[发明专利]一种血管内中膜厚度的测量方法、系统和超声成像设备

说明书

本发明提供一种血管内中膜厚度的测量方法、系统和超声成像设备，通过将血管的超声图像输入到预先训练好的人工智能模型中，得到超声图像的感兴趣区域，感兴趣区域包含有内中膜图像；在感兴趣区域中划分出内中膜子区域和非内中膜子区域，并将非内中膜子区域去除；从感兴趣区域的内中膜子区域中确定目标内中膜子区域；识别出目标内中膜子区域的上边界和下边界；根据上边界和下边界计算得到内中膜厚度。可见，不论是感兴趣区域的确定还是后续的测量，均无需人工操作，提高了内中膜厚度测量的效率。

技术领域

本发明涉及医疗器械领域，具体涉及一种血管内中膜厚度的测量方法、系统和超声成像设备。

背景技术

医疗超声可对人体颈动脉的组织结构进行二维成像。通过对颈动脉血管组织中的内中膜厚度定量测量，可为临床判断颈动脉血管病变提供依据。在动脉粥样硬化病变基础上发生的心脑血管疾病是现代人类的主要杀手之一。而动脉粥样硬化是一个长期的发展过程。研究表明：颈动脉内中膜厚度与心肌梗塞的发生有着明显的相关性——内中膜厚度每增加0.1mm，心肌梗塞发生的危险性上升11％。因此，颈动脉的内中膜厚度可作为判别动脉粥样硬化程度的有效指标。基于超声图像的内中膜厚度测量，对颈动脉粥样硬化的预防及诊断有着积极意义。

临床中广泛采用超声成像方法获取颈动脉血管图像，之后由医生手工定点或边界描绘测量内中膜厚度。在没有计算机辅助的情况下，内中膜厚度测量需要医生手工描绘边界或者定点距离测量，由于血管内中膜非常纤薄，在图像中不容易定位准确，这依赖于医生的经验和主观性，一方面导致医生工作量大，效率不高；另一方面测量结果依赖个人经验和主观性。

发明内容

本发明提供一种血管内中膜厚度的测量方法、系统和超声成像设备，以提高血管内中膜厚度测量的效率。

一实施例提供一种血管内中膜厚度的测量方法,包括：

获取血管的超声图像；

将所述超声图像输入到预先训练好的人工智能模型中，得到超声图像的感兴趣区域，所述感兴趣区域包含有内中膜图像；

在所述感兴趣区域中划分出内中膜子区域和非内中膜子区域，并将所述非内中膜子区域去除；

从所述感兴趣区域的内中膜子区域中确定目标内中膜子区域；

识别出目标内中膜子区域的上边界和下边界；

根据所述上边界和下边界计算得到内中膜厚度。

一实施例提供的所述的方法中，所述人工智能模型为深度学习模型，所述深度学习模型通过如下方式训练得到：

获取多个血管的训练用超声图像；所述训练用超声图像标注有内中膜区域；

将所述训练用超声图像输入到预先设置的深度学习模型中进行训练，得到训练好的深度学习模型。

一实施例提供的所述的方法中，所述在所述感兴趣区域中划分出内中膜子区域和非内中膜子区域，并将所述非内中膜子区域去除，包括：

通过小波聚类算法在所述感兴趣区域中划分出血管腔子区域、内中膜子区域和血管外膜子区域，将血管腔子区域和血管外膜子区域去除。

一实施例提供的所述的方法中，所述从所述感兴趣区域的内中膜子区域中确定目标内中膜子区域，包括：

将所述感兴趣区域的各个内中膜子区域根据大小进行排序，前两大内中膜子区域为候选内中膜子区域；

分别统计前两大内中膜子区域占两者之和的占比，判断两个占比是否大于预设阈值；

在两个占比均大于预设阈值时，计算前两大内中膜子区域的各点到所述感兴趣区域中心点距离的均方差，将均方差小的内中膜子区域确定为目标内中膜子区域；