[发明专利]颅内外血管吻合术中的血流自动定量分析方法

权利要求书

1.一种颅内外血管吻合术中的血流自动定量分析方法，其特征在于，包含步骤：

S1、采集若干患者术前术后的ICG-VA视频，从每个ICG-VA视频提取一帧视频图像；手工标注所提取视频图像中的所有血管及受体血管；基于标注的视频图像建立训练集和测试集；

S2、建立多任务Unet网络，通过所述训练集和测试集训练该多任务Unet网络；所述多任务Unet网络用于分割一帧ICG-VA视频图像中所有血管以及受体血管；

所述多任务Unet网络包含一个编码器路径和结构相同的两个解码器路径；编码器路径的输出作为两个解码器路径的输入；其中一个解码器路径用于从输入的视频图像中分割所有血管，另一个解码器路径用于从输入的视频图像中分割受体血管；

所述编码器路径包括依序连接的四个编码器层，分别为第一至第四编码器层；所述编码器层包含依序连接的卷积层、非线性激活层和最大池化层；

所述解码器路径包含依序连接的四个解码器层，输出卷积层；所述四个解码器层分别为第一至第四解码器层；其中第i编码器层与第5-i解码器层的特征级联，i∈[1，4]；

S3、从待检测患者的术前/术后ICG-VA视频中采集一帧术前/术后待测视频图像，通过训练好的多任务Unet网络，分割该术前/术后待测视频图像的所有血管得到对应的第一图像/第二图像，并分割该术前/术后待测视频图像中的受体血管得到对应的第三图像/第四图像；

S4、基于SIFT图像配准算法，将待检测患者的第一图像向第二图像进行配准；

S5、通过HS光流法的血流分析算法追踪待检测患者第三图像/第四图像中的术前/术后受体血管的血流方向。

2.如权利要求1所述的颅内外血管吻合术中的血流自动定量分析方法，其特征在于，多任务UNet网络的优化器为Adam函数；输出卷积层的激活函数采用softmax函数；多任务Unet网络的损失函数为：

L_total＝αL_all+βL_receip (1)

其中：L_total表示总损失，α和β是比例因子；

L_all＝∑_x∈Ωlogp_all(x；l_all(x))，L_receip＝∑_x∈Ωlogp_receip(x；l_receip(x))；

L_all和L_receip表示分割所有血管和分割受体血管的分类错误函数；x是图像空间Ω中的像素位置；p_all表示经过softmax激活函数后，对于真标签l_all的预测概率；p_receip表示经过softmax激活函数后，对于真实标签l_receip的预测概率。