颅内动脉瘤的检测及分割方法、装置、设备及存储介质与流程

本技术涉及图像处理，尤其涉及颅内动脉瘤的检测及分割方法、装置、设备及存储介质。

背景技术：

1、颅内动脉瘤是颅内动脉局部异常扩张形成的高危血管病变，破裂后可引发致死性蛛网膜下腔出血，严重威胁患者生命安全。当前临床主要依托数字减影血管造影（digitalsubtraction angiography，dsa）、ct血管造影（ct angiography，cta）、磁共振血管造影（magnetic resonance angiography，mra）等多模态血管影像开展诊断，为动脉瘤的检测及分割提供了重要数据。

2、在现有技术中，动脉瘤检测方法主要分为传统方法和深度学习方法。传统方法依靠手工设计特征进行识别，如基于形态学特征、梯度特征或几何特征等。深度学习方法通过卷积神经网络自动提取图像特征。然而，在仅动脉瘤检测的单一任务情况下，因想要保证动脉瘤的高召回率，则意味着阈值设置较低，阈值低就会把一些非动脉瘤的预测纳入进来，最终导致动脉瘤假阳数据引入。其次，动脉瘤分割算法中基于血管mask的动脉瘤分割方法包括传统的图像分割算法和深度学习分割算法。其中，深度学习方法大多通过修改网络结构，如加入多次特征增强融合、注意力机制等提高分割精度。虽然提高了分割精度，却对动脉瘤的尺寸有约束，很难同时在超大动脉瘤和超小动脉瘤上同时达到较好的分割结果。

3、可见，现有技术中，对于动脉瘤的检测与分割，存在无法同时达到高召回率和低假阳的问题。

技术实现思路

1、本技术提供了颅内动脉瘤的检测及分割方法、装置、设备及存储介质，以解决现有技术中对于动脉瘤的检测与分割，存在无法同时达到高召回率和低假阳的技术问题。

2、根据本技术实施例的一个方面，本技术提供了颅内动脉瘤的检测及分割方法，所述方法包括：基于训练后的动脉瘤检测模型对待处理颅内血管图像进行前向传播，将得到的检测概率图像基于概率阈值进行映射，获取至少一个目标连通域中动脉瘤的中心点坐标及三维尺寸；根据各所述目标连通域中动脉瘤的中心点坐标及三维尺寸，基于分割抠块策略分别进行抠块，得到与所述目标连通域对应的动脉瘤第一抠块图像；基于训练后且插入有分类分支网络的动脉瘤分割模型，分别对各所述动脉瘤第一抠块图像进行前向传播及动脉瘤分类识别，获取分类概率与各所述动脉瘤第一抠块图像所对应的分割概率图像；基于各所述动脉瘤第一抠块图像的所述分割概率图像和所述分类概率进行整合，得到动脉瘤分割结果。

3、可选地，在所述基于训练后的动脉瘤检测模型对待处理颅内血管图像进行前向传播，将得到的检测概率图像基于概率阈值进行映射，获取至少一个目标连通域中动脉瘤的中心点坐标及三维尺寸之前，所述方法还包括：对动脉瘤样本数据进行数据预处理，得到多个动脉瘤第二抠块图像，所述数据预处理包括动脉瘤尺寸调整以及根据检测抠块策略进行抠块，其中，包括对包含动脉瘤的阳性子图像块及不包含动脉瘤的阴性子图像进行抠块；对所述动脉瘤检测模型进行迭代优化，基于各所述动脉瘤第二抠块图像进行前向传播，获取所述检测概率图像，并给基于检测损失函数，通过梯度下降法进行模型收敛，得到训练后的所述动脉瘤检测模型。

4、可选地，所述基于训练后的动脉瘤检测模型对待处理颅内血管图像进行前向传播，将得到的检测概率图像基于概率阈值进行映射，获取至少一个目标连通域中动脉瘤的中心点坐标及三维尺寸，包括：将所述待处理颅内血管图像裁剪为有重叠区域的多个待处理子图像，并将多个所述待处理子图像输入训练后的所述动脉瘤检测模型进行前向传播，获取各所述待处理子图像对应的检测概率子图像；对各所述检测概率子图像进行裁剪前位置还原，得到各自对应的所述检测概率图像；基于所述概率阈值对所述检测概率图像进行二值图映射，基于映射后的二值图选取至少一个所述目标连通域；对选取的所述目标连通域进行编号，并计算各所述目标连通域中动脉瘤的中心点坐标及三维尺寸。

5、可选地，在所述基于训练后且插入有分类分支网络的动脉瘤分割模型，分别对各所述动脉瘤第一抠块图像进行前向传播及动脉瘤分类识别，获取分类概率与各所述动脉瘤第一抠块图像所对应的分割概率图像之前，所述方法还包括：对动脉瘤样本数据进行数据预处理，得到多个所述动脉瘤第一抠块图像，所述预处理包括通过所述分割抠块策略根据样本数据中动脉瘤的中心点坐标及三维尺寸进行抠块，其中，包括对包含动脉瘤的阳性子图像与不包含动脉瘤的阴性子图像进行抠块；在所述动脉瘤分割模型中的最高维特征中加入预测所述动脉瘤第一抠块图像中是否存在动脉瘤的所述分类分支网络；对所述动脉瘤分割模型进行迭代优化，基于各所述动脉瘤第一抠块图像进行前向传播及动脉瘤分类识别，获取所述分割概率图像与所述分类概率，并基于分割损失函数与分类损失函数，根据梯度下降法进行模型收敛，得到训练后的所述动脉瘤检测模型。

6、可选地，所述根据各所述目标连通域中动脉瘤的中心点坐标及三维尺寸，基于分割抠块策略分别进行抠块，得到与所述目标连通域对应的动脉瘤第一抠块图像，包括：基于所述分割抠块策略，根据各所述目标连通域中动脉瘤在三维空间中各维度上的尺寸计算对应的所述动脉瘤第一抠块图像的尺寸；以所述动脉瘤的中心点坐标为中心，基于所述动脉瘤第一抠块图像的尺寸抠取与各所述目标连通域对应的所述动脉瘤第一抠块图像。

7、可选地，所述基于训练后且插入有分类分支网络的动脉瘤分割模型，分别对各所述动脉瘤第一抠块图像进行前向传播及动脉瘤分类识别，获取分类概率与各所述动脉瘤第一抠块图像所对应的分割概率图像，包括：将各所述动脉瘤第一抠块图像输入训练后的所述动脉瘤分割模型进行前向传播及动脉瘤分类识别；基于分割分支进行前向传播，获取各所述动脉瘤第一抠块图像所对应的所述分割概率图像；基于所述分类分支网络对各所述动脉瘤第一抠块图像进行动脉瘤识别，获取动脉瘤的所述分类概率。

8、可选地，所述基于各所述动脉瘤第一抠块图像的所述分割概率图像和所述分类概率进行整合，得到动脉瘤分割结果，包括：计算每一所述动脉瘤第一抠块图像的所述分割概率图像和所述分类概率的积；根据所述分割概率图像和所述分类概率的积进行二值图映射，得到各所述动脉瘤第一抠块图像对应的分割二值图，并对所述分割二值图进行空间恢复，得到各所述动脉瘤第一抠块图像对应的二值图还原结果；对所有所述动脉瘤第一抠块图像的所述二值图还原结果进行二值图整合及连通域分析与编号，得到所述动脉瘤分割结果。

9、根据本技术实施例的另一方面，本技术提供了颅内动脉瘤的检测及分割装置，所述装置包括：检测模块，用于基于训练后的动脉瘤检测模型对待处理颅内血管图像进行前向传播，将得到的检测概率图像基于概率阈值进行映射，获取至少一个目标连通域中动脉瘤的中心点坐标及三维尺寸；抠块模块，用于根据各所述目标连通域中动脉瘤的中心点坐标及三维尺寸，基于分割抠块策略分别进行抠块，得到与所述目标连通域对应的动脉瘤第一抠块图像；分割模块，用于基于训练后且插入有分类分支网络的动脉瘤分割模型，分别对各所述动脉瘤第一抠块图像进行前向传播及动脉瘤分类识别，获取分类概率与各所述动脉瘤第一抠块图像所对应的分割概率图像；结果计算模块，用于基于各所述动脉瘤第一抠块图像的所述分割概率图像和所述分类概率进行整合，得到动脉瘤分割结果。

10、根据本技术实施例的另一方面，本技术提供了一种电子设备，包括：处理器、存储器和网络接口，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过网络接口通信，所述处理器执行所述机器可读指令，以执行所述的颅内动脉瘤的检测及分割方法的步骤。

11、根据本技术实施例的另一方面，本技术提供了一种具有处理器可执行的非易失的程序代码的存储介质，所述程序代码使所述处理器执行所述的颅内动脉瘤的检测及分割方法的步骤。

12、本技术实施例提供的上述技术方案与相关技术相比具有如下优点：

13、本技术提供的颅内动脉瘤的检测及分割方法，通过训练后的动脉瘤检测模型在动脉瘤检测环节能够采用概率阈值的策略保障高召回率，同步提取各目标连通域上动脉瘤的中心点坐标与三维尺寸，为后续精准抠块提供可靠定位依据，既避免了微小动脉瘤漏检，又能为动脉瘤分割模型提供更适配尺度的输入图像；进一步基于嵌入分类分支网络的动脉瘤分割模型，对每一处目标连通域对应的动脉瘤第一抠块图像同步完成分割与类别判定，最终将两类输出结果融合后完成全量动脉瘤输出，在全程不损失初始高召回率的前提下，大幅过滤检测阶段引入的假阳性干扰，最终实现兼顾高检出率与高分割精度的全自动颅内动脉瘤检测分割，有效解决了传统方案中高召回与低假阳难以同时兼顾的问题。