CN114418977B 基于血管造影视频进行冠脉造影定量分析的方法和装置 （乐普（北京）医疗器械股份有限公司）

司基于血管造影视频进行冠脉造影定量分析本发明实施例涉及一种基于血管造影视频割模型对第一图像序列中各个第一图像进行狭窄段血管的目标检测和语义分割处理从而在每个第一图像上得到一个或多个用于标记狭窄段血管的目标检测框以及在每个目标检测框中的优选图像上对每个目标检测框内的狭窄段血管掩膜图像进行冠脉造影定量分析生成对应的血2对所述血管造影视频进行视频帧图像提取生成对应的第一图像序列；基于预设的图像目标检测与语义分割模型，对所述第一图像序标记狭窄段血管的目标检测框以及在每个所述目标检测框中的一段狭窄段血管掩膜图像；根据所述检测框置信度，对所述第一图像序列进行图像优选处理在各个所述优选图像上对每个所述目标检测框内的所述狭窄段血管掩膜图像进行冠其中，所述在各个所述优选图像上对每个所述目标检测框内在当前优选图像上对各个所述目标检测框进行遍历，并将当前遍对所述当前目标检测框内的所述狭窄段血管掩膜图像进行血管边缘和血管中心线识根据所述第一血管边缘，对所述第一中心线上各个所述中心线像素点Pi对应的血管直根据所述中心线像素点P1到所述中心线像素点PN的血管线性变化关系，以及各个所述中心线像素点Pi的所述第一血管直径di，对各个所述中心线像素点Pi对应的狭窄率进行分从得到的所有所述第一狭窄率ri中，选择最大值作为与所述当前目标检测框内的所述所述根据所述第一血管边缘，对所述第一中心线上各个所述中心线像素点Pi对应的血按所述中心线像素点Pi与其邻八域像素点的方向关系，过所述中心线像素点Pi做四条所述中心线像素点Pi的上方相邻像素点、所述中心线像素点Pi和所述中心线像素点Pi的下点Pi和所述中心线像素点Pi的左下相邻像素点；所述第三直线过所述中心线像素点Pi的右将所述第一、第二、第三和第四直线与所述第一血管边缘相交3选择最小值作为与所述中心线像素点Pi对应的所述第一血管所述根据所述中心线像素点P1到所述中心线像素点PN的血管线性变化关系，以及各个所述中心线像素点Pi的所述第一血管直径di，对各个所述中心线像素点Pi对应的狭窄率进根据所述第一血管直径d1和所述第一血管直径dN，构建反映所述中心线像素点P1到所根据所述线性变化关系函数f(i)，对各个所述中心线像素点Pi对应的线性变化直径长’’根据所述第一血管直径di和所述第一参考直径di，计算各个所述中’2.根据权利要求1所述的基于血管造影视频进行冠脉造影定量分析的方法，其特征在对所述血管造影视频的进行视频截取，保留造影剂充盈冠状动脉阶段按时间先后顺序，对所述截取造影视频进行视频帧图像提取处理生成对列；3.根据权利要求1所述的基于血管造影视频进行冠脉造影定量分析的方法，其特征在所述图像目标检测与语义分割模型包括MaskR-CNN模型；所述图像目标检4.根据权利要求1所述的基于血管造影视频进行冠脉造影定量分析的方法，其特征在在所述第一图像序列中，对各个所述第一图像上所有所述按对应的所述第一图像平均置信度从大到小的顺序，对所有所述第一图像进行排序，5.一种用于实现权利要求1-4任一项所述的基于血管造影视频进行冠脉造影定量分析4所述图像预处理模块用于对所述血管造影视频进行视频帧图像提取生成对应的第一所述狭窄段血管处理模块用于基于预设的图像目标检测与语义分割模型一图像上得到一个或多个用于标记狭窄段血管的目标检测框以及在每个所述目标检测框所述图像优选模块用于根据所述检测框置信度，对所述第一图像序列所述定量分析模块用于在各个所述优选图像上对每个所述目标检测框内的所述狭窄段血管掩膜图像进行冠脉造影定量分析生成对应的所述处理器用于与所述存储器耦合，读取并执行所述存储器中的7.一种计算机可读存储介质，其特征在于5人经验从血管造影视频中筛选出带有狭窄段血管的视频图像进行血管狭窄率的定量分析也称为定性比较分析(QualitativeComparativeAnalysis，QCA)从而计算出对应的血管用于标记狭窄段血管的目标检测框以及在每个所述目标检测框中的一段狭窄段血管掩膜[0009]在各个所述优选图像上对每个所述目标检测框内的所述狭窄段血管掩膜图像进[0010]优选的，所述对所述血管造影视频进行视频帧图像提取生成对应的第一图像序6帧图像序列，并对所述视频帧图像序列的视频帧图像数量进行统计生成对应的第一总数；[0021]对所述当前目标检测框内的所述狭窄段血管掩膜图像进行血管边缘和血管中心线识别生成对应的第一血管边缘和第一中心线；所述第一中心线包括多个中心线像素点[0023]根据所述中心线像素点P1到所述中心线像素点PN的血管线性所述中心线像素点Pi的所述第一血管直径di，对各个所述中心线像素点Pi对应的狭窄率进7[0026]按所述中心线像素点Pi与其邻八域像素点的方向关系，过所述中心线过所述中心线像素点Pi的上方相邻像素点、所述中心线像素点Pi和所述中心线像素点Pi像素点Pi和所述中心线像素点Pi的左下相邻像素点；所述第三直线过所述中心线像素点Pi[0028]进一步的，所述根据所述中心线像素点P1到所述中心线像素点[0029]根据所述第一血管直径d1和所述第一血管直径dN，构建反映所述中心线像素点P1d’’’[0032]本发明实施例第二方面提供了一种实现上述第一方[0034]所述图像预处理模块用于对所述血管造影视频进行视频帧图像提取生成对应的述第一图像上得到一个或多个用于标记狭窄段血管的目标检测框以及在每个所述目标检[0037]所述定量分析模块用于在各个所述优选图像上对每个所述目标检测框内的所述狭窄段血管掩膜图像进行冠脉造影定量分析生成对应8[0042]本发明实施例提供了一种基于血管造影视频进行冠脉造影定量分析的方法、装[0043]图1为本发明实施例一提供的一种基于血管造影视频进行冠脉造影定量分析的方[0044]图2为本发明实施例二提供的一种基于血管造影视频进行冠脉造影定量分析的装图1为本发明实施例一提供的一种基于血管造影视频进行冠脉造影定量分析的方法示意图[0049]这里，冠状动脉造影是将显影剂注入检测对象血管中并对X光下显影剂通过冠状影剂充盈冠状动脉阶段的视频内容生成对应的截视频帧图像序列，并对视频帧图像序列的视频帧图像数量进行统计生成对应的第一总数；9[0056]这里，若视频帧图像序列中的图像数量过多会影响后续个视频帧图像作为第一图像，并将由第一图像组成的第一图像序列送入后续步骤进行处于标记狭窄段血管的目标检测框以及在每个目标检测框中的一模型的神经网络架构进行实现；当图像目标检测与语义分割模型具体为MaskR-CNN模型Girshick发表的文章《MaskR-CNN》，包括：特征提取网络层、区域候选网络(Region[0061]本发明实施例的特征提取网络层具体由五级残差网络(ResidualNetwork,[0064]这里，第一图像平均置信度越高说明对应的第一图像上狭窄指定数量根据具体要求进行设定，例如指定数量为3则当前步骤会从第一图像序列中提取[0065]步骤5，在各个优选图像上对每个目标检测框内的狭窄段血管掩膜图像进行冠脉对当前目标检测框的图像内容进行二值化处理得到第一二值图,第一二值图上原有的狭窄段血管掩膜图像的所有像素点的像素值会被转换为预设的前景像素值A，狭窄段血管掩膜像素值为前景像素值A的各个像素点进行逐点遍历，遍历时若当前遍历像素点的邻八域像是，对当前目标检测框的图像内容进行二值化处理得到第二二值图,第二二值图上原有的狭窄段血管掩膜图像的所有像素点的像素值会被转换为预设的前景像素值A，狭窄段血管掩膜图像之外的所有像素点的像素值会被转换为预设的背景像素值B；在不改变血管图像远的点也就是狭窄段出口点作为第一中心线的最后一个中心线线像素点Pi和中心线像素点Pi的左下相邻像素点；第三直线过中心线像素点Pi的右方相邻最小值作为与中心线像素点Pi对应的第一像素点Pi的直线范围内；而在图像上过任一像素点作直线实际只有4条可做，也就上述第段的长度作为中心线像素点Pi对应的第一血管心线像素点Pi的第一血管直径di，对各个中心线像素点Pi对应的狭窄率进行分析生成对应’’’’’续进行处理直到当前优选图像上所有目标检测框内狭窄段血管掩膜图像的血管狭窄率都[0087]图2为本发明实施例二提供的一种基于血管造影视频进行冠脉造影定量分析的装[0089]图像预处理模块202用于对血管造影视频进行视频帧图像提取生成对应的第一图[0090]狭窄段血管处理模块203用于基于预设的图像目标检测与语义分割模型，对第一像上得到一个或多个用于标记狭窄段血管的目标检测框以及在每个目标检测框中的一段[0091]图像优选模块204用于根据检测框置信度，对第一图像序列进行图像优选处理得[0092]定量分析模块205用于在各个优选图像上对每个目标检测框内的狭窄段血管掩膜[0094]需要说明的是，应理解以上装置的各个模块的划分仅仅调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central[0097]图3为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前器302中可以存储各种指令，以用于完成各种处理功能以及实现本发明上述实施例中提供[0098]在图3中提到的系统总线可以是外设部件互连标准(PeripheralComponentInterconnect，PCI)总线或扩展工业标准结构(ExtendedIndustryStandard能包含随机存取存储器(RandomAccessMemory，RAM)，也可能还包括非易失性存储器[0099]