[发明专利]一种血管中心线提取方法、系统、终端以及存储介质

权利要求书

1.一种血管中心线提取方法，其特征在于，包括：

获取冠状动脉CTA图像；

将所述冠状动脉CTA图像输入训练好的分支网络，通过所述分支网络输出所述冠状动脉CTA图像的血管分支方向；

根据灰度值对所述血管分支方向进行过滤，得到最终的血管分支；

将所述冠状动脉CTA图像输入训练好的actor-critic网络，所述actor-critic网络根据血管分支对所述冠状动脉CTA图像进行血管中心线提取。

2.根据权利要求1所述的血管中心线提取方法，其特征在于，所述将所述冠状动脉CTA图像输入训练好的分支网络包括：

获取训练集数据，根据训练集数据对分支网络进行训练；所述训练集数据为在CTA图像中由血管分支处截取的设定大小的图像块；

所述分支网络由卷积神经网络及全连接层组成，所述分支网络的输出为血管分支方向的置信度以及半径信息；如果输出的血管分支方向置信度高于设定的置信度阈值，表示该血管为单条血管；否则，表示该血管还有至少两个分支方向，则通过分支网络继续对其他分支方向进行处理。

3.根据权利要求2所述的血管中心线提取方法，其特征在于，所述分支网络的损失函数为：

L_detect＝L_branch+λL_radius

其中，L_branch为血管分支方向置信度的二元交叉熵损失，L_radius代表半径值回归的平方误差损失，λ是权重系数。

4.根据权利要求1至3任一项所述的血管中心线提取方法，其特征在于，所述将所述冠状动脉CTA图像输入训练好的actor-critic网络包括：

对血管中心线提取任务进行状态s、动作a以及奖励值函数R(s,a)设计；

所述状态s设计为：针对冠脉血管的最大半径值将观测区域设计为设定边长的立方体；

所述动作a设计为：将血管中心线离散为一系列散点，用一个四元组{a_x,a_λ,a_z,a_r}作为动作从路径起点迭代至终点：

其中，(x,y,z)表示当前所在位置，经过动作{a_x,a_y,a_z,a_r}迭代至新的位置(x′,y′,z′)；a_x表示x方向的权值，a_y表示y方向的权值，a_z表示z方向的权值，a_r表示步长；

所述奖励值函数R(s,a)设计为：设p_t和p_t+1分别表示当前所在点以及采取动作后的下一个点，g_t是p_t最接近的中心线标签点，g_t+1是距离g_t距离为r_t+1的下一中心线标签点，d表示p_t+1和g_t+1之间的距离，奖励值计算方式为：

5.根据权利要求4所述的血管中心线提取方法，其特征在于，所述将所述冠状动脉CTA图像输入训练好的actor-critic网络包括：

基于强化学习框架以及状态s、动作a以及奖励值函数R(s,a)设计构建actor-critic网络；

所述actor-critic网络包括actor网络和critic网络，所述actor网络和critic网络分别由卷积神经网络以及全连接层组成，所述actor网络表示策略π_θ(s)，在观察状态s时输出动作a；所述actor网络的输出为一个4维向量，表示动作{a_x,a_y,a_z,a_r}，所述critic网络通过逼近状态-动作值函数和更新网络参数方程促进所述actor网络学习，并输出对所述actor网络的评分。