一种脑动脉瘤检测模型建立方法、装置、设备及存储介质与流程

技术特征：
1.一种脑动脉瘤检测模型建立方法，其特征在于，所述检测模型包括图卷积模型、编码器及解码器，所述方法包括：获取脑动脉数据融合图，并将所述脑动脉数据融合图输入至所述图卷积模型中，得到图卷积特征；获取血管预处理结果及血管知识融合数据，并将所述血管预处理结果及血管知识融合数据输入到所述编码器中，进行解耦，得到解耦特征；将所述图卷积特征和解耦特征进行特征融合，并将特征融合的结果输入到所述解码器中，利用血管空间标注对检测模型进行监督训练，得到脑动脉瘤检测模型。2.根据权利要求1所述的方法，其特征在于，在将所述脑动脉数据融合图输入至所述图卷积模型之前，所述方法还包括：以语义交叉熵为损失函数，对并行卷积网络进行训练，得到图卷积模型。3.根据权利要求2所述的方法，其特征在于，在将所述血管预处理结果及血管知识融合数据输入到所述编码器之前，所述方法还包括：获取脑动脉分割数据和血管结构分层；以血管中心线为轴向，基于所述脑动脉分割数据和血管结构分层建立编码器的感受野。4.根据权利要求3所述的方法，所述感受野的尺度包括局部血管、血管分段、血管分区、整体血管及整幅图像。5.根据权利要求1所述的方法，其特征在于，所述编码器为多分支结构，所述将所述血管预处理结果及血管知识融合数据输入至所述编码器中，进行解耦，得到解耦特征，包括：将所述血管预处理结果及血管知识融合数据输入至编码器分支中，得到对应的层次特征；基于空间注意力机制传递所述层次特征，对所述层次特征进行多分支解耦，得到解耦特征。6.根据权利要求1所述的方法，其特征在于，所述解码器采用双分支路径，双分支路径包括监督分支和实例分支，所述监督分支通过如下方式得到：基于特征融合的结果对监督路径进行反馈监督，得到监督分支。7.根据权利要求6所述的方法，其特征在于，所述将特征融合的结果输入到所述解码器中，利用多尺度标注为监督对检测模型进行训练，得到脑动脉瘤检测模型，包括：将特征融合的结果输入至所述监督分支的卷积层，并将监督分支处理后的特征输入至所述实例分支中；利用血管空间标注，以血管空间标注损失函数最小为目标，对检测模型进行监督训练，得到脑动脉瘤检测模型。8.一种脑动脉瘤检测模型建立装置，其特征在于，所述检测模型包括图卷积模型、编码器及解码器，所述装置包括：输入模块，用于获取脑动脉数据融合图，并将所述脑动脉数据融合图输入至所述图卷积模型中，得到图卷积特征；解耦模块，用于获取血管预处理结果及血管知识融合数据，并将所述血管预处理结果及血管知识融合数据输入到所述编码器中，进行解耦，得到解耦特征；
训练模块，用于将所述图卷积特征和解耦特征进行特征融合，并将特征融合的结果输入到所述解码器中，利用血管空间标注对检测模型进行监督训练，得到脑动脉瘤检测模型。9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至7中任一项所述的脑动脉瘤检测模型建立方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的脑动脉瘤检测模型建立方法。

技术总结
本发明涉及模型建立领域，公开了一种脑动脉瘤检测模型建立方法、装置、设备及存储介质，该方法包括：获取脑动脉数据融合图，并输入至图卷积模型，得到图卷积特征；获取血管预处理结果及血管知识融合数据，并输入到编码器，进行解耦，得到解耦特征；将图卷积特征和解耦特征进行特征融合，并将特征融合的结果输入到解码器，利用血管空间标注对检测模型进行监督训练，得到脑动脉瘤检测模型，本发明对脑动脉数据融合图进行处理，得到对应的图卷积特征，对血管预处理结果和血管知识融合数据进行处理，以编码解码为框架，建立脑动脉瘤检测模型，构建知识引导下的多尺度网络模型，利用脑动脉瘤检测模型进行脑动脉瘤检测，提高脑动脉瘤检测结果的精度。结果的精度。结果的精度。


技术研发人员：戴亚康 耿辰 戴斌 周志勇 刘燕
受保护的技术使用者：济南国科医工科技发展有限公司
技术研发日：2023.06.16
技术公布日：2023/9/14