The invention is based on the IVUS organization tagging method and system, image acquisition and preprocessing based on deep learning and migration learning, and registration of the IVUS images of animals separated by internal and external membrane and the stained tissue slice images to obtain the IVUS image after registration. After the IVUS image is detected, the abnormal patch position of the IVUS image after registration is tagged to get the label information of the abnormal patch position. According to the label information of the IVUS image and the abnormal patch position after registration, the detection model is trained by the depth learning algorithm, and the training is obtained. The detection model is migrated to the human IVUS image, and the IVUS image of the internal and external membrane segmentation is input into the detection model, and the plaque in the human blood vessel is detected, and the different plaque tissues in the human blood vessel are labeled according to the results.
【技术实现步骤摘要】
基于深度学习与迁移学习的IVUS组织标注方法及系统
本专利技术涉及基于深度学习与迁移学习的IVUS组织标注方法及系统。
技术介绍
血管内超声(intravascularultrasound,IVUS)是分析血管形态和检测粥样硬化斑块的常用介入影像手段。它利用镶嵌于心导管顶端的微小超声探头,从血管腔内获得管腔的切面图像,完整显示包括血管壁外膜和中膜边界、内膜即管腔以及两者之间的斑块负荷情况在内的血管横断面。目前对IVUS图像中斑块的识别和分类主要由人工手动完成,不仅工作量巨大,而且结果的主观性强,可重复性差,易受操作者的临床经验和专业知识的影响。因此,自动检测IVUS图像中的斑块组织并对其按照成分进行分类具有重要的临床应用价值。由于IVUS成像的分辨率较低,所以容易丢失细节信息,这样就给利用数字图像处理技术来提取纹理信息进行分类标注的造成困难。
技术实现思路
为了解决现有技术的不足,本专利技术提供了基于深度学习与迁移学习的IVUS组织标注方法及系统,其基于深度学习并根据动物的组织切片对血管内超声图像组织自动标定并利用迁移学习的方法将模型应用到人的血管内超声图像组织自动组织标注;基于深度学习与迁移学习的IVUS组织标注方法,包括:步骤(101):图像采集和预处理:采集人的IVUS图像,对人的IVUS图像进行内外膜的分割;采集动物的IVUS图像,对动物的IVUS图像进行内外膜的分割;将动物的IVUS图像对应的动物血管做成切片,对切片进行染色,对染色处理后的切片进行拍照获得染色后的组织切片图像;步骤(102):图像配准:将进行内外膜分割的动物的IVUS图像与染色后的组 ...
【技术保护点】
1.基于深度学习与迁移学习的IVUS组织标注方法,其特征是,包括:步骤(101):图像采集和预处理:采集人的IVUS图像,对人的IVUS图像进行内外膜的分割;采集动物的IVUS图像,对动物的IVUS图像进行内外膜的分割;将动物的IVUS图像对应的动物血管做成切片,对切片进行染色,对染色处理后的切片进行拍照获得染色后的组织切片图像;步骤(102):图像配准:将进行内外膜分割的动物的IVUS图像与染色后的组织切片图像进行配准,得到配准后的IVUS图像;步骤(103):斑块检测:根据异常斑块的染色和正常组织是不同的,对配准后的IVUS图像进行斑块检测,将配准后的IVUS图像的异常斑块位置使用标签进行标注,得到异常斑块位置的标签信息;步骤(104):检测模型搭建:根据配准后的IVUS图像和异常斑块位置的标签信息,利用深度学习算法进行训练,得到检测模型;步骤(105):迁移学习:利用迁移学习算法将训练得到的检测模型迁移到人的IVUS图像中;步骤(106):将进行内外膜分割的人的IVUS图像输入到检测模型中,进行人血管中的斑块进行检测,根据检测结果对人血管中的不同斑块组织进行标注。
【技术特征摘要】
1.基于深度学习与迁移学习的IVUS组织标注方法,其特征是,包括:步骤(101):图像采集和预处理:采集人的IVUS图像,对人的IVUS图像进行内外膜的分割;采集动物的IVUS图像,对动物的IVUS图像进行内外膜的分割;将动物的IVUS图像对应的动物血管做成切片,对切片进行染色,对染色处理后的切片进行拍照获得染色后的组织切片图像;步骤(102):图像配准:将进行内外膜分割的动物的IVUS图像与染色后的组织切片图像进行配准,得到配准后的IVUS图像;步骤(103):斑块检测:根据异常斑块的染色和正常组织是不同的,对配准后的IVUS图像进行斑块检测,将配准后的IVUS图像的异常斑块位置使用标签进行标注,得到异常斑块位置的标签信息;步骤(104):检测模型搭建:根据配准后的IVUS图像和异常斑块位置的标签信息,利用深度学习算法进行训练,得到检测模型;步骤(105):迁移学习:利用迁移学习算法将训练得到的检测模型迁移到人的IVUS图像中;步骤(106):将进行内外膜分割的人的IVUS图像输入到检测模型中,进行人血管中的斑块进行检测,根据检测结果对人血管中的不同斑块组织进行标注。2.如权利要求1所述的基于深度学习与迁移学习的IVUS组织标注方法,其特征是,所述对切片进行染色,对染色处理后的切片进行拍照获得染色后的组织切片图像是指:对切片中脂质斑块、纤维化斑块和钙化斑块分别进行染色处理,其中,一个切片染色一种斑块,对染色处理后的切片进行拍照共得到3幅染色后的切片图像。3.如权利要求1所述的基于深度学习与迁移学习的IVUS组织标注方法,其特征是,所述图像配准利用CNN的深度学习或是手动配准的方法将组织切片图像与IVUS图像配准。4.如权利要求1所述的基于深度学习与迁移学习的IVUS组织标注方法,其特征是,所述...
【专利技术属性】
技术研发人员:张鹏飞,刘治,曹艳坤,肖晓燕,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。