[发明专利]一种基于主动脉医学影像的血管夹层辅助诊断方法

说明书

技术领域

本发明涉及医疗影像诊断技术领域，尤其涉及一种基于主动脉医学影像的血管夹层辅助诊断方法。

背景技术

正常的人体动脉血管由内膜、中膜和外膜组成，3层结构共同承载血流的通过。主动脉夹层发生在主脉血管内膜，受一些外因或者内因的影响，内膜逐步与其他膜结构剥离，并在血管内腔形成真假两腔，从而形成夹层。

主动脉夹层的最大危害是死亡。主动脉是身体的主干血管，承受直接来自心脏跳动的压力，血流量巨大，出现内膜层撕裂，如果不进行恰当和及时的治疗，破裂的机会非常大，死亡率也非常高。以往的文献报告，1周内的死亡率高达50％，一个月内的死亡率在60-70％之间。除此之外，即使患者得以存活，因假腔的扩大和压力的增加，真腔血管的血流量降低，则会导致主动脉所供血区域的脏器缺血。

确诊主动脉夹层的主要辅助检查手段是：CT血管造影(CTA)，磁共振检查(MRA)或是直接的数字减影血管造影(DSA)。无论哪种成像方式，均需要对病人进行立体式扫描，医生需要从几百张断层图像中检查夹层病灶信息，由于数据量巨大，严重影响了夹层诊断的效率，此外，由于早期的夹层病灶并不容易观察，医生在检查过程还会发生误诊、漏诊，造成医疗事故。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于主动脉医学影像的血管夹层辅助诊断方法。

一种基于主动脉医学影像的血管夹层辅助诊断方法，包括以下步骤：

S1：通过医学影像仪器获取原始的医学影像信息，再在所有的医学影像信息中提取原始主动脉区域的医学影像信息；

S2：利用深度学习理论对提取的原始主动脉区域的医学影像信息进行感兴趣ROI检测，过滤掉正常的医学影像，保留与预测结果强相关的主动脉区域，确定为感兴趣ROI区域；

S3：利用深度学习理论对S2步骤确定的感兴趣ROI区域进行主动脉诊断的分类识别，判断感兴趣ROI区域是否为可疑病灶；

S4：若S3步骤判断的结果为影像中100％无可疑病灶，则将感兴趣ROI区域的影像判定为正常影像，并将判定结果通过仪器进行显示，若S3步骤判断的结果为影像中存在疑似病灶，则将影像信息发送给医生，由医生决策是否为病灶影像，完成血管夹层辅助诊断。

优选的，所述感兴趣ROI检测的方法采用卷积神经网络法进行。

优选的，所述卷积神经网络法的具体操作为：首先在图像上尝试性进行感兴趣ROI区域的选框操作，并对框内的子图像通过模型参数不断进行卷积和缩放的操作，最后输入一个1024维的特征向量数据，通过监督式的学习策略，该特征数据会反馈一个属于主动脉区域的可信度值，当该可信度值大于一定范围时，则判定为主动脉感兴趣ROI区域定位准确，然后输入图像的卷积操作处理，最后对输入的图像特征按照多通道分别利用已知模型的参数进行卷积处理。

优选的，所述S3步骤中分类识别的方法为二分类法，所述二分类法的具体操作为：将感兴趣ROI区域按照有夹层或无夹层进行区分。

本发明提出的血管夹层辅助诊断方法采用人工智能领域的技术协助医生进行夹层数据的排查和筛选，通过人工智能技术在正式检查前，帮助医生过滤掉大部分正常的医学影像，只保留带有可疑病灶的医学影像，最终这些可疑病灶影像会由医生做出最终的临床诊断决策，通过这种方式，可以大幅减小医生的诊断工作量，提高诊断效率，同时可以使医生更专注于可疑病灶的诊断，从而在一定程度上减小误诊漏诊的现象发生。

附图说明

图1为本发明提出的一种基于主动脉医学影像的血管夹层辅助诊断方法的流程图；

图2为本发明提出的一种基于主动脉医学影像的血管夹层辅助诊断方法中主动脉的感兴趣ROI区域检测网络；

图3为本发明提出的一种基于主动脉医学影像的血管夹层辅助诊断方法中采用卷积神经网络法对主动脉的感兴趣ROI区域检测结果。

具体实施方式

下面结合具体实施例对本发明作进一步解说。

实施例

本发明提出的一种基于主动脉医学影像的血管夹层辅助诊断方法，包括以下步骤：

S1：通过医学影像仪器获取原始的医学影像信息，再在所有的医学影像信息中提取原始主动脉区域的医学影像信息；