[发明专利]基于深度神经网络的血管模型提取方法

权利要求书

1.基于深度神经网络的血管模型提取方法，其特征在于，包括如下步骤：

步骤1：血管数据增强，通过T_Frangi算法，依据空间尺度理论，从而将血管数据进行增强；

步骤2：候选数据保留，计算不同响应值下保留的候选数据占原始血管数据的比例，同时依据血管容量在组织中的容积比，选择大于且接近容积比的响应值进行候选数据的保留；

步骤3：血管连通区域特征计算，根据血管连通性，对每个连通区域的特征进行计算提取，同时对每个连通区域标记为血管区域或非血管区域；

步骤4：深度神经网络训练，将血管特征组成的元组作为输入来训练神经网络，从而获得血管提取模型。

2.根据权利要求1所述的基于深度神经网络的血管模型提取方法，其特征在于，T_Frangi算法为：

其中，用来区分盘状结构和管状结构，用来表征球状结构，用来表征图像背景，λ₁,λ₂,λ₃为Hessian矩阵的三个特征值，描述了血管局部曲率的方向，特征值的绝对值最小的特征向量对应着最小曲率的方向，即沿着血管的主方向，参数α,β,γ分别是用来控制R_A,R_B,S的敏感度，其中α,β的取值范围为0～1，γ的通常取图像最大灰度值的一半，σ为尺度因子，取值范围为1～10，p为体数据中的某个体素，V_σ(p)表示在尺度σ下体素p属于血管区域的响应值。

3.根据权利要求1所述的基于深度神经网络的血管模型提取方法，其特征在于，步骤3中对每个连通区域的特征进行提取，包括计算每个连通区域的体素数、平均增强值、密度值和梯度值，同时标记每个连通区域为血管区域或非血管区域，由此构成五元特征组。

4.根据权利要求3所述的基于深度神经网络的血管模型提取方法，其特征在于，步骤4中将五元特征组输入神经网络进行训练，以获取血管提取模型，其中，训练步骤如下：

步骤4.1：定义神经网络的结构和前向传播过程；

步骤4.2：定义损失函数以及选择后向传播的算法；

步骤4.3：生成会话，并且在训练数据上反复执行反向传播优化算法。