一种从造影图像中全自动血管分割与狭窄检测的方法

冠状动脉疾病是心血管领域最为普遍的一种疾病，也是全球范围内导致死亡的重要因素之一，通过对冠脉造影图像进行血管分割和狭窄检测，医生能够更精确地诊断冠心病。本发明提出了一种全新的深度学习架构SAM‑VMNet，该模型结合了MedSAM强大的特征提取能力和VM‑UNet的视觉状态空间模型具有线性复杂度的优势，使其具有比Transformer更快的推理速度，更强的数据处理能力，实现了对冠脉造影图像更高的分割准确率和稳定性。并且，本发明还使用了“动态队列”捕捉血管的狭窄处，与其前后正常的血管直径对比，实现了定量的血管狭窄程度计算。本算法运行速度快，可以实现全自动的血管轮廓提取与狭窄程度检测。可被应用于临床冠心病的诊断过程中。