The present invention provides an automatic detection method, system and equipment for coronary artery disease based on depth learning. The object detection technique based on depth learning is applied to the detection of coronary artery disease through training steps and test steps. The text processing technology based on machine learning is applied to the detection of coronary artery lesions. The text processing and image processing technology are combined to integrate multiple modal information for coronary artery lesion detection. The process of coronary artery disease detection is automated and no manual participation is required in the detection process. The technical scheme of the present invention solves the problem that the pathological changes in the medical image can not be detected in real time, and the technical problem of low accuracy of pixel detection can detect the pathological changes in the coronary artery in real time, and give the doctor reference and help. Compared with other systems, the invention significantly improves the detection rate of lesions and shortens the diagnosis and treatment process.
【技术实现步骤摘要】
基于深度学习的冠状动脉病变自动检测方法、系统和设备
本专利技术涉及数字图像的目标检测
,尤其涉及一种基于深度学习的冠状动脉病变自动检测方法、系统和设备。
技术介绍
冠状动脉疾病是目前世界上死亡率最高的疾病之一。数字剪影血管造影(DSA)和(CT)是目前可以诊断心脏动脉疾病程度的主要方法。一般医生将导管送入心脏的冠状动脉窦,之后通过导管释放造影剂,使得冠状动脉显影,在这之后,医生根据不同的体位观察并最终确认病变所在的位置。由于造影剂的流动延迟和其他的一些原因,有时候很难准确判断一个血管的病变。对医学图像中感兴趣的区域或者病变做检测是对心脏病诊断的关键步骤,但同时会消耗临床医生大量的时间。近年来,计算机辅助诊疗系统在医学图像检测中有着突出的表现。如专利号为CN201310476548.9,名称为:目标检测方法和装置的专利技术专利公开了基于方向梯度直方图特征,采用Adaboost算法对标定正负的图像样本进行训练,得到目标检测模型;接收待检测图像;基于BoxFlter算法提取所述待检测图像的有向梯度直方图特征,并通过所述目标检测模型进行目标检测的技术方案,能够提高HOG(HistogramofOrientedGradient)特征的提取速度,从而提高视频监控中的目标检测速度。该技术方案虽然使用了数字图像的目标检测技术,但是使用的方法中使用了手工提取的特征和较为浅层的级联分类器针对自然图像进行目标检测,准确率较低速度较慢。专利技术人在研究的过程中发现,在医疗领域,大多数已经发表的基于目标检测的医疗系统仍然使用手工提取的特征或者是使用深度网络提取的特征来执行像素 ...
【技术保护点】
1.一种基于深度学习的冠状动脉病变自动检测方法,其特征在于,该方法包括以下步骤:步骤一、训练步骤,包括:S101、文本信息处理模块从医疗综合数据库中存储的冠状动脉病变病历中提取病人的基本特征,基于提取的基本特征使用C4.5决策树算法训练一个分类决策树,分类决策树将病变种类信息输出至Dicom视频处理模块中;S102、Dicom视频处理模块通过接收到的病变种类信息,使用SSN从医疗综合数据库中存储的与所述病变种类信息对应的心脏造影Dicom视频中筛选出包含病变的关键帧,并将关键帧输出到神经网络控制器中;S103、神经网络控制器基于caffe深度学习框架使用关键帧数据逐层训练,若网络训练次数小于设定阈值,从Dicom视频处理模块中继续读取关键帧数据逐层训练,直至网络训练次数达到设定阈值,停止训练,将神经网络中各个层的参数组合成模型存储到模型存储模块中;步骤二、测试步骤:S201、神经网络控制器接收特定病人的Dicom视频,基于特定病人的Dicom视频从模型存储模块中提取对应的模型,将特定病人的Dicom视频数据输入至训练好的模型中,输出最终的病变位置和病变种类。
【技术特征摘要】
1.一种基于深度学习的冠状动脉病变自动检测方法,其特征在于,该方法包括以下步骤:步骤一、训练步骤,包括:S101、文本信息处理模块从医疗综合数据库中存储的冠状动脉病变病历中提取病人的基本特征,基于提取的基本特征使用C4.5决策树算法训练一个分类决策树,分类决策树将病变种类信息输出至Dicom视频处理模块中;S102、Dicom视频处理模块通过接收到的病变种类信息,使用SSN从医疗综合数据库中存储的与所述病变种类信息对应的心脏造影Dicom视频中筛选出包含病变的关键帧,并将关键帧输出到神经网络控制器中;S103、神经网络控制器基于caffe深度学习框架使用关键帧数据逐层训练,若网络训练次数小于设定阈值,从Dicom视频处理模块中继续读取关键帧数据逐层训练,直至网络训练次数达到设定阈值,停止训练,将神经网络中各个层的参数组合成模型存储到模型存储模块中;步骤二、测试步骤:S201、神经网络控制器接收特定病人的Dicom视频,基于特定病人的Dicom视频从模型存储模块中提取对应的模型,将特定病人的Dicom视频数据输入至训练好的模型中,输出最终的病变位置和病变种类。2.如权利要求1所述的方法,其特征在于,步骤S101中,所述基本特征指的是包含敏感特征信息和/或缺失特征信息的病例特征信息。3.如权利要求1-2之一所述的方法,其特征在于,步骤S102中,具体包括:接收从医疗综合数据库中存储的与所述病变种类信息对应的整段心脏造影Dicom视频;基于病变种类信息,使用SSN协同分析整段心脏造影Dicom视频中出现的关键动作位置点;基于关键动作位置点,对整段Dicom视频分段,并迭代此步骤,直到视频分段满足设定值;选取视频分段中的任意一帧作为关键帧,将关键帧输入到神经网络控制器中。4.如权利要求1-3之一所述的方法,其特征在于,Dicom视频包含若干帧的冠状血管造影,冠状血管造影中标记有病变部位,包括但不限于全部梗阻、狭窄、三叉神经、分叉、主动脉病变,严重迂曲、重度钙化、血栓中的一种或多种。5.如权利要求1所述的方法,其特征在于,步骤S103中,具体包括:神经网络控制器将关键帧数据不断输入至神经网络训练模块中,神经网络训练模块将关键帧数据从下至上逐层通过神经网络的各个层,每一层的卷积核对输入做处理,产生的输出作为下一层的输入,直到最后一层,计算出最后预测的病变位置,和真实的病变位置作比较计算出偏差值,将偏差值输出至反馈模块中;反馈模块通过BP算法反向传播偏差值,从上至下逐层更新每一层卷积核的参数;若网络训练次数小于设定阈值,从Dicom视频处理模块中继续读取关键帧数据逐层训练,直至网络训练次数达到设定阈值,停止训练,将每一层卷积核的参数合成模型存储到模型存储模块中。6.如权利要求1所述的方法,其特征在于,步骤S103之后,还包括步骤S104,具体包括:神经网络控制器从模型存储模块中读取预训练好的模型,判断该模型的网络迭代次数是否小于阈值,若是,...
【专利技术属性】
技术研发人员:徐波,杜天明,周文辉,
申请(专利权)人:北京红云视界技术有限公司,
类型:发明
国别省市:北京,11
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。