一种用于确定肾脏血管腔狭窄的方法、计算机设备及计算机可读存储介质技术

本发明专利技术公开了一种用于确定肾脏血管腔狭窄的方法、计算机设备及计算机可读存储介质，本发明专利技术方法能够用于判定肾脏血管腔狭窄，准确度高，效率高；本发明专利技术方法可以为后续的诊断与治疗提供准确的依据。本申请基于深度学习的方法，使得模型具有更好的鲁棒性和泛化能力，相比现有的检测法能够获得较好的准确性，并能提高检测效率。高检测效率。高检测效率。

【技术实现步骤摘要】
一种用于确定肾脏血管腔狭窄的方法、计算机设备及计算机可读存储介质


[0001]本专利技术具体涉及一种用于确定肾脏血管腔狭窄的方法、计算机设备及计算机可读存储介质。

技术介绍

[0002]肾脏血管腔狭窄的情况在临床上其实很常见，但常常被忽略。人体内的血液每天都在循环，需要流经肾脏进行过滤。如果人体存在其他疾病会增强血液对于肾脏血管腔的压力，当血管狭窄程度不断加剧，基本上超过七成左右，供应肾脏血流量就受到影响，肾脏功能也会因此受损。肾脏血管腔狭窄的程度越高，对身体的影响就越大。
[0003]肾脏血管腔狭窄本身就会让人体的肾脏功能受到损伤，肾无法正常的进行血液过滤，对于人体的代谢产生很大影响，肾功能萎缩最严重的情况会变成尿毒症等。另外，患者的肾脏血管越来越狭窄，肾脏缺血的情况也会逐渐严重，这样肾脏中会因此产生肾血管素，也就是醛固酮系统的变化，这会让人体血压的反射大大增高，人体一直处于高血压状态，是很危险的。
[0004]现有技术中，主要通过医生的临床经验来进行确定，诊断效率低，误检率高，花费成本高。另外，一些传统的图像检测分类办法，如利用opencv中提供的API进行分割或者检测。传统的图像处理方法虽然能够处理当前的图片样本，但是针对大规模数据集不具备很好的泛化能力，需要对单个图片数据手动设置数值(所述数值是指传统方法中处理图片时函数中的值)，从而导致样本处理时间成本的增加，另外手动设置数值并不能够获得最优的参数值，这也导致其准确率不高。

技术实现思路

[0005]针对上述情况，为克服现有技术的缺陷，本专利技术提供一种用于确定肾脏血管腔狭窄的方法、计算机设备及计算机可读存储介质。
[0006]为了实现上述目的，本专利技术提供以下技术方案：
[0007]一种用于确定肾脏血管腔狭窄的方法，包括以下步骤：
[0008](1)通过深度学习分类模型将血管切面为纵切、异常切的图片过滤出去，得到横切血管图片；
[0009](2)将步骤(1)得到的横切血管图片输入血管腔分割模型，对横切血管的管腔轮廓进行提取；
[0010](3)分别对血管外轮廓和管腔轮廓进行椭圆拟合得到拟合椭圆C1与拟合椭圆C2，将拟合椭圆C1的长轴与短轴直径的平均值d2作为血管外轮廓直径，将拟合椭圆C2的长轴与短轴直径的平均值作为血管管腔直径d1，管壁厚度d
S
＝(d2
–
d1)/2；根据d1/d
S
比例大小对管腔是否狭窄进行判定。
[0011]进一步地，步骤(1)中，深度学习分类模型采用mobileNet
‑
V3模型。本专利技术选用
mobileNet
‑
V3模型可以获得理想的效果，而且mobileNet
‑
V3是一个轻量级的模型结构，识别速度更快。
[0012]进一步地，步骤(1)中，深度学习分类模型训练过程中，优化器选取Adam，其中，初始学习率为0.001，权重衰减设为0.0001。设置这些参数值，最终模型训练的结果较好，能够达到预期的效果。
[0013]进一步地，步骤(2)中，血管腔分割模型使用Unet框架，其中主干网络使用efficientnet
‑
b3。本专利技术加入efficientnet
‑
b3后对边缘轮廓特征和高层语义特征的提取效果更好。本专利技术中血管腔分割模型分别从网络深度，网络宽度，图片分辨率三个维度去调整模型。使得网络模型精度更高，速度更快。
[0014]进一步地，步骤(2)中，血管腔分割模型训练过程中，加入权重矩阵，将血管权重设为1，血管以外的图像信息权重设为0。权重的取值范围是0到1之间的值，权重为0的地方表示该特征不参加训练，如果将该特征表示为f,那么权重为0处点的特征就为f*0，那么还是0，权重设置为1的地方表示该特征全部进行学习，也即f*1。
[0015]进一步地，步骤(2)中，血管腔分割模型训练过程中，优化器选取Adam，其中初始学习率为0.001，权重衰减设为0.0001。
[0016]进一步地，步骤(3)的具体过程为：
[0017]根据血管外轮廓以及血管内腔轮廓，如果不存在内腔轮廓，则直接判定为管腔狭窄，同时输出内腔为0，将血管外轮廓和血管腔轮廓拟合为椭圆，记外轮廓椭圆的长轴大小为dout1，短轴大小为dout2，平均值d2＝(dout1+dout2)/2，记内腔轮廓椭圆长轴大小为di1，短轴大小为di2，平均值d1＝(di1+di2)/2，其中，内腔直径为d1，血管壁厚为d
s
＝(d2–
d1)/2；根据d1/d
s
比例大小对管腔是否狭窄进行判定。
[0018]进一步地，步骤(3)中，根据d1/d
s
的大小对管腔是否狭窄进行判定：
[0019](1)d1/d
s
＝1，判定为正常；
[0020](2)d1/d
s
<1，判定为管腔狭窄；
[0021](3)d1/d
s
>1，判定为管腔扩张。
[0022]一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器在执行所述计算机程序时能够实现以上所述的用于确定肾脏血管腔狭窄的方法中的步骤。
[0023]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时能够以上所述的用于确定肾脏血管腔狭窄的方法中的步骤。
[0024]本专利技术的有益效果是：
[0025]本专利技术方法能够用于判定肾脏血管腔狭窄，准确度高，效率高；本专利技术方法可以为后续的诊断与治疗提供了准确的依据。本申请基于深度学习的方法，使得模型具有更好的鲁棒性和泛化能力，相比现有的检测法能够获得较好的准确性，并能提高检测效率。
附图说明
[0026]图1是本专利技术用于确定肾脏血管腔狭窄的方法流程图。
[0027]图2是计算机设备示意图。
[0028]图3是裁切之前的图片。
[0029]图4是裁切后的目标图片。
[0030]图5是对图4进一步处理得到的图片。
[0031]图6是血管外轮廓和管腔轮廓进行椭圆拟合之前的图片。
[0032]图7是标示出血管外轮廓与血管内腔轮廓的图片，其中圈A表示内腔轮廓，圈B表示血管外轮廓。
[0033]图8是将血管外轮廓和血管腔轮廓进行椭圆拟合之后的图片(显示出了拟合出的两个椭圆)。
具体实施方式
[0034]以下结合附图对本专利技术的技术方案做进一步详细说明，应当指出的是，具体实施方式只是对本专利技术的详细说明，不应视为对本专利技术的限定。
[0035]实施例1，参照附图1。
[0036]本专利技术的肾脏血管腔狭窄的确定方法是在已知肾动脉血管外轮廓前提下，求得血管管腔直径d1以及管壁厚度d
s
。根据d1/d
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定肾脏血管腔狭窄的方法，其特征是，包括以下步骤：(1)通过深度学习分类模型将血管切面为纵切、异常切的图片过滤出去，得到横切血管图片；(2)将步骤(1)得到的横切血管图片输入血管腔分割模型，对横切血管的管腔轮廓进行提取；(3)分别对血管外轮廓和管腔轮廓进行椭圆拟合得到拟合椭圆C1与拟合椭圆C2，将拟合椭圆C1的长轴与短轴直径的平均值d2作为血管外轮廓直径，将拟合椭圆C2的长轴与短轴直径的平均值作为血管管腔直径d1，管壁厚度d
S
＝(d2–
d1)/2；根据d1/d
S
比例大小对管腔是否狭窄进行判定。2.根据权利要求1所述的一种用于确定肾脏血管腔狭窄的方法，其特征是，步骤(1)中，深度学习分类模型采用mobileNet
‑
V3模型。3.根据权利要求2所述的一种用于确定肾脏血管腔狭窄的方法，其特征是，步骤(1)中，深度学习分类模型训练过程中，优化器选取Adam，其中，初始学习率为0.001，权重衰减设为0.0001。4.根据权利要求1所述的一种用于确定肾脏血管腔狭窄的方法，其特征是，步骤(2)中，血管腔分割模型使用Unet框架，其中主干网络使用efficientnet
‑
b3。5.根据权利要求4所述的一种用于确定肾脏血管腔狭窄的方法，其特征是，步骤(2)中，血管腔分割模型训练过程中，加入权重信息，将血管权重设为1，血管以外的图像信息权重设为0。6.根据权利要求4所述的一种用于确定肾脏血管腔狭窄的方法，其特征是，步骤(2)中，血管腔分割模型训练过程中，优化器选取Adam，其中初始学习率为0.001，权...

【专利技术属性】
技术研发人员：汪太平，张敏飞，
申请(专利权)人：杭州医派智能科技有限公司，
类型：发明
国别省市：