[發(fā)明專利]CTA到MRA跨模態(tài)預(yù)測的頸動脈斑塊識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010523637.4
• 申請日: 2020-06-10
• 公開（公告）號: CN111667478B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)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(quán)）人: 復(fù)影（上海）醫(yī)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(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

本發(fā)明提供了一種基于CTA到MRA跨模態(tài)預(yù)測的頸動脈斑塊識別方法，包括以下步驟：數(shù)據(jù)收集步驟：收集配對的頸動脈CTA和MRA圖像數(shù)據(jù)；斑塊分割及模型訓(xùn)練步驟：先進(jìn)行CTA和MRA頸動脈管腔的定位，然后進(jìn)行頸動脈斑塊的分割，獲得CTA和MRA的斑塊區(qū)域圖像，將CTA和MRA的斑塊區(qū)域圖像送到pix2pix或者cycle?GAN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得初步訓(xùn)練后的模型。本發(fā)明設(shè)計完整、新穎的算法流程，使用改進(jìn)的深度學(xué)習(xí)Multiplan?net算法對CTA圖像上的頸動脈管腔、斑塊進(jìn)行自動分割，在此基礎(chǔ)上設(shè)計優(yōu)化的對抗生成網(wǎng)絡(luò)進(jìn)行CTA數(shù)據(jù)擴(kuò)增，從而進(jìn)一步提高分割精度。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域，具體地，涉及CTA到MRA跨模態(tài)預(yù)測的頸動脈斑塊識別方法及系統(tǒng)。尤其地，涉及一種用于將CTA圖像跨模態(tài)預(yù)測到MRA圖像領(lǐng)域的頸動脈斑塊識別算法。

背景技術(shù)

腦血管病是世界范圍內(nèi)公認(rèn)的致殘率、病死率最高的疾病之一，包括出血性腦血管病和缺血性腦血管病。其中缺血性腦血管病占87％^[1]。由于頸動脈是向大腦供血的主要動脈之一，當(dāng)頸動脈存在嚴(yán)重的粥樣硬化時，就可能會導(dǎo)致腦缺血的發(fā)生。而頸動脈粥樣硬化的明顯特征是動脈內(nèi)腔出現(xiàn)頸動脈斑塊^[2]，斑塊成分不同，其易損性與穩(wěn)定性也不同。因此對頸動脈斑塊進(jìn)行早期識別與成分檢測，對于缺血性腦卒中的預(yù)防與高危人群的風(fēng)險評估有重要的現(xiàn)實意義。

診斷腦血管疾病，常用的腦血管造影方法有三種。第一種核磁共振機(jī)所做的腦血管造影(MRA)，第二種是CT機(jī)所做的腦血管造影(CTA)，第三種是需要大腿根部股動脈插管進(jìn)行的，在數(shù)字減影血管造影機(jī)下完成的腦血管造影(DSA)。MRA的特點是無創(chuàng)，可以不需要注射造影劑就可以完成，可以在行核磁共振檢查時同事進(jìn)行，但是分辨率是最差的，可以做為一種篩查方法。CTA也是一種無創(chuàng)的方法，需要注射含碘的造影劑，可以快速完成，病人痛苦少，分辨率也教MRA有所提高，可以做為快速診斷腦血管瘤的方法。DSA是最準(zhǔn)確的腦血管造影方法，分辨率最高，是診斷腦血管疾病的“金標(biāo)準(zhǔn)”。缺點是需要進(jìn)行動脈插管，有創(chuàng)傷，需住院檢查。

CTA血管成像是目前最常用的診斷頸動脈斑塊的臨床影像方法，具有掃描速度快、低輻射、信息量大等優(yōu)點^[3]。其用于臨床診斷時通常是通過醫(yī)生觀察部分?jǐn)鄬訄D像并結(jié)合臨床經(jīng)驗給出診斷結(jié)果，會受診斷醫(yī)生經(jīng)驗、狀態(tài)及知識水平的限制和影響^[4]。近年來，隨著人工智能的發(fā)展，深度學(xué)習(xí)算法在輔助醫(yī)生診斷方面起到了重要作用。目前市面上還沒有一款頸動脈斑塊篩查軟件，本發(fā)明擬設(shè)計完整、新穎的算法流程，使用改進(jìn)的深度學(xué)習(xí)Multiplan-net算法對CTA圖像上的頸動脈管腔、斑塊進(jìn)行自動分割，在此基礎(chǔ)上設(shè)計優(yōu)化的對抗生成網(wǎng)絡(luò)^[5]進(jìn)行CTA數(shù)據(jù)擴(kuò)增，從而進(jìn)一步提高分割精度。對分割出的頸動脈斑塊進(jìn)行磁共振成像(MRI)^[6]跨模態(tài)融合預(yù)測，提取融合后的斑塊特征進(jìn)行斑塊成分分類。基于此開發(fā)出針對頸動脈粥樣硬化斑塊的云平臺自動分析系統(tǒng)，并最終在臨床病例中進(jìn)行前瞻性驗證。

參考文獻(xiàn)：

[1]Ran?Zhou,Wei?Ma,U-Net?based?automatic?carotid?plaque?segmentationfrom?3D?ultrasound?images，Medical?Imaging，2019

[2]R.Ross,Atherosclerosis--an?inflammatory?disease,N?Engl?J?Med,vol.340,no.2,pp.115-26,Jan?14?1999[3]Green?D,Parker?D.CTAand?MRA:visualization?without?catheterization[J].Seminars?in?Ultrasound?CtMri,2003,24(4):185-191

[4]吳秋雯,李郁欣,黃磊,et?al.機(jī)器學(xué)習(xí)算法在頸動脈斑塊影像學(xué)分類中的研究進(jìn)展[J].中國臨床神經(jīng)科學(xué),2019(4).