The invention discloses a method for detection of coronary artery calcification model based on migration, read from training images of coronary artery CT, according to the standard of medical image, extraction of the coronary artery calcification plaque candidate in CT images, the candidate image data of calcified plaque enhancement operation, data enhanced candidate calcified plaque the whole image input to the convolutional network model has been trained by natural images for training, get the detection model, read the test set of coronary CT images, according to the standard of medical imaging, CT imaging of coronary artery calcification candidate extraction in the test set, the candidate image as a calcified plaque detection model of the input end to end to get whether each pixel belongs to the calcified plaque detection results. According to the characteristics that the convolution neural network model can migrate in different fields, a small number of training samples are trained to detect coronary atherosclerotic plaques.
【技术实现步骤摘要】
一种基于模型迁移的冠状动脉钙化斑块检测方法
本专利技术涉及人工智能与医学图像处理领域,特别涉及一种基于模型迁移的冠状动脉钙化斑块检测方法。
技术介绍
冠心病在许多国家已经成为死亡原因的第一位。冠状动脉中的钙化斑块会造成冠脉血管狭窄,心肌缺氧,心脏舒缩功能下降,引发冠心病。因此,冠状动脉钙化斑块检测对于冠心病的预防有着至关重要的作用。在传统的医学图像处理方法中,钙化斑块检测过程仍然需要人工介入,比如种子点或初始化区域的选取。近年来,随着深度学习的发展,卷积神经网络已经在自然图像处理领域取得了空前的成果。但是,在医学图像领域,由于卷积神经网络的训练需要大量的有标记数据,而冠状动脉钙化斑块检测的专业性过强,只能通过专家来标记斑块,导致有标记的数据集规模不足以训练深度网络。
技术实现思路
本专利技术为了克服有标记的数据集规模过小的困难,将自然图像检测作为源域,冠状动脉钙化斑块检测作为目标域,提出一种基于模型迁移的冠状动脉钙化斑块检测方法。利用源域和目标域的参数共享模型,将利用自然图像训练完成的卷积神经网络的参数作为检测冠状动脉钙化斑块的卷积神经网络的初始化参数,减少训练深度卷积神经网络参数的计算量,用医学图像的小数据集训练深度卷积神经网络来检测冠状动脉图像中的钙化斑块。本专利技术一种基于模型迁移的冠状动脉钙化斑块检测方法,主要包括以下步骤:步骤1,读取训练集中的冠状动脉CT图像;步骤2,根据医学影像标准,提取所述冠状动脉CT图像中的候选钙化斑块;步骤3,对所述候选钙化斑块图像进行数据增强操作;步骤4,将数据增强后的候选钙化斑块图像输入到已通过自然图像训练完成的全卷积网 ...
【技术保护点】
一种基于模型迁移的冠状动脉钙化斑块检测方法,其特征在于,包括以下步骤:步骤1,读取训练集中的冠状动脉CT图像;步骤2,根据医学影像标准,提取所述冠状动脉CT图像中的候选钙化斑块;步骤3,对所述候选钙化斑块图像进行数据增强操作;步骤4,将数据增强后的候选钙化斑块图像输入到已通过自然图像训练完成的全卷积网络模型中进行训练,得到检测模型;步骤5,读取测试集中冠状动脉CT图像;步骤6,根据医学影像标准,提取测试集中冠状动脉CT图像中的候选钙化斑块;步骤7,将所述步骤6中得到的候选钙化斑块图像作为所述步骤4得到的检测模型的输入,端对端得到每个像素是否属于钙化斑块的检测结果。
【技术特征摘要】
1.一种基于模型迁移的冠状动脉钙化斑块检测方法,其特征在于,包括以下步骤:步骤1,读取训练集中的冠状动脉CT图像;步骤2,根据医学影像标准,提取所述冠状动脉CT图像中的候选钙化斑块;步骤3,对所述候选钙化斑块图像进行数据增强操作;步骤4,将数据增强后的候选钙化斑块图像输入到已通过自然图像训练完成的全卷积网络模型中进行训练,得到检测模型;步骤5,读取测试集中冠状动脉CT图像;步骤6,根据医学影像标准,提取测试集中冠状动脉CT图像中的候选钙化斑块;步骤7,将所述步骤6中得到的候选钙化斑块图像作为所述步骤4得到的检测模型的输入,端对端得到每个像素是否属于钙化斑块的检测结果。2.如权利要求1所述的一种基于模型迁移的冠状动脉钙化斑块检测方法,其特征在于,所述步骤2根据医学影像标准,提取所述冠状动脉CT图像中的候选钙化斑块的具体过程为:对冠状动脉CT图像使用阈值法筛选CT值超过130Hu的像素点,公式如下:其中,C(x,y)为经阈值...
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。