[发明专利]基于X光图像的导丝分割和尖端点定位方法、系统和装置

说明书

本发明属于数据识别领域，具体涉及了一种基于X光图像的导丝分割和尖端点定位方法、系统和装置，旨在解决无法精确地对导丝尖端点进行定位并测量导丝尖端角度的问题。本发明包括：获取包含导丝的区域的X光透射图像作为待检测图像，基于所述待检测图像，通过训练好的快速注意力融合网络生成导丝的二值分割掩膜，所述二值分割掩膜覆盖在所述待检测图像上获得导丝图像中心线，基于所述导丝图像中心线，通过L3U‑Net轻量化定位网络和后处理算法获取导丝尖端点坐标。本发明提高了通过图像对人体内导丝分割和尖端点定位的精确度，满足手术中对导丝提取的实时性的要求。

技术领域

本发明属于数据识别领域，具体涉及了一种基于X光图像的导丝分割和尖端点定位方法、系统和装置。

背景技术

对于腹主动脉和外周动脉的疾病，血管介入手术是目前最常用的方法。相比于传统的开放式方法，介入手术方法有着非常大的优势，例如减小术中创口、降低患者在围手术期的发病率和死亡率，以及减小患者出现术后并发症的风险。

在介入手术中，导丝从腹股沟插入人体，并在造影图像导航下送至病变区，从而便于后续的支架放置、消融手术或药物递送等操作。然而，导丝的控制需要介入辐射医生具有高水平的操作技巧，能够避免破坏血管壁，进而避免出现致命性的出血或穿孔。

目前机器人和计算机辅助的一些技术已经与临床紧密结合，来提高手术的安全性和准确性。从而提高医生操作的敏捷度和准确度。作为机器人辅助微创手术的必要环节，导丝形态和位置的分析可以为医生们提供必要的视觉或触觉反馈辅助。因此，实时的导丝形态分割和尖端点定位是必不可少的。

然而，这一任务目前面临着以下难点：（1）X光造影图像信噪比（SNR）较低，而且背景中噪声较多，会影响前景像素分类的准确度；（2）导丝像素远少于背景像素，这会造成类间数据的极度不平衡；（3）造影剂和丝状结构（如肋骨和血管）的干扰容易造成导丝边缘像素的错分类。

传统的介入手术器械分割方法主要是基于样条拟合法。在采用这些方法时，需要人工初始化第一帧造影图像，且在两个连续序列之间出现的器械不能发生明显形变。显然，这一方法不适用于实时动态的手术环境。还有一些基于学习的器械分割方法。Vandini等人采用了片段特征来克服连续帧之间的剧烈形变。然而，这类方法具有较差的普适性和鲁棒性，尤其是在复杂或环境噪声较大的情况下。

近年来，卷积神经网络（CNN）在医学图像分割领域崭露头角。基于卷积神经网络的方法在介入器械的分割任务中得到广泛应用。Ambrosini等人提出了一种导管和导丝的分割方法。然而，由于两种器械直径的差异，该方法在分割导丝时比分割导管时会呈现更大的误差。Wu等人提出了一种基于级联CNN的全自动导丝分割方法，先用Faster R-CNN来检测导丝所在的目标区域，然后用Deep-Lab网络来实现导丝的分割。然而，级联结构会导致过重的计算负担和冗余的模型参数，进而使得处理速度较慢，无法达到临床实时的要求。

目前尖端点定位的研究相对较少，通常分为两大类，一类是基于传统的计算机视觉算法，一类是基于CNN的方法。第一类方法主要是从图像的关键点或兴趣区域提取出底层特征，但忽略了图像的高层语义特征。第二类基于CNN的方法能够提高定位的准确度，并且能更好地利用图像的高层语义信息。然而，这些研究的应用背景都是腹腔镜手术或视网膜手术，即关键点位置相对固定的手术，因此不适用于关键点位置会发生移动的一些血管介入手术。

发明内容

为了解决现有技术中的上述问题，即如何精确地对导丝尖端点进行定位并测量导丝尖端角度的问题，本发明提供了一种基于X光图像的导丝分割和尖端点定位方法，所述方法包括：

步骤S10，获取包含导丝的区域的X光透射图像作为待检测图像；

步骤S20，基于所述待检测图像，通过训练好的快速注意力融合网络生成导丝的二值分割掩膜；

步骤S30，将所述二值分割掩膜覆盖在所述待检测图像上获得导丝图像中心线；