[发明专利]基于OCT影像的支架检测与评估的深度学习方法及系统

说明书

技术领域

本发明涉及医疗器械技术领域，尤其涉及一种基于OCT影像的支架检测与评估的深度学习方法及系统。

背景技术

冠状动脉粥样硬化性心脏病，简称“冠心病(Coronary Artery Disease，CAD)”，是冠状动脉血管发生动脉粥样硬化病变而引起的血管狭窄或阻塞，造成心肌缺血、缺氧或坏死而导致的心脏病。目前，冠心病的主要治疗方法是经皮冠状动脉介入治疗，即向血管堵塞处植入支架。支架通常是用金属网状结构构成，支架经历了三代的变化，金属裸支架(Bare Metal Stent，BMS)，管腔再狭窄和内膜增生的风险高；药物洗脱支架(Drug-Eluting Stent,DES)，作为金属裸支架的一种替代，可以显著减轻血管再狭窄率，但会引起晚期支架血栓和晚期获得性贴壁不良；生物可吸收支架(Bioresorbable Vascular Scaffold，BVS)提供了临时的径向强度，避免了急性血管反冲和急性血管闭塞，在支架植入一段时间后，生物可吸收支架可被充分吸收从而使血管内血液流通顺畅。在冠心病介入治疗方面，生物可吸收支架将会得到越来越广泛的使用。

术中支架的贴壁情况以及术后支架的覆盖的程度与血栓等不良事件的发生有关，因此在支架植入过程中，临床医生需要判断支架是否贴壁良好，在术后随访时，也要判断支架的覆盖的程度。血管内光学相干断层扫描(Intravascular Optical Coherence Tomography，IVOCT)由于其分辨率达到了微米级，其轴向分辨率可达5-15um，纵向分辨率约为25um，探测深度约为2mm，是目前评估术中支架的贴壁情况以及术后支架的覆盖情况的最好的技术手段。

但是，在临床应用中，由于IVOCT影像分辨率高，对一段四厘米的支架扫描就会产生200多张图像，如果要定量地评估术中支架的贴壁情况以及术后支架的覆盖情况，一方面，需要医生花费大量的时间和精力来分析、判断IVOCT图像；另一方面，无法满足临床中实时分析的需求，且无法建立统一的临床标准。因此，有必要对支架的贴壁情况以及术后支架的覆盖情况实现自动检测，从而对基线支架的贴壁情况以及随访支架的覆盖情况进行定量分析和判断。

目前，已有的自动检测支架的方法都是基于图像灰度、梯度特征，这些基于图像灰度、梯度特征的方法存在设计复杂、性能不稳定、识别率低。

发明内容

为了解决上述问题，本发明提出一种基于OCT影像的支架检测与评估的深度学习方法及系统，能够自动检测支架和内壁的位置并获得支架的贴壁情况或支架的覆盖情况，检测准确率较高。

本发明提出的具体技术方案为：提供一种基于OCT影像的支架检测与评估的深度学习方法，所述深度学习方法包括以下步骤：获取待检测的冠状动脉光学相干断层扫描(Optical Coherence Tomography，OCT)图像；根据支架标记模型获取所述待检测的冠状动脉OCT图像中的支架的位置；根据内壁标记模型获取所述待检测的冠状动脉OCT图像中的冠状动脉的内壁的位置；计算所述支架的中心与所述冠状动脉的内壁的最短距离并根据所述最短距离是否不大于第一距离阈值获得所述支架的贴壁情况、或根据所述最短距离是否不大于第二距离阈值获得所述支架的覆盖情况；对所述支架的贴壁情况或覆盖情况进行显示。

进一步地，所述支架标记模型、内壁标记模型由以下步骤获得：获取样本冠状动脉OCT图像，所述样本冠状动脉OCT图像中包括支架标记样本和内壁标记样本；对所述样本冠状动脉OCT图像进行训练得到支架标记模型和内壁标记模型。