基于分割网络的血管斑块检测装置和方法制造方法及图纸

本申请涉及基于分割网络的血管斑块检测装置和方法，该装置包括：预处理模块，用于对血管图像进行预处理；特征提取模块，包括编码器和解码器，编码器用于对经预处理的血管图像进行下采样，解码器用于对经下采样的血管图像进行上采样，通过上采样弥补下采样过程中丢失的信息；以及分类网络模块，用于基于上采样后的血管图像输出血管图像有无斑块的结果。根据本申请的方案，在分割网络中使用3D卷积核，可以很好的学习到层间信息；通过上采样弥补下采样过程中丢失的信息，有利于降低斑块漏检的概率；下采样的每一层和上采样的相应层之间有跨层链接，能够更准确地检测血管；此外，在对分割网络进行训练的过程中添加分割分支，进一步提高检测精度。高检测精度。高检测精度。

【技术实现步骤摘要】
基于分割网络的血管斑块检测装置和方法


[0001]本申请涉及于医学图像分析领域，尤其涉及一种基于分割网络的血管斑块检测的装置和方法。

技术介绍

[0002]动脉粥样硬化斑块是冠心病发生和发展的病理生理基础，目前心脏CTA(CT Angiography，CT血管造影)图像已经广泛应用于血管斑块的筛查，各种数据表明：不同性质的斑块和不同大小的斑块对人体的影响差别较大。而要判断斑块性质大小和其他量化指标首先需要对斑块做准确的检测。并且，及早发现斑块的存在可以及时治疗，从而有效控制病情的恶化，所以准确有效的从CTA图像中检测斑块就意义重大。
[0003]目前，大多的血管斑块检测算法使用的是基于分类网络的框架，例如：使用2D分类卷积神经网络对拉直后的血管每一层做分类，或者使用2D卷积神经网络加LSTM(Long Short
‑
Term Memory，长短期记忆网络)对每一层做分类。

技术实现思路

[0004]上述现有技术的方法存在以下几种问题：
[0005]1、2D分类卷积神经网络使用2D的卷积核，只在血本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分割网络的血管斑块检测装置，包括：预处理模块，用于对血管图像进行预处理，所述血管图像包括n个层，其中n大于等于1；特征提取模块，包括编码器和解码器，所述编码器用于对经预处理的血管图像进行下采样，所述解码器用于对经下采样的血管图像进行上采样；以及分类网络模块，用于基于上采样后的血管图像输出所述n个层的血管图像有无斑块的结果。2.如权利要求1所述的血管斑块检测装置，其中，所述预处理包括窗框窗位调整和均值方差归一化。3.如权利要求1所述的血管斑块检测装置，其中，所述编码器和所述解码器均包括一个或多个卷积块，所述编码器和所述解码器所包含的卷积块的数量相等，且所述卷积块包括一个或多个3D卷积层。4.如权利要求3所述的血管斑块检测装置，其中，所述编码器的一个卷积块与所述解码器对应的卷积块之间具有跨层链接，使得所述解码器的一个卷积块对血管图像进行上采样处理后，所述解码器将所述卷积块上采样处理后的结果与所述编码器对应卷积块下采样处理前的数据进行联合处理，获得联合处理结果。5.如权利要求1所述的血管斑块检测装置，其中，所述分类网络模块包括全局最大值获取单元和全连接层单元，其中，所述全局最大值获取单元用于在所述n个层的血管图像的每个层中取全局最大值，所述全连接层单元基于所述全局最大值获取单元输出的结果，计算并输出所述n个层有无斑块的结果。6.如权利要求1所述的血管斑块检测装置，其中，所述特征提取模块和所述分类网络模块均是经过训练的神经网络模块。7.如权利要求6所述的血管斑块检测装置，其中，所述分类网络模块基于样本标签和所述分类网络模块预测的所述n个层有无斑块的概率计算第一损失。8.如权利要求7所述的血管斑块检测装置，还包括：分割网络模块，用于对所述解码器输出的上采样结果进行处理，获得所述n个层图像中每个像素有无斑块的概率，并且基于所预测的所述n个层图像中每个像素有无斑块的概率和标注的掩模图像信息计算第二损失。9.如权利要求8所述的血管斑块检测装置，还包括：总损失计算模块，用于基于所述第一损失和所述第二损失计算总体损失。10.一种基于分割网络的血管斑块检测方法，包括：通过预处理模块对血管图像进行预处理，所述血管图像包括n个层，其中n大于等于1；通过特征提取模块的编码器对经预处理的血管图像进行下采样，通过所述特征提取模块的解码器对经下采样的血管图像进行上采样；以及通过分类网络模块基于上采样后的血管图像输出所述n个层的血管图像有无斑块的结果。11.如权利要求10所述的血管斑块检测方法，其...

【专利技术属性】
技术研发人员：孙成伟，李广，王琪，孙泽宇，曹坤琳，宋麒，
申请(专利权)人：科亚医疗科技股份有限公司，
类型：发明
国别省市：