[发明专利]一种冠脉斑块数据检测方法、系统、存储介质、终端

说明书

本发明属于医学图像处理、计算机辅助诊断技术领域，公开了一种冠脉斑块数据检测方法、系统、存储介质、终端，在三维医学图像上，沿着冠脉中心线点提取三维图像块作为样本，划分样本数据集；以冠脉三维图像块样本作为输入，图像是否含有斑块作为输出，构建三维阶梯卷积神经网络；将训练数据集送入网络，计算损失函数训练网络模型；训练好的网络模型在测试集上进行预测，完成冠脉斑块检测任务。本发明结合无标注数据进行半监督学习，仅依赖少量标记数据完成斑块检测，降低标注数据难度，提高检测精度。本发明实现了对冠状动脉斑块的检测，具有不需要预分割血管、准确率高、仅依赖少量标注数据的特点。

技术领域

本发明属于医学图像处理、计算机辅助诊断技术领域，尤其涉及一种冠脉斑块数据检测方法、系统、存储介质、终端。

背景技术

目前，冠状动脉疾病是最常见的心血管疾病之一，冠状动脉粥样硬化斑块的产生对冠状动脉疾病负主要责任。早期检测和识别冠状动脉斑块对于冠状动脉疾病的预防和诊断具有重要意义。血管内超声和光学相干断层成像等成像技术提供了管腔内以及斑块形态的详细可视化，并可对动脉粥样硬化负荷及其成分进行可靠的定量分析，对斑块性质有良好的鉴别能力，但是这些技术具有侵入性和高成本，费时且不易操作，存在相当大的患者风险，而且只能在近端血管中进行，不适合在较短的时间内检测整个冠状动脉树的斑块进展，在临床中进行推广具有一定的局限性。随着计算机断层成像技术的发展，冠状动脉CT血管造影由于其无创、三维、分辨率高等优点，成为一种公认的诊断和排除疑似冠心病患者的方法。目前临床上，使用心脏CTA图像上进行斑块检测的任务通常基于视觉评估来完成，或者先半自动化地分割管腔和动脉壁，然后定义血管斑块的存在。但是视觉评估通常存在较大地观察者间差异，而半自动分割血管不仅耗时耗力，而且分割不准确严重影响斑块检测结果。鉴于斑块检测对于冠状动脉疾病早期预防和诊断干预的重要性，多种计算机辅助的冠脉斑块检测和量化方法被提出。基于阈值的斑块检测方法原理简单、操作容易，但是存在衰减强度重叠问题，血管斑块的强度可能与周围组织相似，不同的设备和造影剂强度也可能会造成不同CTA图像之间同类型组织强度值存在很大差异，因此阈值法无法准确从CTA图像中分割出血管斑块；依赖于血管分割的方法，其性能依赖于对冠脉的精确分割，目前的冠脉分割方法在血管远端分割仍然不够精确，且容易受到严重钙化的影响；近年来，越来越多研究使用机器学习方法进行自动或半自动冠脉斑块检测，这类方法需要手工设计特征来表征图像，设计具有区分性的特征往往耗时且费力；深度学习方法也被应用在斑块检测任务中，但是训练模型需要大量标注数据，专家手工标注冠脉斑块代价昂贵，且容易存在观察者间误差，大量的精细标注的数据仍然难以获取。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有阈值法存在强度重叠问题，检测不精确。

(2)现有依赖于冠脉分割的方法由于钙化、血管远端过细等影响，难以生成精细的冠状动脉树。

(3)传统机器学习方法手工设计特征耗时耗力。

(4)现有深度模型训练需要大量标注数据。

解决以上问题及缺陷的难度为：鉴于数据特征的多样性，在传统机器学习方法应用中难以手工设计具有区分性的特征；深度学习方法获取标注数据存在一定困难，专家手工标注耗时耗力，容易存在观察者间误差。

解决以上问题及缺陷的意义为：

(1)不需要对冠脉进行分割，避免了冠脉分割不准确带来的误差。

(2)使用卷积神经网络进行斑块检测，避免了手工设计特征的复杂性，自动学习有效的特征，提高了检测精度。

(3)结合大量无标注数据进行训练，有助于提高分类任务的精度，而无标注数据往往容易获取。

发明内容

针对现有技术存在的问题，本发明提供了一种冠脉斑块数据检测方法、系统、存储介质、终端。