一种血管病变的确定方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种血管病变的确定方法、装置、电子设备及存储介质，所述确定方法包括：将获取的无标记图像和有标记图像作为输入图像以单张交替输入的方式输入至血管病变分析模型中；若输入图像为无标记图像，则根据重建损失函数训练血管病变分析模型；若输入图像为有标记图像，则确定重建损失函数、病变类型损失函数以及病变程度损失函数是否同时满足目标条件，若同时满足目标条件，则得到训练好的血管病变分析模型；根据训练好的血管病变分析模型确定血管图像的病变类型结果和病变程度结果。采用本申请提供的技术方案可以减少人工标注的操作，降低了医生的工作量，同时也保证了确定血管病变的准确性。确定血管病变的准确性。确定血管病变的准确性。

【技术实现步骤摘要】
一种血管病变的确定方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理
，尤其是涉及一种血管病变的确定方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人们生活水平的不断提高，饮食水平的提高，导致肥胖，高血压，高血脂等基础疾病的多发，这些都是引起冠心病多发的重要因素；那么随着科学技术的发展，医学成像技术也在不断突飞猛进，以至于CTA的拍摄越来越普及，CTA作为冠心病筛查的重要手段，能够在早期发现血管病变迹象，并给出合理分析，供医生进行诊断治疗参考，意义巨大。但是大量的CTA筛查，会导致原本工作压力大的医生更加负担重，因此，通过深度学习的技术来辅助医生进行血管病变分析是一大发展方向。
[0003]目前，学习复杂任务的深度学习模型一般要求有大量的数据支撑，而基于深度学习的血管病变分析模型训练，往往需要医生手动标注的大量CTA数据集进行训练，由于标注任务的要求较高，因此往往需要经验丰富的医生来完成，这就导致标注数据的获取较为困难。因此，如何确定血管病变，可以减少人工标注的操作同时保证确定血管病变的准确性，成为了亟待解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血管病变的确定方法，其特征在于，所述确定方法包括：获取血管图像；将所述血管图像输入血管病变分析模型，输出病变类型结果和病变程度结果；其中，血管病变分析模型通过以下步骤训练得到：(A)获取数量为第一预设阈值的无标记图像和预先标记好病变类型和病变程度的数量为第二预设阈值的有标记图像；其中，所述第一预设阈值是第二预设阈值的预设倍数；(B)将所述无标记图像和所述有标记图像作为输入图像以单张交替输入的方式输入至血管病变分析模型中；(C)若所述输入图像为无标记图像，则得到重建损失函数，根据所述重建损失函数训练所述血管病变分析模型，并返回执行步骤(B)；(D)若所述输入图像为有标记图像，则得到重建损失函数、病变类型损失函数以及病变程度损失函数，确定所述重建损失函数、病变类型损失函数以及病变程度损失函数是否同时满足目标条件，若不同时满足所述目标条件，则返回执行步骤(B)；若同时满足所述目标条件，则得到训练好的所述血管病变分析模型；所述目标条件为所述重建损失函数小于预设重建阈值、所述病变类型损失函数小于预设分类阈值以及所述病变程度损失函数小于预设程度阈值。2.根据权利要求1所述的确定方法，其特征在于，所述血管病变分析模型包括特征提取模块和图像重建模块；通过以下步骤得到重建损失函数：将所述输入图像输入至所述特征提取模块进行特征提取，得到所述特征提取模块对应的特征图像；将所述特征图像输入至图像重建模块进行图像重建，得到所述图像重建模块输出的目标重建图像；将所述目标重建图像和所述输入图像进行比对，得到重建损失函数。3.根据权利要求2所述的确定方法，其特征在于，所述特征提取模块包括多个提取网络结构，每个提取网络结构包括N个卷积层和M个池化层；所述将所述输入图像输入至所述特征提取模块进行特征提取，得到所述特征提取模块对应的特征图像的步骤，包括：将所述输入图像输入至所述特征提取模块的第一个提取网络结构中，并将所述第一个提取网络结构作为当前提取网络结构，经过所述当前提取网络结构的N个卷积层提取所述输入图像的特征信息后，再经过所述当前提取网络结构的M个池化层对所述提取的特征信息进行浓缩，得到所述当前提取网络结构对应的特征图像；将所述第一个提取网络结构的下一个提取网络结构更新为当前提取网络结构，并将上一个提取网络结构对应的特征图像作为输入图像输入至所述当前提取网络结构，继续得到所述当前提取网络结构对应的特征图像，直至遍历到所述特征提取模块中的最后一个提取网络结构，得到所述特征提取模块中每个提取网络结构对应的特征图像。4.根据权利要求3所述的确定方法，其特征在于，所述图像重建模块包括与所述特征提取模块相同数量的重建网络结构，每个重建网络结构包括N个卷积层和M个反卷积层；所述将所述特征图像输入至图像重建模块进行图像重建，得到所述图像重建模块输出的目标重
建图像的步骤，包括：将所述特征提取模块中每个提取网络结构对应的特征图像输入至所述重建网络结构对应的重建网络结构中；将所述图像重建模块的第一个重建网络结构作为当前重建网络结构，并将所述特征提取模块的最后一个提取网络结构对应的特征图像经过所述当前重建网络结构的N个卷积层提取特征后，再经过所述当前重建网络结构的M个反卷积层进行上采样，得到所述当前重建网络结构对应的重建图像；将所述第一个重建网络结构的下一个重建网络结构更新为当前重建网络结构，并将上一个重建网络结构对应的重建图像和所述特征提取模块中对应的提取网络结构对应的特征图像一起输入至所述当前重建网络结构中，继续得到所述当前重建网络结构对应的重建图像，直至遍历到所述图像重建模块中的最后一个重建网络结构，得到所述图像重建模块最后一个重建网络结构输出的目标重建图像。5.根据权利要求3所述的确定方法，其特征在于，所述血管病变分析模型还包括病变分析...

【专利技术属性】
技术研发人员：张瑜，马骏，郑凌霄，兰宏志，
申请(专利权)人：深圳睿心智能医疗科技有限公司，
类型：发明
国别省市：