[发明专利]一种基于小样本识别的血管重建方法

说明书

本发明公开了一种基于小样本识别的血管重建方法，包括：S1获取获训练样本血管树的CT数据，所述CT数据包括带有血管横截面图像的CT切片与对应的CT值；S2操作员在设备上对部分CT切片中的血管进行标注，获得一组精标注数据；S3基于S2中获得的精标注数据，通过神经网络训练，获得初代识别模型；S4对初代识别模型进行迭代数据扩充训练，最终获得能识别CT切片中的血管并输出结果的识别模型；S5基于S4中获得的识别模型，对待重建血管树的CT数据进行识别，获得血管的空间信息；S6根据S5中获得的空间信息将血管连接，通过后期处理，获得最终的血管树三维模型。该方法在保证识别准确率的同时降低人工标注耗时，提高了识别效率。

技术领域

本发明涉及医疗图像处理技术领域，尤其涉及一种基于小样本识别的血管重建方法。

背景技术

肺部动静脉血管的识别、分割、重建对于应用在肺部肿瘤治疗的微创穿刺手术中起着至关重要的作用，在穿刺手术刚性针体进入患者体内时，由于受患者术中呼吸作用带来的体位变化，导致穿刺针误触动静脉造成术中大出血，因此准确清晰的术中血管影像指导是必须的。

目前的血管分割等任务多聚焦于眼球、心脏、肝脏等部位，而现有的技术是以血管树作为训练样本进行端到端的网络学习，该方法存在对训练数据量要求多，训练时间长以及对样本及网络依赖性高等问题。

专利文献CN113674279A公开了一种基于深度学习的冠脉CTA影像的处理方法及装置，该方法包括将CTA图像序列转换成目标NIFTI文件进行识别，将得到的带有掩码信息的NIFTI文件转换为目标掩码图像序列；根据目标掩码图像序列对CTA图像序列中的胸骨区域进行去除，得到目标图像序列；对目标图像序列进行基于体绘制的图像三维重建；从三维模型中提取血管区域，将血管区域的每一个点投影到二维平面上，得到血管拉直后的重建图像。该方法需要先对整个三维建模中提取血管的空间三维坐标，然后基于该三维坐标进行建模，前期准备工作耗时过久，对于设备运算能力有一定需求。

专利文献CN109063557B公开了一种快速构建心脏冠脉血管识别数据的方法，包括获取原始图片；根据粗标图对极少量的原始图片进行像素级标注以形成精标注图片；将精标注图片由三通道图像变成单通道图像；将单通道图像二值化处理并储存为二值化图片；将二值化图片以其对应的原始图片作为训练数据，对初始网络进行训练，等到第一网络；将所有的原始图片输入上述第一网络中，得到二值化结果图，基于所述二值化结果图及其对应的粗标注图片生成伪精标注图片；基于原始图片、精标注图片及伪标注图片建立数据库，以对网络进行训练。该方法通过搭建一个伪标注图生成网络，来替代人工标注，但该网络仅能够识别2D图像中的血管，无法构建3D的血管树，无法为穿刺提供准确可靠的空间信息。

发明内容

为了解决上述问题，本发明提供了一种基于小样本识别的血管重建方法，该方法只需人工标注少量精标数据作为初始训练材料，后续通过识别模型输出的结果作为备选数据，经过人工修正后作为二次训练材料，在保证识别准确率的同时降低人工标注耗时，提高了识别效率。

一种基于小样本识别的血管重建方法，包括：

S1获取训练样本血管树的CT数据，所述CT数据包括带有血管横截面图像的CT切片与对应的CT值；

S2操作员在设备上对部分CT切片中的血管进行标注，获得一组精标注数据；

S3基于S2中获得的精标注数据，通过神经网络训练，获得初代识别模型；

S4对初代识别模型进行迭代数据扩充训练，最终获得能识别CT切片中的血管并输出结果的识别模型；

S5基于S4中获得的识别模型，对待重建血管树的CT数据进行识别，获得血管的空间信息；

S6根据S5中获得的空间信息将血管连接，通过后期处理，获得最终的血管树三维模型。

优选的，所述S4中迭代数据扩充训练，具体为：