DSA影像识别方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种DSA影像识别方法、装置及存储介质，包括：接收3D

【技术实现步骤摘要】
DSA影像识别方法、装置及存储介质


[0001]本专利技术涉及DSA影像识别技术，尤其涉及一种DSA影像识别方法、装置及存储介质。

技术介绍

[0002]颅内动脉瘤是由大脑动脉血管壁不正常的局部扩张引起的脑血管疾病。颅内动脉瘤往往是由内膜薄弱造成的，似乎与多囊性肾病，纤维性增生，主动脉缩窄等有关。如果不及时发现和治疗，颅内动脉瘤破裂会导致蛛网膜下腔出血，会导致严重的神经系统后遗症和高死亡率。
[0003]颅内动脉瘤在人群中比较普遍，根据统计，其发病率在世界范围为3％，在中国范围为7％。大量人群有动脉瘤而不自知，颅内动脉瘤的检测筛查就非常有必要。数字减影血管造影(DSA)一直被认为是诊断颅内动脉瘤的金标准。当考虑手术或血管内治疗时，DSA被推荐用于颅内动脉瘤的识别和评估。与CT血管造影(CTA)和磁共振血管造影(MRA)相比，DSA具有更高的分辨率和检测灵敏度，尤其是对于小于3毫米的颅内动脉瘤。
[0004]DSA将获取的二维DSA造影图像，以标准医学数字成像和通信格式(Digital Imaging and Communications in Medicine，DICOM)进行记录。DSA图像通过造影剂在整个动脉的流动，进行数据序列的采样，采样率为每秒3至5帧，采样过程通常持续3至15秒。在成像过程中，患者头部应处于稳定位置，以便获得清晰的成像序列。医生应该检查整个二维DSA影像序列来识别颅内动脉瘤。检查过程可能需要比预期更长的时间，并且由于颅内动脉瘤的位置和形状可能会出现错误，小的颅内动脉瘤有时会被误诊。传统的诊断方法很费力，它需要熟练和经验丰富的医生的参与。尽管如此，仍不时会出现无法识别颅内动脉瘤的情况。因此，诊断颅内动脉瘤的自动系统可以在一定程度上减轻医生的负担。
[0005]对于蛛网膜下腔出血的患者，医生需要获得颅内四支动脉(左、右颈总动脉和左、右椎动脉)的前后位二维DSA(2D
‑
DSA)和侧视图。如果在动脉上发现颅内动脉瘤，应立即进行三维DSA(3D
‑
DSA)重建整个动脉。重建的三维DSA提供了有关血管形态和病理的必不可少的信息。医生可以利用它来详细分析血管的几何形状，即血管直径，动脉瘤的位置和大小，以便做出临床决定。但3D
‑
DSA图像的质量可能因患者而异。在临床实践中，有许多因素对3D
‑
DSA图像的质量有影响，包括造影剂的注射量、注射时机、造影剂的血流动力学指标，以及血流、心输出量等因素的差异，另外患者之间的重建参数也可能不同。这些因素会造成医生在给患者选择治疗方案时出现偏差。
[0006]另一方面，与2D
‑
DSA模式相比，3D
‑
DSA模式具有更多信息，可以轻松识别动脉瘤，但是发展中国家的大多数医院只能以昂贵的3D设备价格购买2D血管造影设备，侵入性检查的3D
‑
DSA数据相当有限。
[0007]目前DSA模式的自动计算机辅助诊断研究是基于经典数字图像处理方法的，采取的是2D
‑
DSA图像。然而，经典数字图像处理方法不能解决动脉瘤自动定位问题，目前特征提取方法由于复杂的血管分布而受到严重阻碍，并且滑动窗口方法在搜索和特征提取期间非常耗时，经典数字图像处理方法不是最佳方法。
[0008]与经典数字图像处理方法相比，卷积神经网络(Convolutional Neural Networks,CNN)的方法已被证明在特征提取中更有效。在近年来，CNN架构已被广泛应用在物体检测，并取得良好的效果。此外，CNN方法在一些医学影像检测工作中也取得了良好的表现。但在动脉瘤识别和检测过程中，还有一系列的挑战：例如，2D
‑
DSA图像的信息丢失会增加诊断的难度，开发一种补救2D
‑
DSA图像信息丢失的方法势在必行；具有大视野和高分辨率的DSA图像通常包含不必要的干扰，这可能会导致无法识别微小的颅内动脉瘤，并且计算时间会很长；在DSA图像上，血管重叠与颅内动脉瘤高度相似，高效的自动检测系统应避免重叠和动脉瘤之间的误识别，因为假阳性率是重要的临床指标。
[0009]识别出动脉瘤之后，医生需要3D
‑
DSA图像辅助后续治疗方案的制定。目前有各种各样的血管检测、提取和分割算法被应用到3D
‑
DSA成像模式。目前技术路径包括采用管状可变形模型从三维血管造影图像重建血管表面；通过圆柱形超椭球以及血管边界和中心线的联合估计，对复杂血管树进行建模分割；用于三维血管造影的概率血管轴追踪方法，在横截面上描绘血管边界，并且通过加权无环图上的最小代价路径来定义三维血管表面；在3D
‑
DSA图像数据上应用了一种区域生长分割方法，并基于带电流体模型对可变形轮廓进行了3D扩展；使用4D最小路径在MR血管造影和CT图像上开发和重建三维管状结构；还有一种具有高阶多尺度特征的非参数变形模型来分割三维DSA和CT数据中的血管结构；利用期望最大化算法对3D
‑
DSA图像应用统计血管分割方法，基于最大强度投影图像估计血管的强度分布；或者应用多尺度滤波方法来确定血管边界，然后从图像体积中提取血管几何结构等。但是3D
‑
DSA分割图像结果，很难确定准确性，2D
‑
DSA仍然是诊断金标准，目前还没有一种技术方案，能够基于二维DSA图像信息来校验3D
‑
DSA图像。

技术实现思路

[0010]本专利技术实施例提供一种DSA影像识别方法、装置及存储介质，能够基于二维DSA图像信息校验3D
‑
DSA图像，提高了3D
‑
DSA图像的精准性、准确性。
[0011]本专利技术实施例的第一方面，提供一种DSA影像识别方法，包括：
[0012]接收3D
‑
DSA影像数据，所述3D
‑
DSA影像数据包括一个或多个3D
‑
DSA图像；
[0013]获取所述3D
‑
DSA图像的中心点，基于所述中心点生成所述3D
‑
DSA图像的中心线；
[0014]通过椭球体血管模型基于所述中心线对所述3D
‑
DSA图像进行分割得到分割后的3D
‑
DSA图像；
[0015]接收2D
‑
DSA金标准分割结果数据，基于所述2D
‑
DSA金标准分割结果数据对所述3D
‑
DSA图像进行校验，得到校验后的3D
‑
DSA图像数据。
[0016]可选地，在第一方面的一种可能实现方式中，所述获取所述3D
‑
DSA图像的中心点，基于所述中心点生成所述3D
‑
DSA图像的中心线包括：
[0017]选取3D
‑
DSA图像的最底部切片，对所述最底部切片进行圆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种DSA影像识别方法，其特征在于，包括：接收3D
‑
DSA影像数据，所述3D
‑
DSA影像数据包括一个或多个3D
‑
DSA图像；获取所述3D
‑
DSA图像的中心点，基于所述中心点生成所述3D
‑
DSA图像的中心线；通过椭球体血管模型基于所述中心线对所述3D
‑
DSA图像进行分割得到分割后的3D
‑
DSA图像；接收2D
‑
DSA金标准分割结果数据，基于所述2D
‑
DSA金标准分割结果数据对所述3D
‑
DSA图像进行校验，得到校验后的3D
‑
DSA图像数据。2.根据权利要求1所述的DSA影像识别方法，其特征在于，所述获取所述3D
‑
DSA图像的中心点，基于所述中心点生成所述3D
‑
DSA图像的中心线包括：选取3D
‑
DSA图像的最底部切片，对所述最底部切片进行圆的霍夫变换，用以定位最大直径的血管，该最大直径的圆心即为中心点。3.根据权利要求1所述的DSA影像识别方法，其特征在于，所述通过椭球体血管模型基于所述中心线对所述3D
‑
DSA图像进行分割得到分割后的3D
‑
DSA图像包括：构建椭球体血管模型，通过以下公式表示：其中，x∈R3表示球面上的一点；设置9个变换参数，包括3个旋转参数、3个缩放参数以及3个平移参数，变换函数通过以下公式表示：T(m,x)＝R(r)S(s)x+t其中R表示具有旋转参数，r∈R3的3
×
3旋转矩阵，标度参数s∈R3在3
×
3对角矩阵S(s)中，t∈R3表示平移向量；将所有变换参数在向量m＝(r,s,t)∈R9内求和，内在形状模型可以重写为：f
T
(m,x):＝f(T(m,x))＝f(R(r)S(s)x+t)将空间分为三个不同的区域：其中S(m)和I(m)分别表示椭球体的表面和内部，O表示图像域。4.根据权利要求3所述的DSA影像识别方法，其特征在于，所述通过椭球体血管模型基于所述中心线对所述3D
‑
DSA图像进行分割得到分割后的3D
‑
DSA图像包括：旋转中心线，使中心线的切线向量与椭球体内部坐标系的局部Z轴重合；所述椭球体血管模型参数向量k＝(m0,m1,
…
,m
M
‑1)∈R9×
M
代表了整个模型的所有椭球参数，M为使用的椭球总数；将每个椭球局部图像域划分为前景强度和背景强度，获得特定的局部强度阈值，阈值存储在向量h＝(h0,h1,
…
,h
M
‑1)
T
∈R
M
中。
5.根据权利要求3所述的DSA影像识别方法，其特征在于，对初始化的椭球管模型进行优化，使模型根据预定义的能量向血管边界演化，总能量公式G
tot
(k,h)由两项组成：G
tot
(k,h):R9×
M
×
R
M
→
R其中G<...

【专利技术属性】
技术研发人员：马学升，刘伟奇，
申请(专利权)人：昆明同心医联科技有限公司，
类型：发明
国别省市：