[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?zhí)枺?/td>: 202110352574.5
• 申請日: 2021-03-31
• 公開（公告）號: 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（專利權(quán)）人: 上海深至信息科技有限公司
• 主分類號: G06T7/00
• 分類號: 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

本發(fā)明提供一種頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)及方法，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)于對應(yīng)的頸動(dòng)脈標(biāo)注圖像上標(biāo)注內(nèi)中膜的位置區(qū)域；模型生成模塊，用于將頸動(dòng)脈標(biāo)注圖像作為輸入，將內(nèi)中膜信息以及位置區(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；頸動(dòng)脈內(nèi)中膜分割模型為包含注意力機(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。有益效果是通過增加注意力機(jī)制，提高頸動(dòng)脈內(nèi)中膜的分割準(zhǔn)確率的同時(shí)能夠關(guān)注某一具體厚度以上的頸動(dòng)脈內(nèi)中膜。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)及方法。

背景技術(shù)

頸部動(dòng)脈血管的內(nèi)中膜厚度是反映動(dòng)脈粥樣硬化的重要指標(biāo)，臨床中廣泛采用超聲成像方法獲取頸動(dòng)脈血管圖像，之后由醫(yī)生手工定點(diǎn)或邊界描繪測量內(nèi)中膜厚度。為解決醫(yī)生工作量大、測量結(jié)果依賴個(gè)人經(jīng)驗(yàn)和主觀性強(qiáng)的問題，借助圖像處理技術(shù)進(jìn)行內(nèi)中膜厚度測量已經(jīng)成為今年來的研究熱點(diǎn)。

頸動(dòng)脈內(nèi)中膜厚度測量的關(guān)鍵是準(zhǔn)確分割出上下兩條邊界，現(xiàn)有的圖像處理技術(shù)通常基于Unet神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)內(nèi)中膜分割，但如果需要關(guān)注某一具體厚度以上的頸動(dòng)脈內(nèi)中膜時(shí)，現(xiàn)有的Unet神經(jīng)網(wǎng)絡(luò)模型會產(chǎn)生無法準(zhǔn)確找到感興趣區(qū)域的問題，即無法實(shí)現(xiàn)準(zhǔn)確識別某一具體厚度以上的頸動(dòng)脈內(nèi)中膜并準(zhǔn)確分割。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種頸動(dòng)脈內(nèi)中膜分割模型的生成系統(tǒng)，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。

優(yōu)選的，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。

優(yōu)選的，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。

優(yōu)選的，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。