一种用于CTA图像的颅内动脉瘤区域自动检测系统和检测方法技术方案

本发明专利技术公开了一种用于CTA图像的颅内动脉瘤区域自动检测系统及检测方法，包括：数据增强模块，其用于将采集后的CTA图像数据进行增强处理；疑似区域预选模块，其用于对增强后的CTA图像数据进行模型训练，确定疑似区域的中心坐标；精细目标检测模块，其用于根据所述中心坐标裁剪原始图像后，进行模型训练，在所述原始图像上标注颅内动脉瘤所在区域；多维度融合模块，其用于根据所述中心坐标裁剪三维立体图像后，进行模型训练，在所述三维立体图像上标注颅内动脉瘤所在区域，进而结合精细目标检测结果，在所述原始图像上标注颅内动脉瘤所在区域；增量训练模块，其用于采集新增的CTA图像，重新确定颅内动脉瘤所在区域。

【技术实现步骤摘要】
一种用于CTA图像的颅内动脉瘤区域自动检测系统和检测方法
本专利技术涉及辅助医疗器械领域，具体涉及一种用于CTA图像的颅内动脉瘤区域自动检测系统和检测方法。
技术介绍
颅内动脉瘤是造成非创伤性蛛网膜下腔出血的主要病因，破裂出血所引起的脑细胞损伤和血管痉挛会导致高致残率和高死亡率。据估计，约有3％的成年人患有颅内动脉瘤，且在肿瘤未发生破裂的情况下，极难被诊断出来。已有研究表明，造成颅内动脉瘤破裂的原因与颅内动脉瘤的位置和大小密切相关。因此，准确的检测方法是现阶段降低颅内动脉瘤破裂风险的有效手段。传统的颅内动脉瘤检测方法依赖于人工筛查和手动标注。这种方法不仅需要较高的人力资本，而且在时效上也无法满足医疗行业的需求。传统方法引发的种种不稳定因素极容易造成医生误诊病人的病情或是误判最佳的治疗时间，以至于影响到患者的后续治疗。针对颅内动脉瘤的自动检测技术在临床上具有较高的实用价值和社会意义。传统肿瘤自动检测方法主要包括阈值法和区域生长法。阈值法的基本思想是，初始化一个阈值，根据像素值是否大于阈值来分类每一个像素点是否处于病灶区域。生长法是本文档来自技高网...

【技术保护点】
1.一种用于CTA图像的颅内动脉瘤区域自动检测系统，其特征在于，包括：/n数据增强模块，其用于将采集后的CTA图像进行增强处理后得到多个增强后的CTA图像；/n疑似区域预选模块，其用于对增强后的CTA图像进行模型训练，确定疑似区域的中心坐标；/n精细目标检测模块，其用于根据所述中心坐标裁剪原始图像后，进行模型训练，在所述原始图片上标注颅内动脉瘤所在区域；/n多维度融合模块，其用于根据所述中心坐标裁剪三维立体图像后，进行模型训练，在所述三维立体图像上标注颅内动脉瘤所在区域，进而结合精细目标检测结果，在所述原始图像上标注颅内动脉瘤所在区域。/n

【技术特征摘要】
1.一种用于CTA图像的颅内动脉瘤区域自动检测系统，其特征在于，包括：
数据增强模块，其用于将采集后的CTA图像进行增强处理后得到多个增强后的CTA图像；
疑似区域预选模块，其用于对增强后的CTA图像进行模型训练，确定疑似区域的中心坐标；
精细目标检测模块，其用于根据所述中心坐标裁剪原始图像后，进行模型训练，在所述原始图片上标注颅内动脉瘤所在区域；
多维度融合模块，其用于根据所述中心坐标裁剪三维立体图像后，进行模型训练，在所述三维立体图像上标注颅内动脉瘤所在区域，进而结合精细目标检测结果，在所述原始图像上标注颅内动脉瘤所在区域。


2.如权利要求1所述的用于CTA图像的颅内动脉瘤区域自动检测系统，其特征在于，还包括：增量训练模块，其用于采集新增的CTA图像，重新确定颅内动脉瘤所在区域。


3.一种用于CTA图像的颅内动脉瘤区域自动检测方法，其特征在于，使用如权利要求1或2所述的用于CTA图像的颅内动脉瘤区域自动检测系统系统进行检测，包括如下步骤：
步骤一、采集CTA图像并进行数据增强处理得到增强后的CTA图像数据得到多个增强的CTA图像；
步骤二、采用所述增强的CTA图像进行模型训练后，对损失函数的参数进行寻优，确定疑似区域的中心坐标；
步骤三、根据所述中心坐标在所述CTA图像上裁剪原始图像并进行模型训练后，对损失函数的参数进行寻优，在所述原始图像上标注颅内动脉瘤所在区域；以及
根据所述中心坐标确定所述CTA图像的整组三维CTA图像，在所述三维CTA图像上裁剪三维立体图像并进行模型训练后，对损失函数的参数进行寻优，在所述三维立体图像上标注颅内动脉瘤所在区域；
步骤四、对在所述原始图像上标注的颅内动脉瘤所在区域和在所述三维立体图像上标注的颅内动脉瘤所在区域进行处理，保留重叠区域，删除非重叠区域，进而得到最终的颅内动脉瘤所在区域。


4.如权利要求3所述的用于CTA图像的颅内动脉瘤区域自动检测方法，其特征在于，还包括：
步骤五、采集新增的CTA图像数据并进行数据增强处理后，依次重复进行所述步骤二、所述步骤三和所述步骤四，重新确定颅内动脉瘤所在区域后与所述步骤四中的最终的颅内动脉瘤所在区域进行比对，进而重新确定最终的颅内动脉瘤所在区域。


5.如权利要求3或4所述的用于CTA图像的颅内动脉瘤区域自动检测方法，其特征在于，在所述步骤一中，进行数据增强处理过程包括：
将采集的CTA图像分别向右平移20个像素、向下两个方向平移20个像素、顺时针方向旋转90度、逆时针方向旋转90度、水平方向进行图片翻转、垂直方向进行图片翻转、进行随机仿射变换和/或随机弹性变换；
其中，所述随机仿射变换的过程中随机选取旋转中心并进行随机的旋转、平移变换；所述随机弹性变换的过程中创建弹性形变的随机位移场并作用于仿射变换的图像，弹性形变的随机位移场由经过高斯卷积后的随机位移场乘以控制变形强度的比例因子获得。


6.如权利要求5所述的用于CTA图像的颅内动脉瘤区域自动检测方法，其特征在于，在所述步骤二中，进行模型训练后，对损失函数的参数进行寻优的过程包括：
通过U-net网络架构进行模型训练，数据输入为所述增强后的CTA图像，输出为疑似区域的图像；
所述损失函数为
式中，p0I为疑似区域的图像中的像素I发生病变的概率，p1I为疑似区域的图像中的像素I未发生病变的概率，g0I为标签图像中的像素I发生病变的概率，g1I为标签图像中的像素I未发生病变的概率，α为假阴性的权重，β为假阳性的权重；
其中，在区间[0.5，0.9]之间对参数α、β进行优化得到疑似区域预选模块高召回率的目标；
确定疑似区域的中心坐标的过程包括：
根据所述疑似区域预选模块高召回率的目标分别将疑似区域和背景区域的像素分别置...

【专利技术属性】
技术研发人员：吴春国，白烁彤，黄萨，梁艳春，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22