基于X射线衰减建模与频域解耦的自监督血管造影图分割方法

本公开涉及一种基于X射线衰减建模与频域解耦的自监督血管造影图分割方法，解决现有血管分割模型在真实临床场景中准确性、鲁棒性与通用性不足的问题。本方法先渲染模拟血管的径向亮度梯度和真实的解剖形态，使生成的血管具有逼真且可解释的视觉特征，之后精确提取真实造影背景的低频信息与血管的高频特征；再基于X射线衰减率的乘积关系进行跨域信息融合，确保合成图像物理层面的严谨性；最后通过模拟不同造影剂浓度下的动态衰减变化并施加一致性正则化约束，实现血管几何形态特征与其对比度特征的解耦。实验表明，血管感知合成学习能够显著减少分割错误，并捕捉到更多的血管细节。