本披露一般涉及血管分割。更具体地，本披露涉及一种用于对分割血管的分割模型进行训练的方法、设备和计算机可读存储介质。进一步地，本技术还涉及一种用于对血管进行分割的方法、设备和计算机可读存储介质。
背景技术：
1、数字减影血管造影(digita lsubtraction angiography，dsa)是各种血管疾病筛查与诊断的金标准。然而dsa是一种有创的检查方法，需要在局部麻醉下将一根细管插入动脉，经过注射造影剂后，使用x光影像来观察血管内部情况，包括血管的形态、血流情况以及是否存在动脉瘤等。其他无创的检查方法，如电子计算机断层扫描(computed tomography，ct)、磁共振成像(magnetic resonance imaging，mri)等，相对于dsa，对血管的成像效果没有dsa那样准确，特别是一些血流缓慢的部位，成像效果无法保证。
2、静音磁共振成像(silent mri，smri)基于传统mri的成像原理，利用高强度磁场和无线电波激发体内氢原子核，使之发生共振并释放能量，形成图像。其“静音”特性主要通过采用特殊序列设计、快速扫描技术和主动噪声控制机制，大幅度降低了扫描过程中的噪音，极大地改善了患者的检查体验，同时保持了高质量的医学影像输出。相对于传统mri，smri血管成像效果更好，但是相对于dsa，在某些血流缓慢部位，成像仍旧有偏差，从而导致smri图像的血管分割结果的准确度较低，很难达到dsa图像的血管分割结果的准确水平。
3、有鉴于此，亟需提供一种用于对分割血管的分割模型进行训练的方案，以便提高smri图像的血管分割结果的准确度。
技术实现思路
1、为了至少解决如上所提到的一个或多个技术问题，本披露在多个方面中提出了用于对分割血管的分割模型进行训练的方案。
2、在一个方面中，本披露提供了一种用于对分割血管的分割模型进行训练的方法，包括：获取包含血管的第一静音核磁图像、第一减影血管造影图像和第二静音核磁图像；其中所述第一静音核磁图像与所述第一减影血管造影图像来自同一采集对象；对所述第一静音核磁图像和第一减影血管造影图像进行图像配准，获得第一血管分割结果；对所述第二静音核磁图像进行血管分割，获得第二血管分割结果；将所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像和所述第二血管分割结果作为训练数据输入至所述分割模型中，以对其进行训练。
3、在一些实施例中，其中对所述第二静音核磁图像进行血管分割，获得第二血管分割结果包括：将所述第二静音核磁图像输入生成模型中，对所述第二静音核磁图像进行图像转化，获得第二减影血管造影图像；其中所述生成模型是利用第一卷积神经网络进行训练获得的模型；将所述第二减影血管造影图像输入减影血管造影分割模型中，对所述第二减影血管造影图像进行分割，获得第二血管分割结果；其中所述减影血管造影分割模型是利用第二卷积神经网络进行训练获得的模型。
4、在一些实施例中，其中利用第一卷积神经网络进行训练获得所述生成模型包括：对所述第一静音核磁图像和所述第一减影血管造影图像进行图像类型标注，以形成图像标签；将所述第一静音核磁图像、所述第一减影血管造影图像和所述图像标签作为训练数据输入至所述第一卷积神经网络中，以对所述第一卷积神经网络进行训练，获得所述生成模型。
5、在一些实施例中，其中利用第二卷积神经网络进行训练获得所述减影血管造影分割模型包括：获取包含血管的第三减影血管造影图像；在所述第三减影血管造影图像中进行血管标注，以形成血管标注信息；将所述第三减影血管造影图像和所述血管标注信息作为训练数据输入至所述第二卷积神经网络中，以对所述第二卷积神经网络进行训练，获得所述减影血管造影分割模型。
6、在一些实施例中，其中将所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像和所述第二血管分割结果输入至分割模型之前，还包括：将所述第三减影血管造影图像输入所述生成模型中，对所述第三减影血管造影图像进行图像转化，获得第三静音核磁图像，以及将所述血管标注信息作为第三血管分割结果。
7、在一些实施例中，其中将所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像和所述第二血管分割结果输入至分割模型之前，还包括：对所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像、所述第二血管分割结果、所述第三静音核磁图像和所述第三血管分割结果执行格式转换操作、尺寸调整操作和数据增强操作中一种或者多种操作，以对所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像、所述第二血管分割结果、所述第三静音核磁图像和所述第三血管分割结果进行预处理。
8、在一些实施例中，上述方法还包括：将所述第三静音核磁图像和所述第三血管分割结果作为训练数据输入至所述分割模型中，以对其进行训练。
9、在一些实施例中，所述分割模型包括u-net模型、fp-net模型和psp-net模型中一种。
10、在另一方面中，本披露提供一种用于对分割血管的分割模型进行训练的设备，包括：
11、处理器；以及存储器，其存储有用于对分割血管的分割模型进行训练的程序指令，当所述程序执行由处理器执行时，使得实现前述第一方面中的多个实施例。
12、在又一个方面中，本披露提供一种用于对血管进行分割的方法，包括：获取包含血管的待分割的静音核磁图像；将所述待分割的静音核磁图像输入至根据前述第一方面中的多个实施例训练完成的分割模型中进行血管分割操作，以输出包含血管轮廓的血管分割结果。
13、在又一个方面中，本披露提供一种对血管进行分割的设备，包括：处理器；以及存储器，其存储有用于对血管进行分割的程序指令，当所述程序执行由处理器执行时，使得实现前述第三方面中的多个实施例。
14、在又一个方面中，本披露提供一种计算机可读存储介质，其上存储用于对分割血管的分割模型进行训练的和用于对血管进行分割的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现前述第一方面中的多个实施例以及第三方面中的多个实施例。
15、通过如上所提供的用于对分割血管的分割模型进行训练的方案，本披露实施例先获取包含血管的第一静音核磁图像、第一减影血管造影图像和第二静音核磁图像，且第一静音核磁图像与第一减影血管造影图像来自同一采集对象，接着对第一静音核磁图像和第一减影血管造影图像进行图像配准，获得第一血管分割结果，对第二静音核磁图像进行血管分割，获得第二血管分割结果，然后将第一静音核磁图像、第一血管分割结果、第二静音核磁图像和第二血管分割结果作为训练数据输入至分割模型中，以对其进行训练。基于此，本技术实施例通过将第一静音核磁图像、第一血管分割结果、第二静音核磁图像和第二血管分割结果作为训练数据输入至分割模型中，以对其进行监督训练，使得分割模型能够从训练数据中习得静音核磁图像所包含的血管的特征信息，进而能够对静音核磁图像中的血管进行准确分割，有助于提高分割模型的分割准确度。后续通过利用本技术实施例训练完成的分割模型对静音核磁图像进行分割时，可以提高血管分割结果的精度，提升基于静音核磁图像的血管分割结果的准确水平。进一步，本技术实施例还可以通过将第二静音核磁图像输入生成模型中，对第二静音核磁图像进行图像转化，获得第二减影血管造影图像，然后将第二减影血管造影图像输入减影血管造影分割模型中，对第二减影血管造影图像进行分割，获得准确度更高的第二血管分割结果，将准确度更高的第二血管分割结果用于分割模型的训练，能进一步提高分割模型的精度。
1.一种用于对分割血管的分割模型进行训练的方法，包括：
2.根据权利要求1所述的方法，其中对所述第二静音核磁图像进行血管分割，获得第二血管分割结果包括：
3.根据权利要求2所述的方法，其中利用第一卷积神经网络进行训练获得所述生成模型包括：
4.根据权利要求3所述的方法，其中利用第二卷积神经网络进行训练获得所述减影血管造影分割模型包括：
5.根据权利要求4所述的方法，其中将所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像和所述第二血管分割结果输入至分割模型之前，还包括：
6.根据权利要求5所述的方法，其中将所述第一静音核磁图像、所述第一血管分割结果、所述第二静音核磁图像和所述第二血管分割结果输入至分割模型之前，还包括：
7.根据权利要求6所述的方法，还包括：
8.根据权利要求1-7任意一项所述的方法，所述分割模型包括u-net模型、fp-net模型和psp-net模型中一种。
9.一种用于对分割血管的分割模型进行训练的设备，包括：
10.一种用于对血管进行分割的方法，包括：
11.一种用于对血管进行分割的设备，包括：
12.一种计算机可读存储介质，其实存储有用于对分割血管的分割模型进行训练的和用于对血管进行分割的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如权利要求1-8任意一项所述的方法以及根据权利要求10所述的方法。
