[發明專利]基于深度學習的OCT心血管斑塊自動識別與分析方法

有效

• 申請號: 202110263890.5
• 申請日: 2021-03-11
• 公開（公告）號: CN112927212B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 張步春;馬禮坤;孔祥勇;徐瀟;侯楊;孫慶文;李昕
• 申請（專利權）人: 上海移視網絡科技有限公司
• 主分類號: G16H50/50
• 分類號: G16H50/50;G06T7/00
• 代理公司: 上海和華啟核知識產權代理有限公司 31339
• 代理人: 趙祖祥

1.一種基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，包括如下步驟：

S100、縱深截面處理：對OCT圖像的縱深截面進行分割處理，得到分割結果A1；

S200、橫截面處理：對OCT圖像的橫截面進行分割處理，得到分割結果A2；

S300、截面綜合處理：綜合縱深截面處理結果A1以及橫截面處理結果A2并進行分割處理，得到分割結果A；

S400、結果分析：根據分割結果A，計算斑塊衰減指數IPA，得出斑塊類別。

2.根據權利要求1所述的基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，在步驟S100中，縱深截面處理具體步驟包括:

S101、輸入縱深截面的2D圖像{Image(i，j，k)；k＝1，2，3，…，M}＝{Image(i，j，1)，Image(i，j，2)，Image(i，j，3)，…，Image(i，j，M)}，其中Image(i，j，k)表示2D圖像中每個點的坐標；

S102、輸出分割后的2D圖像，并且大小與輸入圖像一致，有用區域像素為1，無用區域像素為0，得到所有縱深截面的2D圖像后，組合得到3D圖像A1。

3.根據權利要求2所述的基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，步驟S102的具體處理方法為：對縱深截面的各個2D圖像進行卷積運算，組合獲取3D圖像A1。

4.根據權利要求1所述的基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，在步驟S200中，橫截面處理具體步驟包括：

S201、輸入橫截面的2D圖像{Image(i，j，k)；i＝1，2，3，…，N}＝{Image(1，j，k)，Image(2，j，k)，Image(3，j，k)，…，Image(N，j，k)}，其中Image(i，j，k)表示2D圖像中每個點的坐標；

S202、輸出分割后的2D圖像，并且大小與輸入圖像一致，有用區域像素為1，無用區域像素為0，得到所有橫截面的2D圖像后，組合得到3D圖像A2。

5.根據權利要求1所述的基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，對橫截面的各個2D圖像進行卷積運算，組合獲取3D圖像A2。

6.根據權利要求1所述的基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，在步驟S300中，截面綜合處理具體步驟包括：

S301、輸入所有的縱深截面分割結果A1以及橫截面分割結果A2；

S302、綜合縱深界面分割結果A1以及橫截面分割結果A2計算分割結果A，其中A＝A1∩A2。

7.根據權利要求1所述的基于深度學習的OCT心血管斑塊自動識別與分析方法，其特征在于，步驟S400中，結果分析的具體步驟包括：

S401、根據分割結果A的計算公式進行分割結果A的計算并輸入；

S402、輸出斑塊類別；

S403、計算斑塊衰減系數IPA的值：

其中x為斑塊衰減系數閾值，μ_t為衰減系數，N(μ_t＞x)指衰減系數大于x的像素點個數，N_total表示分割結果A的有效區域。