基于特征融合的双分支冠状动脉图像的分割方法、系统

专利主权项内容

1.一种基于特征融合的双分支冠状动脉图像的分割方法，其用于对CTA图像中的升主动脉、肺主动脉、左回旋支、左前降支和右冠状动脉进行目标识别和图像分割，其特征在于，其包括如下步骤：S1：基于U型网络设计一种用于实现CTA图像分割的多尺度双分支网络，所述多尺度双分支网络的输入为CTA图像，输出为五个目标区域的分割图像；其网络框架如下：(1)所述多尺度双分支网络采用包含编码器和解码器的四层U型网络架构；所述解码器由四层Up-Block构成；(2)所述编码器部分采用包含全局分支和细节分支的双分支结构；所述全局分支以全局CTA图像为输入，细节分支以CTA局部图像切分出的16个图像块为输入；(3)所述编码器中的细节分支由四层带池化的Res-Block构成，每一层用于对上一层的特征图进行特征提取，生成对应的16张特征子图，并为其中可能出现左回旋支、左前降支和右冠状动脉的部分子图分别赋予自适应权重，进而得到下一层所需的细节特征；(4)所述编码器中全局分支包括四层，每一层包括一个带池化的Res-Block和一个多尺度特征融合模块；所述多尺度特征融合模块用于对输入的全局特征和细节特征进行特征融合；所述Res-Block用于对融合特征进行特征提取并输出编码器中下一层的全局特征；(5)所述多尺度双分支网络中编码器和解码器的各层之间采用残差反向边缘模块形成跳跃连接；S2：获取大量CTA图像的2D图像样本，人工添加标签后构成原始数据集；并通过数据增强手段扩充样本数据集，将样本数据集分为训练集、验证集和测试集；S3：利用训练集和验证集对所述多尺度双分支网络进行多轮次的迭代训练和验证，保留训练效果较好的若干个网络模型的参数；S4：利用测试集对保留的多个网络模型进行测试，根据各个模型在多项评价指标上的得分选出最佳网络模型，并保存其对应的模型参数；S5：利用上步骤保存的最佳的多尺度双分支网络对输入的CTA图像进行识别和图像分割，得到包含升主动脉、肺主动脉、左回旋支、左前降支和右冠状动脉的分割图像。