[发明专利]一种基于血管内OCT和超声图像融合的多参量提取方法

说明书

一种基于血管内OCT和超声图像融合的多参量提取方算法，其特征是使用同一段血管的IVUS图片和OCT图片进行图像融合，使用融合后的图片进行深度学习对OCT图像的中膜进行识别，训练出满意的人工智能算法，将OCT图片输入到人工智能算法即可分割出中膜和管腔边界，从而可以得到斑块负荷信息。本发明弥补了OCT成像穿透力不足的缺陷，可以快速得到图像负荷。

技术领域

本发明涉及一种图像处理技术，尤其是一种OCT图像处理技术，具体地说是一种基于血管内OCT和超声图像融合的多参量提取算法。

背景技术

目前，X射线、超声和OCT等技术手段已经广泛的用于各种疾病的诊断和治疗。X射线的分辨率较低，但是可以大范围、整体成像，是目前造影成像的基础，也是冠状动脉评估和治疗的金标准，但是造影只能提供二维影像学信息，不能提供管腔内的组织成分信息；血管内超声的分辨率大约在100～200微米，穿透深度可以达到10mm；血管内OCT的分辨率大约是10～20微米，穿透深度大约1～2mm。目前，这三种成像技术在临床上彼此互补，搭配使用。由于血管内超声和血管内OCT的成像机理比较类似，主要区别是分辨率和穿透深度，在临床应用中血管内超声相对于血管内OCT的主要优势是可以评估斑块负荷，但是超声信号无法穿透钙化斑块并且超声信号分辨率较低，在计算管腔面积时往往会高估管腔面积。血管内OCT具有超高的分辨率，可以对各种斑块进行识别，穿透深度的限制，无法有效识别斑块位置的中膜位置，因此无法提供斑块负荷信息，也无法对脂质斑块进行有效成像。

发明内容

本发明的目的是针对OCT成像技术的穿透力较低而无法有效识别斑块位置的中膜位置，因此无法提供斑块负荷信息，也无法对脂质斑块进行有效成像的问题，发明一种基于血管内OCT和超声图像融合的多参量提取方法。

本发明的技术方案是：

一种基于血管内OCT和超声图像融合的多参量提取方法，其特征是使用同一段血管的IVUS图片和OCT图片进行图像融合，使用融合后的图片进行深度学习对OCT图像的中膜进行识别，训练出满意的人工智能算法，将OCT图片输入到人工智能算法即可分割出中膜和管腔边界，从而可以得到斑块负荷信息。

斑块负荷评估的是斑块对原有血管管腔的占位效应，计算公式为

外弹力膜横截面积通常使用中膜的横截面积来表征。由于血管内超声具有较大的穿透深度，在斑块富集处也可以对中膜成像，因此可以测量出斑块面积和中膜面积，进而评估斑块负荷情况。血管内OCT对组织的穿透深度只有1～2mm，当斑块深度大于1mm或者遇到特殊斑块时(脂质池)就无法对内膜有效成像，因此常规的OCT图像不能评估斑块负荷情况。

本发明的有益效果是：

本发明弥补了OCT成像穿透力不足的缺陷，可以快速得到图像负荷。

附图说明

图1是本发明的算法流程示意图。

图2是本发明的图像融合过程示意图。

图3是将OCT图像输入到模型即可将中膜(绿色)和管腔(蓝色)分割出来，并得到斑块负荷信息示意图。

图4是对一段血管进行识别，得到斑块处的管腔和中膜位置(箭头处)，可以进行血流动力学分析，进一步评估血管缺血情况和局部涡流和应力分布。

图5是U-net网络结构示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的说明。

如图1-5所示。