本发明涉及医疗图像处理领域，具体地，涉及dsa影像中介入式医疗器械头端形态追踪方法和系统，更为具体地，涉及基于yolo模型实现在dsa影像下识别和追踪介入式医疗器械头端位置和姿态的方法、系统、电子设备及存储介质。
背景技术：
1、介入式医疗器械在现代医学中扮演着重要角色，特别是在血管介入手术中。在介入手术中，医生需要准确地控制器械头端的位置和姿态，以确保手术的成功。然而，由于器械头端的小尺寸和复杂形状，常常难以在dsa影像中准确地识别和追踪器械头端，给医生带来了一定的困扰。
2、专利文献cn101809618a(申请号：200880109636.2)公开了一种用于改进电生理学程序中所使用的介入工具的可见性和支持对这些工具的自动探测和跟踪的图像处理和绘制系统以及方法。通过以下步骤实现的：计算操作前采集的3d体素体积的2d投影图像数据与操作中记录的2d荧光图像之间的差异，所述操作前采集的3d体素体积显示患者的身体组织中的特定感兴趣解剖区域或病理异常(例如颅内动脉狭窄、脑动脉瘤、肺或冠状动脉分支、胃癌或瘤等)，所述操作中记录的2d荧光图像显示所述患者的身体内部的前述对象，其中，所述3d体素体积已经在基于图像采集程序的计算机断层摄影、磁共振成像或3d旋转血管造影的范围内生成，且所述2d荧光图像已经与2d投影图像数据共同配准。在配准所投影的3d数据和每个所述x射线图像后，对2d投影图像数据和2d荧光图像的比较——基于所得到的差异图像——允许去除公共图案并因此增强被插入到病理组织区域内的介入器械、血管段或患者身体内的任何其他感兴趣区域的可见性。该方法的缺点包括：需要大量的计算和处理资源。3d到2d的映射，2d图像的配准，及差异图像的计算等步骤可能需要高性能的计算机系统来执行，对于资源有限的环境来说，可能是一个挑战。此外，2d和3d图像之间的配准准确性对于图像质量和工具可视性至关重要。配准错误可能导致图像失真，使介入工具的跟踪更困难，并可能影响手术的精确性。
3、在实际应用中，对于患者的运动或x射线成像系统的几何形状变化的补偿可能是一个挑战。实时动态调整并保持准确的图像配准可能非常复杂。
技术实现思路
1、针对现有技术中的缺陷，本发明的目的是提供一种dsa影像中介入式医疗器械头端形态追踪方法及系统。
2、根据本发明提供的一种dsa影像中介入式医疗器械头端形态追踪方法，包括：
3、步骤s1：从影像数据库中获取dsa造影相关的数据集，并根据预设筛选标准剔除不符合标准的数据集；
4、步骤s2：对采集到的dsa影像数据进行预处理，并对预处理后的dsa影像数据进行标注；
5、步骤s3：构建介入式医疗器械头端追踪模型，并利用预处理后的dsa影像数据对介入式医疗器械头端追踪模型进行训练，得到训练后的介入式医疗器械头端追踪模型；
6、步骤s4：利用训练后的介入式医疗器械头端追踪模型实现dsa影像中介入式医疗器械头端的自动识别和追踪；
7、所述介入式医疗器械头端追踪模型是基于yolo深度学习算法实现dsa影像中介入式医疗器械头端的自动识别和追踪。
8、优选地，所述步骤s1采用：基于获取的dsa造影相关的数据集将包括器械头端不清晰的、器械头端和骨骼特征重叠的、不同类别器械头端特征重合的、器械头端被overlay遮挡的、器械头端被造影剂遮挡的以及器械头端显影不清楚的剔除。
9、优选地，所述步骤s2采用：
10、步骤s2.1：对采集到的dsa影像数据进行预处理，包括：图像增强以及去噪处理。
11、步骤s2.2：对预处理后的dsa影像数据使用labelimg工具进行标注；按照介入式医疗器械种类分别进行标注。
12、优选地，所述步骤s2.2采用：对不同器械采用不同大类别进行分类，对不同器械的姿态朝向采用小类别进行分类；
13、所述大类别包括：导管、导丝、支架以及球囊；
14、导管大类别包括：导管姿态朝左、导管姿态朝右以及导管姿态非标准小类别；
15、导丝大类别包括：导丝姿态朝左、导丝姿态朝右以及导丝姿态非标准小类别；
16、支架大类别包括：支架姿态朝左、支架姿态朝右以及支架姿态非标准小类别；
17、球囊大类别包括：球囊姿态朝左、球囊姿态朝右以及球囊姿态非标准小类别。
18、优选地，所述步骤s2.2采用：对三个识别点，包括：器械头端、器械头端的弯型弯点以及器械头端和器械主体的分界点分别进行标注。
19、根据本发明提供的一种dsa影像中介入式医疗器械头端追踪系统，包括：
20、模块m1：从影像数据库中获取dsa造影相关的数据集，并根据预设筛选标准剔除不符合标准的数据集；
21、模块m2：对采集到的dsa影像数据进行预处理，并对预处理后的dsa影像数据进行标注；
22、模块m3：构建介入式医疗器械头端追踪模型，并利用预处理后的dsa影像数据对介入式医疗器械头端追踪模型进行训练，得到训练后的介入式医疗器械头端追踪模型；
23、模块m4：利用训练后的介入式医疗器械头端追踪模型实现dsa影像中介入式医疗器械头端的自动识别和追踪；
24、所述介入式医疗器械头端追踪模型是基于yolo深度学习算法实现dsa影像中介入式医疗器械头端的自动识别和追踪。
25、优选地，所述模块m1采用：基于获取的dsa造影相关的数据集将包括器械头端不清晰的、器械头端和骨骼特征重叠的、不同类别器械头端特征重合的、器械头端被overlay遮挡的、器械头端被造影剂遮挡的以及器械头端显影不清楚的剔除。
26、优选地，所述模块m2采用：
27、模块m2.1：对采集到的dsa影像数据进行预处理，包括：图像增强以及去噪处理。
28、模块m2.2：对预处理后的dsa影像数据使用labelimg工具进行标注；按照介入式医疗器械种类分别进行标注。
29、优选地，所述模块m2.2采用：对不同器械采用不同大类别进行分类，对不同器械的姿态朝向采用小类别进行分类；
30、所述大类别包括：导管、导丝、支架以及球囊；
31、导管大类别包括：导管姿态朝左、导管姿态朝右以及导管姿态非标准小类别；
32、导丝大类别包括：导丝姿态朝左、导丝姿态朝右以及导丝姿态非标准小类别；
33、支架大类别包括：支架姿态朝左、支架姿态朝右以及支架姿态非标准小类别；
34、球囊大类别包括：球囊姿态朝左、球囊姿态朝右以及球囊姿态非标准小类别。
35、优选地，所述模块m2.2采用：对三个识别点，包括：器械头端、器械头端的弯型弯点以及器械头端和器械主体的分界点分别进行标注。
36、与现有技术相比，本发明具有如下的有益效果：
37、1、本发明通过使用yolo深度学习算法，实现了介入式医疗器械头端的自动化追踪，能够在dsa影像中对介入式医疗器械头端进行准确的识别和姿态追踪，提高了医生在介入手术中的工作效率和准确性；
38、2、本发明通过对yolo算法的优化，包括数据筛选标准和器械分类标准等处理，使得模型的精度更高、泛化能力更好，适用于不同类别的介入式医疗器械和不同头端姿态的介入式医疗器械；
39、3、本发明的方法简单易行，可以通过嵌入式等硬件技术，方便地将本方法应用于实际的dsa影像中，具有广泛的医用前景。
1.一种dsa影像中介入式医疗器械头端形态追踪方法，其特征在于，包括：
2.根据权利要求1所述的dsa影像中介入式医疗器械头端形态追踪方法，其特征在于，所述步骤s1采用：基于获取的dsa造影相关的数据集将包括器械头端不清晰的、器械头端和骨骼特征重叠的、不同类别器械头端特征重合的、器械头端被overlay遮挡的、器械头端被造影剂遮挡的以及器械头端显影不清楚的剔除。
3.根据权利要求1所述的dsa影像中介入式医疗器械头端形态追踪方法，其特征在于，所述步骤s2采用：
4.根据权利要求3所述的dsa影像中介入式医疗器械头端形态追踪方法，其特征在于，所述步骤s2.2采用：对不同器械采用不同大类别进行分类，对不同器械的姿态朝向采用小类别进行分类；
5.根据权利要求3所述的dsa影像中介入式医疗器械头端形态追踪方法，其特征在于，所述步骤s2.2采用：对三个识别点，包括：器械头端、器械头端的弯型弯点以及器械头端和器械主体的分界点分别进行标注。
6.一种dsa影像中介入式医疗器械头端追踪系统，其特征在于，包括：
7.根据权利要求6所述的dsa影像中介入式医疗器械头端追踪系统，其特征在于，所述模块m1采用：基于获取的dsa造影相关的数据集将包括器械头端不清晰的、器械头端和骨骼特征重叠的、不同类别器械头端特征重合的、器械头端被overlay遮挡的、器械头端被造影剂遮挡的以及器械头端显影不清楚的剔除。
8.根据权利要求6所述的dsa影像中介入式医疗器械头端追踪系统，其特征在于，所述模块m2采用：
9.根据权利要求8所述的dsa影像中介入式医疗器械头端追踪系统，其特征在于，所述模块m2.2采用：对不同器械采用不同大类别进行分类，对不同器械的姿态朝向采用小类别进行分类；
10.根据权利要求8所述的dsa影像中介入式医疗器械头端追踪系统，其特征在于，所述模块m2.2采用：对三个识别点，包括：器械头端、器械头端的弯型弯点以及器械头端和器械主体的分界点分别进行标注。
