[發(fā)明專利]一種頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110352574.5
• 申請(qǐng)日: 2021-03-31
• 公開（公告）號(hào): CN113112465B
• 公開（公告）日: 2022-10-18
• 發(fā)明（設(shè)計(jì)）人: 朱瑞星;趙靖;黃孟欽
• 申請(qǐng)（專利權(quán)）人: 上海深至信息科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06V10/25;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 上海申新律師事務(wù)所 31272
• 代理人: 俞滌炯

1.一種頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，其特征在于，包括：

圖像標(biāo)注模塊，用于獲取超聲掃查得到的多個(gè)頸動(dòng)脈圖像，并對(duì)每個(gè)頸動(dòng)脈圖像分別進(jìn)行標(biāo)注得到標(biāo)注有內(nèi)中膜信息的頸動(dòng)脈標(biāo)注圖像，并在所述內(nèi)中膜信息表示頸動(dòng)脈標(biāo)注圖像中包含內(nèi)中膜時(shí)于對(duì)應(yīng)的所述頸動(dòng)脈標(biāo)注圖像上標(biāo)注所述內(nèi)中膜的位置區(qū)域；

模型生成模塊，連接所述圖像標(biāo)注模塊，用于將所述頸動(dòng)脈標(biāo)注圖像作為輸入，將所述內(nèi)中膜信息以及所述位置區(qū)域作為輸出，訓(xùn)練得到具備注意力機(jī)制的頸動(dòng)脈內(nèi)中膜分割模型；

所述頸動(dòng)脈內(nèi)中膜分割模型為包含所述注意力機(jī)制的一內(nèi)中膜分類模型和一內(nèi)中膜分割模型的混合神經(jīng)網(wǎng)絡(luò)模型；

所述模型生成模塊包括：

第一訓(xùn)練單元，用于將標(biāo)注有所述內(nèi)中膜信息的所述頸動(dòng)脈標(biāo)注圖像作為訓(xùn)練集，訓(xùn)練得到以所述頸動(dòng)脈標(biāo)注圖像為輸入，以所述內(nèi)中膜信息為輸出的所述內(nèi)中膜分類模型；

第二訓(xùn)練單元，用于將標(biāo)注有所述位置區(qū)域的所述頸動(dòng)脈標(biāo)注圖像作為訓(xùn)練集，訓(xùn)練得到以所述頸動(dòng)脈標(biāo)注圖像為輸入，以所述位置區(qū)域?yàn)檩敵龅乃鰞?nèi)中膜分割模型；

模型合并單元，分別連接所述第一訓(xùn)練單元和所述第二訓(xùn)練單元，用于加入所述注意力機(jī)制以合并所述內(nèi)中膜分類模型和所述內(nèi)中膜分割模型得到第一合并模型；

第三訓(xùn)練單元，連接所述模型合并單元，用于將所述頸動(dòng)脈標(biāo)注圖像作為輸入，將所述內(nèi)中膜信息以及所述位置區(qū)域作為輸出對(duì)所述第一合并模型進(jìn)行訓(xùn)練，得到所述混合網(wǎng)絡(luò)模型作為所述頸動(dòng)脈內(nèi)中膜分割模型；或者

所述模型生成模塊包括：

模型構(gòu)建單元，用于預(yù)先構(gòu)建包含所述注意力機(jī)制的所述內(nèi)中膜分類模型和所述內(nèi)中膜分割模型的第二合并模型；

第四訓(xùn)練單元，連接所述模型構(gòu)建單元，用于將所述頸動(dòng)脈標(biāo)注圖像作為輸入，將所述內(nèi)中膜信息以及所述位置區(qū)域作為輸出對(duì)所述第二合并模型進(jìn)行訓(xùn)練，得到所述混合網(wǎng)絡(luò)模型作為所述頸動(dòng)脈內(nèi)中膜分割模型；

所述內(nèi)中膜分類模型為Resnet18網(wǎng)絡(luò)模型，所述內(nèi)中膜分割模型為Unet網(wǎng)絡(luò)模型；

所述注意力機(jī)制作用于所述Resnet18網(wǎng)絡(luò)模型和所述Unet網(wǎng)絡(luò)模型的下采樣層和/或上采樣層。

2.根據(jù)權(quán)利要求1所述的頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，其特征在于，所述第一合并模型中，所述注意力機(jī)制為將所述Resnet18網(wǎng)絡(luò)模型的至少一特征圖與所述Unet網(wǎng)絡(luò)模型中的與所述特征圖具有相同卷積通道維度的一當(dāng)前層特征圖合并，并將合并結(jié)果作為所述Unet網(wǎng)絡(luò)模型的下一層特征圖的輸入。

3.根據(jù)權(quán)利要求2所述的頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，其特征在于，所述合并包括將所述特征圖依次進(jìn)行全局平均池化、零填充以及反卷積處理的處理結(jié)果與所述當(dāng)前層特征圖相加。

4.根據(jù)權(quán)利要求1所述的頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，其特征在于，所述第二合并模型中：

將所述Resnet18網(wǎng)絡(luò)模型的至少一特征圖與所述Unet網(wǎng)絡(luò)模型中的與所述特征圖具有相同卷積通道維度的一當(dāng)前層特征圖相加，并將相加結(jié)果作為所述Unet網(wǎng)絡(luò)模型的下一層特征圖的輸入作為所述注意力機(jī)制；

將所述Unet網(wǎng)絡(luò)模型的最后一層下采樣層的輸出與所述Resnet18網(wǎng)絡(luò)模型的最后一層輸出作為一全連接層的輸入，并將所述全連接層的輸出作為所述內(nèi)中膜信息。

5.根據(jù)權(quán)利要求1所述的頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，其特征在于，所述第二合并模型的損失函數(shù)的計(jì)算公式為：

Loss_合并＝a*loss1+b*loss2

其中，

Loss_合并用于表示所述第二合并模型的損失函數(shù)；

loss1用于表示所述內(nèi)中膜分類模型的損失函數(shù)；

loss2用于表示所述內(nèi)中膜分割模型的損失函數(shù)。

6.一種頸動(dòng)脈內(nèi)中膜分割模型的生成方法，其特征在于，應(yīng)用于如權(quán)利要求1-5中任意一項(xiàng)所述的頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，包括：

步驟S1，所述生成系統(tǒng)獲取超聲掃查得到的多個(gè)頸動(dòng)脈圖像，并對(duì)每個(gè)頸動(dòng)脈圖像分別進(jìn)行標(biāo)注得到標(biāo)注有內(nèi)中膜信息的頸動(dòng)脈標(biāo)注圖像，并在所述內(nèi)中膜信息表示頸動(dòng)脈標(biāo)注圖像中包含內(nèi)中膜時(shí)于對(duì)應(yīng)的所述頸動(dòng)脈標(biāo)注圖像上標(biāo)注所述內(nèi)中膜的位置區(qū)域；

步驟S2，所述生成系統(tǒng)將所述頸動(dòng)脈標(biāo)注圖像作為輸入，將所述內(nèi)中膜信息以及所述位置區(qū)域作為輸出，訓(xùn)練得到具備注意力機(jī)制的頸動(dòng)脈內(nèi)中膜分割模型；

所述頸動(dòng)脈內(nèi)中膜分割模型為包含所述注意力機(jī)制的一內(nèi)中膜分類模型和一內(nèi)中膜分割模型的混合神經(jīng)網(wǎng)絡(luò)模型。