[发明专利]一种基于超声扫查视频的动脉斑块识别方法及系统

说明书

本发明提供一种基于超声扫查视频的动脉斑块识别方法及系统，涉及医学图像处理技术领域，包括：获取一超声扫查视频，由所述超声扫查视频中提取连续多帧的超声扫查图像；分别对各所述超声扫查图像进行动脉斑块识别得到相应的图像识别结果；对各所述图像识别结果进行处理得到所述超声扫查视频的动脉斑块识别结果。有益效果是通过基于超声扫查视频中的连续多帧的超声扫查图像进行动脉斑块识别，能够捕捉连续帧的动态图像信息，进而可以实现有缺失的动脉斑块和单个超声扫查图像难以辨识的动脉斑块得到很好的检出，提高识别率，减少假阳性检出率。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种基于超声扫查视频的动脉斑块识别方法及系统。

背景技术

动脉斑块指的是动脉的某个部位在血管的壁内出现动脉硬化，脂质沉积。伴随着时间的延长，动脉斑块就会在动脉中慢慢的生长，导致血管的管腔逐渐的变窄，就会出现供血不足的症状，颈动脉斑块会造成脑供血不足，冠状动脉粥样硬化会造成心肌缺血，引发心绞痛，更为严重的是，随着斑块的逐渐变大，斑块会发生破裂，然后顺着我们的血管流向全身各处，流到哪里，就会堵到哪里，一旦堵塞，就是会出现我们所说的临床症状，比如像心梗，脑梗这种恶性的血管事件。这也是斑块造成的严重后果。

超声成像因其廉价、安全，是目前临床上用于筛查动脉斑块的首选方法，它不仅能够反映血管的解剖结构和斑块特性，还能提供血管内血流速度和血管狭窄率等指标。但由于医学图像本身的复杂性，基于超声图像进行斑块识别需要有经验的医生进行查看。随着计算机辅助诊断技术的发展，当前出现了采用机器学习的方式对超声图像进行斑块识别。

目前通过超声图像对动脉斑块进行识别主要是基于单张超声图像处理的方式，有的使用传统的图像分割识别算法，有的借助深度学习的方式，但也主要集中在二维的分割和识别网络。由于超声图像本身具有很多噪声和伪像的存在，即使是医生在进行诊断的过程中也需要对视频进行反复的查看才能确定，因此基于单张图像的处理方式没有考虑到不同帧之间的差异，无法捕捉动态信息，会导致识别率低、假阳性很高，从而导致误诊或漏诊，很难或者无法满足需要。

发明内容

针对现有技术中存在的问题，本发明提供一种基于超声扫查视频的动脉斑块识别方法，包括：

步骤S1，获取一超声扫查视频，由所述超声扫查视频中提取连续多帧的超声扫查图像；

步骤S2，分别对各所述超声扫查图像进行动脉斑块识别得到相应的图像识别结果；

步骤S3，对各所述图像识别结果进行处理得到所述超声扫查视频的动脉斑块识别结果。

优选的，所述步骤S2包括：

步骤S21，分别对各所述超声扫查图像进行特征提取得到各所述超声扫查图像中的感兴趣区域；

步骤S22，分别对各所述感兴趣区域进行动脉斑块识别得到各所述感兴趣区域中的斑块位置信息作为所述图像识别结果。

优选的，执行所述步骤S21之前，还包括将各所述超声扫查图像分为多组；

则所述步骤S21中，分别对每组所述超声扫查图像进行特征提取得到每组所述超声扫查图像对应的所述感兴趣区域；

所述步骤S22中，分别对每组所述超声扫查图像对应的所述感兴趣区域进行动脉斑块识别得到每组所述超声扫查图像对应的所述图像识别结果。

优选的，所述步骤S21中，采用一全局自注意力网络分别对各组所述超声扫查图像进行特征提取得到各组所述超声扫查图像中的所述感兴趣区域。

优选的，所述全局自注意力网络包括：

输入层，作为所述全局自注意力网络的输入；

依次连接的第一卷积层、第一最大池化层和转置卷积层，所述第一卷积层的输入端连接所述输入层；