血管宽度估计模型建立方法和血管宽度估计模型

技术特征：
1.一种血管宽度估计模型建立方法，其特征在于，包括：通过血管标签生成算法获得训练集对应的血管宽度标签信息；建立初始血管宽度估计模型，所述初始血管宽度估计模型包括宽度回归分支和回归器分类分支，所述宽度回归分支包括n个局部宽度回归器；采用所述训练集对n个所述局部宽度回归器进行训练，输出得到血管宽度预测信息；采用所述训练集对所述回归器分类分支进行训练，输出得到基于n个所述局部宽度回归器的分类概率预测信息；根据所述血管宽度预测信息与所述血管宽度标签信息之间的误差，以及分类概率预测信息与真实概率之间的误差建立损失函数；优化所述损失函数，更新所述初始血管宽度估计模型的参数，直至收敛，以得到所述血管宽度估计模型。2.根据权利要求1所述的血管宽度估计模型建立方法，其特征在于，所述采用训练集对n个所述局部宽度回归器进行训练，输出得到血管宽度预测信息，包括：从所述训练集中获取血管宽度值分别落在n个所述局部宽度回归器对应的宽度范围内的n个血管像素集合；采用n个血管像素集合分别对对应的n个所述局部宽度回归器进行训练，获得血管宽度预测信息。3.根据权利要求1所述的血管宽度估计模型建立方法，其特征在于，所述通过血管标签生成算法获得所述训练集对应的血管宽度标签信息，包括：根据所述训练集中的训练图像得到训练图像的分割图像；通过血管标签生成算法根据所述分割图像获得所述训练图像对应的血管宽度标签信息。4.根据权利要求3所述的血管宽度估计模型建立方法，其特征在于，所述通过血管标签生成算法根据所述分割图像获得所述训练图像对应的血管宽度标签信息，包括：根据所述分割图像得到血管中心线图像；遍历所述血管中心线图像上的中心线像素，计算获得每个所述中心线像素的剖面线；获取所述剖面线上的血管边界点，根据所述血管边界点计算所述剖面线处的血管宽度值；根据各所述剖面线处的血管宽度值获得所述训练图像对应的血管宽度标签信息。5.根据权利要求4所述的血管宽度估计模型建立方法，其特征在于，所述根据所述分割图像得到血管中心线图像，包括：根据所述分割图像得到初始血管中心线图像；去除所述初始血管中心线图像上的分叉点和交叉点，得到所述血管中心线图像。6.根据权利要求1～5任一项所述的血管宽度估计模型建立方法，其特征在于，所述根据所述血管宽度预测信息与所述血管宽度标签信息之间的误差，以及分类概率预测信息与真实概率之间的误差建立损失函数，包括：根据所述血管宽度预测信息和所述血管宽度标签信息之间的误差建立所述宽度回归分支的第一损失函数；根据所述分类概率预测信息和所述真实概率之间的误差建立所述回归器分类分支的
第二损失函数；将所述第一损失函数和所述第二损失函数进行加权求和获得所述损失函数。7.一种血管宽度估计模型，其特征在于，通过权利要求1至6任一项所述血管宽度估计模型建立方法建立，所述血管宽度估计模型为卷积神经网络模型，包括宽度回归分支和回归器分类分支，所述宽度回归分支包括n个局部宽度回归器；所述宽度回归分支用于基于血管图像，在n个所述局部宽度回归器下分别输出所述血管图像中各像素所属血管的n个血管宽度预测信息；所述分类回归分支用于基于所述训练图像，输出所述血管图像中各所述像素基于所述血管宽度，属于n个所述局部宽度回归器的分类概率预测信息。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述血管宽度估计模型建立方法。9.一种非暂态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如权利要求1至6任一项所述血管宽度估计模型建立方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述血管宽度估计模型建立方法。

技术总结
本发明提供一种血管宽度估计模型建立方法和血管宽度估计模型。该方法包括：通过血管标签生成算法获得训练集对应的血管宽度标签信息；建立初始血管宽度估计模型，包括宽度回归分支和回归器分类分支，宽度回归分支包括N个局部宽度回归器；采用训练集对N个局部宽度回归器进行训练，输出得到血管宽度预测信息；采用训练集对回归器分类分支进行训练，输出得到基于N个局部宽度回归器的分类概率预测信息；根据血管宽度预测信息与血管宽度标签信息之间的误差，以及分类概率预测信息与真实概率之间的误差建立损失函数；优化损失函数，更新初始血管宽度估计模型的参数，得到血管宽度估计模型。该方法建立的血管宽度估计模型的估计精度较高。精度较高。精度较高。


技术研发人员：周小虎 谢晓亮 陶可欣 刘市祺 李芮麒 奉振球 侯增广 李浩 黄德兴 姚泊先
受保护的技术使用者：中国科学院自动化研究所
技术研发日：2022.10.21
技术公布日：2023/2/6