[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

说明书

本申请涉及一种血管中心线提取方法、系统、终端以及存储介质。所述方法包括：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；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‑cr it i c网络，所述actor‑cr it i c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。本申请实施例通过构建分支网络对CTA图像数据进行分支方向的分类，基于分支方向分类结果，对CTA图像数据进行血管中心线提取，提高了血管中心线提取的效率，并提高了血管中心线提取的准确率以及冠脉的完整度。

技术领域

本申请属于医学图像处理技术领域，特别涉及一种血管中心线提取方法、系统、终端以及存储介质。

背景技术

据WHO(World Health Organization，世界卫生组织)统计，2019年全球死亡人口中大多数都是由血管疾病造成的，尤其是心脑血管的异常和病变，导致了众多组织器官疾病的产生和发展。随着医学影像技术的飞速发展，利用各种血管造影成像方法可以微创甚至无创地观察组织血管，进而分析和研究血管的变化情况，在临床中发挥重要作用。

随着计算机人工智能领域的飞速发展，计算机辅助诊断技术也逐渐发展，通过人工智能观察分析医学造影图像中的血管信息，可以为医生提供更为丰富的量化信息，大大减轻医生观测与分析数据的负担，从而提高诊断的效率以及准确率。

(半)自动中心线提取长期以来一直是CCTA(冠状动脉CT造影)和其他部位血管结构的医学图像研究主题。现有的(半)自动中心线提取方法主要包括以下三种：

一、基于最小成本路径的方法；该方法通过成本函数计算手动提取或者自动提取的起点和终点之间的最小成本路径，使得中心线上的成本低于其他路径。但是，实际情况下该方法需要进行许多交互操作，以避免路径偏离中心线，并且计算成本也非常耗时。

二、基于分割的方法；该方法首先获得血管树的分割，然后在分割的基础上复原中心线。该方法通常不需要任何用户交互操作，然而有可能弥合由于病理或成像伪影造成的动脉间隙和不连续性。另外，此类方法往往需要处理整个CCTA，因此非常耗时。

三、基于迭代跟踪的方法；该方法大幅度地节省了计算开销，但容易受到血管中的间隙、不连续性和狭窄性的干扰。

最近，Zhang等人提出了一种基于深度强化学习的方法来提取血管中心线。该方法通过从与环境的交互中收集奖励，学习代理以跟踪中心线。然而该方法不能解决分支点检测的问题，在分支的情况下不能跟踪整个血管树。

随着深度学习的广泛应用，卷积神经网络(CNN)展示了在各种医学图像分析任务中从图像数据中提取有用特征的能力。在冠脉中心线提取任务中，CNN被广泛使用作为跟踪器，用来判断血管的方向信息，并且取得优异的效果。然而该跟踪器的动作空间仅为图像空间的26邻域，在提取冠脉血管树中心线仍存在一定的进步空间。

发明内容

本申请提供了一种血管中心线提取方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种血管中心线提取方法，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。