓缩窄影像分割方法，以解决现有技术中主动脉弓缩窄影像分割受背景干扰大、峡部微小缩窄易漏分割、血管边界精度不足的问题。

2、为了实现上述目的，本发明提供如下方法：

3、本发明提供的基于深度学习的主动脉弓缩窄影像分割方法是：

4、s1、获取待分割的主动脉ct血管造影三维影像，对所述主动脉ct血管造影三维影像执行预处理操作，得到标准化三维影像；

5、s2、将所述标准化三维影像输入预先训练完成的解剖标志点检测网络，输出主动脉弓的关键解剖标志点坐标；所述关键解剖标志点包括头臂干开口点、左颈总动脉开口点、左锁骨下动脉开口点、峡部近端标志点与峡部远端标志点；

6、s3、根据所述关键解剖标志点坐标提取主动脉弓血管中心线，沿所述主动脉弓血管中心线生成管状感兴趣区域，从所述标准化三维影像中裁剪得到所述管状感兴趣区域对应的峡部聚焦影像；

7、s4、将所述峡部聚焦影像输入预先训练完成的双分支协同分割网络，通过所述双分支协同分割网络的管状结构分支提取血管整体拓扑特征，通过所述双分支协同分割网络的边界细节分支提取血管边缘细节特征；

8、s5、基于所述主动脉弓血管中心线生成空间注意力权重图，将所述空间注意力权重图作用于所述边界细节分支输出的特征图，对峡部区域的边缘特征进行加权增强；

9、s6、对加权增强后的血管边缘细节特征与所述血管整体拓扑特征进行多尺度特征融合，输出主动脉弓及缩窄区域的初始三维分割结果；

10、s7、基于所述初始三维分割结果提取血管分割中心线并计算逐点管径，根据管径突变区域反向修正所述初始三维分割结果的缩窄段边界，得到最终的主动脉弓缩窄影像分割结果。

11、进一步的，所述预处理操作按重采样、灰度截断、背景去除、灰度归一化的顺序执行；具体为将所述主动脉ct血管造影三维影像经三线性插值重采样至各向同一体素间距，将影像灰度值截断至血管组织有效hu区间，超出区间的灰度值映射至区间端点；采用阈值分割结合三维形态学开运算剔除床板与骨骼非血管背景区域，最终对剩余影像执行灰度线性归一化，将灰度值映射至[0,1]区间得到所述标准化三维影像。

12、进一步的，所述解剖标志点检测网络为3d编码-解码结构的关键点检测模型；所述网络的编码器包含四组对应不同下采样倍率的并行三维卷积分支，相邻分支间通过跨分辨率卷积进行双向特征交互，全程维持高分辨率特征输出；解码器采用逐级三线性上采样结构，经跳跃连接融合编码器对应分辨率特征，最终输出与所述标准化三维影像尺寸一致的5通道热图；网络训练时以标注标志点为中心生成三维高斯热图作为监督标签，推理时提取各通道热图概率最大值对应的三维坐标，得到所述关键解剖标志点坐标。

13、进一步的，所述主动脉弓血管中心线的生成方式为：对所述标准化三维影像执行frangi三维血管增强，基于三维hessian矩阵特征值计算每个体素的血管概率，构建与血管概率值负线性相关的血管代价图；按照主动脉弓近心端至远心端的生理走行，以头臂干开口点为路径起始端，依次以左颈总动脉开口点、左锁骨下动脉开口点、峡部近端标志点为途经点，以峡部远端标志点为路径终止端，采用三维dijkstra最短路径算法拼接得到完整的所述主动脉弓血管中心线；所述管状感兴趣区域以所述主动脉弓血管中心线为轴线，以预设主动脉弓平均管径的设定比例为截面半径生成三维管状掩码，所述峡部聚焦影像为所述标准化三维影像与所述三维管状掩码逐元素相乘后的有效区域影像。

14、进一步的，所述双分支协同分割网络的管状结构分支采用四级下采样的编码器结构，每级编码器包含两级三维卷积、批量归一化层、relu激活层与步长为2的最大池化层，两级卷积之间嵌入膨胀率逐级递增的三维膨胀卷积，在不降低特征分辨率的前提下扩大感受野，提取包含血管走向、分支位置与管状形态的所述血管整体拓扑特征。

15、进一步的，所述双分支协同分割网络的边界细节分支由多级级联的三维卷积单元构成，全程不执行下采样，特征分辨率与所述峡部聚焦影像的原始分辨率一致；所述空间注意力权重图以所述主动脉弓血管中心线为中心，在垂直于中心线切线的径向平面上构建二维高斯分布，高斯分布标准差为所述预设主动脉弓平均管径的设定比例，中心权重沿径向逐步衰减；对峡部血管段的中心权重乘以增益系数强化响应，所述加权增强通过空间注意力权重图与特征图逐元素相乘实现。

16、进一步的，所述多尺度特征融合的具体方式为：将所述管状结构分支输出的四级不同尺度的下采样特征，分别经三线性插值上采样至所述峡部聚焦影像的原始分辨率，沿通道维度将各尺度上采样特征与所述边界细节分支输出的单尺度特征对应拼接；经1×1×1三维卷积层完成通道降维与特征整合后，逐级上采样至原始分辨率，经sigmoid激活函数输出每个体素的分割概率，形成所述初始三维分割结果。

17、进一步的，所述血管分割中心线采用维持26邻域拓扑连通性的三维细化算法提取得到；所述逐点管径通过在垂直于中心线切线的横截面上，统计血管分割区域面积并计算等效圆直径得到；所述管径突变区域判定为连续多个中心线点管径变化率绝对值超出预设阈值的血管段，修正时以突变区域中心线为轴沿径向扩展预设搜索范围，在范围内计算灰度径向梯度值，以梯度绝对值最大位置修正血管边界。

18、进一步的，所述解剖标志点检测网络与所述双分支协同分割网络均采用标注有主动脉弓缩窄的ct血管造影影像数据集训练；训练过程中对输入影像执行随机裁剪、随机旋转与b样条自由形变的弹性形变数据增强；所述双分支协同分割网络采用dice损失与交叉熵损失的加权组合作为基础损失函数，并加入管径一致性损失项约束缩窄区域分割精度。

19、进一步的，得到最终的主动脉弓缩窄影像分割结果前，还对所述初始三维分割结果执行拓扑优化后处理；经26邻域三维连通域分析，保留体积最大的主血管连通域，剔除体积占比不足预设比例的孤立误分割区域；提取血管分支端点并统计分支长度，当分支数量超出主动脉弓正常解剖范围时，剔除长度最短的异常分支，保障最终分割结果符合主动脉弓解剖形态。

20、本发明的有益效果体现在：本发明通过解剖标志点检测结合主动脉弓血管中心线引导的管状感兴趣区域裁剪，有效剔除胸腔复杂组织背景的干扰，精准聚焦峡部病灶区域，在提升分割运算效率的同时强化病灶区域的特征关注度；采用双分支协同分割网络搭配中心线驱动的空间注意力机制，同步兼顾主动脉弓的整体管状拓扑结构与峡部边缘细节特征，针对性增强缩窄区域的特征响应，显著降低峡部微小缩窄病灶的漏检概率；辅以管径反馈的边界修正与解剖拓扑约束后处理，进一步提升缩窄段的边界分割精度，保障血管管状结构的完整性与连续性，整体大幅提升了主动脉弓缩窄影像分割的准确性与鲁棒性，能够满足临床精准定量评估缩窄程度的诊疗需求。