(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211332772.6 (22)申请日 2022.10.28 (71)申请人 北京医准智能科技有限公司 地址 100083 北京市海淀区知春路7号 致真 大厦A座12层1202-120 3号 (72)发明人 刘宇航　丁佳　吕晨翀　 (74)专利代理 机构 北京乐知新创知识产权代理 事务所(普通 合伙) 11734 专利代理师 王曌寅 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/50(2006.01) G06T 9/00(2006.01) G06V 10/764(2022.01) G06T 11/20(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种血管管径的预测方法、 装置、 电子设备 及存储介质 (57)摘要 本公开提供了一种血管管径的预测方法、 装 置、 电子设备及存储介质， 获取初始预测模型， 基 于样本血管的造影CTA图像， 通过初始预测模型 获取对应的增强特征图， 增强特征图为对样本血 管在长度维度的特征进行增强得到的； 通过初始 预测模型对增强特征图进行预测， 得到样本血管 的血管管径向量， 血管管径向量包括多个血管管 径值； 根据血管管径向量和标注的管径向量确定 初始预测模 型的损失， 根据损失对初始预测模型 进行优化， 直至初始预测模型收敛， 得到血管管 径预测模型； 基于待测血管的CTA图像， 通过血管 管径预测模 型获取对应的增强特征图， 并对待测 血管对应的增强特征图进行预测得到血管管径 向量； 根据待测血管的血管管径向量确定待测血 管的管径 尺寸。 权利要求书3页 说明书12页 附图6页 CN 115526887 A 2022.12.27 CN 115526887 A 1.一种血 管管径的预测方法， 其特 征在于， 获取初始预测模型， 所述方法还 包括： 基于样本血管的造影CTA图像， 通过所述初始预测模型获取对应的增强特征图， 所述增 强特征图为对样本血 管在长度维度的特 征进行增强得到的； 通过所述初始预测模型对所述增强特征图进行预测， 得到所述样本血管的血管管径向 量， 所述血 管管径向量包括多个血 管管径值； 根据所述血管管径向量和标注的管径向量确定所述初始预测模型的损失， 根据 所述损 失对所述初始预测模型进行优化， 直至所述初始预测模型收敛， 得到血 管管径预测模型； 基于待测血管的CTA图像， 通过所述血管管径预测模型获取对应的增强特征图， 并对所 述待测血 管对应的增强特 征图进行 预测得到血 管管径向量； 根据待测血 管的血管管径向量确定待测血 管的管径 尺寸。 2.根据权利要求1所述的方法， 其特征在于， 所述通过所述初始预测模型获取对应的增 强特征图， 包括： 基于所述样本血管的CTA图像， 对所述样本血管进行拉直曲面重建， 得到对应的拉直曲 面重建图像； 基于所述拉直曲面重建图像， 对所述样本血管在长度维度的特征进行增强， 得到所述 增强特征图。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述拉直曲面重建图像， 对所述 样本血管在长度维度的特 征进行增强， 得到所述增强特 征图， 包括： 对所述拉直曲面重建图像进行多层特征提取操作， 每层特征提取操作输出的特征图作 为下一层特征提取操作的输入， 第一层特征提取操作包括： 对输入的图像进行卷积操作， 其 余每层特 征提取操作包括： 对输入的图像依次进行 下采样操作和卷积 操作； 对最后一层特征提取操作输出的特征图进行多层特征融合操作， 每层特征融合操作输 出的特征融合图作为下一层特 征融合操作的输入； 所述每层特征融合操作包括： 对输入的图像进行上采样操作， 将上采样操作得到的图 像和尺寸相同的所述特征图进行拼接， 并将拼接得到的图像进行卷积操作得到特征融合 图； 最后一层特征融合操作 得到的特征融合图为所述增强特征图， 以便通过所述初始预测 模型对该增强特 征图进行 预测； 每层特征提取操作输出的特征图和每层特征融合操作输出的特征融合图中样本血管 的长度大小相同。 4.根据权利要求3所述的方法， 其特征在于， 该方法还包括： 基于所述样本血管的CTA图 像， 分别通过多个角度对所述样本血管进行拉直 曲面重建， 得到每个角度对应的拉直 曲面 重建图像， 相应的， 将所述每个角度对应的增强特征图进行融合得到所述多个角度对应的 所述增强特 征图， 以便通过 所述初始预测模型对该增强特 征图进行 预测。 5.根据权利要求3或4所述的方法， 其特征在于， 该方法还包括： 基于所述增强特征图， 对所述样本血 管通路上 特征的位置信息和上 下文信息进行增强， 包括： 将所述增强特征图输入第 一编码器中与 预设的位置特征相加进行位置编码， 以增强所 述样本血 管通路上 特征的位置信息； 将所述第一编码器输出的图像输入第 二编码器中进行全局特征提取， 以增加所述样本权　利　要　求　书 1/3 页 2 CN 115526887 A 2血管通路上 特征的上下文信息； 所述第二编码器输出的图像为对所述样本血管在长度维度的特征、 在样本血管通路上 特征的位置信息和上下文信息进 行增强的增强特征图， 以便通过初始预测模型对该增强特 征图进行 预测。 6.根据权利要求1所述的方法， 其特征在于， 所述通过所述初始预测模型对所述增强特 征图进行预测， 得到所述样本血管 的血管管径向量， 所述血管管径向量包括多个血管管径 值， 包括： 通过所述初始预测模型对所述增强特征图进行识别， 获取所述样本血管的管径最大值 max_x， 并将所述血 管的管径范围[0， max_x]均分为 k个区间； 通过所述初始预测模型对所述增强特征图进行识别， 得到所述样本血管上任一点的血 管管径， 将该点的血管管径映射于所述k个区间并将映射结果二值化， 输出该点的血管管径 向量， 所述血 管管径向量包括 k个血管管径值。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述血管管径向量和标注的管径 向量确定所述初始预测模型的损失， 根据所述损失对所述初始预测模型进行优化， 包括： 根据血管管径向量和标注的管径向量利用二值交叉熵损失函数计算损失值， 并根据损 失值对所述血 管管径范围对应的区间数量 k进行优化。 8.根据权利要求7所述的方法， 其特征在于， 所述通过所述血管管径预测模型获取对应 的增强特征图， 并对所述待测血管对应的增强特征图进行预测得到血管管径向量， 根据待 测血管的血管管径向量确定待测血 管的管径 尺寸， 包括： 利用所述血管管径预测模型对所述待测血管的增强特征图进行预测， 得到所述待测血 管上任一点的血管管径向量； 通过如下公式得到该点的血 管管径尺寸： 所述di为该点的血管管径向量中的第i个血管管径值， 所述max_X为所述待测血管的管 径最大值， K为所述血 管管径预测模型中血 管管径范围对应的区间数量。 9.一种血 管管径的预测装置， 其特 征在于， 所述装置包括： 数据处理模块， 用于基于样本血管的造影CTA图像， 通过初始预测模型获取对应的增强 特征图， 所述增强特 征图为对样本血 管在长度维度的特 征进行增强得到的； 预测模块， 用于通过所述初始预测模型对所述增强特征图进行预测， 得到所述样本血 管的血管管径向量， 所述血 管管径向量包括多个血 管管径值； 优化模块， 用于根据 所述血管管径向量和标注的管径向量确定所述初始预测模型的损 失， 根据所述损失对 所述初始预测模型进 行优化， 直至所述初始预测模型收敛， 得到血管管 径预测模型； 所述数据处理模块， 还用于基于待测血管的CTA图像， 通过所述血管管径预测模型获取 对应的增强特 征图； 所述预测模块， 还用于通过所述血管管径预测模型对所述待测血管对应的增强特征图 进行预测得到血 管管径向量。 10.一种电子设备， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115526887 A 3