血管分割

摘要： 主要阐述超声图像血管分割算法及其评价指标。基于特征提取的经典图像处理算法不能摆脱对人工的依赖,削弱了分割算法的泛化能力;但对于缺乏大样本超声血管图像的研究场景下,充分利用传统且成熟的技术方法却是一种可行的研究办法。基于机器学习的算法提高了分割算法的泛化能力,改善了传统方法的短板;但深度学习技术对数据的依赖性强、可解释性差,其算法的有效性、稳定性还需深入研究。血管分割评价算法的研究极其重要,研究适合超声图像血管分割的客观评价方法也是重要课题之一。总之,传统方法仍然是解决超声图像血管分割的有效方法,传统方法与深度学习技术的紧密结合是未来的发展趋势。

摘要： 颅内动脉瘤是一种具有较高致死和致残率的常见脑血管疾病。近年来,临床对基于影像的智能化和精准化的疾病诊断策略提出了迫切需求,其中血管及病灶的精准分割是其重要基础。本文提出了一种新型的颅内动脉瘤血管多结构分割框架,利用血管先验灰度特征建立了自适应的数据采样方法,并设计了一种基于Dense机制的深度网络模型实现血管分割。本文收集了135例颅内动脉瘤患者(年龄分布:54.7±12.7岁,75名男性)的飞行时间磁共振血管影像进行模型的训练和测试。相比于原空间采样和图像压缩方法(平均Dice相似性系数:0.829和0.780),自适应采样方法可以明显提升血管分割的精度(平均Dice相似性系数:0.858);与经典的3D UNet、SegNet和DeepLabV3+网络相比(平均Dice相似性系数:0.854,0.824和0.800),基于Dense机制的网络能够利用更少的计算资源实现更优的分割效果,对于不同位置和大小的动脉瘤也表现出良好的分割鲁棒性。

摘要： 对于一些可以从视网膜血管观测到的眼科疾病,眼底图像起着关键的作用,能够为专业的医科人员提供有效的参考,然而手工标注血管费时费力,且工作量较大,所以实现自动智能的血管分割方法对相关人员大有裨益.本文将Attention机制与RU-Net结构融合应用到生成对抗网络(generative adversarial network,GAN)的生成器中,形成了一种新的结构——Retina-GAN.同时在对眼底图像的预处理步骤上选择了自动色彩均衡(ACE),提高图像对比度,使血管更加清晰.为了验证所提出的方法,选用DRIVE数据集,并把Retina-GAN与其他研究比照,测量分析了算法准确性、灵敏度和特异度.实验数据显示Retina-GAN比其他模型具有更好的性能.

摘要： 为解决现有眼底图像分割方法对于细微血管存在低分割精度和低准确率的问题,提出一种基于编解码结构的U-Net改进网络模型。首先对数据进行预处理与扩充,提取绿色通道图像,并将其通过对比度限制直方图均衡化和伽马变换以增强对比度;其次训练集被输入到用于分割的神经网络中,在编码过程加入残差模块,用短跳跃连接将高、低特征信息融合,并利用空洞卷积增加感受野,解码模块加入注意力机制增加对细微血管分割精度;最后利用训练完成的分割模型进行预测得出视网膜血管分割结果。在DRIVE和CHASE-DB1眼底图像数据集上进行对比实验,模型算法的平均准确率、特异性和灵敏度分别达到96.77%和97.22%、98.74%和98.40%、80.93%和81.12%。实验结果表明该算法能够改善微细血管分割准确率及效率不高的问题,对视网膜血管可以进行更准确的分割。

摘要： 冠状动脉血管造影图像是医生诊断心血管疾病的主要依据,对冠状动脉进行准确地分割在心血管疾病诊断具有重要意义。人工分割血管是一个费时费力的过程,容易出现主观性和误判性。因此,提出一种自动、准确的血管分割系统,称为多监督残差网络(MSRNet)。在残差网络中增加了三个有监督的侧输出模块,并将输出的特征图进行融合,得到最终的分割结果。将MSRNet在测试集上的准确率为0.925。MSRNet的分割精度相比U-Net和ResNet最高,最接近人类专家手动分割的结果。MSRNet可以减少诊断过程中的人工交互以及对医务人员的依赖,提高了疾病诊断效率。

摘要： 针对视网膜病变导致图像血管分割出现细小血管断裂和分割精度不高的问题,为提高眼底图像视网膜血管自动分割的准确率,提出一种基于U-Net的眼底图像视网膜血管分割方法 .首先对眼底图像预处理和图像数据扩增,然后构建U-Net模型,用训练好的网络模型对测试样本进行分割,得到视网膜血管分割结果 .利用DRIVE和STARE这2个数据库的眼底图像进行算法性能测试,与多种分割方法相比较体现了更好的分割效果.实验结果的客观评价指标与主观视觉验证该方法取得较好分割性能,能提取更多细小血管,细微血管分叉处连续,为眼科疾病的计算机辅助分析和诊断提供参考.

摘要： 心血管疾病是一种严重威胁人类的疾病,下腔静脉是人体最大的静脉,连接右心房,其各项指标对于心血管疾病的辅助诊断尤其重要,而下腔静脉的内径值是计算下腔静脉塌陷率、血容量等指标的关键,所以,在临床上测量下腔静脉内径对判断心血管的多种疾病有着非常重要的作用.基于下腔静脉超声图像的特征对下腔静脉进行分割,并追踪测量下腔静脉内径,从而完成对下腔静脉内径的实时测量.首先利用大津法进行阈值分割,再进行闭操作得预处理后图像;分割部分基于拓扑结构分析对下腔静脉进行检测分割;最后用光流法对下腔静脉位置进行跟踪.该方法分割准确率达到90%~95%,测量与金标准对比相差0.25%以内,该方法对于下腔静脉硬化等心血管病疾病的防治和辅助诊断有着非常重要的实际意义.

摘要： 可靠的视网膜血管分割可以作为监测和诊断某些疾病的一种方式,如糖尿病和高血压,因为它们影响视网膜的血管结构。由于眼睛血管结构复杂,病理特征不确定,使得血管分割仍然存在许多局限性和不足。基于此,提出了一种基于对称式的残差U-Net网络结构用于视网膜血管分割。网络保留了U-Net对称式的编码器-解码器结构,并将改进后的残差块进行融合,利用残差模块增强网络的特征提取能力。最后采用公开的DRIVE彩色眼底图像数据集进行了充分的对比试验,模型在测试集上的准确率、特异性、灵敏度和AUROC值分别达到了96.48%、98.60%、82.96%和98.35%。试验结果显示,所提分割模型对视网膜血管图像可达到优异的分割效果。

摘要： 目的提出一种基于三维卷积神经网络(convolutional neural network,CNN)的分割模型,通过设计网络结构和调整参数,实现对颈部时间飞跃法磁共振血管造影(time of flight magnetic resonance angiography,TOF MRA)图像的自动精准血管分割。方法三维颈部TOF MRA图像数据来源于一项无症状老年人心脑血管病发病风险研究中的166例受试者。首先由有血管影像临床经验的放射诊断医生运用Mimics软件对颈部动脉血管进行手动标注,再按照8∶1∶1的比例将数据随机分为训练集(132例)、验证集(17例)和测试集(17例)。针对TOF MRA图像稀疏性和高对比度的特点,采用3D CNN的优化模型,通过在U-Net网络的编码和解码路径中多层级的加入专门的模块和不同分辨率的原始图像,更好地学习和利用到图像的独有特征。为研究输入图像的大小对网络性能的影响,从原始图像中分别裁剪出3种不同尺寸大小的三维切块来进行模型训练。在十折交叉验证下,采用Dice系数的平均值和标准差,以及灵敏度和特异度对模型的分割性能进行评价。采用单因素方差分析对比3种切块尺寸下的测试实验。结果所提出的新模型取得了最高的分割Dice值(0.9320)、灵敏度(0.9186)和特异度(0.9996),以及最小的Dice值标准差(0.0051)。ANOVA显著性水平为P<0.01,表明了不同切块尺寸下的模型分割结果有显著性差异,尺寸增大,模型分割结果更好。结论所提出的基于3D CNN的优化模型在TOF MRA图像血管自动精准分割上优于已有方法。此外,增加模型输入图像的尺寸大小有助于提高分割性能。

摘要： 中医目诊是通过观察眼部的神、色、形、态来诊断全身疾病的一种方法.对眼底血管的观察是目诊的主要内容.视网膜血管结构的变化与许多慢性疾病密切相关.图像处理技术在眼底图像研究的应用可以为系统性疾病提供早期诊断.眼底图像血管分割是眼底血管研究的基础,目前大体可分为基于匹配滤波、血管跟踪、形态学处理、形变模型以及机器学习的分割算法5类.眼底血管分类,如动静脉分类,为临床诊断提供重要价值.在此类研究的基础上,提出了眼底血管分割、分类方法在中医目诊中的实际应用方法.

摘要： 本文提出了一种基于多特征融合和随机森林(Random Forest,RF)的眼底图视网膜血管分割算法.以彩色眼底图像中的每个像素点为一个样本,为其构造一个包括图像不变矩特征,灰度共生矩阵特征,LoG结合高斯二阶导特征,梯度法特征,相位一致性特征以及Hessian矩阵特征在内的23维特征,选取一定数量的样本点共同构造一个特征矩阵作为输入数据,再采用随机森林算法进行分类器的训练,用生成的RF分类器对待分割图像像素点分类,判定是否为血管点,进而完成对图像血管的分割.在初步分割的基础上进行基于连通区域补足血管的后处理得到优化的血管分割结果.本文所提出的方法在DRIVE公共数据库上进行试验,平均精确度达到0.9606,平均灵敏度达到0.7447,平均特异性达到0.9838,比已有的血管分割方法性能更优。

摘要： 提出了一种糖尿病视网膜病变图像的血管分割方法.该方法通过对视网膜图像进行一系列形态学操作,获取精确的病变区域检测结果,然后将其从血管分割结果中去除,并将病变区域内断裂的血管根据梯度强度和方向相似的原则进行连接,得到最终的血管网络.在Stare公共数据库上进行实验结果表明:该方法获得的血管分割平均准确率达到94.67％,真阳性率达到74.96％;与未进行病变检测的分割结果相比,本文方法能获得较高准确率和真阳性率,分割结果更为精准.

摘要： 针对现有视网膜图像血管分割方法对于微小血管和低对比度血管分割效果差的问题，本文提出了一种基于Tramline匹配滤波的视网膜图像血管分割方法。首先采用形态学Top-Hat变换去除背景和利用中值滤波消除噪声;然后设计较小尺度高斯匹配滤波器对视网膜图像进行增强，以增强中小血管与背景的对比度;最后采用变形的Tramline匹配滤波方法对视网膜图像进行血管分割。实验结果表明，该方法在微小血管、低对比度血管分割、提取方面取得了良好的效果，对辅助医疗诊断具有一定价值。

摘要： 微动脉瘤是糖尿病性视网膜病变的首要临床表现,通过检测微动脉瘤,可以尽早地预防和治疗糖尿病性视网膜病变,并可以防止其恶化和视力损伤.本文对眼底彩色图像经过预处理后,用二维高斯分布拟合出微动脉瘤的灰度分布情况,然后用模板匹配法对眼底图像进行滑动窗口的模板匹配处理得到微动脉瘤候选区域,接着对眼底图像进行血管分割,去除掉微动脉瘤候选集中的血管部分,最后用支持向量机(SVM)对微动脉瘤候选集进行分类得到最终的微动脉瘤区域.

摘要： 将数字减影血管造影(DSA:DigitalSubtractionAngiography)图像中血管提取分解为定位血管轮廓和确定血管边界两个步骤.DSA中血管部分表现为模糊的连续管状结构,用一组线性结构元素模糊开图像的组合结合常规阈值方法来提取血管树结构;以提取的血管树结构细化所得骨架作为血管部分的标记,骨架的形态膨胀作为背景部分的标记,用形态学分水岭算法确定血管边界.实验结果表明,提出的方法能得到完整的血管网络和准确的血管边界位置。

摘要： 将数字减影血管造影(DSA:DigitalSubtractionAngiography)图像中血管提取分解为定位血管轮廓和确定血管边界两个步骤.DSA中血管部分表现为模糊的连续管状结构,用一组线性结构元素模糊开图像的组合结合常规阈值方法来提取血管树结构;以提取的血管树结构细化所得骨架作为血管部分的标记,骨架的形态膨胀作为背景部分的标记,用形态学分水岭算法确定血管边界.实验结果表明,提出的方法能得到完整的血管网络和准确的血管边界位置。

摘要： 将数字减影血管造影(DSA:DigitalSubtractionAngiography)图像中血管提取分解为定位血管轮廓和确定血管边界两个步骤.DSA中血管部分表现为模糊的连续管状结构,用一组线性结构元素模糊开图像的组合结合常规阈值方法来提取血管树结构;以提取的血管树结构细化所得骨架作为血管部分的标记,骨架的形态膨胀作为背景部分的标记,用形态学分水岭算法确定血管边界.实验结果表明,提出的方法能得到完整的血管网络和准确的血管边界位置。

摘要： 将数字减影血管造影(DSA:DigitalSubtractionAngiography)图像中血管提取分解为定位血管轮廓和确定血管边界两个步骤.DSA中血管部分表现为模糊的连续管状结构,用一组线性结构元素模糊开图像的组合结合常规阈值方法来提取血管树结构;以提取的血管树结构细化所得骨架作为血管部分的标记,骨架的形态膨胀作为背景部分的标记,用形态学分水岭算法确定血管边界.实验结果表明,提出的方法能得到完整的血管网络和准确的血管边界位置。

摘要： 将数字减影血管造影(DSA:DigitalSubtractionAngiography)图像中血管提取分解为定位血管轮廓和确定血管边界两个步骤.DSA中血管部分表现为模糊的连续管状结构,用一组线性结构元素模糊开图像的组合结合常规阈值方法来提取血管树结构;以提取的血管树结构细化所得骨架作为血管部分的标记,骨架的形态膨胀作为背景部分的标记,用形态学分水岭算法确定血管边界.实验结果表明,提出的方法能得到完整的血管网络和准确的血管边界位置。

摘要： 本发明涉及一种用于交互地分割血管造影图像数据(3)中的血管(2)的分割装置(10)。所述分割装置(10)包括：显著位置确定单元(11)，其用于将所述血管造影图像数据(3)中的所述血管(2)的当前分割(4)的一个或多个位置确定为显著位置(5)，在所述显著位置处，所述当前分割(4)对基于所述当前分割(4)计算的血流参数的值具有预定影响；以及显示单元(12)，其用于向操作者显示所述显著位置(5)。从而，能够引导所述操作者将他/她的分割努力集中到所述当前分割(4)的与对所述血流参数的值的所述计算的准确性最相关的那些位置。这可以减轻所述操作者在所述分割流程期间的负担。

摘要： 本发明涉及一种用于交互地分割血管造影图像数据(3)中的血管(2)的分割装置(10)。所述分割装置(10)包括：显著位置确定单元(11)，其用于将所述血管造影图像数据(3)中的所述血管(2)的当前分割(4)的一个或多个位置确定为显著位置(5)，在所述显著位置处，所述当前分割(4)对基于所述当前分割(4)计算的血流参数的值具有预定影响；以及显示单元(12)，其用于向操作者显示所述显著位置(5)。从而，能够引导所述操作者将他/她的分割努力集中到所述当前分割(4)的与对所述血流参数的值的所述计算的准确性最相关的那些位置。这可以减轻所述操作者在所述分割流程期间的负担。

摘要： 本发明公开了眼底血管图像分割对抗样本生成方法和分割网络安全评价方法，其中对抗样本生成方法包括步骤：1、建立眼底血管图像分割网络；2、采集原始眼底血管图像，对采集图像中的血管进行标记，构建训练样本来训练眼底血管图像分割网络；3、构建生成扰动网络来生成对抗样本图像；4、将生成的对抗样本图像输入到训练好的眼底血管图像分割网络中，得到分割结果，计算目标函数，通过最小化目标函数来更新生成扰动网络的参数，得到优化的生成扰动网络；5、使用优化的生成扰动网络来生成扰动，添加到原始眼底血管图像上，得到对抗样本图像。该方法能够得到与原始图像人眼不可分辨的对抗样本图像，且得到的生成扰动网络能够较好地学习到分割网络的特征。

摘要： 本申请提供了一种心脏动脉血管的分割方法、分割装置、设备和介质，所述方法包括：根据获取的心脏原始图像，确定出主动脉识别结果和动静脉识别结果；根据所述心脏原始图像、所述主动脉识别结果和所述动静脉识别结果，确定出第一血管中心线；对所述第一血管中心线中的断开切口进行延长，得到冠脉中心线；基于所述冠脉中心线，确定出冠脉识别结果；将所述主动脉识别结果和所述冠脉识别结果合并，得到心脏动脉血管分割结果。

摘要： 本发明公开了一种基于血管多尺度增强和血管连接的血管分割算法，包括以下步骤：S1、针对不同亮度的血管设计了多尺度增强方法，可以有效增强较暗的毛细血管，从而增强后续操作血管毛细血管的识别率；S2、基于血管管状特征对血管进行连接。本发明针对单幅近红外二区图像的血管分割算法，能基于各个像素八领域均值与该像素值进行比较，去除图像亮点和暗点，并且通过双边滤波和海森矩阵设计了针对不同亮度血管的多尺度增强方法，同时采用分数阶微分增强血管边界，而且基于血管管状特征，对血管进行连接和分割，相较于其他分割方法，可以更可靠的识别暗淡模糊的毛细血管。

摘要： 本发明涉及基于多中心TOF‑MRA影像的脑血管分割方法及神经网络分割模型，通过构建金标准数据库缓解现有脑血管分割方法泛化能力差、鲁棒性低的问题；并通过建立脑血管在3D空间中的符号距离场，通过计算脑血管分割符号距离场与金标准符号距离场之间代价函数进一步提升从TOF‑MRA影像中分割脑血管的鲁棒性。

摘要： 基于改进Unet网络的视网膜血管分割网络、分割方法、计算机设备和存储介质，属于图像处理技术领域，解决对视网膜血管OCTA图像分割不准确出现漏检现象问题。本发明的网络：首先，使用不对称卷积边界细化模块(ACBR)从网络的编码器端提取丰富的视网膜血管信息并对其进行细化。其次，通道注意模块用于为那些分辨率较低的血管赋予足够的权重，防止它们在深度卷积和池化操作下权重消失。最后在网络中加入一个残差结构，增加了网络的深度，提高了网络的鲁棒性，防止了网络过拟合。本发明适用于对视网膜血管图像的分割。

摘要： 本发明公开了一种基于CT影像的血管分割方法、分割系统、计算设备和存储介质，包括：对CT图像上的待分割的血管进行标记；以每类标记血管为中心，裁剪同一尺寸且包含该血管的血管标记图像，并在CT图像上对应裁剪出CT血管图像；对血管标记图像和CT血管图像进行相同的数据增强，制作多组图像集；其中，数据增强包括平移、旋转和亮度增强中的一种；将图像集输入到深度学习网络中进行训练，得到血管分割模型；将待分割CT图像进行同尺寸的裁剪，并输入到血管分割模型中，识别血管类别，将预测结果放回待分割CT图像中，完成血管分割。本发明对任意人体部位含有多种血管的分割任务，可以实现一次性完成全部分割，效率高，耗时短。

摘要： 本申请提供了一种心脏动脉血管的分割方法、分割装置、设备和介质，所述方法包括：根据获取的心脏原始图像，确定出主动脉识别结果和动静脉识别结果；根据所述心脏原始图像、所述主动脉识别结果和所述动静脉识别结果，确定出第一血管中心线；对所述第一血管中心线中的断开切口进行延长，得到冠脉中心线；基于所述冠脉中心线，确定出冠脉识别结果；将所述主动脉识别结果和所述冠脉识别结果合并，得到心脏动脉血管分割结果。

摘要： 本发明提供了一种基于亚像素的血管分割方法，包括以下步骤：S1、将Dicom文件序列转换为计算机通用的Bmp文件序列；S2、生成粗边缘检测结果；S3、将所述粗边缘检测结果生成链表记录下来；S4、获取边缘坐标；S5、获取三维血管结构；S6、采用26邻域对所述三维血管结构进行区域生长分割，实现交互式分割出指定血管结构。本发明还提供了一种基于亚像素的血管分割系统。与相关技术相比，本发明具有如下有益效果：解决了Dicom文件调窗处理中的越界现象，改善了显示效果；解决了粗边缘检测中阈值选取难的问题，并且血管边缘更加清晰，细节更加完善；可以将血管分割达到亚像素级精度；可交互式地分割指定血管结构。