一种基于迁移学习的颅内血管病灶识别方法技术

本发明专利技术公开了一种基于迁移学习的颅内血管病灶识别方法，包括：获取亮血图像组、黑血图像组和增强黑血图像组；预处理得到第一亮血图像和第一黑血图像；对每个第一亮血图像以对应的第一黑血图像为基准，利用基于高斯分布抽样的互信息和图像金字塔的配准方法得到配准后亮血图像组；流空伪影消除得到伪影消除增强黑血图像组；将伪影消除增强黑血图像组和黑血图像组中对应图像相减得到K个造影增强图；利用配准后亮血图像组，采用迁移学习方法建立血液三维模型，利用所述配准后亮血图像组建立血液边界扩展的血管三维模型。本发明专利技术的方法能够在临床上简便、快速、直观地识别颅内血管的病灶区域。区域。区域。

【技术实现步骤摘要】
一种基于迁移学习的颅内血管病灶识别方法


[0001]本专利技术属于图像处理领域，具体涉及一种基于迁移学习的颅内血管病灶识别方法。

技术介绍

[0002]随着我国国民经济的快速发展，人们对健康问题越来越重视。《Lancet》在2019年6月发表的论文分析了从1990年到2017年，中国34个省份(包括港澳台)居民的死亡原因，发现高居中国人死亡原因第一位的是脑卒中。脑卒中是颅内血管破裂、狭窄或堵塞引起脑组织坏死，进而产生的一系列症状，包括脑出血、脑梗死等，如果治疗不及时，患者可能会死亡；而即使治疗及时，也有可能造成患者残疾。
[0003]目前临床上对于颅内血管病变程度与血管狭窄化程度的评估，通常使用基于管腔成像的方法，如数字减影血管造影术(Digital Subtraction Angiography,DSA)、CT血管成像(Computed Tomography Angiography,CTA)、磁共振血管成像(Magnetic Resonance Angiography,MRA)以及高分辨率磁共振血管成像(High
‑
Resolution Magnetic Resonance Angiography,HRMRA)等。颅内动脉血管与颈动脉和椎动脉相连，在脑底部形成环状结构，结构形态特殊，走形曲折，且管壁厚度极薄。通过磁共振血管成像技术，能够清晰地描绘出颅内动脉血管的路径。
[0004]其中，磁共振血管成像技术(MRA或HRMRA)作为一种对患者无创的成像方法，可以清晰地检测到颅内血管的血管壁结构并进行分析，扫描得到的磁共振图像对于软组织的分辨率高，没有骨伪影，图像质量好，且能够使用多种序列扫描得到具有不同成像特点的组织结构，在颅内血管的显示上具有明显的优越性。
[0005]由于磁共振血管成像技术得到的亮血序列、黑血序列对应的图像均为二维图像，在临床上，医生需要凭借经验结合两种图像的信息，来获得颅内血管的综合情况，以进行颅内血管病变分析。但二维图像具有局限性，不利于简便快速地获得颅内血管的真实信息。并且，从上述成像方法所得到的图像中，无法直观、快速地得到关于颅内血管狭窄程度的分析数据，不利于临床上对颅内血管病灶区域的定位分析。

技术实现思路

[0006]为了在临床应用上，简便快速地获得颅内血管的真实信息，以进行颅内血管病变分析。本专利技术实施例提供了一种基于迁移学习的颅内血管病灶识别方法。包括：
[0007]获取颅内血管部位的亮血图像组、黑血图像组和增强黑血图像组；其中，所述亮血图像组、所述黑血图像组、所述增强黑血图像组分别包括K个亮血图像、黑血图像和增强黑血图像；所述亮血图像组、所述黑血图像组、所述增强黑血图像组中的图像一一对应；K为大于2的自然数；
[0008]将每个亮血图像和对应的增强黑血图像作为一个图像对，对每个图像对进行预处理，得到该图像对的第一亮血图像和第一黑血图像；
[0009]针对每个第一亮血图像，以对应的第一黑血图像为基准，利用基于高斯分布抽样的互信息和图像金字塔的配准方法进行图像配准，得到包括K个配准后亮血图像的配准后亮血图像组；
[0010]利用所述配准后亮血图像组，对所述增强黑血图像组中的增强黑血图像进行流空伪影消除操作，得到包括K个目标增强黑血图像的伪影消除增强黑血图像组；
[0011]将所述伪影消除增强黑血图像组和所述黑血图像组中对应图像相减，得到K个造影增强图；
[0012]利用所述配准后亮血图像组，采用迁移学习方法建立血液三维模型；
[0013]利用所述配准后亮血图像组建立血液边界扩展的血管三维模型；
[0014]利用所述K个造影增强图建立造影增强三维模型；
[0015]基于所述血液三维模型、所述血管三维模型、所述造影增强三维模型，得到颅内血管造影增强三维模型；
[0016]获取所述颅内血管造影增强三维模型中各段血管的表征血管狭窄程度的目标参数的数值，并利用各段血管的所述目标参数的数值对所述颅内血管造影增强三维模型进行标记，得到颅内血管病灶识别模型。
[0017]本专利技术实施例所提供的方案中，首先对磁共振血管成像技术扫描得到的亮血图像和增强黑血图像采用基于高斯分布抽样的互信息和图像金字塔的配准方法进行图像配准，可提高配准效率，使图像从低分辨率到高分辨率逐层提高配准精度。通过上述图像配准可以将亮血图像和增强黑血图像统一在相同坐标系下。其次利用配准后亮血图像对增强黑血图像进行流空伪影消除操作，可以显示更准确、全面的血管信息。此后从图像后处理的角度对流空伪影进行消除，无需使用新的成像技术、成像模式或脉冲序列，因此可以简便、准确、快速地消除流空伪影，并可以在临床应用实现较好的推广。再次，利用配准后亮血图像，采用迁移学习方法建立血液三维模型，并利用配准后亮血图像建立血液边界扩展的血管三维模型血液边界扩展的血管三维模型，通过将伪影消除增强黑血图像和黑血图像相减得到具有造影增强效果的造影增强三维模型；最后基于血液三维模型、血管三维模型、造影增强三维模型，得到具有造影增强效果的血管壁对应的颅内血管造影增强三维模型。最后利用颅内血管造影增强三维模型中表征血管狭窄程度的目标参数的数值进行标记，得到颅内血管病灶识别模型。该颅内血管病灶识别模型实现了颅内血管的三维可视化，无需医生通过想象力还原颅内血管组织结构及病症特征等，可以提供形象的颅内血管三维空间信息，便于直观观测，便于定位与显示狭窄的病灶区域。能够在临床应用上，简便、快速、直观地获得颅内血管的真实信息和关于颅内血管狭窄程度的分析数据。
[0018]当然，实施本专利技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。
[0019]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。
[0021]图1为本专利技术实施例提供的一种基于迁移学习的颅内血管病灶识别方法的流程示意图；
[0022]图2为本专利技术实施例的颅内血管磁共振图像的待配准区域示意图；
[0023]图3(a)为本专利技术实施例的颅内血管磁共振图像的亮血高斯金字塔和黑血高斯金字塔；图3(b)为本专利技术实施例的颅内血管磁共振图像的亮血拉普拉斯金字塔和黑血拉普拉斯金字塔；
[0024]图4为本专利技术实施例的颅内血管磁共振图像的拉普拉斯金字塔图像的配准结果；
[0025]图5为本专利技术实施例的颅内血管磁共振图像基于互信息的高斯金字塔图像配准步骤示意图；
[0026]图6为本专利技术实施例的不同迭代次数下的归一化互信息；
[0027]图7为包含互信息金字塔方法的多种配准方法的颅内血管磁共振图像的配准结果；
[0028]图8为本专利技术实施例的基于高斯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的颅内血管病灶识别方法，其特征在于，包括：获取颅内血管部位的亮血图像组、黑血图像组和增强黑血图像组；其中，所述亮血图像组、所述黑血图像组、所述增强黑血图像组分别包括K个亮血图像、黑血图像和增强黑血图像；所述亮血图像组、所述黑血图像组、所述增强黑血图像组中的图像一一对应；K为大于2的自然数；将每个亮血图像和对应的增强黑血图像作为一个图像对，对每个图像对进行预处理，得到该图像对的第一亮血图像和第一黑血图像；针对每个第一亮血图像，以对应的第一黑血图像为基准，利用基于高斯分布抽样的互信息和图像金字塔的配准方法进行图像配准，得到包括K个配准后亮血图像的配准后亮血图像组；利用所述配准后亮血图像组，对所述增强黑血图像组中的增强黑血图像进行流空伪影消除操作，得到包括K个目标增强黑血图像的伪影消除增强黑血图像组；将所述伪影消除增强黑血图像组和所述黑血图像组中对应图像相减，得到K个造影增强图；利用所述配准后亮血图像组，采用迁移学习方法建立血液三维模型；利用所述配准后亮血图像组建立血液边界扩展的血管三维模型；利用所述K个造影增强图建立造影增强三维模型；基于所述血液三维模型、所述血管三维模型、所述造影增强三维模型，得到颅内血管造影增强三维模型；获取所述颅内血管造影增强三维模型中各段血管的表征血管狭窄程度的目标参数的数值，并利用各段血管的所述目标参数的数值对所述颅内血管造影增强三维模型进行标记，得到颅内血管病灶识别模型。2.根据权利要求1所述的方法，其特征在于，所述对每个图像对进行预处理，得到该图像对的第一亮血图像和第一黑血图像，包括：针对每个图像对，以所述增强黑血图像为基准，将所述亮血图像进行坐标变换和图像插值，使用基于互信息的相似性度量，并采用预定搜索策略，得到预配准后的第一亮血图像；从所述增强黑血图像中，提取与所述第一亮血图像的扫描范围相同的区域内容，形成第一黑血图像。3.根据权利要求1或2所述的方法，其特征在于，所述针对每个第一亮血图像，以对应的第一黑血图像为基准，利用基于高斯分布抽样的互信息和图像金字塔的配准方法进行图像配准，得到包括K个配准后亮血图像的配准后亮血图像组，包括：采用高斯分布抽样选取预处理后的部分图像对作为测试图像对；对每个测试图像对中的所述第一亮血图像和所述第一黑血图像，采用基于互信息和图像金字塔的配准方法进行图像配准，得到配准后该测试图像对中所述第一亮血图像对应的旋转矩阵；获得所有测试图像对的旋转矩阵的均值；利用所述旋转矩阵的均值，对除所述测试图像对之外的、其余预处理后的图像对中的所述第一亮血图像进行坐标变换，完成图像配准，得到包括K个配准后亮血图像的配准后亮
血图像组。4.根据权利要求3所述的方法，其特征在于，所述对每个测试图像对中的所述第一亮血图像和所述第一黑血图像，采用基于互信息和图像金字塔的配准方法进行图像配准，得到配准后该测试图像对中所述第一亮血图像对应的旋转矩阵，包括：针对每个测试图像对，基于下采样处理，由所述第一亮血图像得到亮血高斯金字塔，由所述第一黑血图像得到黑血高斯金字塔；其中，所述亮血高斯金字塔和所述黑血高斯金字塔中包括从下至上分辨率依次变小的m个图像；m为大于3的自然数；基于上采样处理，利用所述亮血高斯金字塔得到亮血拉普拉斯金字塔，利用所述黑血高斯金字塔得到黑血拉普拉斯金字塔；其中，所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中包括从下至上分辨率依次变小的m
‑
1个图像；对所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔；利用所述配准的亮血拉普拉斯金字塔作为叠加信息，对所述亮血高斯金字塔和所述黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔，并得到配准后该测试图像对中所述第一亮血图像对应的旋转矩阵。5.根据权利要求4所述的方法，其特征在于，所述利用所述配准的亮血拉普拉斯金字塔作为叠加信息，对所述亮血高斯金字塔和所述黑血...

【专利技术属性】
技术研发人员：贾艳楠，
申请(专利权)人：石文，
类型：发明
国别省市：