一种血管识别方法、终端及可读介质与流程

本发明实施例涉及医学图像处理技术，尤其涉及一种血管识别方法、终端及可读介质。

背景技术：

在医学图像中正确识别每根血管对于医生诊断、手术治疗和血管供血来说非常重要。

现有血管识别方法主要包括如下三种：第一种，建立血管模型，基于血管模型进行血管识别；第二种，建立每根血管的参数模型，基于参数模型进行血管识别；第三种，提取医学图像树模型，基于树模型空间变换关系进行血管识别。

但是由于血管解剖结构复杂，例如在血管冠脉系统中，每个人的冠脉生长形态不一，走势不定，且存在血管缺失或增多等情况，上述三种方法都不能很好地针对个人血管差异进行血管识别，识别正确率较低，可靠性较差。

技术实现要素：

有鉴于此，本发明实施例提供了一种血管识别方法、终端及可读介质，提高了血管识别正确率及识别可靠性。

第一方面，本发明实施例提供了一种血管识别方法，包括：

获取第一血管模型，从所述第一血管模型的至少一条第一血管中确定第一目标血管，获取所述第一目标血管的参数模型；

获取待识别图像，利用所述第一血管模型对所述待识别图像进行定位，确定所述待识别图像对应的第二血管模型，并对所述第二血管模型中的第二目标血管进行提取；

根据所述第一目标血管确定所述第二目标血管上的映射点，以及所述映射点与所述第一目标血管的距离；

根据所述第一目标血管的参数模型，确定所述映射点属于所述第一目标血管的参数模型的概率；

根据所述距离和所述概率确定所述第二目标血管为所述第一目标血管的相似值，并根据所述相似值识别所述第二目标血管。

可选的，血管识别方法，还包括：

根据所述第一目标血管确定所述第二目标血管上的映射点的权值；相应的，

根据所述距离和所述权值确定所述第二目标血管为所述第一目标血管的相似值，并根据所述相似值识别所述第二目标血管；或者，

根据所述概率和所述权值确定所述第二目标血管为所述第一目标血管的相似值，并根据所述相似值识别所述第二目标血管；或者，

根据所述距离、所述概率和所述权值确定所述第二目标血管为所述第一目标血管的相似值，并根据所述相似值识别所述第二目标血管。

可选的，所述根据所述第一目标血管确定所述第二目标血管上的映射点的权值，包括：

分别获取所述第一目标血管上的第一血管点、所述第二目标血管上的第二血管点以及所述第一血管点的权值；

根据各第二血管点与所述第一血管点的距离关系，从所述各第二血管点中选取与第一血管点对应的第二目标血管上的映射点，根据所述第一血管点的权值设置对应映射点的权值；

相应的，根据所述第一目标血管确定所述第二目标血管上的映射点与所述第一目标血管的距离，包括：

将第一血管点与对应映射点的距离作为第二目标血管上的映射点与所述第一目标血管的距离。

可选的，所述第二目标血管包括第二主干血管；相应的，根据所述相似值识别所述第二目标血管包括，根据所述相似值识别第二主干血管；

所述第二目标血管还包括第二分支血管；相应的，在根据所述相似值识别第二主干血管之后，还包括：

将第二血管模型中与识别后的第二主干血管相连的各第二血管提取为第二分支血管；

确定各第二分支血管为各第一分支血管的相似值；

根据匈牙利算法对各第二分支血管为各第一分支血管的相似值进行运算，根据运算结果识别各第二分支血管。

可选的，在所述确定各第二分支血管为各第一分支血管的相似值之后，还包括：

判断各第二分支血管为所述第二血管模型的各分支血管的相似值是否大于等于预设阈值；

若是，则根据匈牙利算法对各第二分支血管为各第一分支血管的相似值进行运算，根据运算结果识别各第二分支血管。

可选的，血管识别方法，还包括：

获取样本图像，对样本图像中各血管名称进行标记，得到初始第一血管模型；

将至少一个初始第一血管模型转化至同一坐标系中，根据至少一个初始第一血管模型确定第一血管模型；

标记第一血管模型上至少一条第一血管的第一血管点，设置各所述第一血管点的权值。

可选的，所述设置各所述第一血管点的权值，包括：

根据各所述第一血管点与血管根节点间的距离设置各所述第一血管点的权值，其中各所述第一血管点与血管根节点间的距离与各所述第一血管点的权值正相关。

可选的，血管识别方法，还包括：

获取样本图像，提取样本图像中第一血管模型上至少一条第一血管的第一血管点；

根据以各所述第一血管点为中心的预设范围内的像素灰度信息，以及各所述第一血管点与预设参考点的距离信息训练至少一条第一血管的参数模型。

第二方面，本发明实施例提供了一种终端，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的血管识别方法。

第三方面，本发明实施例提供了一种可读介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的血管识别方法。

本发明实施例提供的一种血管识别方法、终端及可读介质，其中，血管识别方法包括：从获取的第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；根据第一目标血管确定第二目标血管上的映射点，及映射点与第一目标血管的距离；根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率；根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。本发明实施例提供的血管识别方法、装置、终端及可读介质，提高了血管识别正确率及识别可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a是本发明实施例一提供的一种血管识别方法流程图；

图1b是本发明实施例一提供的确定第二目标血管上的映射点的示意图；

图2是本发明实施例三提供的一种血管识别方法中第二分支血管识别方法流程图；

图3a是本发明实施例三提供的一种血管识别方法中第一血管模型的示意图；

图3b是本发明实施例三提供的一种血管识别方法中第二血管模型识别结果的示意图；

图4是本发明实施例四提供的一种血管识别方法流程图；

图5是本发明实施例五提供的一种血管识别方法流程图；

图6是本发明实施例六提供的一种血管识别装置结构示意图；

图7是本发明实施例七提供的一种终端的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。

实施例一

图1a是本发明实施例一提供的一种血管识别方法流程图，本实施例可适用于血管识别的情况，该方法可以由终端实现，具体可通过终端中的软件和/或硬件来实施。参见图1a，该血管识别方法包括如下步骤：

s110、获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型。

其中，第一血管模型以及第一目标血管的参数模型可以是预先建立好的模型。其中，第一血管模型中包含至少一条第一血管，其中各第一血管可以是预先在第一血管模型中已完成标识的血管。其中，可以从已完成标识的各第一血管中可以随机确定第一目标血管，也可以按预设顺序确定第一目标血管。其中，按预设顺序确定第一目标血管，例如可以是从第一血管模型中从上到下或从左到右的顺序进行第一目标血管的提取；也可以是首先将第一主干血管作为第一目标血管，再将各第一分支血管通过从上到下或从左到右的顺序进行提取。其中从第一血管模型的至少一条第一血管中确定第一目标血管的顺序还可以包括其他确定顺序，并不限于上述阐述的顺序。其中，第一血管模型中各第一血管皆可对应有参数模型，当从至少一条第一血管中确定第一目标血管后，可以查找作为第一目标血管的第一血管对应的参数模型。

s120、获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取。

其中，终端可以通过访问设定的存储路径获取待识别图像；其中，存储路径可以是终端本地的存储路径，还可以是通过通信协议与其他终端建立交互后，其他终端的存储路径。

其中，利用第一血管模型对待识别图像进行定位，可以是将第一血管模型的灰度图像和待识别图像进行配准，得到空间变换关系，根据该空间变换关系将第一血管模型配准至待识别图像中，从而完成了待识别图像中血管模型的定位。此外，对待识别图像中血管模型定位，还可以是通过将待识别图像与待识别图像对应器官的腔室模型进行配准，以完成血管模型的定位。示例性的，当待识别图像为冠脉血管图像时，可以将待识别图像与冠脉血管对应的心脏的腔室进行配准，以完成冠脉血管模型的定位。

其中，在完成利用第一血管模型对待识别图像进行定位后，确定待识别图像对应的第二血管模型具体可以是，对定位区域的待识别图像进行血管提取，根据提取出的血管构建血管树状模型，将构建的血管树状模型作为第二血管模型。其中，血管提取方法可以是通过图像预处理、血管增强、水平集或图割算法以及平滑处理等主步骤实现血管提取的算法；其中，经血管提取方法提取后得到的血管是由多个血管点组成的。其中，配准算法可以是仿射变换算法，其中仿射变换可以通过一系列的原子变换的复合来实现，包括：平移(translation)、缩放(scale)、翻转(flip)、旋转(rotation)和剪切(shear)。

其中，对第二血管模型中的第二目标血管进行提取具体可以是，先获取到第二血管模型中所有的第二血管的血管端点，将与第一血管模型中根节点最近的第二血管的血管端点作为根节点，其他的端点作为叶节点，对第二血管模型中所有根节点到叶节点的血管进行提取作为第二主干血管；对第二血管模型中与识别后的主干血管相连的血管提取为第二分支血管；其中，第二目标血管可以是一条可以是多条，当第二目标血管为多条时，分别针对每一条第二目标血管进行本实施例中如下步骤处理。

s130、根据第一目标血管确定第二目标血管上的映射点，以及映射点与第一目标血管的距离。

其中，第二目标血管的映射点与第一血管模型中第一目标血管的距离越小，说明该第二目标血管的映射点为第一目标血管的第一血管点可能性越大。

其中，根据第一目标血管确定第二目标血管上的映射点，可以基于距离最近原则将第一血管模型中第一目标血管的第一血管点分别映射至各第二目标血管的第二血管点中，将各第二目标血管的血管点中被映射的血管点作为各第二目标血管的映射点，即将第一血管模型中目标血管的血管点映射至距离最近的第二目标血管的血管点，可以理解为第二目标血管的血管点中并非所有血管点皆为第二目标血管的映射点，只有被第一血管模型中目标血管的血管点映射的点为第二目标血管的映射点。

其中，基于距离最近原则将第一血管模型中第一目标血管的第一血管点分别映射至各第二目标血管的第二血管点中具体可以是，测量各第二目标血管的第二血管点分别与第一血管模型中第一目标血管的第一血管点的距离，将第一血管模型中第一目标血管的第一血管点分别映射至距离最近的各第二目标血管的第二血管点中；还可以是测量第二目标血管在各第二血管点的切线与第二血管点和各第一血管点连线的角度，将第一血管模型中第一目标血管的第一血管点分别映射至角度接近九十度的各第二目标血管的第二血管点中。此外，其他可实现基于距离最近原则将第一血管模型中第一目标血管的第一血管点分别映射至各第二目标血管的第二血管点中的方法也皆可运用至本发明实施例中。

示例性的，图1b是本发明实施例一提供的确定第二目标血管上的映射点的示意图。参见图1b，其中point_1、point_2、point_3、point_4、point_5和point_6为第一血管模型中第一目标血管上的第一血管点；p1、p2、p3、p4、p5和p6为第二血管模型中1号第二目标血管上的第一血管点对应的映射点；p1’、p2’、p3’、p4’、p5’和p6’为第二血管模型中2号第二目标血管上的第一血管点对应的映射点；p1”、p2”、p3”、p4”、p5”和p6”为第二血管模型中3号第二目标血管上的第一血管点对应的映射点。由图1b可知，第二血管模型中各第二目标血管上的映射点的数量与第一血管模型中第一目标血管的第一血管点的数量可以相同可以不同，例如2号第二目标血管上的同一映射点p4’和p5’对应了两个第一血管点point_4和point_5，又如3号第二目标血管上的同一映射点p5”和p6”对应了两个第一血管点point_5和point_6。

分别确定1号第二目标血管、2号第二目标血管和3号第二目标血管与第一目标血管的第一血管点的映射点后，可以进一步确定各映射点距第一目标血管的距离，以及映射点属于第一目标血管的参数模型的概率，从而为计算第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管奠定基础。

s140、根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率。

其中，第二目标血管的映射点属于第一目标血管的参数模型的概率越大，说明该第二目标血管的映射点为第一目标血管的第一血管点可能性越大。

其中，可以将第二目标血管的所有映射点与第一目标血管的参数模型进行拟合求取概率值，作为第二目标血管的每个映射点属于第一目标血管的参数模型的概率值；也可以将第二目标血管的映射点进行区域分割，并将各分割区域的所有映射点与第一目标血管的参数模型进行拟合求取概率值，作为各分割区域内每个映射点属于第一目标血管的参数模型的概率值；还可以将每个第二目标血管的映射点代入目标血管参数模型，以求取概率值。

s150、根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

其中，通过将第二目标血管的每个第二血管点与第一血管模型中目标血管的距离，第二目标血管的每个第二血管点属于第一目标血管的参数模型的概率进行组合，可以求取第二目标血管的每个第二血管点为第一血管模型的第一目标血管的第一血管点的相似值。其中，可以根据第二目标血管的每个第二血管点为第一血管模型的第一目标血管的第一血管点的相似值，确定第二目标血管为血管模型的目标血管的相似值，例如可以将第二目标血管的每个第二血管点为第一血管模型的第一目标血管的第一血管点的相似值求和、求平均或去除最大值最小值后求平均等方法，确定第二目标血管为第一血管模型的第一目标血管的相似值。

本实施例提供的血管识别方法，从获取的第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；根据第一目标血管确定第二目标血管上的映射点，及映射点与第一目标血管的距离；根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率；根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

通过将第二目标血管中第二血管点与第一目标血管的距离与第二目标血管中第二血管点属于第一目标血管的血管参数模型的概率相结合求取第二目标血管与第一目标血管的相似值，并根据相似值识别第二目标血管，提高了血管识别正确率及识别可靠性。

实施例二

本实施例在上述实施例基础上，对血管识别方法进行了优化，具体优化方法为：根据第一目标血管确定第二目标血管上的映射点的权值；相应的，根据距离和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管；或者，根据概率和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管；或者，根据距离、概率和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。本实施例与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。

可选的，根据第一目标血管确定第二目标血管上的映射点的权值，包括：

分别获取第一目标血管上的第一血管点、第二目标血管上的第二血管点以及第一血管点的权值；

根据各第二血管点与第一血管点的距离关系，从各第二血管点中选取与第一血管点对应的第二目标血管上的映射点，根据第一血管点的权值设置对应映射点的权值；

相应的，根据第一目标血管确定第二目标血管上的映射点与第一目标血管的距离，包括：

将第一血管点与对应映射点的距离作为第二目标血管上的映射点与第一目标血管的距离。

其中，可以将第一血管模型中目标血管的血管点的权值与对应第二目标血管的映射点的权值设置为相同数值，也可以将第一血管模型中目标血管的血管点的权值进行统一变换(即按相同规律变换)后赋值给对应第二目标血管的映射点的权值。其中，将第一血管模型中目标血管的血管点与映射的第二目标血管的映射点的距离作为第二目标血管的映射点与第一血管模型中目标血管的距离。

可选的，根据距离和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管，包括：

确定第二目标血管为第一目标血管的相似值的计算公式为：

其中，s为第二目标血管为第一目标血管的相似值，n为第二目标血管的映射点的数量，i为第二目标血管的映射点的序号，wi表示第i个第二目标血管的映射点的权值，di表示第i个第二目标血管的映射点与第一血管模型中目标血管的距离，α表示调节系数；

相应的，将s值最大的第二目标血管中识别为第一目标血管。

可选的，根据概率和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管，包括：

确定第二目标血管为第一目标血管的相似值的计算公式为：

其中，s为第二目标血管为第一目标血管的相似值，n为第二目标血管的映射点的数量，i为第二目标血管的映射点的序号，wi表示第i个第二目标血管的映射点的权值，pi表示第i个第二目标血管的映射点属于第一目标血管的参数模型的概率，α表示调节系数；

相应的，将s值最大的第二目标血管中识别为第一目标血管。

可选的，根据距离、概率和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管，包括：

确定第二目标血管为第一目标血管的相似值的计算公式为：

其中，s为第二目标血管为第一目标血管的相似值，n为第二目标血管的映射点的数量，i为第二目标血管的映射点的序号，wi表示第i个第二目标血管的映射点的权值，pi表示第i个第二目标血管的映射点属于第一目标血管的参数模型的概率，di表示第i个第二目标血管的映射点与第一血管模型中目标血管的距离，α表示调节系数；

相应的，将s值最大的第二目标血管中识别为第一目标血管。

本实施例提供的血管识别方法，根据第一血管点的权值设置对应映射点的权值，将映射点权值、映射点与第一目标血管的距离以及映射点属于第一目标血管的参数模型的概率中至少两项进行结合，确定确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管，提高了血管识别正确率及识别可靠性。

实施例三

本实施例在上述实施例基础上，进一步对第二目标血管为第二主干血管或第二分支血管时的血管识别方法进行了描述，与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。

可选的，第二目标血管包括第二主干血管；相应的，根据相似值识别第二目标血管包括，根据相似值识别第二主干血管。

具体的，进行第二主干识别的步骤可以包括：

获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一主干血管，获取第一主干血管的参数模型；获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二主干血管进行提取；根据第一主干血管确定第二主干血管上的映射点，以及映射点与第一主干血管的距离；根据第一主干血管的参数模型，确定映射点属于第一主干血管的参数模型的概率；根据距离和概率确定第二主干血管为第一主干血管的相似值，并根据相似值识别第二主干血管。

其中，由于主干血管的形态特征明显易于辨识，因此可以首先对第二血管模型中的第二主干血管进行识别。在根据相似值从各第二主干血管中识别第二血管模型的主干血管之后，再进行第二血管模型各分支血管的识别，有助于提高血管识别效率。

可选的，第二目标血管还包括第二分支血管。图2是本发明实施例三提供的一种血管识别方法中第二分支血管识别方法流程图。参见图2，该分支血管识别方法包括如下步骤：

s210、将第二血管模型中与识别后的第二主干血管相连的各第二血管提取为第二分支血管；

s220、确定各第二分支血管为各第一分支血管的相似值；

s230、根据匈牙利算法对各第二分支血管为各第一分支血管的相似值进行运算，根据运算结果识别各第二分支血管。

其中，各第二分支血管的数量与第一血管模型的各第一分支血管的数量可以相同，可以不同。示例性的，当提取的第二分支血管中既包含第一血管模型中待识别的第一分支血管，又包含无需识别的第一分支血管时，提取的第二分支血管数量可能大于第一血管模型中第一分支血管的数量；当提取的第二分支血管包含的第一血管模型中待识别的第一分支血管不全时，提取的第二分支血管数量可能小于第一血管模型中第一分支血管的数量；此外也存在提取的第二分支血管数量等于第一血管模型中第一分支血管的数量时，提取的第二分支血管中包含的第一血管模型中待识别的第一血管不全，却又包含无需识别的第一分支血管的情况。

其中，每一根第二分支血管需要分别计算为第一血管模型的各第一分支血管的相似值，且计算结果可以用相似值矩阵记录。例如，当第二分支血管的数量为6条，第一血管模型中需要识别的第一分支血管的数量为4条时，每一根第二分支血管需要分别计算为第一血管模型中4条第一分支血管的相似值，则6条第二分支血管共可以计算出24个相似值，该24个相似值可用相似值矩阵记录。其中，当相似值矩阵的行表示各第二分支血管时，列可以表示第一血管模型的第一分支血管；当相似值矩阵的行表示第一血管模型的第一分支血管时，列可以表示各第二分支血管。其中，根据相似值矩阵的行序号和列序号进行索引，可以获取各第二分支血管为第一血管模型的各第一分支血管的相似值。

其中，根据匈牙利算法对各第二分支血管为第一血管模型的各第一分支血管的相似值进行运算，可以是根据匈牙利算法对相似值矩阵进行运算，根据行序号和列序号定位的相似值，可以将相似值矩阵中行和列进行最优匹配，即完成了将各第二分支血管识别为第一血管模型对应的第一分支血管。

可选的，在确定各第二分支血管为各第一分支血管的相似值之后，还包括：

判断各第二分支血管为第二血管模型的各分支血管的相似值是否大于等于预设阈值；若是，则根据匈牙利算法对各第二分支血管为各第一分支血管的相似值进行运算，根据运算结果识别各第二分支血管。

其中，在第二分支血管中包含无需识别的第一分支血管的情况时，若将无需识别的第一分支血管进行第一血管模型的第一分支血管的强制识别，则会导致血管识别结果错误率大大升高。为避免血管强制识别的情况，可以在将各第二分支血管识别为第一血管模型对应的第一分支血管之前，进行相似值是否大于等于预设阈值的判断。其中，若判断结果为是，则继续进行识别过程；若相似值小于预设阈值时，则拒绝将相似值对应的第二分支血管和第一血管模型的第一分支血管进行匹配。

同理，在将第二主干血管识别为第一血管模型的第一主干血管前，也可以判断各第二主干血管为第一血管模型的第一主干血管的相似值是否大于等于预设阈值，若相似值小于预设阈值时，则拒绝将相似值对应的第二主干血管和第一血管模型的第一主干血管进行匹配。

通过阈值的预先设置，可以有效避免了血管强制识别的情况，提高了血管识别的正确率。此外，通过阈值的预先设置可以过滤到明显的假阳性的第二目标血管，但对于难以过滤的假阳性的第二目标血管，为优化第二目标血管的识别效果，可以将难以过滤的假阳性的第二目标血管进行第一目标血管的识别，但对其识别结果可以进行选择性的输出。

示例性的，图3a是本发明实施例三提供的一种血管识别方法中第一血管模型的示意图。参见图3a，ab1和ab2可以表示第一血管模型中的第一主干血管，血管cd、ef、gh、ik、jl、mn和op可以表示第一血管模型中的各第一分支血管。其中，第一主干血管与各第一分支血管都有对应的血管名称，例如ab1可以为右冠状动脉主干血管。

图3b是本发明实施例三提供的一种血管识别方法中第二血管模型识别结果的示意图。参见图3b，a’b1’和a’b2’可以表示第二血管模型中的识别的第二主干血管，血管c’d’、e’f’、g’h’、i’k’、j’l’可以表示第二血管模型中识别的各第二分支血管。其中，图3a中的mn和op没有识别到对应的第二分支血管，则不进行识别。其中，图3b中其他未识别血管可以认为是无需识别血管。其中，在医学图像血管模型中，可以将各血管以不同颜色进行区分，以快速了解到血管识别结果。

本实施例在上述实施例基础上，进一步对目标血管为主干血管或分支血管时的血管识别方法进行了描述，与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

实施例四

本实施例在上述实施例基础上，进一步对血管识别方法进行了第一血管模型建模步骤的完善和补充，与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。

图4是本发明实施例四提供的一种血管识别方法流程图。参见图4，该血管识别方法包括如下步骤：

s410、获取样本图像，对样本图像中各血管名称进行标记，得到初始第一血管模型；

s420、将至少一个初始第一血管模型转化至同一坐标系中，根据至少一个初始第一血管模型确定第一血管模型；

s430、标记第一血管模型上至少一条第一血管的第一血管点，设置各第一血管点的权值；

s440、获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；

s450、获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；

s460、根据第一目标血管确定第二目标血管上的映射点，以及映射点与第一目标血管的距离；

s470、根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率。

其中，获取样本图像，对样本图像中各血管名称进行手动标记，得到初始第一血管模型；将至少一个初始第一血管模型转化至同一坐标系中，将至少一个初始第一血管模型求取平均拟合，确定第一血管模型。对第一血管模型上至少一条第一血管的第一血管点进行手动标记，并设置各第一血管点的权值。

可选的，设置各第一血管点的权值，包括：

根据各第一血管点与血管根节点间的距离设置各第一血管点的权值，其中各第一血管点与血管根节点间的距离与各第一血管点的权值正相关。

可以理解为，与根节点间的距离越远的第一血管点对于辨识第一血管模型的第一目标血管的越可靠；其中，具体可以根据公式wi＝logl求取各第一血管的第一血管点的权值；其中wi表示血管的第i个第一血管点的权值，l表示第一血管点与血管根节点间的距离；其中，第一血管点与血管根节点间的距离可以是测地距离，具体可以理解为第一血管点与血管根节点间相隔第一血管点的数量值，即l可以为大于等于1的自然数。

通过将对于辨识第一血管模型的第一目标血管的更为可靠的点的权值设置较大，可以提高血管辨识结果的可靠性。

本实施例在上述实施例基础上，进一步对血管识别方法进行了第一血管模型建模步骤的完善和补充，与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，且本实施例与上述实施例具有相同的有益效果。

实施例五

本实施例在上述实施例基础上，进一步对血管识别方法进行了第一血管的参数模型建模步骤的完善和补充，与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。

图5是本发明实施例五提供的一种血管识别方法流程图。参见图5，该血管识别方法包括如下步骤：

s510、获取样本图像，提取样本图像中第一血管模型上至少一条第一血管的第一血管点；

s520、根据以各第一血管点为中心的预设范围内的像素灰度信息，以及各第一血管点与预设参考点的距离信息训练至少一条第一血管的参数模型；

s530、获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；

s540、获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；

s550、根据第一目标血管确定第二目标血管上的映射点，以及映射点与第一目标血管的距离；

s560、根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率；

s570、根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

其中，根据以提取的样本图像中第一血管模型上各第一血管的第一血管点为中心的预设范围内的像素灰度信息，具体可以是根据以样本图像中第一血管模型上各第一血管的第一血管点为中心的预设范围内的像素灰度的灰度值之和、灰度值之差、灰度值梯度或预设方位的灰度值大小等特征作为像素灰度信息；其中，样本图像中第一血管模型上各第一血管的第一血管点与预设参考点的距离信息，具体可以是样本图像中第一血管模型上各第一血管的第一血管点与预设器官的腔室外壁、腔室内壁或腔室重心位置处的距离值作为距离信息。

通过灰度信息以及距离信息进行血管参数模型训练，优化了第一血管的参数模型的训练，从而可以提高第二目标血管的映射点属于第一血管的参数模型的概率的准确性。

此外，在s530步骤前，还可以包括如实施例三s410-s430步骤的第一血管模型建模过程，且s410-s430步骤的第一血管模型建模过程可以在本实施例s510-s520步骤的血管参数模型建模过程之前，也可以在本实施例s510-s520步骤的血管参数模型建模过程之后，对第一血管模型建模和血管参数模型建模的先后顺序不作限定。

本实施例在上述实施例基础上，进一步对血管识别方法进行了第一血管的参数模型建模步骤的完善和补充，与上述实施例提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，且本实施例与上述实施例具有相同的有益效果。

实施例六

图6是本发明实施例六提供的一种血管识别装置结构示意图，本实施例可适用于血管识别的情况。

参见图6，本实施例中血管识别装置，包括：

模型获取模块610，用于获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；

第二目标血管提取模块620，用于获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；

距离确定模块630，用于根据第一目标血管确定第二目标血管上的映射点，以及映射点与第一目标血管的距离；

概率确定模块640，用于根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率；

第二目标血管识别模块650，用于根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

可选的，血管识别装置，还包括：

权值确定模块，用于分别获取第一目标血管上的第一血管点、第二目标血管上的第二血管点以及第一血管点的权值；根据各第二血管点与第一血管点的距离关系，从各第二血管点中选取与第一血管点对应的第二目标血管上的映射点，根据第一血管点的权值设置对应映射点的权值；

相应的，距离确定模块630，具体用于将第一血管点与对应映射点的距离作为第二目标血管上的映射点与第一目标血管的距离；

相应的，第二目标血管识别模块650，还用于根据距离和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管；或者，根据概率和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管；或者，根据距离、概率和权值确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

可选的，第二目标血管包括第二主干血管，当第二目标血管为第二主干血管时：

模型获取模块610，用于获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一主干血管，获取第一主干血管的参数模型；

第二目标血管提取模块620，用于获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二主干血管进行提取；

距离确定模块630，用于根据第一主干血管确定第二主干血管上的映射点，以及映射点与第一主干血管的距离；

概率确定模块640，用于根据第一主干血管的参数模型，确定映射点属于第一主干血管的参数模型的概率；

第二目标血管识别模块650，用于根据距离和概率确定第二主干血管为第一主干血管的相似值，并根据相似值识别第二主干血管。

可选的，第二目标血管包括第二主干血管，当第二目标血管为第二主干血管时，可以在根据相似值从各第二主干血管中识别血管模型的主干血管之后，进行第二血管模型各第二分支血管的识别：

第二目标血管提取模块620，用于将第二血管模型中与识别后的第二主干血管相连的各第二血管提取为第二分支血管；

距离确定模块630，用于根据第一分支血管确定第二分支血管上的映射点，以及映射点与第一分支血管的距离；

概率确定模块640，用于根据第一分支血管的参数模型，确定映射点属于第一分支血管的参数模型的概率；

第二目标血管识别模块650，用于根据距离和概率确定各第二分支血管为各第一分支血管的相似值，根据匈牙利算法对各第二分支血管为各第一分支血管的相似值进行运算，根据运算结果识别各第二分支血管。

可选的，第二目标血管识别模块650，具体用于：

判断各第二分支血管为第二血管模型的各分支血管的相似值是否大于等于预设阈值；若是，则根据匈牙利算法对各第二分支血管为各第一分支血管的相似值进行运算，根据运算结果识别各第二分支血管。

此外，第二目标血管识别模块650，还可以用于判断各第二主干血管为第一主干血管的相似值是否大于等于预设阈值；若是，则根据相似值识别第二主干。

可选的，血管识别装置，还包括：

初始第一血管模型确定模块，用于获取样本图像，对样本图像中各血管名称进行标记，得到初始第一血管模型；

第一血管模型确定模块，用于将至少一个初始第一血管模型转化至同一坐标系中，根据至少一个初始第一血管模型确定第一血管模型；

第一血管点权值设置模块，用于标记第一血管模型上至少一条第一血管的第一血管点，设置各第一血管点的权值。

可选的，设置各血管的血管点的权值，包括：根据各第一血管点与血管根节点间的距离设置各第一血管点的权值，其中各第一血管点与血管根节点间的距离与各第一血管点的权值正相关。

可选的，血管识别装置，还包括：

第一血管点提取模块，用于获取样本图像，提取样本图像中第一血管模型上至少一条第一血管的第一血管点；

参数模型确定模块，用于根据以各第一血管点为中心的预设范围内的像素灰度信息，以及各第一血管点与预设参考点的距离信息训练至少一条第一血管的参数模型。

本实施例提供的血管识别装置，与实施例一至五提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见实施例一至五，并且本实施例与实施例一至五具有相同的有益效果。

实施例七

本实施例提供了一种终端，可以用于血管识别的情况。图7是本发明实施例七提供的一种终端的结构示意图。参见图7，该终端包括：

一个或多个处理器710；

存储器720，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器710执行，使得一个或多个处理器710实现如实施例一至五提出的血管识别方法。其中，当一个或多个程序被一个或多个处理器710执行，使得一个或多个处理器710主要实现如下方法：

获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；根据第一目标血管确定第二目标血管上的映射点，以及映射点与第一目标血管的距离；根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率；根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

图7中以一个处理器710为例；处理器710和存储器720可以通过总线或其他方式连接，图7中以通过总线连接为例。

存储器720作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的血管识别方法对应的程序指令/模块。处理器710通过运行存储在存储器720中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的血管识别方法。

存储器720可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器720可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器720可进一步包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本实施例提出的终端与实施例一至五提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见实施例一至五，并且本实施例与实施例一至五具有相同的有益效果。

实施例八

本实施例提供一种可读介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一至五提出的血管识别方法。其中，可读介质中存储的程序被处理器执行时，可以使处理器主要实现如下方法：

获取第一血管模型，从第一血管模型的至少一条第一血管中确定第一目标血管，获取第一目标血管的参数模型；获取待识别图像，利用第一血管模型对待识别图像进行定位，确定待识别图像对应的第二血管模型，并对第二血管模型中的第二目标血管进行提取；根据第一目标血管确定第二目标血管上的映射点，以及映射点与第一目标血管的距离；根据第一目标血管的参数模型，确定映射点属于第一目标血管的参数模型的概率；根据距离和概率确定第二目标血管为第一目标血管的相似值，并根据相似值识别第二目标血管。

本实施例提出的可读介质与实施例一至五提出的血管识别方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见实施例一至五，并且本实施例与实施例一至五具有相同的有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。