一種在DSA造影圖像中識別肝癌供血動脈的方法及系統

本發明涉及醫學圖像處理，具體涉及一種在dsa造影圖像中識別肝癌供血動脈的方法及系統。

背景技術：

1、將肝癌的供血動脈封堵住，可以阻止肝癌細胞從血液中獲得營養，導致肝癌細胞缺血缺氧和缺氧營養供應而死亡。因此，肝癌細胞的消亡效果取決于供血動脈的識別效果，即當識別出所有供血動脈，則能栓塞住全部肝癌供血動脈，避免腫瘤殘存，復發和轉移，當無法識別出所有供血動脈，則無法栓塞住全部肝癌供血動脈，會導致腫瘤殘存，復發和轉移。

2、現有技術中為了識別出肝癌的多支供血動脈，提升供血動脈的識別效果，需要通過多次造影操作，但多次造影會造成患者在供血動脈識別過程中受到的輻射量大，產生輻射損傷。

技術實現思路

1、本發明的目的在于提供一種在dsa造影圖像中識別肝癌供血動脈的方法及系統，以解決現有技術中為了識別出肝癌的多支供血動脈，提升供血動脈的識別效果，需要通過多次造影操作，但多次造影會造成患者在供血動脈識別過程中受到的輻射量大，產生輻射損傷的技術問題。

2、為解決上述技術問題，本發明具體提供下述技術方案：

3、一種在dsa造影圖像中識別肝癌供血動脈的方法，包括以下步驟：

4、通過dsa造影設備對肝組織模型進行單次造影獲得多張dsa造影圖像；

5、在每個dsa造影圖像中通過邊緣檢測算法標記出肝組織模型中的腫瘤組織的輪廓，以及肝組織模型中肝動脈和主動脈的血管輪廓；

6、在每個dsa造影圖像中提取出位于腫瘤組織的輪廓與肝動脈和主動脈的血管輪廓之間的局部圖像，得到用于在肝組織模型中識別腫瘤組織供血動脈的目標圖像；

7、將各個所述目標圖像依據邊緣檢測算法對腫瘤組織供血動脈的血管輪廓進行清晰度劃分，得到了清晰目標圖像和模糊目標圖像；

8、采用循環一致性生成對抗網絡cyclegan將模糊目標圖像根據清晰目標圖像進行圖像轉換為清晰目標圖像；

9、在所有清晰目標圖像中通過邊緣檢測算法標記出肝組織模型中的腫瘤組織供血動脈的血管輪廓。

10、作為本發明的一種優選方案，所述清晰目標圖像和模糊目標圖像的劃分方法包括：

11、將每個目標圖像通過邊緣檢測算法進行腫瘤組織供血動脈的血管輪廓的邊緣檢測，得到每個目標圖像中腫瘤組織供血動脈的血管輪廓；

12、在每個目標圖像中計算腫瘤組織供血動脈的血管輪廓沿水平方向上的梯度幅值，以及沿垂直方向上的梯度幅值；

13、將每個目標圖像中腫瘤組織供血動脈的血管輪廓沿水平方向上的梯度幅值，以及沿垂直方向上的梯度幅值進行平方和計算，作為目標圖像的清晰度值；

14、將清晰度值高于預設閾值的目標圖像標記為清晰目標圖像；

15、將清晰度值低于或等于預設閾值的目標圖像標記為模糊目標圖像。

16、作為本發明的一種優選方案，采用循環一致性生成對抗網絡cyclegan將模糊目標圖像根據清晰目標圖像進行圖像轉換為清晰目標圖像的方法包括：

17、將模糊目標圖像和清晰目標圖像作為循環一致性生成對抗網絡cyclegan的兩個輸入項，通過生成器和判別器訓練得到圖像轉換模型；

18、所述圖像轉換模型為：{lh=gh(l)，lhl=gl(lh)，dl(l),?dl(hl)}，{hl=?gl(h)，hlh=gh(hl)，dh(h),?dh(lh)}；

19、式中，l為模糊目標圖像，h為清晰目標圖像，lh為由生成器gh根據模糊目標圖像l生成的清晰目標圖像，gh為根據模糊目標圖像生成的清晰目標圖像的生成器，gl為根據清晰目標圖像生成的模糊目標圖像的生成器，lhl為由生成器gl根據清晰目標圖像lh生成的模糊目標圖像，dl為生成器gl的判別器，hl為由生成器gl根據清晰目標圖像h生成的模糊目標圖像，hlh為由生成器gh根據模糊目標圖像hl生成的清晰目標圖像，dh為生成器gh的判別器。

20、作為本發明的一種優選方案，訓練循環一致性生成對抗網絡cyclegan構成圖像轉換模型的損失函數為：ls=lgan(gh,dh,l,h)+lgan(gl,dl,l,h)+λ[lcyc(gh,gl)+llpips(l,lhl,hlh,k)]；式中，ls為損失函數，lgan(gh,?dh,?l,h)為生成器gh和判別器dh的損失函數，lgan(gl,?dl,?l,h)為生成器gl和判別器dl的損失函數，lcyc(gh,?gl)為客觀視覺一致性損失函數，llpips(l,lhl,hlh,k)為主觀視覺一致性損失函數，l為模糊目標圖像，h為清晰目標圖像，lh為由生成器gh根據模糊目標圖像l生成的清晰目標圖像，gh為根據模糊目標圖像生成的清晰目標圖像的生成器，gl為根據清晰目標圖像生成的模糊目標圖像的生成器，lhl為由生成器gl根據清晰目標圖像lh生成的模糊目標圖像，dl為生成器gl的判別器，hl為由生成器gl根據清晰目標圖像h生成的模糊目標圖像，hlh為由生成器gh根據模糊目標圖像hl生成的清晰目標圖像，dh為生成器gh的判別器，λ為lcyc(gh,gl)+llpips(l,lhl,hlh,k)的權重值；

21、其中，；；；；式中，l i為第 i個模糊目標圖像，h i為第 i個清晰目標圖像，lh i為由生成器gh根據模糊目標圖像l i生成的清晰目標圖像，lhl i為由生成器gl根據清晰目標圖像lh i生成的模糊目標圖像，hl i為由生成器gl根據清晰目標圖像h i生成的模糊目標圖像，hlh i為由生成器gh根據模糊目標圖像hl i生成的清晰目標圖像，f為sigmoid模型，d(l i,?lhl i)為l i經由vgg16網絡提取的特征和lhl i經由vgg16網絡提取的特征間的特征距離,?d(l i,?hlh i)為?l i經由vgg16網絡提取的特征和hlh i經由vgg16網絡提取的特征間的特征距離，d(h i,?lhl i)為h i經由vgg16網絡提取的特征和lhl i經由vgg16網絡提取的特征間的特征距離,?d(h i,?hlh i)為?h i經由vgg16網絡提取的特征和hlh i經由vgg16網絡提取的特征間的特征距離，n為模糊目標圖像的總數量，m為清晰目標圖像的總數量，和為l2范數式，min為最小化運算符，max為最大化運算符。

22、作為本發明的一種優選方案，權重值λ與模糊目標圖像l的清晰度值相關，其中，λ=-(1-p(l))logp(l)；式中，p(l)為模糊目標圖像l的清晰度值。

23、作為本發明的一種優選方案，生成器gh和生成器gl與判別器dh和判別器dl采用同步對抗訓練。

24、作為本發明的一種優選方案，對單次造影獲得的多張dsa造影圖像進行尺寸歸一化處理。

25、作為本發明的一種優選方案，所述邊緣檢測算法的評估指標包括精確度、?召回率、?f1分數和平均角度誤差。

26、作為本發明的一種優選方案，所述邊緣檢測算法采用canny算法。

27、作為本發明的一種優選方案，本發明提供了一種在dsa造影圖像中識別肝癌供血動脈的系統，應用于所述的一種在dsa造影圖像中識別肝癌供血動脈的方法，系統包括：

28、圖像采集單元，用于通過dsa造影設備對肝組織模型進行單次造影獲得多張dsa造影圖像；

29、圖像預處理單元，用于在每個dsa造影圖像中通過邊緣檢測算法標記出肝組織模型中的腫瘤組織的輪廓，以及肝組織模型中肝動脈和主動脈的血管輪廓；

30、以及用于在每個dsa造影圖像中提取出位于腫瘤組織的輪廓與肝動脈和主動脈的血管輪廓之間的局部圖像，得到用于在肝組織模型中識別腫瘤組織供血動脈的目標圖像；

31、將各個所述目標圖像依據邊緣檢測算法對腫瘤組織供血動脈的血管輪廓進行清晰度劃分，得到了清晰目標圖像和模糊目標圖像；

32、圖像轉換單元，用于采用循環一致性生成對抗網絡cyclegan將模糊目標圖像根據清晰目標圖像進行圖像轉換為清晰目標圖像；

33、目標識別單元，用于在所有清晰目標圖像中通過邊緣檢測算法標記出肝組織模型中的腫瘤組織供血動脈的血管輪廓。

34、本發明與現有技術相比較具有如下有益效果：

35、本發明采用循環一致性生成對抗網絡cyclegan將模糊目標圖像根據清晰目標圖像進行圖像轉換為清晰目標圖像，從而能夠對單次造影獲得的模糊圖像進行清晰度提升，使得單次造影獲得的所有圖像均呈現高清晰度，進而能夠將所有供血動脈均識別出來，實現低造影射線輻射劑量同時，又能保證供血動脈的識別效果。