建立训练识别心脏血管类型的卷积神经网络数据集的方法技术

本发明专利技术公开一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，包括：获取脱敏处理后的心脏冠脉数据，将心脏冠脉数据以单张静态图片形式存储；在单张静态图片中使用对应颜色标注当前体位下的血管，形成粗标图；对粗标图中标注的信息进行像素级标注，形成精标图；识别精标图中血管的颜色，使图片由三通道图像变成单通道图像；将单通道图像存储为二值图；基于脱敏处理后的心脏冠脉数据、粗标图、精标图、单通道图像和二值图建立训练识别心脏血管类型的卷积神经网络数据集。本发明专利技术对数据作统一标准的处理，该数据集中的数据真实、多样，数据量大，数据类型丰富，格式标准、错误率较小，可以用于训练不同功能的神经网络，减少人工干预。

【技术实现步骤摘要】
建立训练识别心脏血管类型的卷积神经网络数据集的方法
本专利技术涉及的是一种建立训练识别心脏血管类型的卷积神经网络数据集的方法及该数据集，属于通信

技术介绍
人工神经网络是人工智能领域提出的一种运算模型，它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络，以此来解决人工智能领域(如图像识别)中的某些问题。卷积神经网络(ConvolutionalNeuralNetwork,CNN)是人工神经网络的一种，是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理，即输入一张图片，卷积神经网络对此图片进行一定的变换，输出得到的结果。网络的输出若尽可能的接近预测的值，就需要训练网络。训练网络就是卷积神经网络进行自身权重迭代调整的过程。我们给出一个输入和一个期望得到的输出，网络就会比较目前的输出值和期望值，再根据两者的差异情况来更新每一层的参数权重。训练和测试网络需要用到一个拥有大量数据的数据集。数据集应该主要包括原始图片和每张原始图片对应的标签。现有技术中，大多数数据集均为用于通用图像分割训练的数据集，这些数据一般来自于日常生活的照片，具有比较高的可识别度。而需要被分割和识别血管的心脏冠状动脉的图像和日常生活的照片具有很大差异，是用数字减影血管造影技术得到的。数字减影血管造影的基本原理是将注入造影剂前后拍摄的两帧X线图像经数字化输入图像计算机，通过减影、增强和再成像过程来获得纯血管影像，同时实时地显现血管影。这种技术得到的图像分辨率较低、噪声很高。同时，心脏冠状动脉血管的类间差异较小、类内差异很大。这两者决定了造影图像和通用数据集中的图像有非常大的区别。用通用图像数据集训练得到的分割网络不能用于心脏冠脉血管的识别和分割。
技术实现思路
针对上述缺陷，本专利技术提供了一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，该方法对数据作统一标准的处理，得到一个格式标准、错误率较小的数据集，该数据集中的数据真实、多样，数据量大，数据类型丰富，可以用于训练不同功能的神经网络，做到了尽量减少人工干预。为达到上述目的，本专利技术通过以下技术方案来具体实现：本专利技术提供了一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，该方法包括：获取脱敏处理后的心脏冠脉数据，将所述心脏冠脉数据以单张静态图片形式存储，每张所述单张静态图片绑定唯一序号；按照专业医学的命名规则，在所述单张静态图片中使用对应颜色标注当前体位下的血管，存储形成粗标图；并将不同体位的粗标图分类存储；对粗标图中标注的信息进行像素级标注，形成精标图；识别精标图中血管的颜色，将每种颜色存储为对应的唯一标号，使图片由三通道图像变成单通道图像；将单通道图像二值化处理存储为二值图；基于脱敏处理后的心脏冠脉数据、粗标图、精标图、单通道图像和二值图建立训练识别心脏血管类型的卷积神经网络数据集。进一步的，所述获取脱敏处理后的心脏冠脉数据的步骤包括：获取包括健康的心脏冠脉数据和病变的心脏冠脉数据；删除无关数据后形成只含有数字减影血管造影技术(DigitalSubtractionAngiography，DSA)影像和拍摄体位信息的dicom文件的心脏冠脉数据。进一步的，所述将所述心脏冠脉数据以单张静态图片形式存储，每张所述单张静态图片绑定唯一序号的具体步骤包括：根据心脏冠脉数据中DSA影像的长短，提取并存储影像中预设数量的单张静态图片；F(N)＝f(n)×g(n)×D(n)其中，F(N)是一组单张静态图片的集合，N表示每张单张静态图片绑定唯一序号；f(n)是脱敏处理后的心脏冠脉数据的原始的DSA影像；g(n)是一个门函数，其中是向下取整符号，λ是一个可变参数，0≤λ≤0.5，l表示原始的DSA影像的图片帧数，n表示原始的DSA影像的图片帧序号，0≤n≤l；D(n)是冲激函数δ(n)组成的抽样函数，m是可变参数，控制静态图片提取的数量。进一步的，所述体位包括但不限于头位(CRA)，足位(CAU)，左前斜(LAO)，左前斜足位(LAO_CAU),左前斜头位(LAO_CRA)，右前斜足位(RAO_CAU),右前斜头位(RAO_CRA)。进一步的，所述对粗标图中标注的信息进行像素级标注，形成精标图，包括：将选取的粗标图中标注的血管，用对应的颜色完全填充，同时单独标出导丝；对于粗标图中没有特别标注的血管，以及导丝附近与背景明显不同的阴影，统一标注为不关注血管或漏液，存储后形成精标图。进一步的，所述对粗标图中标注的信息进行像素级标注，形成精标图，包括：按不同体位等比例随机挑选粗标图或顺序选择粗标图。进一步的，按不同体位等比例随机挑选粗标图的方法，包括：在脱敏处理后的心脏冠脉数据中按不同体位等比例随机挑选静态图片，根据静态图片绑定唯一序号在粗标图中选取对应图片。进一步的，所述将单通道图像二值化处理存储为二值图，包括：将单通道图像中的血管和导丝显示白色，背景显示黑色，包括：其中，G[i,j]为二值化图片中第i行第j列上像素的值，S[i,j]为单通道图片中第i行第j列上像素值；二值化处理后的图片进行存储后形成二值图。本专利技术的有益效果是：通过本专利技术提供的技术方案，所处理的数据类型更为复杂，得到的数据也更为多样化。包括dicom(DigitalImagingandCommunicationsinMedicine,即医学数字成像和通信，它定义了质量能满足临床需要的可用于数据交换的医学图像格式)格式的连续图片帧、数字减影血管造影下多体位心脏冠状动脉的图像、血管的黑白二值图标签、血管位置和名称的粗标注、血管位置和名称的像素级标注等，可以对数据作统一标准的处理，得到一个格式标准、错误率较小的数据集，该数据集中的数据真实、多样，数据量大，数据类型丰富，可以用于训练不同功能的神经网络，做到了尽量减少人工干预。附图说明图1所示为本专利技术提供的一种建立训练识别心脏血管类型的卷积神经网络数据集的方法的实施例一流程图。图2所示为本专利技术提供的一种建立训练识别心脏血管类型的卷积神经网络数据集的方法的示意图之一。图3所示为本专利技术提供的一种建立训练识别心脏血管类型的卷积神经网络数据集的方法的示意图之二。图4所示为本专利技术提供的一种建立训练识别心脏血管类型的卷积神经网络数据集的方法的示意图之三。具体实施方式下面对本专利技术的技术方案进行具体阐述，需要指出的是，本专利技术的技术方案不限于实施例所述的实施方式，本领域的技术人员参考和借鉴本专利技术技术方案的内容，在本专利技术的基础上进行的改进和设计，应属于本专利技术的保护范围。实施例一本专利技术实施例一提供了一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，该方法包括步骤S110-步骤S140：在步骤S110中，获取脱敏处理后的心脏冠脉数据，将所述心脏冠脉数据以单张静态图片形式存储，每张所述单张静态图片绑定唯一序号。其中，所述获取脱敏处理后的心脏冠脉数据的步骤包括：获取包括健康的心脏冠脉数据和病变的心脏冠脉数据。心脏冠脉数据的原始数据均为与医院联系、经过病人同意之后取得的真实数据，包括健康的心脏冠脉数据和病变的心脏冠脉数据。提取的数据均以dicom格式的文件保存。dicom(DigitalImagingandCommunicationsinMedici本文档来自技高网...

【技术保护点】
1.一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，其特征在于，该方法包括：获取脱敏处理后的心脏冠脉数据，将所述心脏冠脉数据以单张静态图片形式存储，每张所述单张静态图片绑定唯一序号；按照专业医学的命名规则，在所述单张静态图片中使用对应颜色标注当前体位下的血管，存储形成粗标图；并将不同体位的粗标图分类存储；对粗标图中标注的信息进行像素级标注，形成精标图；识别精标图中血管的颜色，将每种颜色存储为对应的唯一标号，使图片由三通道图像变成单通道图像；将单通道图像二值化处理存储为二值图；基于脱敏处理后的心脏冠脉数据、粗标图、精标图、单通道图像和二值图建立训练识别心脏血管类型的卷积神经网络数据集。

【技术特征摘要】
1.一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，其特征在于，该方法包括：获取脱敏处理后的心脏冠脉数据，将所述心脏冠脉数据以单张静态图片形式存储，每张所述单张静态图片绑定唯一序号；按照专业医学的命名规则，在所述单张静态图片中使用对应颜色标注当前体位下的血管，存储形成粗标图；并将不同体位的粗标图分类存储；对粗标图中标注的信息进行像素级标注，形成精标图；识别精标图中血管的颜色，将每种颜色存储为对应的唯一标号，使图片由三通道图像变成单通道图像；将单通道图像二值化处理存储为二值图；基于脱敏处理后的心脏冠脉数据、粗标图、精标图、单通道图像和二值图建立训练识别心脏血管类型的卷积神经网络数据集。2.如权利要求1所述的方法，其特征在于，所述获取脱敏处理后的心脏冠脉数据的步骤包括：获取包括健康的心脏冠脉数据和病变的心脏冠脉数据；删除无关数据后形成只含有DSA影像和拍摄体位信息的dicom文件的心脏冠脉数据。3.如权利要求1或2所述的方法，其特征在于，所述将所述心脏冠脉数据以单张静态图片形式存储，每张所述单张静态图片绑定唯一序号的具体步骤包括：根据心脏冠脉数据中DSA影像的长短，提取并存储影像中预设数量的单张静态图片；F(N)＝f(n)×g(n)×D(n)其中，F(N)是一组单张静态图片的集合，N表示每张单张静态图片绑定唯一序号；f(n)是脱敏处理后的心脏冠脉数据的原始的DSA影像；g(n)是一个门函数，其中是向下取整符号，λ是一个可变参数，0≤λ≤0.5，l表示原始的DSA...

【专利技术属性】
技术研发人员：徐波，翟墨，王筱斐，叶丹，
申请(专利权)人：北京红云智胜科技有限公司，
类型：发明
国别省市：北京,11