[發明專利]CTA到MRA跨模態預測的頸動脈斑塊識別方法及系統

有效

• 申請號: 202010523637.4
• 申請日: 2020-06-10
• 公開（公告）號: CN111667478B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 耿道穎;于澤寬;張軍;尹波;李郁欣;吳昊;耿巖;胡斌;楊麗琴;張曉龍;狄若愚
• 申請（專利權）人: 復影（上海）醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/33;G06T7/73;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于CTA到MRA跨模態預測的頸動脈斑塊識別方法，其特征在于，包括以下步驟：

數據收集步驟：收集配對的頸動脈CTA和MRA圖像數據；

斑塊分割及模型訓練步驟：先進行CTA和MRA頸動脈管腔的定位，然后進行頸動脈斑塊的分割，獲得CTA和MRA的斑塊區域圖像，將CTA和MRA的斑塊區域圖像送到pix2pix或者cycle-GAN網絡進行訓練，獲得初步訓練后的模型；

模型增強訓練步驟：設計生成式對抗網絡GAN進行CTA和MRA數據擴增，對初步訓練后的模型進一步訓練，獲得最終訓練后的模型；

斑塊識別步驟：根據配對輸入的頸動脈斑塊圖像，通過獲得的最終訓練后的模型對新的CTA圖像進行跨模態融合預測。

2.根據權利要求1所述的基于CTA到MRA跨模態預測的頸動脈斑塊識別方法，其特征在于，所述斑塊分割及模型訓練步驟包括：

圖像分割步驟、模型訓練步驟；

所述圖像分割步驟：

進行級聯頸動脈管腔、斑塊一體化分割算法設計，包括：

對于整個頭頸部CTA掃描圖像，使用語義分割算法先對管腔區域進行分割，以頸動脈管腔區域作為感興趣區域再對斑塊進行分割，提高頸動脈斑塊區域識別正確率；

在頸動脈斑塊分割方面，采用基于生成式對抗網絡進行數據擴增來提高分割精度的方法；

在斑塊成分檢測方面，利用跨模態融合預測方法提升斑塊圖像質量；

所述斑塊分割步驟中采用3D?U-Net進行三維圖像分割；

所述模型訓練步驟：

首先將CTA和MRA影像進行配準，之后根據分割獲得的CTA和MRA的斑塊區域圖像，對斑塊區域使用pix2pix或者cycle-GAN網絡構建CTA跨模態生成MRA模型，獲得初步訓練后的模型。

3.根據權利要求1所述的基于CTA到MRA跨模態預測的頸動脈斑塊識別方法，其特征在于，所述模型增強訓練步驟：

設計生成式對抗網絡GAN進行CTA和MRA數據擴增，通過生成大量的近似分布樣本使數據特征分布空間更大，通過生成式對抗網絡GAN算法提高小樣本分割正確率，同時基于獲得的初步訓練后的模型，進行頸動脈斑塊CTA到MRA跨模態融合預測，挖掘多模態結構信息，進一步提高斑塊成分分析的正確率，最后使用分類網絡進行斑塊成分分類及斑塊性質穩定性預測，獲得最終訓練后的模型。

4.根據權利要求1所述的基于CTA到MRA跨模態預測的頸動脈斑塊識別方法，其特征在于，所述生成式對抗網絡GAN的網絡結構包括：

生成模型G和判別模型D；

生成模型G捕獲樣本數據分布并生成類似于真實訓練數據的樣本，其中噪聲Z服從某個分布；

判別模型D是一個二分類器，用于估計樣本來自訓練數據的概率；

所述訓練數據指非生成數據；

所述分布包括：高斯分布、隨機分布以及均勻分布。

5.根據權利要求1所述的基于CTA到MRA跨模態預測的頸動脈斑塊識別方法，其特征在于，所述斑塊識別步驟：

根據配對輸入的頸動脈斑塊圖像，通過最終訓練后的模型生成跨模態生成的MRA斑塊影像，以斑塊MRA檢查所示斑塊內成分作為斑塊特征標簽，對跨模態生成的MRA斑塊影像進行斑塊組成成分分類預測。

6.一種基于CTA到MRA跨模態預測的頸動脈斑塊識別系統，其特征在于，包括以下模塊：

數據收集模塊：收集配對的頸動脈CTA和MRA圖像數據；

斑塊分割及模型訓練模塊：先進行CTA和MRA頸動脈管腔的定位，然后進行頸動脈斑塊的分割，獲得CTA和MRA的斑塊區域圖像，將CTA和MRA的斑塊區域圖像送到pix2pix或者cycle-GAN網絡進行訓練，獲得初步訓練后的模型；

模型增強訓練模塊：設計生成式對抗網絡GAN進行CTA和MRA數據擴增，對初步訓練后的模型進一步訓練，獲得最終訓練后的模型；

斑塊識別模塊：根據配對輸入的頸動脈斑塊圖像，通過獲得的最終訓練后的模型對新的CTA圖像進行跨模態融合預測。