一种颅内动脉狭窄检测方法及系统技术方案

本发明专利技术涉及一种本发明专利技术提供的颅内动脉狭窄检测方法和系统，属于图像处理技术领域。本发明专利技术通过采用基于自适应三重注意力模块的检测模型，基于预处理医学图像得到的第一MIP图像和第二MIP图像得到动脉狭窄检测结果后，依据动脉狭窄检测结果中的目标类别信息生成辅助报告和可视化结果，以能够解决现有人工判读方法易受医生主观经验影响和费时费力的问题，进而提高颅内动脉狭窄检测的准确性和效率。并且，本发明专利技术通过在YOLOv4的主干网络中插入自适应三重注意力模块，能够实现对高维特征重点区域的关注，降低无关特征的关注，提供检测模型的表征能力。的表征能力。的表征能力。

【技术实现步骤摘要】
一种颅内动脉狭窄检测方法及系统


[0001]本专利技术涉及图像处理
，特别是涉及一种颅内动脉狭窄检测方法及系统。

技术介绍

[0002]目前市面上针对颅内动脉对象的软件主要包括RapidAI和ICafe两款软件。由RapidAI公司开发的RapidLVO软件，软件功能主要是用于识别颅内动脉大动脉闭塞，不能提供狭窄的检测和识别。iCafe软件的主要功能是用于对颅内动脉进行特征提取，将提取到的特征作为生物标记物进行后续的分析，因此不能提供动脉狭窄制动检测的功能。
[0003]现在临床上基于TOF
‑
MRA影像的颅内动脉狭窄筛查和识别仍以人工判读方法为主。然而，颅内动脉狭窄的筛查工作量繁重，同时人工判读严重依赖医生的主观判断和临床经验。基于此，本领域亟需提供一种能够对动脉狭窄进行精确检测的检测方法或系统。

技术实现思路

[0004]本专利技术的目的是提供一种颅内动脉狭窄检测方法及系统，以提供动脉狭窄检测的精确性，进而弥补现有技术的空白。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种颅内动脉狭窄检测方法，包括：
[0007]对颅内动脉的医学图像进行预处理得到第一MIP图像和第二MIP图像；
[0008]将所述第一MIP图像和所述第二MIP图像均输入至检测模型，得到动脉狭窄检测结果；所述检测模型为训练好的YOLOvessel模型；所述YOLOvessel模型为在YOLOv4网络模型的主干网络的每一跨阶段残差模块后插入自适应三重注意力模块而得到的网络模型；所述动脉狭窄检测结果包括：目标类别信息、目标位置信息和置信度分数；
[0009]基于预设的键值对信息，根据所述目标类别信息生成辅助报告；
[0010]对所述动脉狭窄检测结果进行可视化处理，得到可视化结果。
[0011]优选地，所述对颅内动脉的医学图像进行预处理得到第一MIP图像和第二MIP图像，具体包括：
[0012]对所述颅内动脉的医学图像进行格式转换，得到格式转换图像；
[0013]采用SimpleITK工具包，对所述格式转换图像进行重采样处理得到采样图像；
[0014]采用dcm2nii工具包，对所述采样图像进行重定向处理得到LSP空间图像；
[0015]按预设角度旋转所述LSP空间图像得到旋转图像；
[0016]采用最大密度投影算法处理所述LSP空间图像得到第一初始MIP图像；
[0017]采用最大密度投影算法处理所述旋转图像得到第二初始MIP图像；
[0018]采用自适应阈值算法对所述第一初始MIP图像和所述第二初始MIP图像执行图像二值化，得到第一二值化图像和第二二值化图像；
[0019]分别获取所述第一二值化图像的边界点的坐标和第二二值化图像的边界点的坐标，并确定所述第一二值化图像的中心点坐标和所述第二二值化图像的中心点坐标；
[0020]基于所述第一二值化图像的中心点坐标对所述第一初始MIP图像进行裁剪得到所述第一MIP图像；
[0021]基于所述第二二值化图像的中心点坐标对所述第二初始MIP图像进行裁剪得到所述第二MIP图像。
[0022]优选地，所述预设角度为135度。
[0023]优选地，所述自适应三重注意力模块包括：第一分支单元、第二分支单元、第三分支单元和加权单元；
[0024]所述第一分支单元的输入、所述第二分支单元的输入和所述第三分支单元的输入均为跨阶段残差模块的输出；所述加权单元的输入为所述第一分支单元的输出、所述第二分支单元的输出和所述第三分支单元的输出。
[0025]优选地，所述第一分支单元的数据处理过程为：
[0026]对维度为C*H*W的输入特征进行维度变换，得到维度为H*C*W的特征；
[0027]对所述维度为H*C*W的特征进行Z池化处理，得到维度为2*C*W的特征；
[0028]对所述维度为2*C*W的特征进行3*3空洞卷积和BatchNorm处理，得到维度为1*C*W的特征；
[0029]采用Sigmoid激活函数基于所述维度为1*C*W的特征得到第一注意力权重；
[0030]将所述第一注意力权重与所述维度为H*C*W的特征相乘后，进行维度转换得到第一输出特征；所述第一输出特征的维度为C*H*W。
[0031]优选地，所述第二分支单元的数据处理过程为：
[0032]对维度为C*H*W的输入特征进行维度交换，得到维度为W*H*C的特征；
[0033]对所述维度为W*H*C的特征进行Z池化处理，得到维度为2*H*C的特征；
[0034]对所述维度为2*H*C的特征进行3*3空洞卷积和BatchNorm处理，得到维度为1*H*C的特征；
[0035]采用Sigmoid激活函数基于所述维度为1*H*C的特征得到第二注意力权重；
[0036]将所述第二注意力权重与所述维度为W*H*C的特征相乘后，进行维度转换得到第二输出特征；所述第二输出特征的维度为C*H*W。
[0037]优选地，所述第三分支单元的数据处理过程为：
[0038]对维度为C*H*W的输入特征进行Z池化处理，得到维度为2*H*W的特征；
[0039]对所述维度为2*H*W的特征进行3*3空洞卷积和BatchNorm处理，得到维度为1*H*W的特征；
[0040]采用Sigmoid激活函数基于所述维度为1*H*W的特征得到第三注意力权重；
[0041]将所述第三注意力权重与所述维度为C*H*W的输入特征相乘，得到第三输出特征。
[0042]优选地，所述加权单元的输出特征为T：T＝1/3*(a1*T1+a2*T2+a3*T3)；
[0043]其中，a1为第一权重系数，T1为第一分支单元的输出特征，a2为第二权重系数，T2为第二分支单元的输出特征，a3为第三权重系数，T3为第三分支单元的输出特征。
[0044]优选地，所述对所述动脉狭窄检测结果进行可视化处理，得到可视化结果，具体包括：
[0045]根据所述动脉狭窄检测结果在所述第一MIP图像和所述第二MIP图像上绘制边界框；
[0046]在所述边界框上标注目标类别名称和置信度分数。
[0047]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0048]本专利技术提供的颅内动脉狭窄检测方法，通过采用基于自适应三重注意力模块的检测模型，基于预处理医学图像得到的第一MIP图像和第二MIP图像得到动脉狭窄检测结果后，依据动脉狭窄检测结果中的目标类别信息生成辅助报告和可视化结果，以能够解决现有人工判读方法易受医生主观经验影响和费时费力的问题，进而提高颅内动脉狭窄检测的准确性和效率。并且，本专利技术通过在YOLOv4的主干网络中插入自适应三重注意力模块，能够实现对高维特征重点区域的关注，降低无关特征的关注，提供检测模型的表征能力。
[0049]对应于上述提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种颅内动脉狭窄检测方法，其特征在于，包括：对颅内动脉的医学图像进行预处理得到第一MIP图像和第二MIP图像；将所述第一MIP图像和所述第二MIP图像均输入至检测模型，得到动脉狭窄检测结果；所述检测模型为训练好的YOLOvessel模型；所述YOLOvessel模型为在YOLOv4网络模型的主干网络的每一跨阶段残差模块后插入自适应三重注意力模块而得到的网络模型；所述动脉狭窄检测结果包括：目标类别信息、目标位置信息和置信度分数；基于预设的键值对信息，根据所述目标类别信息生成辅助报告；对所述动脉狭窄检测结果进行可视化处理，得到可视化结果。2.根据权利要求1所述的颅内动脉狭窄检测方法，其特征在于，所述对颅内动脉的医学图像进行预处理得到第一MIP图像和第二MIP图像，具体包括：对所述颅内动脉的医学图像进行格式转换，得到格式转换图像；采用SimpleITK工具包，对所述格式转换图像进行重采样处理得到采样图像；采用dcm2nii工具包，对所述采样图像进行重定向处理得到LSP空间图像；按预设角度旋转所述LSP空间图像得到旋转图像；采用最大密度投影算法处理所述LSP空间图像得到第一初始MIP图像；采用最大密度投影算法处理所述旋转图像得到第二初始MIP图像；采用自适应阈值算法对所述第一初始MIP图像和所述第二初始MIP图像执行图像二值化，得到第一二值化图像和第二二值化图像；分别获取所述第一二值化图像的边界点的坐标和第二二值化图像的边界点的坐标，并确定所述第一二值化图像的中心点坐标和所述第二二值化图像的中心点坐标；基于所述第一二值化图像的中心点坐标对所述第一初始MIP图像进行裁剪得到所述第一MIP图像；基于所述第二二值化图像的中心点坐标对所述第二初始MIP图像进行裁剪得到所述第二MIP图像。3.根据权利要求2所述的颅内动脉狭窄检测方法，其特征在于，所述预设角度为135度。4.根据权利要求1所述的颅内动脉狭窄检测方法，其特征在于，所述自适应三重注意力模块包括：第一分支单元、第二分支单元、第三分支单元和加权单元；所述第一分支单元的输入、所述第二分支单元的输入和所述第三分支单元的输入均为跨阶段残差模块的输出；所述加权单元的输入为所述第一分支单元的输出、所述第二分支单元的输出和所述第三分支单元的输出。5.根据权利要求4所述的颅内动脉狭窄检测方法，其特征在于，所述第一分支单元的数据处理过程为：对维度为C*H*W的输入特征进行维度变换，得到维度为H*C*W的特征；对所述维度为H*C*W的特征进行Z池化处理，得到维度为2*C*W的特征；对所述维度为2*C*W的特征进行3*3空洞卷积和BatchNorm处理，得到维度为1*C*W的特征；采用Sigmoid激活函数基于所述维度为1*C*...

【专利技术属性】
技术研发人员：李子孝，刘涛，张栗源，王拥军，濮月华，荆京，程健，刘子阳，吴振洲，张喆，朱万琳，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：