[發(fā)明專利]一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法和系統(tǒng)在審
| 申請(qǐng)?zhí)枺?/td> | 202110873564.6 | 申請(qǐng)日: | 2021-07-30 |
| 公開(公告)號(hào): | CN113744290A | 公開(公告)日: | 2021-12-03 |
| 發(fā)明(設(shè)計(jì))人: | 朱瑞星;邢述達(dá) | 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): | G06T7/12 | 分類號(hào): | G06T7/12;G06T7/181;G06T7/60 |
| 代理公司: | 上海申新律師事務(wù)所 31272 | 代理人: | 吳軼淳 |
| 地址: | 200241 上海市閔*** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 學(xué)習(xí) 頸動(dòng)脈 測(cè)量方法 系統(tǒng) | ||
1.一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,包括如下步驟:
步驟A1,獲取頸動(dòng)脈斑塊的超聲圖像;
步驟A2,采用圖像分割模型對(duì)所述超聲圖像中的頸動(dòng)脈和斑塊進(jìn)行特征提取,獲取同時(shí)包括頸動(dòng)脈輪廓和斑塊輪廓的整體輪廓特征數(shù)據(jù),所述整體輪廓特征數(shù)據(jù)包括包含同時(shí)包括頸動(dòng)脈和斑塊的相對(duì)的第一輪廓曲線和第二輪廓曲線;
步驟A3,獲取整體輪廓特征數(shù)據(jù)的中心線;
步驟A4,獲取所述中心線上的若干點(diǎn)坐標(biāo)以形成一中心點(diǎn)坐標(biāo)集合;
步驟A5,從提取出的所述斑塊輪廓中獲取斑塊的若干邊緣點(diǎn)坐標(biāo)以形成一邊緣點(diǎn)坐標(biāo)集合;
步驟A6,獲取所述中心點(diǎn)坐標(biāo)集合和所述邊緣點(diǎn)坐標(biāo)集合之間的最小豪斯多夫距離,將與最小豪斯多夫距離相對(duì)應(yīng)的所述中心點(diǎn)坐標(biāo)作為目標(biāo)中心點(diǎn),將與最小豪斯多夫距離相對(duì)應(yīng)的所述邊緣點(diǎn)坐標(biāo)作為目標(biāo)邊緣點(diǎn);
步驟A7,將所述目標(biāo)中心點(diǎn)和所述目標(biāo)邊緣點(diǎn)形成的直線作為法向,獲取所述直線與第一輪廓曲線相交的第一交點(diǎn),并獲取所述直線與所述第二輪廓曲線相交的第二交點(diǎn),計(jì)算所述第一交點(diǎn)和所述第二交點(diǎn)之間的距離,作為第一距離;
步驟A8,判斷所述斑塊輪廓與所述第一輪廓曲線還是與所述第二輪廓曲線有重疊;
步驟A9,當(dāng)所述斑塊輪廓與所述第一輪廓曲線重疊時(shí),計(jì)算所述第一交點(diǎn)和所述目標(biāo)邊緣點(diǎn)之間的距離作為第二距離;以及
當(dāng)所述斑塊輪廓與所述第二輪廓曲線重疊時(shí),計(jì)算所述第二交點(diǎn)和所述目標(biāo)邊緣點(diǎn)之間的距離作為第二距離;
步驟A10,計(jì)算所述第二距離與所述第一距離的比值,作為所述頸動(dòng)脈管徑比。
2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,所述圖像分割模型為Unet神經(jīng)網(wǎng)絡(luò)模型。
3.如權(quán)利要求2所述的一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,所述Unet神經(jīng)網(wǎng)絡(luò)模型依次包括第一編碼層、第二編碼層、第三編碼層、第四編碼層、第五編碼層、第六解碼層、第七解碼層、第八解碼層和第九解碼層;
第一至第五編碼層的相鄰編碼層之間通過(guò)最大池化層連接,所述第五編碼層的輸出端通過(guò)第一上采樣層與所述第六解碼層的輸入端連接,第六至第九解碼層的相鄰解碼層之間通過(guò)第二上采樣層連接;
其中,所述第一編碼層和所述第九解碼層中的卷積核深度均為32。
4.如權(quán)利要求3所述的一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,第二至第五編碼層、第六至第八解碼層中的卷積核深度均為8。
5.如權(quán)利要求4所述的一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,所述第四編碼層和所述第六解碼層之間通過(guò)跳躍連接層按通道連接,所述跳躍連接層的末端加入一注意力模型。
6.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,所述頸動(dòng)脈輪廓為頸動(dòng)脈的內(nèi)膜與管腔的邊界,所述第一距離為所述頸動(dòng)脈的內(nèi)徑。
7.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的頸動(dòng)脈管徑比測(cè)量方法,其特征在于,所述步驟A2之后還包括:
步驟B1,對(duì)所述整體輪廓特征數(shù)據(jù)進(jìn)行二值化處理,并提取感興趣區(qū)域;
所述步驟A3包括:采用Hilditch算法對(duì)所述感興趣區(qū)域進(jìn)行細(xì)化處理,依據(jù)所述感興趣區(qū)域中的所述頸動(dòng)脈輪廓和所述斑塊輪廓形成的整體輪廓特征數(shù)據(jù),獲取所述整體輪廓特征數(shù)據(jù)的中心線。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海深至信息科技有限公司,未經(jīng)上海深至信息科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110873564.6/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





