一种基于人工智能的多模态医学影像的转换方法技术

本发明专利技术公开了一种基于人工智能的多模态医学影像的转换方法，主要涉及医学影像领域。包括获取主动脉夹层的OCT图像数据；获取主动脉夹层的IVUS图像数据；分别对OCT图像数据和IVUS图像数据的背景采用全局阈值分割的方法，提取主动脉的外轮廓，并利用形态学孔洞填充和面积阈值方法将噪声信息进行清理；通过离散余弦变换的频域信息融合方法，将OCT图像数据和IVUS图像数据进行图像信息融合，获得融合图像。本发明专利技术的有益效果在于：它结合多种模态的胸主动脉夹层图像，将超声图像中的结构特征融合到OCT图像中，并在融合的多模态图像中有效的增强真腔、假腔和血栓的特征。

【技术实现步骤摘要】
一种基于人工智能的多模态医学影像的转换方法
本专利技术涉及医学影像领域，具体是一种基于人工智能的多模态医学影像的转换方法。
技术介绍
近年来，随着多种医学成像技术(CT.MRI.Utrasound.PET、OCT、Microscop等)的迅速发展，并已经被广泛应用于疾病的早期检测、诊断和治疗中，致使临床中，影像学专家每天需要面临大量的患者医学影像数据，单纯的依靠人工阅读和判定这些影像数据，不仅耗时费力，同时带有主观性。因此，计算机辅助诊断技术成为解决该问题的一个有力措施。尤其是，最近几年兴起的一种机器学习方法“深度学习”的引入，逐渐加快了现代计算机医学影像计算和分析迈入智能化和精确化的步伐。胸主动脉夹层是一个很险恶的、凶险的心血管疾病，它的致残和致死率很高。有统计数据表明，一旦发现急性胸部夹层动脉瘤，尤其是Ⅰ型的夹层动脉瘤，如果不予以积极的处理，它的一个月的死亡率能达到70％-80％。胸主动脉夹层是指在主动脉壁存在或不存在自身病变的基础上，并在一系列可能外因(如高血压、外伤等)的作用下导致主动脉内膜撕裂，血液由内膜撕裂口进入主动脉壁中层，造成主动脉中层沿长轴分离，管腔呈现真假两腔的一种病理状态。夹层好发部位在主动脉根部至左锁骨下动脉开口以远的弧形区域。该病起病突然，患者会出现剧烈疼痛、休克和压迫症状。少数患者由于心脏压塞、大量出血、恶性高血压、严重的主动脉瓣反流和心肌、中枢神经和肾脏的持续性缺血等，可致迅速死亡。故及时的诊断和治疗，对患者的生命和生活质量具有至关重要的作用。现在对于胸主动脉夹层的检查一般要辅助胸部的医学影像。例如CT、X线、核磁共振等。其中，OCT已经成为血管腔内成像分辨率最高的新兴成像方式，逐渐在胸主动脉夹层疾病的诊断中凸显其其重要地位。但是，考虑到胸主动脉夹层中会存在假腔、真腔和血栓多种复杂的解剖学结构，同时由于动脉壁三层组织结构的特点，在OCT成像中会存在反向散射，造成信号"的衰减和渗透，同时存在散斑噪声的干扰，最终形成弱边缘现象，这给OCT图像的自动化分割带来了研究的难点。
技术实现思路
本专利技术的目的在于提供一种基于人工智能的多模态医学影像的转换方法，它结合多种模态的胸主动脉夹层图像，将超声图像中的结构特征融合到OCT图像中，并在融合的多模态图像中有效的增强真腔、假腔和血栓的特征。本专利技术为实现上述目的，通过以下技术方案实现：一种基于人工智能的多模态医学影像的转换方法，包括：获取主动脉夹层的OCT图像数据；获取主动脉夹层的IVUS图像数据；分别对OCT图像数据和IVUS图像数据的背景采用全局阈值分割的方法，提取主动脉的外轮廓，并利用形态学孔洞填充和面积阈值方法将噪声信息进行清理；通过离散余弦变换的频域信息融合方法，将OCT图像数据和IVUS图像数据进行图像信息融合，获得融合图像。所述获取主动脉夹层的OCT图像数据，为采用激光波长λ为924纳米，纵向分辨率为7微米，穿透能力1.725毫米进行获取。所述获取主动脉夹层的OCT图像数据，包括在轴旋转角度为0°、+90°、-90°、180°状态下进行扫描，获得四角度OCT图像，通过将四角度OCT图像配准获得主动脉夹层的二维OCT横截面图像，对于每个胸主动脉血管，提取200层OCT横截面图像数据，以及，所述获取主动脉夹层的IVUS图像数据包括每次胸主动脉血管提取200层IVUS图像数据。所述将OCT图像数据和IVUS图像数据进行图像信息融合，包括以下步骤：第一，对OCT图像数据和IVUS图像数据进行重叠子块划分，块大小采用8*8；第二，对获得的子块图像分别进行二维离散余弦变换，实现从空间域变换到频域空间中，DCT变换使用公式1：所述h，p分别为频域信息中的坐标，取值范围为h，p＝0，1，2……，N-1，N代表划分的图像块大小，所述表达式2：逆DCT变换公式3：所述i，j是空间域坐标变量，取值范围为i，j＝0，1，2……，N-1，N代表划分的图像块大小，根据公式1可以得到包含图像能量信息的主要部分的DC系数，即D(0，0)，其余的D(h，p)取值为AC系数；归一化变换系数可由公式4：第三，计算分块图像的方差，每一个分块图像的平均值μ和方差σ2公式如下：公式5：公式6：第四，基于方差结果比较对融合矩阵更新，选取方差较大的子块DCT变换结果的逆变换来更新融合矩阵，直至完成所有子块的融合，即可获得最终的融合图像矩阵。对比现有技术，本专利技术的有益效果在于：通过将OCT图像与超声图像进行融合，获取高分辨率的胸主动脉壁面信息，多模态融合可以有效利用OCT和IVUS对组织病灶区域的不同成像优势，有效弥补了单一的OCT图像中弱边缘结构信息的问题。我们针对融合后的结果图像采用深度神经网络的方法进行深层次的特征表征，从而实现最终的真腔、假和血栓的有效检测。有效解决了胸主动脉夹层中假腔和血栓的边缘模糊问题，不仅可以有效的提取胸主动脉夹层中假腔，还可对假腔中血栓进行准确的监测，为疾病的进一步分析奠定了良好的影像基础。附图说明附图1是本专利技术图像融合的基本流程示意图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所限定的范围。下述实施例中所涉及的仪器、试剂、材料等，若无特别说明，均为现有技术中已有的常规仪器、试剂、材料等，可通过正规商业途径获得。下述实施例中所涉及的实验方法，检测方法等，若无特别说明，均为现有技术中已有的常规实验方法，检测方法等。实施例1：一种基于人工智能的多模态医学影像的转换方法简单的利用OCT图像单一的灰度信息，只能对动脉的外壁和内壁实现分割，但却无法实现对动脉内膜至外膜中间的部分细节进行清晰地描述，即无法准确分割出假腔以及血栓的边界。因此，本示例通过多模态信息融合对问题进行解决。其具体包括以下步骤：1)获取主动脉夹层的OCT图像数据采用光学相干断层扫描(OCT)对胸主动脉夹层的血管进行体外成像，OCT成像技术是目前分辨率最高的血管腔内成像技术，可以有效地显示血管的内壁结构，识别血管内膜的撕裂、斑块组织成分、支架贴合不良等现象，进而可以为动脉壁上发生的病变(如：夹层、微小血栓)以及支架贴合情况等提供强有力的检测工具。本示例的OCT影像采集方法是：采用激光波长λ为924纳米，纵向分辨率为7微米，穿透能力1.725毫米进行扫描，由于主动脉直径较大(约位于2.5-3.5厘米区间)，而OCT成像技术穿透力弱(大约在1毫米-2毫米之间)，当血管壁由于夹层逐渐增厚时，难以清楚分辨血管外膜结构，即不能直接通过直径进行本文档来自技高网...

【技术保护点】
1.一种基于人工智能的多模态医学影像的转换方法，其特征在于，包括：/n获取主动脉夹层的OCT图像数据；/n获取主动脉夹层的IVUS图像数据；/n分别对OCT图像数据和IVUS图像数据的背景采用全局阈值分割的方法，提取主动脉的外轮廓，并利用形态学孔洞填充和面积阈值方法将噪声信息进行清理；/n通过离散余弦变换的频域信息融合方法，将OCT图像数据和IVUS图像数据进行图像信息融合，获得融合图像。/n

【技术特征摘要】
1.一种基于人工智能的多模态医学影像的转换方法，其特征在于，包括：
获取主动脉夹层的OCT图像数据；
获取主动脉夹层的IVUS图像数据；
分别对OCT图像数据和IVUS图像数据的背景采用全局阈值分割的方法，提取主动脉的外轮廓，并利用形态学孔洞填充和面积阈值方法将噪声信息进行清理；
通过离散余弦变换的频域信息融合方法，将OCT图像数据和IVUS图像数据进行图像信息融合，获得融合图像。


2.根据权利要求1所述一种基于人工智能的多模态医学影像的转换方法，其特征在于，所述获取主动脉夹层的OCT图像数据，为采用激光波长λ为924纳米，纵向分辨率为7微米，穿透能力1.725毫米进行获取。


3.根据权利要求1所述一种基于人工智能的多模态医学影像的转换方法，其特征在于，所述获取主动脉夹层的OCT图像数据，包括在轴旋转角度为0°、+90°、-90°、180°状态下进行扫描，获得四角度OCT图像，通过将四角度OCT图像配准获得主动脉夹层的二维OCT横截面图像，对于每个胸主动脉血管，提取200层OCT横截面图像数据，
以及，
所述获取主动脉夹层的IVUS图像数据包括每次胸主动脉血管提取200层IVUS图像数据。


4.根据权利要求1所述一种基于人...

【专利技术属性】
技术研发人员：孙凯，袁旭春，高立，蔡震宇，李亿华，李涯，
申请(专利权)人：中国医学科学院阜外医院深圳医院深圳市孙逸仙心血管医院，
类型：发明
国别省市：广东;44