一种基于残差双注意力机制的心血管钙化斑块检测系统技术方案

本发明专利技术公开一种基于残差双注意力机制的心血管钙化斑块检测系统。本发明专利技术提出基于残差双注意力机制的分割模型，包括主干网络模块BackBone和残差双注意力模块，所述残差双注意力模块包括并联的第一注意力模块、第二注意力模块，以及融合模块；所述两个并行的注意力模块输入为所述BackBone模块的输出特征X，输出为分割结果。本发明专利技术通过构建残差双注意力机制模块，解决了网络随深度的加深会出现的梯度消失的问题，使得特征随着层层前向传播得到完整保留的信息越来越少的问题得到解决，从而使得新特征能够更加准确完整，分割出的钙化区域更加精确。加精确。加精确。

【技术实现步骤摘要】
一种基于残差双注意力机制的心血管钙化斑块检测系统


[0001]本专利技术属于医学图像处理领域，涉及一种基于残差双注意力机制的心血管钙化斑块检测系统。

技术介绍

[0002]世界上约有6％的成年人患有心血管疾病，而冠状动脉粥样硬化类疾病是造成大部分疾病患者死亡的首要原因。冠状动脉钙化斑块的产生是冠状动脉粥样硬化发展到一定程度的主要表现形式，它是机体企图遏制炎症和稳定粥样硬化斑块的结果，是一个可调控的过程。冠状动脉钙化是冠脉粥样硬化的主要标识之一，其含量可以对心血管疾病事件进行有效的预测。所以，能够在早期发现沉积在血管上的冠状动脉粥样硬化斑块对于心血管疾病的治疗至关重要。因此，研究探索关于心血管钙化斑块检测方法有一定意义。
[0003]在心血管疾病的预防和治疗中，钙化斑块的精准检测和识别具有重要的研究意义。而对心血管疾病患者的CTA(CT血管造影)图像中的钙化斑块区域进行准确完整的检测，属于图像分割的领域。以往的图像分割多是采用模式识别的方法进行，根据阈值、边缘、区域增长、模糊集理论和图论等分割特点进行分类。已提出用于钙化区域分割的模式识别方法有k
‑
均值聚类、随机森林等方法。通过位置、大小、形状和强度特征等描述要分类的候选钙化层。Toumoulin等选择冠状动脉内外边界之间较高强度的区域作为钙化斑块。Wesarg等观察到斑块动脉的管腔比正常动脉的管腔狭窄，因此可以通过结合管腔半径和管腔强度特征检测钙化斑块。Wang和Liatsis通过假设正常动脉具有圆形横截面来定位钙化狭窄。由于定量方法需要末端位点的正常横截面以计算斑块体积，因此斑块位置的先验知识对斑块的准确识别是必不可少的。Kurkure等和Brunner等以心脏为中心提出了心脏坐标系。同样，S
á
nchez，等描述了相对于解剖界标的候选位置。等使用多图集配准来估计冠状动脉树的位置。此外，在过去的几年中，Wersag等提出了一种通过血管分割来定位钙化的方法。该自动检测算法将直径信息和灰度值进行结合，对钙化区域进行分析。Saur等用天然血管数据集自动检测和评估CT(Multi
‑
Slice Computed Tomography，MSCT)图像中的冠状动脉钙化斑块，以获得有关每个斑块的信息。以上这些方法多是根据图像像素的底层信息来进行图像分割，需要依赖人工设计复杂的特征，只适用于当前一般问题，分割效果难以令人满意。
[0004]随着科学技术及影像医学的不断发展，近年来应用于临床的多层螺旋CT可以无创地检出及定量分析冠状动脉钙化斑块。这种无创的检查手段有望成为冠心病检查及评估的首选方法。其后处理重建方法的选择对钙化斑块的检出和积分的计算非常关键。目前临床医生主要通过观察医学影像来诊断病情。但由于冠状动脉管径细小，分支较多，在心脏外膜表面血管走形曲折，不同病人，冠状动脉空间分布位置各异，CT断层图像通常只能显示众多冠状动脉分支血管的截面，医生很难在薄层扫描获得的大量断层图像中跟踪观察某支血管。而且扫描过程中常会由于心脏博动产生运动伪影增加医生辨识细小血管的难度。
[0005]因此钙化斑块的检测定位并计算钙化积分的冠心病病灶区域智能检测研究，能通
过定量计算判断冠状动脉是否狭窄，精确定位狭窄区的位置，多角度多方位地观察冠状动脉血管全程，为医生定量分析冠状动脉粥样硬化程度，定位钙化区，使医生对血管长度，病变位置及诊断更加直观，更为准确。

技术实现思路

[0006]本专利技术的目的是为了克服现有方法的局限性，提供一种基于残差双注意力机制的心血管钙化斑块检测系统。
[0007]一种基于残差双注意力机制的心血管钙化斑块检测系统包括：
[0008]数据获取以及预处理模块，用于获取心血管的DICOM(Digital Imaging and Communications in Medicine)数据，然后将其转化为CTA图像以及对应的mask(掩膜)子图；然后对mask子图进行二值化处理；
[0009]心血管钙化斑块分割模块，用于利用训练好的基于残差双注意力机制的分割模型实现对上述CTA图像的心血管钙化区域进行特征提取；
[0010]所述基于残差双注意力机制的分割模型，输入为CTA图像以及对应的mask子图，输出为分割结果；
[0011]所述基于残差双注意力机制的分割模型包括主干网络模块BackBone和残差双注意力模块；
[0012]所述BackBone模块包括依次级连的卷积层、最大池化层、四个叠加层、池化层；
[0013]所述的四个叠加层分别包括数量分别是[3,4,6,3]的Blocks，每个Blocks包括一个3层卷积、一个激活函数、一个最大池化层；
[0014]作为优选，所述的3层卷积的卷积核大小分别为1
×
1，3
×
3，1
×
1，所述激活函数为非线性激活函数；
[0015]所述残差双注意力模块包括并联的第一注意力模块、第二注意力模块，以及融合模块；所述并联的第一注意力模块、第二注意力模块的输入为所述BackBone模块的输出特征X，输出为分割结果；
[0016]所述第一注意力模块包括一个卷积层和一个softmax层；
[0017]所述第一注意力模块将所得特征映射通过计算输出第一注意力模块最终特征；具体是：
[0018]1)原始特征A(C
×
H
×
W)，通过所述卷积层来生成两个新特征映射B和F接着把所述两个新特征映射B和F变形为C
×
N，其中N＝H
×
W是像素数量，然后在F的转置和B之间使用矩阵相乘，再通过所述softmax层来计算空间注意力映射s
ji
(N
×
N)：
[0019][0020]其中s
ji
表示衡量第一注意力模块第i个位置对第j个位置的影响。两个位置的特征表示越相似，它们之间的相关性就越强。B
i
和F
j
分别是B上的第i个位置的局部特征和F上第j个位置的局部特征。
[0021]2)原始特征A通过所述一个卷积层来生成新特征映射D(C
×
H
×
W)并变形为C
×
N，接着D的各个位置上的局部特征D
i
和转置后s
ji
的各个位置使用矩阵相乘，并将结果变形为C
×
H
×
W。最后通过放缩参数α乘它，并与原始特征A的各个位置上的局部特征A
j
相加来获取第j个位置上的最终输出如下：
[0022][0023]其中A
j
表示A第j个位置的局部特征，D
i
表示D第i个位置的局部特征。按照上述公式，遍历j，合并得到最终输出E1；
[0024]所述第二注意力模块直接将原始特征通过计算输出第二注意力模块最终输出；具体是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于残差双注意力机制的心血管钙化斑块检测系统，其特征在于包括：数据获取以及预处理模块，用于获取心血管的DICOM数据，然后将其转化为CTA图像以及对应的mask子图；然后对mask子图进行二值化处理；心血管钙化斑块分割模块，用于利用训练好的基于残差双注意力机制的分割模型实现对上述CTA图像的心血管钙化区域进行特征提取；所述基于残差双注意力机制的分割模型，输入为CTA图像以及对应的mask子图，输出为分割结果；所述基于残差双注意力机制的分割模型包括主干网络模块BackBone和残差双注意力模块；所述主干网络模块BackBone包括依次级连的卷积层、最大池化层、四个叠加层、池化层；所述残差双注意力模块包括并联的第一注意力模块、第二注意力模块，以及融合模块；所述第一注意力模块、第二注意力模块的输入为所述BackBone模块的输出特征X，输出为分割结果；所述第一注意力模块包括一个卷积层和一个softmax层；将所得特征映射通过计算输出第一注意力模块最终特征；具体是：1)大小为C
×
H
×
W的原始特征A，通过所述卷积层生成两个新特征映射B和F，接着把所述两个新特征映射B和F变形为C
×
N，其中N＝H
×
W是像素数量，然后在F的转置和B之间使用矩阵相乘，再通过所述softmax层来计算空间注意力映射s
ji
(N
×
N)：其中s
ji
表示衡量第一注意力模块第i个位置对第j个位置的影响，B
i
和F
j
分别是B上的第i个位置的局部特征和F上第j个位置的局部特征；2)原始特征A通过所述一个卷积层来生成大小为C
×
H
×
W的新特征映射D，并变形为C
×
N，接着D的各个位置上的局部特征D
i
和转置后s
ji
的各个位置使用矩阵相乘，并将结果变形为C
×
H
×
W，最后乘以放缩参数α，并与原始特征A的各个位置上的局部特征A
j
相加来获取第j个位置上的最终输出大小为C
×
H
×
W的W的其中A
j
表示A第j个位置的局部特征，D
i
表示D第i个位置的局部特征；按照上述公式，遍历j，合并得到最终输出E1；所述第二注意力模块直接将原始特征通过计算输出第二注意力模块最终输出；具体是：将原始特征A变形成C
×
N，接着将原始特征A与原始特征A的转置使用矩阵乘法，通过所述softmax层来获取通道注意力映射大小为C
×
C的x
ji
：
其中x
ji
衡量第二注意力模块第i个通道对第j个通道的影响，A
i

【专利技术属性】
技术研发人员：徐平，陈成，吴修柯，陈逸璇，张曼莉，黄成奇，刘亦安，严明，祝磊，薛凌云，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：