一种基于相邻尺度互补的冠状动脉内外膜边界分割方法技术

本发明专利技术公开了一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，该方法包括：获取待测IVUS图像并输入至深度学习网络；基于多尺度密集链接的空洞卷积模块提取图像特征并建立IVUS图像和冠状动脉内膜与外膜的对应关系；基于相邻尺度的互补信息学习模块获取尺度间的互补信息，并确定冠状动脉内膜与外膜的大小和位置；基于相邻尺度的上下文补充模块获取上下文的互补信息，补充不同尺度下缺失的内膜与外膜和血管结构的相互关系；输出分割结果。通过使用本发明专利技术，能够快速精准地分割出冠状动脉内外膜边界。本发明专利技术可广泛应用于图像处理和检测领域。测领域。测领域。

【技术实现步骤摘要】
一种基于相邻尺度互补的冠状动脉内外膜边界分割方法


[0001]本专利技术涉及图像处理和检测领域，尤其涉及一种基于相邻尺度互补的冠状动脉内外膜边界分割方法。

技术介绍

[0002]冠状动脉血管的内膜及外膜的识别是临床上量化冠状动脉切面数据的第一步。量化的血管指标是指导临床诊断的重要参考指标。所以准确识别出冠状动脉的内膜和外膜对冠状动脉疾病患者的诊断十分重要。临床上，血管内超声图像技术(Intravascular ultrasound，IVUS)可以清晰展现出冠状动脉的横截面以及内部结构，所以IVUS图像在临床上被广泛应用于探测冠状动脉内膜和外膜。但是临床中医生手动分割IVUS图像中的冠状动脉内膜和外膜是十分耗时和低效的。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，能够快速精准地分割出冠状动脉内外膜边界。
[0004]本专利技术所采用的第一技术方案是：一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，包括以下步骤：
[0005]获取待测IV本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，其特征在于，包括以下步骤：获取待测IVUS图像并将待测IVUS图像输入至深度学习网络；所述深度学习网络包括多尺度密集链接的空洞卷积模块、相邻尺度的互补信息学习模块和相邻尺度的上下文补充模块；基于多尺度密集链接的空洞卷积模块对待测IVUS图像进行处理，在多个尺度下的图像提取特征并建立IVUS图像和冠状动脉内膜与外膜的对应关系；基于相邻尺度的互补信息学习模块获取尺度间的互补信息，并根据尺度间的互补信息确定冠状动脉内膜与外膜的大小和位置；基于相邻尺度的上下文补充模块获取上下文的互补信息，利用上下文的互补信息补充不同尺度下缺失的内膜与外膜和血管结构的相互关系；根据IVUS图像和冠状动脉内膜与外膜的对应关系、冠状动脉内膜与外膜的大小和位置、缺失的内膜与外膜和血管结构的相互关系，输出分割结果。2.根据权利要求1所述一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，其特征在于，所述获取待测IVUS图像并将待测IVUS图像输入至深度学习网络这一步骤之前，还包括：构建训练数据集并基于训练数据集对深度学习网络进行训练，得到训练完成的深度学习网络。3.根据权利要求2所述一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，其特征在于，所述构建训练数据集并基于训练数据集对深度学习网络进行训练，得到训练完成的深度学习网络这一步骤，其具体步骤：搜集不同健康状况的IVUS图像及对应的冠状动脉内膜与外膜分割结果，作为训练数据集；以不同健康状况的IVUS图像为输入，对应的冠状动脉内膜与外膜分割结果为输出，训练深度学习网络；调整深度学习网络的网络参数，直至误差率达到预设范围，得到训练完成的深度学习网络。4.根据权利要求3所述一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，其特征在于，所述深度学习网络的网络参数包括卷积层数、空洞卷积层数、BN层数、激活函数种类、卷积核大小与个数、池化层数、上采样层数、初始权值和偏置值。5.根据权利要求4所述一种基于相邻尺度互补的冠状动脉内外膜边界分割方法，其特征在于，所述基于相邻尺度的互补信息学习模块获取尺度间的互补信息...

【专利技术属性】
技术研发人员：高智凡，张贺晔，冯天元，
申请(专利权)人：中山大学，
类型：发明
国别省市：