[發明專利]一種基于深度學習的冠狀動脈分割方法

在審

• 申請號: 202011611306.2
• 申請日: 2020-12-30
• 公開（公告）號: CN112785551A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 祝磊;朱潔萍;徐平;劉亦安;嚴明;薛凌云;馬駿
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏

本發明提供一種基于深度學習的冠狀動脈分割方法,括如下步驟B1.獲取原始CTA心臟圖像；B2.對B1.原始CTA心臟圖像歸一化預處理，選取最佳的CT值觀測窗口，截取CTA圖像中冠狀動脈區域，抑制肺部靜脈血管等非心臟組織，提升目標和背景的對比度；B3.圖像數據增廣；B4.構建深度學習網絡，采用兩個基于三層中繼監督機制但訓練標簽不同的深度神經網絡Net A和Net B對冠狀動脈CTA數據進行訓練，得到冠狀動脈識別模型A以及B；B5.利用B4.得到的冠狀動脈識別模型進行冠狀動脈分割。解決了現有冠狀動脈分割方法存在極容易出現過分割現象的技術問題。

技術領域

本發明屬于醫學圖像處理領域，具體涉及一種非診斷目的的基于CTA圖像的冠狀動脈分割方法，是一種基于深度學習的冠狀動脈分割方法。

背景技術

冠狀動脈是環繞在心臟外周給心肌提供血液的血管。冠狀動脈疾病如冠狀動脈粥樣硬化會導致部分心肌無法通過血液得到足夠的氧氣和營養而逐漸失去功能，進而引發心臟搏動功能障礙，所以冠狀動脈的健康狀況對心臟的正常運行起到至關重要的作用。

目前臨床上主要采用冠狀動脈CT血管造影(CTA)技術對冠心病患者進行診斷?；贑TA圖像的冠狀動脈血管精確分割和提取可以輔助醫生診斷心血管疾病并制定合適的手術方案。此外，冠脈的分割也是血管三維重建的重要基礎，可以讓醫生更加直觀地識別病灶所在位置。

基于傳統圖像處理方法的冠脈分割技術一般利用冠脈血管的管狀特性，設計相應的血管濾波函數，抑制背景組織，增強血管特征，達到提升對比度的效果。但是在CTA圖像中，冠脈血管和其他心臟組織灰度值非常相近，所以在隨后的冠脈分割過程中極容易出現過分割現象，大大降低算法的魯棒性和分割準確率。

發明內容

本發明要解決的技術問題是：現有冠狀動脈分割方法存在極容易出現過分割現象的技術問題。

為解決上述技術問題，本發明提供一種基于深度學習的冠狀動脈分割方法,括如下步驟

B1.獲取原始CTA心臟圖像；

B2.對B1.原始CTA心臟圖像歸一化預處理，選取最佳的CT值觀測窗口，截取CTA圖像中冠狀動脈區域，抑制肺部靜脈血管等非心臟組織，提升目標和背景的對比度；選取最佳的CT 值觀測窗口方式為人工選擇或根據醫學標準由計算機自動選擇。

B3.圖像數據增廣；

B4.構建深度學習網絡，采用兩個基于三層中繼監督機制但訓練標簽不同的深度神經網絡Net A和Net B對冠狀動脈CTA數據進行訓練，得到冠狀動脈識別模型A以及B；

B5.利用B4.得到的冠狀動脈識別模型進行冠狀動脈分割。

作為優選，所述步驟B3圖像數據增廣的方法包括水平翻轉、垂直翻轉、隨機縮放、隨機彈性變換、隨機伽馬校正中的一種或多種。

作為優選，所述Net A以及所述Net B的網絡結構都包括八層，其中第一層為輸入層，第二層至第層七為隱藏層，第八層為輸出層，各層順次連接，各層結構如下：

第一層：輸入層：輸入訓練集的三維CTA圖像矩陣和每個CTA矩陣的真實標簽；

第二層：隱藏層：包含兩個卷積層，每個卷積后都接一個歸一化層和激活函數層，最后采用一個池化層進行下采樣；在兩個卷積層后接一個池化層，用于壓縮數據和參數的量，減小過擬合。簡而言之，如果輸入是圖像的話，那么池化層的最主要作用就是去除圖像中冗余的特征，只保留最重要的特征。

第三層：隱藏層：包含兩個卷積層，每個卷積后都接一個歸一化層和激活函數層，最后采用一個池化層進行下采樣；

第四層：隱藏層：包含兩個卷積層，每個卷積后都接一個歸一化層和激活函數層，最后采用一個池化層進行下采樣；