[發明專利]一種基于深度學習的頸動脈管徑比測量方法和系統

在審

• 申請號: 202110873564.6
• 申請日: 2021-07-30
• 公開（公告）號: CN113744290A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 朱瑞星;邢述達
• 申請（專利權）人: 上海深至信息科技有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/181;G06T7/60
• 代理公司: 上海申新律師事務所 31272
• 代理人: 吳軼淳

本發明提供一種深度學習的頸動脈管徑比測量方法和系統，對超聲圖像中的頸動脈和斑塊進行特征提取，獲取包括頸動脈輪廓和斑塊輪廓的整體輪廓特征數據，獲取頸動脈輪廓和斑塊輪廓的整體輪廓特征的中心線，獲取中心線上中心點坐標集合，獲取斑塊輪廓的邊緣點坐標集合，計算兩坐標集合的最小Hausdorff距離對應的目標中心點和目標邊緣點，將目標中心點和目標邊緣點形成的直線作為法向，獲取直線與第一輪廓曲線和第二輪廓曲線相交的交點，兩交點之間的距離為第一距離，計算斑塊輪廓到相鄰的其中一個交點的距離作為第二距離，第二距離與第一距離的比值，作為頸動脈管徑比。無需人工參與，提高測量效率以及測量穩定性。

技術領域

本發明涉及醫學圖像處理技術領域，尤其涉及一種基于深度學習的頸動脈管徑比測量方法和系統。

背景技術

腦血管病是世界范圍內公認的致殘率、病死率最高的疾病之一，包括出血性腦血管病和缺血性腦血管病。由于頸動脈是向大腦供血的主要動脈之一，當頸動脈存在嚴重的粥樣硬化時，就可能會導致腦缺血的發生。而頸動脈粥樣硬化的明顯特征是動脈內腔出現頸動脈斑塊。斑塊不僅僅限制向阻塞的下游的組織和器官遞送新鮮血液，而且也會在變窄的管腔中捕獲血凝塊，阻擋所有血流。另外的、相等嚴重性的事件能夠由頸動脈斑塊引起。由于頸動脈向腦部提供血液供應，在頸動脈血流中的特定物質會造成腦血管阻塞以及潛在的卒中的風險。斑塊成分不同，其易損性與穩定性也不同。因此對頸動脈斑塊進行早期識別與成分檢測，對于缺血性腦卒中的預防與高危人群的風險評估有重要的現實意義。臨床上，通過對頸動脈的狹窄程度及斑塊的形態學測定，來對頸動脈斑塊進行評價，判斷其危害性，主要是通過設置參考點匹配的傳統算法或者人工測量的方式獲取斑塊參數。由于，頸動脈斑塊圖像本身具有很多噪聲和偽像的存在，傳統的圖像算法很難達到穩定的測量效果，人工計算效率又低下。

發明內容

基于現有問題，本發明提供一種深度學習的頸動脈管徑比測量方法和系統，旨在解決現有技術中斑塊參數獲取效率低下、測量不穩定等技術問題。

一種基于深度學習的頸動脈管徑比測量方法，包括如下步驟：

步驟A1，獲取頸動脈斑塊的超聲圖像；

步驟A2，采用圖像分割模型對超聲圖像中的頸動脈和斑塊進行特征提取，獲取同時包括頸動脈輪廓和斑塊輪廓的整體輪廓特征數據，整體輪廓特征數據包括包含同時包括頸動脈和斑塊的相對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據的中心線；

步驟A4，獲取中心線上的若干點坐標以形成一中心點坐標集合；

步驟A5，從提取出的斑塊輪廓中獲取斑塊的若干邊緣點坐標以形成一邊緣點坐標集合；

步驟A6，獲取中心點坐標集合和邊緣點坐標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應的中心點坐標作為目標中心點，將與最小豪斯多夫距離相對應的邊緣點坐標作為目標邊緣點；

步驟A7，將目標中心點和目標邊緣點形成的直線作為法向，獲取直線與第一輪廓曲線相交的第一交點，并獲取直線與第二輪廓曲線相交的第二交點，計算第一交點和第二交點之間的距離，作為第一距離；

步驟A8，判斷斑塊輪廓與第一輪廓曲線還是與第二輪廓曲線有重疊；

步驟A9，當斑塊輪廓與第一輪廓曲線重疊時，計算第一交點和目標邊緣點之間的距離作為第二距離；以及

當斑塊輪廓與第二輪廓曲線重疊時，計算第二交點和目標邊緣點之間的距離作為第二距離；

步驟A10，計算第二距離與第一距離的比值，作為頸動脈管徑比。

進一步的，圖像分割模型為Unet神經網絡模型。