[发明专利]一种基于深度学习的肾脏血管内膜辅助检测方法、计算机设备及计算机可读存储介质

权利要求书

1.一种基于深度学习的肾脏血管内膜辅助检测方法，其特征是，包括以下步骤：

(1)获取一张病理图片，首先用已知的肾脏血管轮廓，将大图裁切成为小图；

(2)将裁切后的小图输入到训练好的深度学习分割网络模型中，模型会输出分割掩码图，然后获取掩码图片的后面两个通道，分别对应血管内腔，血管内膜；

(3)分别计算分割后的掩码图片上血管内腔与血管内膜中非零元素值的平均值，将其作为该类别的得分；然后利用上一步获得的结果，计算血管内膜轮廓面积和血管内腔轮廓面积的比值；

(4)利用聚类算法获取三个阈值，根据阈值分别将面积比映射到对应的阈值范围内，从而判断肾脏血管内膜是否异常。

2.根据权利要求1所述的一种基于深度学习的肾脏血管内膜辅助检测方法，其特征是，步骤(1)中，将大图裁切成为小图的过程是：

先获得肾血管轮廓左上角坐标(l,t)和右下角坐标(r,b)，用右下角坐标减去左上角坐标获得肾血管轮廓最小外接矩形的宽与高分别为w＝r-l,h＝b-t；

取宽和高最大的一条边作为裁剪窗口的尺寸，轮廓的中心位置center＝(l+r)/2,(t+b)/2,利用肾血管轮廓和裁切中心以及旋转角度获得旋转后的肾血管的轮廓；从而获得裁切图片的裁切窗口坐标和对应轮廓。

3.根据权利要求1所述的一种基于深度学习的肾脏血管内膜辅助检测方法，其特征是，步骤(2)中，深度学习分割网络模型使用Unet框架，其中主干网络使用efficientnet-b3。

4.根据权利要求1所述的一种基于深度学习的肾脏血管内膜辅助检测方法，其特征是，步骤(2)中，深度学习分割网络模型训练过程中，血管权重设为1，血管以外的图像信息权重设为0，权重衰减设为0.0001。

5.根据权利要求1所述的一种基于深度学习的肾脏血管内膜辅助检测方法，其特征是，步骤(2)中，深度学习分割网络模型训练过程中，优化器选取Adam，其中初始学习率为0.001。

6.根据权利要求1所述的一种基于深度学习的肾脏血管内膜辅助检测方法，其特征是，步骤(4)获得的阈值为0,1.0,1.5；0Z1.0，无法确定血管内膜是否异常，1.0＝Z＝1.5，说明血管内膜正常；1.5Z说明血管内膜异常。

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时能够实现权利要求1-6中任一项所述的一种基于深度学习的肾脏血管内膜辅助检测方法中的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能够实现权利要求1-6中任一项所述的一种基于深度学习的肾脏血管内膜辅助检测方法中的步骤。