[发明专利]基于DSSD和时域约束X光冠脉造影序列自动分析方法

说明书

本发明公开了一种基于DSSD和时域约束X光冠脉造影序列自动分析方法，涉及智能医学影像分析技术领域，包括步骤：利用U‑net对X光冠脉造影序列进行逐帧的血管分割，根据分割结果找出造影剂最充盈帧，在此基础上制定策略选取一系列连续充盈帧；将选取的X光冠脉造影图像输入训练好的狭窄段检测网络DSSD，获得静态检测结果；综合连续充盈帧的静态检测结果，利用时域信息进行约束，抑制假阳性。本发明率先使用卷积神经网络进行狭窄段检测，并且增加了基于造影剂充盈帧的时序约束这一约束条件，具有方法稳定可靠、准确率高、抗干扰能力强、操作全自动化等优点。

技术领域

本发明涉及智能医学影像分析技术领域，尤其涉及一种基于DSSD和时域约束X光冠脉造影序列自动分析方法。

背景技术

基于X光造影图像的冠状动脉狭窄段检测是临床进行心血管疾病检查与诊断的重要内容。受到外界或者病人自身器官运动等不可控因素的干扰，X光冠状动脉造影图像存在着不同程度的噪声以及复杂背景，这些都为医生的诊断带来了不利的影响。自动的狭窄段检测方法能减轻医生负担，辅助医生进行诊断，并为进一步的病情分析和治疗策略规划提供基础。

经过对现有技术的检索发现，Colin B Compas等人在《Automatic detection ofcoronary stenosis in X-ray angiography through spatio-temporal tracking》,IEEE11th international symposium on biomedical imaging(ISBI).IEEE,2014:pp1299-1302.论文中介绍了利用分割结果测量血管直径，对直径数据求导获得疑似狭窄段的位置并进行时空域跟踪进行最终确定的方法。Tao Wan等人在《Automated identification andgrading of coronary artery stenoses with X-ray angiography》,Computer methodsand programs in biomedicine,2018,167:pp13-22.论文中通过提取血管中心线，基于原始灰度图测量血管半径，并进行一系列数据后处理确定狭窄段的方法。上述方法都依赖一系列前处理步骤，包括图像增强，血管分割等等，对于噪声较大、背景复杂、造影剂浓度较低的图像很难取得理想效果，并且步骤多，运行速度较慢。目前，仍然没有一个对图像质量鲁棒性好，检测速度快的方法。

因此，本领域的技术人员致力于开发一种基于DSSD和时域约束X光冠脉造影序列自动分析方法，利用基于深度学习的目标检测网络，基于原始造影图像对单帧图像的狭窄段进行快速检测，并综合造影序列的检测结果，对假阳性进行抑制，进而避免了分割等图像预处理步骤对检测结果的影响，实现狭窄段的自动快速检测，为后续的医学诊断打下了良好的基础。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何避免分割等图像预处理步骤对检测结果的影响，实现狭窄段的自动快速检测。

为实现上述目的，本发明提供了一种基于DSSD和时域约束X光冠脉造影序列自动分析方法，所述方法包括以下步骤：

步骤1、利用U-net对X光冠脉造影序列进行逐帧的血管分割，根据分割结果找出造影剂最充盈帧，在此基础上制定策略选取一系列连续充盈帧；

步骤2、将选取的X光冠脉造影图像输入训练好的狭窄段检测网络DSSD，获得静态检测结果；

步骤3、综合连续充盈帧的静态检测结果，利用时域信息进行约束，抑制假阳性。

进一步地，所述步骤1包括以下步骤：

步骤1.1、随机选取一些X光冠脉造影图像，进行逐像素的血管标注，利用原图与对应标签，训练用于血管分割的卷积神经网络U-net；