The application relates to a computer implementation method, device and medium for detecting vascular diseases. The computer implementation method includes acquiring 3D medical images of blood vessels, 3D segmentation masks and 3D centerlines; Based on the 3D medical image, the 3D segmentation mask and the 3D centerline, generate the spherical expansion map of the medical image, the spherical expansion map of the segmentation mask and the spherical expansion map of the centerline; Based on the spherical expansion map of the medical image, the spherical expansion map of the segmented mask and the spherical expansion map of the centerline, using the trained deep learning network, predict the recommendation box of vascular disease and its related information; The recommendation box of the predicted vascular disease and its related information are mapped back to the 3D centerline for display. The application can predict the vascular disease more efficiently, sensitively and accurately from the overall perspective with lower time cost and less calculation cost, and enable the user to obtain the relevant information of vascular disease more intuitively and conveniently. Change related information. Change related information< br/>
【技术实现步骤摘要】
对血管病变进行检测的计算机实现方法、装置及介质
[0001]本申请涉及医学数据及医学图像的处理和分析的
,更具体地,涉及一种对血管病变进行检测的计算机实现方法、装置及介质。
技术介绍
[0002]血管疾病一直是威胁人类健康的重要问题,相当比例的血管疾病起因在于血管壁上的斑块病变累积造成血管狭窄、血管壁上的异常膨出造成动脉瘤等。计算机断层扫描血管造影(Computed Tomography Angiography, CTA)或磁共振血管造影(Magnetic Resonance Angiography, MRA)可对全身各部位的血管及其病变进行成像,是常用的血管影像学检查技术。
[0003]但现有技术对血管病变的检测和识别存在一定不足,例如影像上非钙化斑块、混合斑块及动脉瘤与周围组织对比度较低,极易与周围组织混淆而导致漏检。以头颈动脉斑块为例,目前头颈CTA血管病变检测方法一般有人工分析和自动分析软件。人工斑块分析严重依赖放射科医师及心血管专家经验,粥样硬化斑块、动脉瘤等病变离散地分布在结构复杂的头颈动脉血管壁上,在海量的CTA数据中分析血管病变,对医生来说无疑是极其耗时的工作。非钙化、混合斑块的不确定性更是增加了医生诊断的难度。现有的血管病变分析软件可一定程度上减轻医生日常诊断工作量,但亦存在一定的不足,如西门子等CT设备厂商自带的半自动分析软件需耗费大量人工交互完成血管分割、直径估计及管壁形态分析等,且该方案一般只针对局部血管。
[0004]现有的基于深度学习的方案一般采用单一的检测模型,且将 ...
【技术保护点】
【技术特征摘要】
1.一种对血管病变进行检测的计算机实现方法,其特征在于,包括:获取血管的3D医学图像、3D分割蒙版和3D中心线;基于所述3D医学图像、所述3D分割蒙版和所述3D中心线,生成医学图像球面展开图、分割蒙版球面展开图和中心线球面展开图;基于所述医学图像球面展开图、所述分割蒙版球面展开图和所述中心线球面展开图,利用训练好的深度学习网络,预测血管病变的推荐框及其相关信息;将预测的血管病变的推荐框及其相关信息映射回所述3D中心线以供显示。2.根据权利要求1所述的计算机实现方法,其特征在于,所述深度神经网络基于特征提取部、RPN网络、RoI池化层和RCNN预测网络依序串联而构成。3.根据权利要求2所述的计算机实现方法,其特征在于,基于所述医学图像球面展开图、所述分割蒙版球面展开图和所述中心线球面展开图,利用训练好的深度学习网络,预测血管病变的推荐框及其相关信息进一步包括:基于所述医学图像球面展开图,利用所述特征提取部,得到所述医学图像球面展开图的特征图;计算并标注所述中心线球面展开图中各个点对应的角度,以生成中心线角度图,并对所述中心线角度图进行降采样,生成降采样后的中心线角度图;基于所述降采样后的中心线角度图、所述医学图像球面展开图的特征图、所述分割蒙版球面展开图和所述中心线角度图,利用所述RPN网络,以得到N个推荐框,其中,N为自然数;将所述N个推荐框、所述降采样后的中心线角度图和所述医学图像球面展开图的特征图输入所述RoI池化层,以得到N个推荐框的特征图;基于所述N个推荐框的特征图,利用所述RCNN预测网络,对所述N个推荐框及其相关信息进行预测。4.根据权利要求3所述的计算机实现方法,其特征在于,对所述中心线角度图进行降采样,生成降采样后的中心线角度图进一步包括:根据所述医学图像球面展开图的特征图的尺寸,对所述中心线角度图进行降采样,生成与所述特征图的尺寸相匹配的降采样后的中心线角度图。5.根据权利要求3所述的计算机实现方法,其特征在于,基于所述降采样后的中心线角度图、所述医学图像球面展开图的特征图、所述分割蒙版球面展开图和所述中心线角度图,利用所述RPN网络,以得到N个推荐框进一步包括:生成与所述医学图像球面展开图的特征图的尺寸相同的锚点图,将所述锚点图中与所述降采样后的中心线角度图相交的点设置为激活锚点;利用所述RPN网络,得到各个激活锚点的分类信息和对应的候选锚框的回归参数,其中,所述RPN网络是基于所述分割蒙版球面展开图和所述中心线角度图进行训练的;通过非极大值抑制方法缩减所述候选锚框的数量,选取前N个候选锚框作为推荐框,并输出所述推荐框的回归信息及对应的锚点处的分类信息。6.根据权利要求3所述的计算机实现方法,其特征在于,将所述N个推荐框、所述降采样后的中心...
【专利技术属性】
技术研发人员:蓝重洲,王洋,李俊环,李育威,曹坤琳,
申请(专利权)人:深圳科亚医疗科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。