斑块识别方法、装置、计算机设备以及存储介质与流程

1.本技术涉及医学图像分析技术领域，特别是涉及一种斑块识别方法、装置、计算机设备以及存储介质。


背景技术：

2.颈动脉斑块是导致脑中风的重要原因之一，因此，颈动脉斑块的检测尤为重要。在进行颈动脉斑块检测的过程中，需要对颈动脉图像进行颈动脉斑块分割。
3.现有的颈动脉斑块分割方案一般是：对于某一张颈动脉图像，对该颈动脉图像进行图像识别处理，以确定该颈动脉图像中的是否存在斑块，以及斑块所在位置。
4.然而，上述方法中，在进行斑块分割的过程中，仅能获取到该一张颈动脉斑块图像中的信息，获取到的信息较少，导致分割结果不准确。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高斑块识别准确度的斑块识别方法、装置、计算机设备以及存储介质。
6.一种斑块识别方法，该方法包括：
7.获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
8.对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
9.将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
10.在其中一个实施例中，获取目标横断面图像对应的横断面图像集合，包括：
11.从血管中心线上中心线点，从三维立体图像中包括中心线点的，垂直于血管中心线的横断面图像，得到目标横断面图像；
12.在血管中心线上中心线点的两侧分别确定多个候选中心点，并获取各候选中心点对应的横断面图像；
13.根据目标横断面图像以及各候选中心点对应的横断面图像得到目标横断面图像对应的横断面图像集合。
14.在其中一个实施例中，在血管中心线上中心线点的两侧分别确定多个候选中心点，包括：
15.以中心线点为起始点，在血管中心线上向中心线点的两侧，基于预设步长确定多个候选中心点。
16.在其中一个实施例中，该方法还包括：
17.对目标横断面图像中的血管管壁进行识别处理，得到管壁标注图；
18.将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割
模型中，得到目标横断面图像的斑块识别结果，包括：
19.将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
20.在其中一个实施例中，斑块分割模型包括第一斑块分割模型，将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果，包括：
21.对多张横断面图像和各横断面图像对应的均衡化图像进行归一化处理后，将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像进行合并，得到第一多通道输入数据；
22.将第一多通道输入数据输入至第一斑块分割模型中，得到目标横断面图像的第一斑块识别结果。
23.在其中一个实施例中，斑块分割模型还包括斑块识别模型和第二斑块分割模型，将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果，包括：
24.对多张横断面图像进行归一化处理后，将管壁标注图和多张横断面图像进行合并，得到第二多通道输入数据；
25.将第二多通道输入数据输入至斑块识别模型，得到目标横断面图像中的斑块的斑块类型；
26.若目标横断面图像中的斑块的斑块类型为预设类型，则将第二多通道输入数据输入至第二斑块分割模型，得到目标横断面图像的第二斑块识别结果；
27.根据第一斑块识别结果和第二斑块识别结果，得到目标横断面图像的斑块识别结果。
28.在其中一个实施例中，根据第一斑块识别结果和第二斑块识别结果，得到目标横断面图像的斑块识别结果，包括：
29.将第一斑块识别结果和第二斑块识别结果取并集，得到目标横断面图像的斑块识别结果。
30.一种斑块识别装置，该装置包括：
31.获取模块，用于获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
32.处理模块，用于对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
33.分割模块，用于将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
34.一种计算机设备，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：
35.获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
36.对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
37.将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
38.一种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：
39.获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
40.对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
41.将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
42.上述斑块识别方法、装置、计算机设备以及存储介质，可以提高斑块识别准确度，该斑块识别方法通过获取目标横断面图像对应的横断面图像集合，对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。该方法中在识别目标横断面图像中的斑块时，是基于该目标横断面图像对应的横断面图像集合包括的多张横断面图像进行分析和识别，因此可以获取到目标横断面图像对应的上下文信息，获得的信息更多，因此斑块识别结果更准确。
附图说明
43.图1为一个实施例中斑块识别方法的流程示意图；
44.图2为另一个实施例中斑块识别方法的流程示意图；
45.图3为一个实施例中斑块识别装置的结构框图；
46.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
47.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
48.在一个实施例中，如图1所示，提供了一种斑块识别方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，该终端为医学超声设备、医学扫描设备或者其他医学设备，本实施例中，该方法包括以下步骤：
49.步骤101，获取目标横断面图像对应的横断面图像集合。
50.其中，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张。
51.本技术实施例中，可以获取到三维立体图像，该三维立体图像可以例如是三维颈动脉图像，三维冠动脉图像等等。下面以三维颈动脉图像为例进行说明。
52.在一种可选的实现方式中，对于获取到的三维颈动脉图像，沿着血管中心线提取
多张横断面图像，并按照在三维颈动脉图像中的位置先后进行排序，然后从多张横断面图像中提取按序排列的部分横断面图像组成横断面图像集合，每一个横断面图像集合中包含有一张目标横断面图像，其中，目标横断面图像可以是横断面图像集合中的任意一张图像，也可以是横断面图像集合中排在中间位置的横断面图像。
53.在另一种可选的实现方式中，对于获取到的三维颈动脉图像，沿血管中心线选定多个中心线点，对于每个中心线点，从三维颈动脉图像中截取包括该中心线点在内的，垂直于该血管中心线的横断面图像，得到目标横断面图像，然后以该中心线点为中心，沿该血管中心线前后方向分别确定多个候选中心点，并从三维颈动脉图像中截取各个候选中心点对应的横断面图像，根据目标横断面图像和各候选中心点对应的横断面图像得到该目标横断面图像对应的横断面图像集合。
54.可选的，本技术实施例中，可以以该中心线点为起始点，在血管中心线上沿该该中心线点的两侧，分别以预设步长获取多个候选中心点。
55.例如，在中心线点p处，沿p点向血管中心线前后方向以λ为步长获取前后各n个候选中心点，总共(2n 1)个点，分别以此(2n 1)个点为中心，以中心线点p的xy轴为方向重建出(2n 1)横断面图像，组成中心线点p所对应的目标横断面图像对应的横断面图像集合。
56.步骤102，对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像。
57.本技术实施例中，对于横断面图像集合中的每个横断面图像，利用直方图均衡化算法对横断面图像的灰度值进行映射，得到各横断面图像对应的均衡化图像。
58.步骤103，将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
59.本技术实施例中，可以将多张横断面图像和各横断面图像对应的均衡化图像依次输入到训练好的斑块分割模型中。
60.可选的，可以将每张横断面图像与其对应的均衡化图像放在一起，然后按照多张横断面图像的先后顺序排列后，依次输入到训练好的斑块分割模型中。
61.可选的，本技术实施例中，对于目标训练横断面图像，可以通过单通道模型对目标训练横断面图像进行斑块分割，将分割得到的图像作为金标准g。然后利用目标训练横断面图像对应的训练横断面图像集合以及该金标准g基于某个分割网络及分割loss训练得到该多通道分割模型。其中，该训练好的斑块分割模型为多通道分割模型。
62.可选的，本技术实施例中，在将多张横断面图像和各横断面图像对应的均衡化图像输入斑块分割模型之前。可以对各横断面图像以及各横断面图像对应的均衡化图像分别进行归一化处理，然后将归一化处理后的多张图像一并输入到斑块分割模型中。
63.本技术实施例中，由于均衡化图像具有可以强化斑块边界，并且多张横断面图像提高了斑块分割模型获取到的斑块的信息量，因此使得斑块分割模型的识别准确度更高。
64.在一种可选的实现方式中，对目标横断面图像中的血管管壁进行识别处理，得到管壁标注图；将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
65.其中，管壁标注图是指对目标横断面图像中的血管管壁的轮廓进行标注后得到的图像，对血管管壁的轮廓进行标注可以是指在目标横断面图像中采用线条显示出血管管壁
的轮廓，以便于斑块分割模型准确识别血管管壁所在位置。斑块一定在血管管壁内侧，这样可以快速等位斑块可能存在的位置，从而减少不必要的运算，提高效率。
66.本技术实施例中，可以对目标横断面图像中的血管管壁进行高斯模型，得到管壁标注图，然后将管壁标注图与多个横断面图像，多个横断面图像对应的均衡化图像合并成第一多通道输入数据，然后将第一多通道输入数据输入至斑块分割模型中，得到斑块分割结果。
67.在一种可选的实现方式中，斑块分割模型包括第一斑块分割模型，第一斑块分割模型用于进行斑块初步识别。本技术实施例中，对管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像分别进行归一化处理后，对管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像进行合并，得到第一多通道输入数据，然后，将第一多通道输入数据输入至第一斑块分割模型，得到第一斑块分割模型输出的斑块识别结果。
68.其中，对管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像进行合并的过程可以例如是，将每张横断面图像与其对应的均衡化图像放在一起，然后按照多张横断面图像的先后顺序进行排序，其中，管壁标注图与目标横断面图像以及目标横断面图像对应的均衡化图像放在一起。或者，可以是将管壁标注图、多张横断面图像和多张均衡化图像依次排列在一起。
69.本发明通过
①
多层面重建：在中心线点所在位置沿血管方向前后重建多层血管横断面图像作为多通道输入，在保持二维分割网络的轻量性的同时引入三维信息，提升网络视野，提高分割结果的鲁棒性。
②
直方图均衡化：提升斑块的对比度，从而提高分割精度。
③
管壁限制：引入管壁限制，使得网络专注于血管壁区域，在引入人工定义的注意力机制的同时保证分割结果位于管壁内。
70.由于不同类型的斑块对应的信号特征有所不同，利用这一特点可以对一些特定斑块进行专门识别，以提高斑块识别准确度。在一种可选的实现方式中，如图2所示，斑块分割模型还包括斑块识别模型和第二斑块分割模型；其中，斑块识别模型用于识别斑块的类型，第二斑块分割模型用于对斑块进行标注。
71.步骤201，对多张横断面图像进行归一化处理后，将管壁标注图和多张横断面图像进行合并，得到第二多通道输入数据。
72.本技术实施例中，第二通道输入数据不包含有各横断面图像的均衡化图像。这是因为均衡化图像是一种牺牲了图像信息来增强图像对比度的方案，有利于对斑块进行定位，而不利于识别斑块的类型，因此在进行斑块类型识别时，舍弃了各横断面图像的均衡化图像。
73.可选的，第二多通道输入数据中，管壁标注图与多张横断面图像的排序可以例如是，管壁标注图位于第一位置，多张横断面图像在管壁标注图依次排列。或者可以是，管壁标注图位于多张横断面图像之后。或者可以是，管壁标注图与目标横断面图像相邻排放。
74.步骤202，将第二多通道输入数据输入至斑块识别模型，得到目标横断面图像中的斑块的斑块类型。
75.本技术实施例中，斑块识别模块为多通道识别模型，可以对第二多通道输入数据包括的多张图像进行处理，从而得到目标横断面图像中的斑块的斑块类型。
76.可选的，本技术实施例中，斑块识别模型可以是训练好的针对特定斑块的识别模
型，例如斑块识别模型为钙化斑识别模型，用于对目标横断面图像中的钙化斑块进行专门识别。
77.步骤203，若目标横断面图像中的斑块的斑块类型为预设类型，则将第二多通道输入数据输入至第二斑块分割模型，得到目标横断面图像的第二斑块识别结果。
78.若目标横断面图像中的斑块为预设类型的斑块，例如为钙化斑，则将第二多通道数据输入至第二斑块分割模型，其中，第二斑块分割模型用于专门对预设类型的斑块进行分割。
79.若目标横断面图像中的斑块不为预设类型的斑块，则丢弃第二多通道输入数据，并将第一斑块识别结果作为目标横断面图像的斑块识别结果。
80.步骤204，根据第一斑块识别结果和第二斑块识别结果，得到目标横断面图像的斑块识别结果。
81.本技术实施例中，第一斑块识别结果一般是对普通斑块进行识别，第二斑块识别结果是在确定目标横断面图像中的斑块为预设类型的斑块的情况下，对该预设类型的斑块进行专门识别得到的结果，因此识别结果更准确。
82.可选的，在目标横断面图像中的斑块为预设类型的斑块的情况下，将第二斑块识别结果作为目标横断面图像的斑块识别结果。
83.可选的，本技术实施例中，将第一斑块识别结果和第二斑块识别结果取并集，得到目标横断面图像的斑块识别结果。
84.本技术实施例中，针对预设类型的斑块，采用斑块识别模型进行识别，并在目标横断面图像中的斑块为预设类型的斑块的情况下，通过第二多通道输入数据和第二斑块分割模型对目标横断面图像中的斑块进行分割，提高了斑块识别的准确性。例如，预设类型的斑块为钙化斑，针对钙化在多序列上的低信号特征不利于分割的情况，当识别出有钙化斑块的场景下利用钙化分割模型对该斑块进行分割，针对性分割钙化斑块，提升斑块分割的整体准确性。
85.应该理解的是，虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
86.在一个实施例中，如图3所示，提供了一种斑块识别装置300，包括：获取模块301、处理模块302和分割模块303，其中：
87.获取模块301，用于获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
88.处理模块302，用于对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
89.分割模块303，用于将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
90.在其中一个实施例中，获取模块301具体用于：
91.从血管中心线上中心线点，从三维立体图像中包括中心线点的，垂直于血管中心线的横断面图像，得到目标横断面图像；
92.在血管中心线上中心线点的两侧分别确定多个候选中心点，并获取各候选中心点对应的横断面图像；
93.根据目标横断面图像以及各候选中心点对应的横断面图像得到目标横断面图像对应的横断面图像集合。
94.在其中一个实施例中，获取模块301具体用于：
95.以中心线点为起始点，在血管中心线上向中心线点的两侧，基于预设步长确定多个候选中心点。
96.在其中一个实施例中，分割模块303具体用于：
97.对目标横断面图像中的血管管壁进行识别处理，得到管壁标注图；
98.将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
99.在其中一个实施例中，斑块分割模型包括第一斑块分割模型，分割模块303具体用于：
100.对多张横断面图像和各横断面图像对应的均衡化图像进行归一化处理后，将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像进行合并，得到第一多通道输入数据；
101.将第一多通道输入数据输入至第一斑块分割模型中，得到目标横断面图像的第一斑块识别结果。
102.在其中一个实施例中，斑块分割模型还包括斑块识别模型和第二斑块分割模型，分割模块303具体用于：
103.对多张横断面图像进行归一化处理后，将管壁标注图和多张横断面图像进行合并，得到第二多通道输入数据；
104.将第二多通道输入数据输入至斑块识别模型，得到目标横断面图像中的斑块的斑块类型；
105.若目标横断面图像中的斑块的斑块类型为预设类型，则将第二多通道输入数据输入至第二斑块分割模型，得到目标横断面图像的第二斑块识别结果；
106.根据第一斑块识别结果和第二斑块识别结果，得到目标横断面图像的斑块识别结果。
107.在其中一个实施例中，分割模块303具体用于：
108.将第一斑块识别结果和第二斑块识别结果取并集，得到目标横断面图像的斑块识别结果。
109.关于斑块识别装置的具体限定可以参见上文中对于斑块识别方法的限定，在此不再赘述。上述斑块识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
110.在一个实施例中，提供了一种计算机设备，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器
用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种斑块识别方法。
111.本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
112.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
113.获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
114.对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
115.将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
116.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
117.从血管中心线上中心线点，从三维立体图像中包括中心线点的，垂直于血管中心线的横断面图像，得到目标横断面图像；
118.在血管中心线上中心线点的两侧分别确定多个候选中心点，并获取各候选中心点对应的横断面图像；
119.根据目标横断面图像以及各候选中心点对应的横断面图像得到目标横断面图像对应的横断面图像集合。
120.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
121.以中心线点为起始点，在血管中心线上向中心线点的两侧，基于预设步长确定多个候选中心点。
122.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
123.对目标横断面图像中的血管管壁进行识别处理，得到管壁标注图；
124.将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
125.在一个实施例中，斑块分割模型包括第一斑块分割模型，处理器执行计算机程序时还实现以下步骤：
126.对多张横断面图像和各横断面图像对应的均衡化图像进行归一化处理后，将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像进行合并，得到第一多通道输入数据；
127.将第一多通道输入数据输入至第一斑块分割模型中，得到目标横断面图像的第一斑块识别结果。
128.在一个实施例中，斑块分割模型还包括斑块识别模型和第二斑块分割模型，处理器执行计算机程序时还实现以下步骤：
129.对多张横断面图像进行归一化处理后，将管壁标注图和多张横断面图像进行合并，得到第二多通道输入数据；
130.将第二多通道输入数据输入至斑块识别模型，得到目标横断面图像中的斑块的斑块类型；
131.若目标横断面图像中的斑块的斑块类型为预设类型，则将第二多通道输入数据输入至第二斑块分割模型，得到目标横断面图像的第二斑块识别结果；
132.根据第一斑块识别结果和第二斑块识别结果，得到目标横断面图像的斑块识别结果。
133.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
134.将第一斑块识别结果和第二斑块识别结果取并集，得到目标横断面图像的斑块识别结果。
135.在一个实施例中，提供了一种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：
136.获取目标横断面图像对应的横断面图像集合，横断面图像集合包括多张横断面图像，目标横断面图像为多张横断面图像中的一张；
137.对横断面图像集合中的各横断面图像分别进行直方图均衡化处理，得到各横断面图像对应的均衡化图像；
138.将多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
139.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从血管中心线上中心线点，从三维立体图像中包括中心线点的，垂直于血管中心线的横断面图像，得到目标横断面图像；
140.在血管中心线上中心线点的两侧分别确定多个候选中心点，并获取各候选中心点对应的横断面图像；
141.根据目标横断面图像以及各候选中心点对应的横断面图像得到目标横断面图像对应的横断面图像集合。
142.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：以中心线点为起始点，在血管中心线上向中心线点的两侧，基于预设步长确定多个候选中心点。
143.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对目标横断面图像中的血管管壁进行识别处理，得到管壁标注图；
144.将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像输入至训练好的斑块分割模型中，得到目标横断面图像的斑块识别结果。
145.在一个实施例中，斑块分割模型包括第一斑块分割模型，计算机程序被处理器执行时还实现以下步骤：
146.对多张横断面图像和各横断面图像对应的均衡化图像进行归一化处理后，将管壁标注图、多张横断面图像和各横断面图像对应的均衡化图像进行合并，得到第一多通道输入数据；
147.将第一多通道输入数据输入至第一斑块分割模型中，得到目标横断面图像的第一斑块识别结果。
148.在一个实施例中，斑块分割模型还包括斑块识别模型和第二斑块分割模型，计算机程序被处理器执行时还实现以下步骤：
149.对多张横断面图像进行归一化处理后，将管壁标注图和多张横断面图像进行合并，得到第二多通道输入数据；
150.将第二多通道输入数据输入至斑块识别模型，得到目标横断面图像中的斑块的斑块类型；
151.若目标横断面图像中的斑块的斑块类型为预设类型，则将第二多通道输入数据输入至第二斑块分割模型，得到目标横断面图像的第二斑块识别结果；
152.根据第一斑块识别结果和第二斑块识别结果，得到目标横断面图像的斑块识别结果。
153.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一斑块识别结果和第二斑块识别结果取并集，得到目标横断面图像的斑块识别结果。
154.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
155.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
156.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。