[發明專利]一種基于圖像處理的血管沉積物自動檢測方法

有效

• 申請號: 202010795680.6
• 申請日: 2020-08-10
• 公開（公告）號: CN111833348B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 石蘊玉;賀楨;劉翔;浦秀麗
• 申請（專利權）人: 上海工程技術大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/0464;G06N3/0475
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 孟旭彤

本發明公開了一種基于圖像處理的血管沉積物自動檢測方法，其特征在于，所述檢測方法包括步驟：對待測血管超聲圖像進行預處理獲取預處理后待測血管超聲圖像；使用所述預處理后待測血管超聲圖像對超分辨率對抗網絡模型進行訓練；獲取待測感興趣區域圖像；將所述待測感興趣區域圖像輸入已訓練檢測模型；獲取所述待測血管超聲圖像的檢測結果。本發明提高了超聲圖像質量，一定程度上解決超聲儀在拍攝超聲圖像過程中，由于儀器本身、拍攝原理以及操作者個人因素造成的超聲圖像分辨率不高的問題，方便后續處理提高檢測準確性；縮小檢測范圍并可以有效提高檢測效率；具有高識別率和高效率的特點。

技術領域

本發明涉及醫學超聲圖像處理領域，具體涉及一種基于超聲圖像的血管沉積物自動檢測方法。

背景技術

血管沉積物過多會導致血管堵塞，會引發多種心血管疾病，及時有效的檢測和診斷對患者的早期干預和后期治療至關重要，我國CVD(Cardiovascular?Disease，心血管疾病)患者正在逐年上漲。心血管疾病的病理基礎是動脈粥樣硬化，即在多種致病因素的作用下，血管壁內有沉積物，產生成片或分散的粥樣斑塊，導致血管壁中IMT(Intima?MediaThickness，內中膜厚度)增加的現象。

目前超聲檢查已經在臨床診斷中廣泛使用。由于超聲圖像自身分辨率低，且包含斑塊噪聲，導致判讀圖像難度增大，且判讀的主觀性強，易出現漏診或誤診的現象。

對于早期診斷和治療相關疾病，已經在不同的研究中嘗試了多種方法。這些研究主要使用不同的機器學習算法對不同數量的患者醫療圖像進行分析處理。計算機輔助IMT測量算法，具體實現原理主要包括：主要有邊緣檢測、活動輪廓模型、動態規劃、霍夫變換、隨機場模型、神經網絡及模糊聚類等。通過分析已有的測量方案和算法，可知目前的常規思路為兩步，首先獲取ROI(Region?Of?Interest，感興趣區域)，其次在初始輪廓線的基礎上獲得最終輪廓線并測量IMT。目前，深度學習已經被用在醫學領域進行了不同的研究，因此，如何利用深度學習對血管圖像進行處理從而為醫學圖像輔助診斷提供了新的想法和研究手段，并為醫生減輕工作壓力，為患者提供便利是目前有待解決的問題。

發明內容

本發明要解決的技術問題是如何利用深度學習對血管圖像進行處理問題，提供一種基于圖像處理的血管沉積物自動檢測方法。

本發明是通過下述技術方案來解決上述技術問題：

一種基于圖像處理的血管沉積物自動檢測方法，所述檢測方法包括步驟：

對待測血管超聲圖像進行預處理獲取預處理后待測血管超聲圖像；

使用所述預處理后待測血管超聲圖像對超分辨率對抗網絡模型進行訓練；

獲取待測感興趣區域圖像；

將所述待測感興趣區域圖像輸入已訓練檢測模型；

獲取所述待測血管超聲圖像的檢測結果。

較佳地，所述已訓練檢測模型的獲取包括步驟：

對訓練血管超聲圖像進行預處理獲取預處理后訓練血管超聲圖像；

使用所述預處理后訓練血管超聲圖像對所述超分辨率對抗網絡模型進行訓練；

獲取訓練感興趣區域圖像并進行標定；

使用所述訓練感興趣區域圖像訓練所述檢測模型中的卷積神經網絡；

獲取所述已訓練檢測模型。

進一步地，所述預處理包括步驟：

對所述血管超聲圖像進行裁剪；

獲取裁剪后血管超聲圖像。

更優地，所述對超分辨率對抗網絡模型進行訓練包括步驟：