[發明專利]心血管光學相干斷層OCT圖像易損斑塊自動識別方法

有效

• 申請號: 201711136466.4
• 申請日: 2017-11-16
• 公開（公告）號: CN107993221B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 牛四杰;王棟;徐榮彬;商慧杰;高鯤
• 申請（專利權）人: 濟南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06N20/20;A61B5/00;A61B5/02
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 支文彬

一種心血管光學相干斷層OCT圖像易損斑塊自動識別方法，包括如下步驟：a)采集心血管OCT圖像；b)對心血管OCT圖像進行標準化處理；c)將標準化處理后的圖像進行易損斑塊識別處理，d)采用棧式自編碼方法對樣本集構造深度學習模型：e)進行分類識別；f)采用雙線性插值方法進行笛卡爾坐標系轉換；g)將坐標系轉換后的圖像進行劃分象限；h)判斷劃分象限后的圖像中的同一個象限是否存在兩個及以上的連通區域。結合心血管OCT圖像特點，重新構造樣本數據集，克服樣本數量有限的問題。另外，學習模型往往受訓練集影響，本發明多次隨機抽取數據集中的樣本來訓練學習模型，并通過投票策略形成集成學習模型。通過大量實驗證明，該技術能夠取得較高的識別精度。

技術領域

本發明涉及圖像分析和機器學習技術領域，具體涉及一種心血管光學相干斷層OCT圖像易損斑塊自動識別方法。

背景技術

心血管疾病是導致發病和死亡的主要原因，隨著圖像分析和機器學習技術進步，心血管疾病診斷治療得到了快速發展。光學相干斷層成像技術(Optical CoherenceTomography，OCT)是一種新興的醫學成像技術，在臨床上受到了廣泛應用。該技術也在心血管成像方面得到應用，能夠區分血管壁結構，準確地顯示粥樣硬化斑塊特征，識別易損斑塊等，在心血管病變診斷、識別、治療和評估方面起到了非常重要的作用。

在冠心病介入治療前，需要發現易損斑塊、辨別紅血栓、識別鈣化斑塊范圍等。圖像的識別和解讀很大程度上依賴于醫生的經驗，而且醫生之間也存在主觀差異。心血管OCT圖像解讀比較復雜，醫生的時間占用比較多，圖像的結果不能在手術室實時地反映出來，正是因為這些問題，希望通過人工智能技術來幫助醫生精準快速的讀圖、識圖、給出病變的情況。

近幾年，深度神經網絡在人工神經網絡的研究基礎上，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據內部復雜的結構特征。深度學習在計算機視覺領域的廣泛應用促進了其在醫學圖像分析與識別的發展。而在醫學圖像分析領域，標記樣本數量有限，給深度學習用于醫學圖像分析帶來了很大挑戰。

目前，通過調查研究發現，國內外尚未出現采用人工智能技術實現心血管OCT圖像易損斑塊的自動識別技術。

發明內容

本發明為了克服以上技術的不足，提供了一種構造大量樣本的數據集，克服少量訓練樣本的問題的心血管光學相干斷層OCT圖像易損斑塊自動識別方法。

本發明克服其技術問題所采用的技術方案是：

一種心血管光學相干斷層OCT圖像易損斑塊自動識別方法，包括如下步驟：

a)采集心血管OCT圖像；

b)對心血管OCT圖像進行標準化處理；

c)將標準化處理后的圖像進行易損斑塊識別處理，將OCT圖像(I∈R^M×W)的每列分為易損斑塊和非易損斑塊，將OCT圖像每列(x∈R^M)定義為一個樣本，從而形成的數據集為：

S＝{(x_i,y_i)|x_i∈R^M,y_i∈Y,i＝1,...,N}

其中K為向量x_i對應的類標簽，M為圖像的高度，W為圖像的寬度，樣本集為X＝{x_i|i＝1,...,N}，標簽集Y＝{y_i|i＝1,...,N,y_i＝1,...,K}，N為樣本總數；

d)采用棧式自編碼方法對樣本集構造深度學習模型：

d-1)將構造的樣本集作為棧式自編碼網絡的輸入數據；