一种血栓图像的生成方法、装置、存储介质及电子设备与流程

本说明书涉及计算机，尤其涉及一种血栓图像的生成方法、装置、存储介质及电子设备。

背景技术：

1、随着科技的发展，急性缺血性脑卒中得到广泛关注，一般是采用ct血管造影(computed tomography angiography，简称cta)技术，筛查急性缺血性脑卒中。

2、目前，先采用cta技术，对患者进行检查，得到患者的医学图像。再通过机器学习模型，确定医学图像中血栓的位置，为后续取栓提供参考，以提高取栓的成功率。训练机器学习模型需要大量的包含血栓的医学图像，即血栓图像。但，实际上，血栓图像的数量比较少，血栓图像收集比较困难。因此，如何生成血栓图像是一个亟待解决的问题。

3、基于此，本说明书中提供一种血栓图像的生成方法。

技术实现思路

1、本说明书提供一种血栓图像的生成方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

2、本说明书采用下述技术方案：

3、本说明书提供一种血栓图像的生成方法，包括：

4、获取患者的医学图像；

5、去除所述医学图像中的血管，得到第一图像；

6、将所述第一图像输入补全模型，以通过所述补全模型，向所述第一图像中添加指定类型的血栓图像，得到模拟血栓图像；其中，所述补全模型为根据掩码样本图像以及完整样本图像训练得到的模型。

7、可选地，去除所述医学图像中的血管，得到第一图像，具体包括：

8、对所述医学图像进行血管分割，确定血管分割结果；

9、依据所述血管分割结果，去除所述医学图像中的血管，得到第二图像；

10、确定去除的血管在所述医学图像中的位置；

11、以所述位置为中心，对所述第二图像进行剪裁，得到第一图像。

12、可选地，所述补全模型包括血栓增强阳性模型；

13、将所述第一图像输入补全模型，以通过所述补全模型，向所述第一图像中添加指定类型的血栓图像，得到模拟血栓图像，具体包括：

14、将所述第一图像输入血栓增强阳性模型，以通过所述血栓增强阳性模型，向所述第一图像中添加第一类型的血栓图像，得到模拟血栓图像；其中，所述第一类型的血栓图像的亨氏单位值大于预设阈值。

15、可选地，所述补全模型包括血栓增强阴性模型；

16、将所述第一图像输入补全模型，以通过所述补全模型，向所述第一图像中添加指定类型的血栓图像，得到模拟血栓图像，具体包括：

17、将所述第一图像输入血栓增强阴性模型，以通过所述血栓增强阴性模型，向所述第一图像中添加第二类型的血栓图像，得到模拟血栓图像；其中，所述第二类型的血栓图像的亨氏单位值不大于预设阈值。

18、可选地，所述补全模型包括生成网络以及判别网络；

19、获取补全模型，具体包括：

20、获取历史上收集的患者的医学图像，并作为完整样本图像；

21、去除所述完整样本图像中指定尺寸的图像，得到掩码样本图像；

22、将所述掩码样本图像输入初始补全模型中的生成网络，确定模拟图像；

23、将所述模拟图像输入所述初始补全模型中的判别网络，确定判别结果；

24、根据所述判别结果、所述模拟图像以及所述完整样本图像，对所述初始补全模型进行训练。

25、可选地，所述方法还包括：

26、确定所述模拟血栓图像的亨氏单位值；

27、按照预设权重，对所述模拟血栓图像的亨氏单位值进行调整，得到与所述模拟血栓图像的亨氏单位值不同的图像。

28、可选地，所述方法还包括：

29、将所述模拟血栓图像作为训练样本，以及将所述模拟血栓图像中血栓的位置作为所述训练样本的标注；

30、根据所述训练样本以及所述标注，对初始血栓分割模型进行训练；血栓分割模型用于根据患者的医学图像，确定所述医学图像中血栓的位置。

31、可选地，根据所述训练样本以及所述标注，对初始血栓分割模型进行训练，具体包括：

32、根据所述训练样本以及所述标注，对初始血栓分割模型进行训练，得到初始第一模型；

33、获取历史上收集的患者的医学图像为标准样本，以及确定所述标准样本对应的标注；

34、根据所述标准样本以及所述标准样本的标注，对所述初始第一模型进行训练，得到血栓分割模型。

35、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述血栓图像的生成方法。

36、本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述血栓图像的生成方法。

37、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

38、本说明书提供的血栓图像的生成方法中，获取患者的医学图像，去除医学图像中的血管，得到第一图像。然后，将第一图像输入补全模型，以通过补全模型，向第一图像中添加指定类型的血栓图像，得到模拟血栓图像。

39、从上述方法中可以看出，本方法在生成血栓图像时，先获取患者的医学图像，去除医学图像中的血管，得到第一图像。然后，将第一图像输入补全模型，以通过补全模型向第一图像中添加指定类型的血栓图像，得到模拟血栓图像。通过补全模型，向去除血管的医学图像中添加血栓图像，得到模拟血栓图像，使得可以快速地获得到大量的模拟血栓图像，从而增加训练模型的血栓图像样本，有助于后续采用大量的血栓图像样本训练模型，避免由于血栓图像样本不足造成的模型的准确性低的问题，提高训练完成的模型的输出结果的准确性，以提高取栓的成功率。

技术特征：

1.一种血栓图像的生成方法，包括：

2.如权利要求1所述的方法，去除所述医学图像中的血管，得到第一图像，具体包括：

3.如权利要求1所述的方法，所述补全模型包括血栓增强阳性模型；

4.如权利要求1所述的方法，所述补全模型包括血栓增强阴性模型；

5.如权利要求1所述的方法，所述补全模型包括生成网络以及判别网络；

6.如权利要求1所述的方法，所述方法还包括：

7.如权利要求1所述的方法，所述方法还包括：

8.如权利要求7所述的方法，根据所述训练样本以及所述标注，对初始血栓分割模型进行训练，具体包括：

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～8任一项所述的方法。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～8任一项所述的方法。

技术总结
本说明书公开了一种血栓图像的生成方法、装置、存储介质及电子设备，所述方法包括：获取患者的医学图像，去除医学图像中的血管，得到第一图像。然后，将第一图像输入补全模型，以通过补全模型向第一图像中添加指定类型的血栓图像，得到模拟血栓图像。通过补全模型，向去除血管的医学图像中添加血栓图像，得到模拟血栓图像，从而增加了包含血栓的图像，进而增加了血栓图像样本，有助于后续训练机器学习模型，以提高取栓的成功率。

技术研发人员：李彤,刘姗姗,江鹏博,吴迪嘉,曹晓欢
受保护的技术使用者：上海联影智能医疗科技有限公司
技术研发日：
技术公布日：2024/5/16