本公開涉及一種提取肺栓塞圖像的方法、裝置、存儲介質及電子設備，以準確提取肺栓塞圖像。該方法包括：獲取肺動脈CT血管造影的3D圖像，并提取3D圖像中的肺動脈血管樹圖像；對肺動脈血管樹圖像進行分割，得到對應于肺葉與肺段部位的第一肺動脈血管圖像和對應于肺門與肺中縱隔部位的第二肺動脈血管圖像；對第一肺動脈血管圖像和第二肺動脈血管圖像分別進行連通組件分析，得到第一候選肺栓塞圖像集合和第二候選肺栓塞圖像集合；將每一第一候選肺栓塞圖像的第一圖像特征參數輸入第一分類器，將每一第二候選肺栓塞圖像的第二圖像特征參數輸入第二分類器，得到第一分類器和第二分類器分別篩選出的肺栓塞圖像。

技術領域

本公開涉及圖像處理技術領域，具體地，涉及一種提取肺栓塞圖像的方法、裝置、存儲介質及電子設備。

背景技術

肺栓塞(pulmonary embolism，簡稱PE)是指因體循環的各種栓子脫落阻塞肺動脈及其分支而引發肺循環障礙的臨床病理生理綜合征。肺栓塞患者會突發不明原因的虛脫、面色蒼白、出冷汗、呼吸困難、胸痛、咳嗽等癥狀，以及伴有腦缺氧癥狀如表現為極度焦慮不安、倦怠、惡心、抽搐、昏迷。肺栓塞是高發病率、高死亡率的常見病，其發病率僅次于急性心肌梗死及主動脈夾層。但是由于肺栓塞癥狀、體征的“不典型”性，因此很容易出現漏診或誤診。

目前，通過計算機技術輔助肺栓塞診斷已形成趨勢。具體地，利用計算機技術基于肺動脈CT血管造影(CTPA)圖像構建肺部血管樹并自動跟蹤肺血管，可以搜索并檢測出可疑的肺栓塞位置，進而可以輔助放射學家進行栓塞定位。但由于肺部動脈網絡的結構龐大且復雜、尺寸也因人而異，因此肺栓塞的自動化檢測具有很大挑戰性。

相關技術中，利用深度學習技術識別肺部栓塞位置。具體地，利用大量已標注栓塞區域的樣本數據訓練深度神經網絡模型，再將待識別的肺動脈CT血管造影3D圖像(CTPA)輸入訓練好的深度神經網絡模型中，得到該訓練好的深度神經網絡模型輸出的肺部栓塞識別結果。但是這種方式需要大量已標注栓塞區域的樣本數據，而人工標注栓塞區域的工作量巨大。并且，種類豐富的CTPA圖像樣本也難以收集。

發明內容

本公開的目的是提供一種提取肺栓塞圖像的方法、裝置、存儲介質及電子設備，以解決相關技術中存在的問題，進而實現從肺動脈CT血管造影的3D圖像中準確提取肺栓塞圖像的目的。

為了實現上述目的，本公開實施例的第一部分提供一種提取肺栓塞圖像的方法，所述方法包括：

獲取肺動脈CT血管造影的3D圖像，并提取所述3D圖像中的肺動脈血管樹圖像；

對所述肺動脈血管樹圖像進行分割，得到對應于肺葉與肺段部位的第一肺動脈血管圖像，以及對應于肺門與肺中縱隔部位的第二肺動脈血管圖像；

對所述第一肺動脈血管圖像和所述第二肺動脈血管圖像分別進行連通組件分析，得到對應于所述第一肺動脈血管圖像的第一候選肺栓塞圖像集合以及對應于所述第二肺動脈血管圖像的第二候選肺栓塞圖像集合；

將所述第一候選肺栓塞圖像集合中每一第一候選肺栓塞圖像的第一圖像特征參數輸入第一分類器，將所述第二候選肺栓塞圖像集合中每一第二候選肺栓塞圖像的第二圖像特征參數輸入第二分類器，得到所述第一分類器和所述第二分類器分別篩選出的肺栓塞圖像。

可選地，對所述第一肺動脈血管圖像進行連通組件分析，得到對應于所述第一肺動脈血管圖像的第一候選肺栓塞圖像集合，包括：

根據第一目標灰度值區間對所述第一肺動脈血管圖像進行分割，得到第一肺栓塞圖像，其中，所述第一肺栓塞圖像中每一體素的灰度值處于所述第一目標灰度值區間；

對所述第一肺栓塞圖像進行連通組件分析，得到所述第一肺栓塞圖像的至少一個連通組件，并將該至少一個連通組件中的體素數量大于第一預設閾值的連通組件對應的圖像均作為所述第一候選肺栓塞圖像，得到所述第一候選肺栓塞圖像集合。