[發明專利]基于深度學習和中智理論的冠狀動脈病變功能學定量方法

有效

• 申請號: 202110192837.0
• 申請日: 2021-02-20
• 公開（公告）號: CN112837306B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 薛竟宜;杜奕;郭延輝
• 申請（專利權）人: 薛竟宜;郭延輝
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06T7/194;G06T7/62;G06V10/44;G06V10/82;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 張舉

1.一種基于深度學習和中智理論的冠狀動脈病變功能學定量方法，其特征在于，包括以下步驟：

步驟1、自動提取CTA中冠脈區域并進行區域處理

步驟1.1、提取冠狀動脈CTA圖像；

步驟1.2、利用多尺度非局部積分濾波算法對CTA圖像進行預處理；

步驟1.3、根據臨床經驗總結的冠脈知識特征構建多通道信息；

步驟1.4、利用變通道多尺度區域候選分類網絡提取CTA圖像中的三維冠脈區域；

步驟2、提取CTG圖像并將CTA冠脈區域與CTG圖像進行投射與融合

步驟2.1、提取冠狀動脈CAG圖像；

步驟2.2、將CTA中三維冠脈區域通過仿射變換與CAG圖像中的對應冠脈進行配準，并投影到二維CAG上，確定冠脈對比劑導航區域；

步驟2.3、基于中智粒子濾波追蹤算法追蹤對比劑在導航區域內的流動情況；

步驟2.4、自動檢測并定位提取CAG冠脈對比劑區域；

步驟2.5、將CTA冠脈區域與CTG圖像進行投射與融合；

步驟3、定量評估狹窄病變

步驟3.1、提取融合影像中冠脈的中心線，定位冠脈區域；

步驟3.2、計算冠脈血流速度和載面積，獲得局部血流量；

步驟3.3、計算病變遠端及近端血流量比值，獲得FFR_CAD；

步驟3.4、根據FFR_CAD值定量評估狹窄病變。

2.根據權利要求1所述的基于深度學習和中智理論的冠狀動脈病變功能學定量方法，其特征在于，將所述步驟1.2中多尺度非局部積分濾波算法的函數定義為：

σ_s(x，y)＝f(I(x，y))＝aI(x，y)+b (1)

其中，σ_s是在尺度S下高斯函數核的標準方差，應用其對原始CTA圖像進行濾波運算；然后構建冠狀動脈知識通道圖像如下；

3.根據權利要求1所述的基于深度學習和中智理論的冠狀動脈病變功能學定量方法，其特征在于，所述步驟2.2包括以下步驟：

步驟2.2.1、冠脈造影對比劑導航區域確定

利用CAG影像采集時的角度和分辨率，確定仿射變換函數的參數，將CTA中冠脈分割結果進行仿射變換，并將變換后的三維冠脈圖像投影到二維CAG圖像上，作為冠脈的可能候選區域，也就是對比劑要經過的導航區域；

步驟2.2.2、冠脈造影對比劑區域自動檢測和提取：

根據造影對比劑區域在CAG視頻的灰度和紋理信息，定義其中智不確定隸屬度，從而作為粒子的屬性，并定義當前區域及其鄰域的中智相似度，來作為粒子濾波的代價函數，利用粒子濾波算法來追蹤對比劑在導航區域內的流動情況，從而提取CAG圖像中的冠脈區域。

4.根據權利要求3所述的基于深度學習和中智理論的冠狀動脈病變功能學定量方法，其特征在于，所述步驟2.3包括以下步驟：

步驟2.3.1、提取冠脈目標特征：通過CTA圖像中獲得冠脈作為造影的導航區域，人機交互選定待跟蹤的初始目標，計算跟蹤目標的特征，作為描述目標的特征；

步驟2.3.2、特征搜索階段：初始化提取了目標的特征后，在目標的附近以高斯分布來撒粒子，并根據導航區域來確定所撒的粒子的范圍；每個粒子按照初始化時候得到的目標特征計算出它所處的位置的灰度特征，并計算粒子所在局部區域圖像直方圖向量與目標直方圖向量的相似度；然后對每個粒子與目標計算出的相似度做歸一化，使得所有粒子的相似度加起來和等于1；

步驟2.3.3、決策階段：根據每個粒子與目標的相似程度做加權平均；根據最大的相似度候選區域的位置，則為目標的最可能位置；

步驟2.3.4、粒子重采樣：根據粒子權重對粒子進行篩選，篩選過程中，既要大量保留權重大的粒子，又要有一小部分權重小的粒子，進而重復特征搜索階段和決策階段。