[發明專利]基于醫學超聲圖像的頸動脈斑塊檢測方法及裝置

在審

• 申請號: 202011140586.3
• 申請日: 2020-10-22
• 公開（公告）號: CN112215836A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 李振洲;劉欣;吳欣殷;黃珊珊;陳勝華;關曉韻;林曉君
• 申請（專利權）人: 深圳市第二人民醫院（深圳市轉化醫學研究院）
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳市智勝聯合知識產權代理有限公司 44368
• 代理人: 齊文劍

1.一種基于醫學超聲圖像的頸動脈斑塊檢測方法，其特征在于，包括：

利用人工神經網絡的自學習能力，建立患者的頸動脈醫學超聲圖像中的特征參數與頸動脈斑塊內新生血管灌注模式之間的對應關系；

獲取患者的當前頸動脈對應的醫學超聲圖像的當前特征參數；

通過所述對應關系，確定與所述當前特征參數對應的當前頸動脈斑塊內新生血管灌注模式；具體地，確定與所述特征參數對應的當前頸動脈斑塊內新生血管灌注模式，包括：將所述對應關系中與所述當前特征參數相同的特征參數所對應的頸動脈斑塊內新生血管灌注模式，確定為所述當前頸動脈斑塊內新生血管灌注模式。

2.根據權利要求1所述的方法，其特征在于，

所述特征參數，包括：圖像特征和/或病史特征，和/或由按設定規律自所述圖像特征、所述病史特征中提取的特征組成的一維或兩維以上的數組；其中，

所述圖像特征，包括：斑塊位置，斑塊大小，斑塊內部回聲特征，斑塊表面形態，內膜回聲不連續或表面潰瘍，偏心指數，斑塊厚度，對側內沖膜厚度，內部出現液化成分，以及頸動脈斑塊內部造影劑增強的強度分級；

所述病史特征，包括：高血壓，糖尿病，高血脂，吸煙史，腦卒中家族史，以及服藥依從性；

和/或，

所述對應關系，包括：函數關系；所述特征參數為所述函數關系的輸入參數，所述頸動脈斑塊內新生血管灌注模式為所述函數關系的輸出參數；

確定與所述當前特征參數對應的當前頸動脈斑塊內新生血管灌注模式，還包括：

當所述對應關系包括函數關系時，將所述當前特征參數輸入所述函數關系中，確定所述函數關系的輸出參數為當前頸動脈斑塊內新生血管灌注模式。

3.根據權利要求1所述的方法，其特征在于，所述建立頸動脈醫學超聲圖像中的特征參數與頸動脈斑塊內新生血管灌注模式之間的對應關系的步驟，包括：

獲取用于建立所述特征參數與所述頸動脈斑塊內新生血管灌注模式之間的對應關系的樣本數據；

分析所述特征參數的特性及其規律，根據所述特性及其規律，確定所述人工神經網絡的網絡結構及其網絡參數；

使用所述樣本數據，對所述網絡結構和所述網絡參數進行訓練和測試，確定所述特征參數與所述頸動脈斑塊內新生血管灌注模式的所述對應關系。

4.根據權利要求3所述的方法，其特征在于，所述獲取用于建立所述特征參數與所述頸動脈斑塊內新生血管灌注模式之間的對應關系的樣本數據的步驟，包括：

收集不同頸動脈斑塊內新生血管灌注模式的患者的所述特征參數和所述頸動脈斑塊內新生血管灌注模式；

對所述特征參數進行分析、并結合預存的專家經驗信息，選取與所述頸動脈斑塊內新生血管灌注模式相關的數據作為所述特征參數；

將所述頸動脈斑塊內新生血管灌注模式、以及選取的所述特征參數構成的數據對，作為樣本數據。

5.根據權利要求4所述的方法，其特征在于，

所述網絡結構，包括Faster R-CNN網絡，FPN網絡，SqeezeNet網絡，VGG模型，GoogLeNet網絡，ResNet網絡，以及，Network-In-Network模型中的至少之一；

和/或，

所述網絡參數，包括：密集塊數，輸出層數，卷積層數，反卷積層數，過度層數，初始權值，以及，偏置值中的至少之一。