基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置制造方法及图纸

本发明专利技术提供一种基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置，涉及阻塞性冠状动脉疾病风险等级评估技术领域。该装置包括用于获取CTA影像数据的图像获取模块；识别冠状动脉并分割冠状动脉斑块，得到冠状动脉斑块特征图的冠状动脉斑块分割模块；识别并分割心脏轮廓提取心外膜脂肪组织，得到心外膜脂肪组织特征图的心外膜脂肪组织分割模块；融合冠状动脉斑块特征图和心外膜脂肪组织特征图，得到融合的疾病风险等级评估特征图的协同学习模块以及评估阻塞性冠状动脉疾病的风险等级的评估疾病风险等级模块。该装置利用协同学习的方法解决了不同特征融合、相互制约的问题，提高了特征准确提取的能力，进而提高了疾病风险评估的准确度。评估的准确度。评估的准确度。

【技术实现步骤摘要】
基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置


[0001]本专利技术涉及阻塞性冠状动脉疾病风险等级评估
，尤其涉及一种基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置。

技术介绍

[0002]心血管疾病目前已成为引起人类死亡的主要病因之一。心肌缺血主要原因是心外膜冠状动脉阻塞性病变所致。其原因是冠状动脉斑块形成、斑块脱落导致冠状动脉堵塞从而引起心脏供血不足。此外，有研究表明心外膜脂肪厚度与冠状动脉狭窄的严重程度呈正相关的关系。然而，基于人工智能的阻塞性冠状动脉的研究是多以量化冠状动脉管腔狭窄为主，并没有全方面综合考虑多种因素对阻塞性冠状动脉疾病的影响。因此，准确评估阻塞性冠状动脉疾病的风险等级的准确率比较低。
[0003]目前，有关阻塞性冠状动脉疾病以冠状动脉管腔狭窄度划分冠状动脉等级的。但这种仅仅利用单一种因素划分存在不足，例如，心外膜脂肪组织是一种心包内的代谢活性脂肪组织，并与冠状动脉直接相互作用，心外膜脂肪组织已被证明是一个独立的心血管疾病危险因素，可以通过测量心外膜脂肪的体积评估阻塞性冠状动脉疾病的严重程度及其进展，作为决定进一步治疗的重要辅助手段。分割心外膜脂肪组织是为了提高评估阻塞性冠状动脉疾病风险等级的准确性。专利号为CN110378868A的专利技术提供一种基于CT序列的心包分割方法及从心包序列中心层切片粗略定位心包区域的方法。该方法能够排除一些干扰组织区域，提高心包分割的速度，但是操作步骤较多，计算量大。“基于卷积神经网络的CT图像心包分割”的硕士论文将三维卷积神经网络作为研究重点，设计并实现了基于三维卷积神经网络SDV
‑
Net的心包分割算法。该三维方法虽然考虑到了心包的空间信息，但是模型输入数据的大小较小会损失一部分信息，影响特征的提取。专利号为CN115049608A的专利技术提供了一种基于YOLO
‑
V5和U
‑
Net的全自动心外膜脂肪组织提取系统。该方法先使用YOLO
‑
V5模型确定心脏空间位置再使用U
‑
Net模型分割心脏轮廓，最后通过阈值提取心外膜脂肪组织。简化了U
‑
Net完成心外膜脂肪组织分割的计算量，但是没有考虑到U
‑
Net模型缺乏对长期依赖关系建模的能力，会导致结果分割不连续和不准确。而且没有对心包分割结果进行后处理，包括心包分割结果内部孔洞的填充以及边缘的细化等，心包分割的不准确进而影响心外膜脂肪分割的精度。同样的，钙化斑块脱落阻塞管腔，导致管腔狭窄甚至闭塞，冠状动脉斑块的分析对阻塞性冠状动脉疾病的风险评估也是有一定的作用的，然而冠状动脉斑块的分割仍然存在一些不足准确率比较低。专利号为CN115423757A的专利技术专利提供了一种冠脉斑块分割方法及装置，通过生成中心线距离热力图，赋予斑块内侧区域较大的优化权重，提高分割精度。但是该方法需要进行冠脉血管掩膜提取和腐蚀细化，容易受到噪声、灰度不均匀性等因素的影响，可能影响中心线提取的准确性；专利号为CN113538471A的专利技术专利通过预设的斑块检测网络，对目标冠状动脉中的各个基准图像块进行冠状动脉斑块检测，得到候选基准图像块，然后将得到的候选基准图像块输入至预设的斑块分割网络中，即得到候选基准图像块的冠状动脉斑块分割结果。但是使用多个网络可能会导致网络复杂度增
加，可能存在过拟合、欠拟合等问题，专利号为CN109087708A的专利技术专利通过迭代微调深度学习网络模型，实现了血管壁上斑块分割的自动化和提高斑块分割的精确度，进而提高斑块分割效率。但该方法没有对斑块小范围检测，直接分割斑块，处理小目标的效果可能较为有限，需要大量数据训练。专利号为CN113077441A的专利技术专利提供了一种冠脉钙化斑块分割方法，首先获取心脏区域的第一医学图像，然后通过分割模型分三类分割斑块。但其直接使用心脏区域仍然存在前景背景不平衡问题，因为心脏区域包括了很多不需要分割的组织。专利号为CN114943699A的专利技术专利通过获取包括心脏区域的非对比增强心电门控钙化积分电子计算机断层扫描CSCT图像，并基于位置编码图像训练分割模型，以实现对多个冠脉分支中的钙化斑块区域进行精准分割。但是没有后处理步骤，这可能会导致一些分割结果出现噪点或不连续性，从而影响分割效果的准确性，进而影响阻塞性冠状动脉疾病风险等级。专利为CN113033626A提供了一种基于多任务协同学习的图像分类方法。首先，对输入的若干图像分类数据集进行降维预处理，并随机挑选样本数据构成训练数据；然后，构建了包含新式低秩约束项的图像分类优化模型，通过最小化奇异值来逼近秩极小化问题，来优化迭代算法来求解模型；最后，利用学习到的映射矩阵对图像数据集进行分类处理。然而这种数据迭代的方法耗时，容易陷入局部最小值。专利为CN113711317A通过冠状动脉血管的血流机制确定冠状动脉功能性疾病的模式，但是没有考虑到斑块和心外膜脂肪对冠状动脉疾病的影响而且并不是针对阻塞性冠状动脉疾病进行风险等级进行评估。

技术实现思路

[0004]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置，实现对阻塞性冠状动脉疾病风险等级的评估。
[0005]为解决上述技术问题，本专利技术所采取的技术方案是：基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置，包括图像获取模块、冠状动脉斑块分割模块，心外膜脂肪组织分割模块、协同学习模块和评估疾病风险等级模块；所述图像获取模块用于获取患者冠状动脉CTA影像数据，并将Dicom格式的影像数据转换为nii.gz格式；所述冠状动脉斑块分割模块接收患者CTA影像数据识别冠状动脉并分割冠状动脉斑块，得到冠状动脉斑块特征图；所述心外膜脂肪组织分割模块，接收患者CTA影像数据识别并分割心脏轮廓通过阈值法提取心外膜脂肪组织，得到心外膜脂肪组织特征图；所述协同学习模块用于融合冠状动脉斑块特征图和心外膜脂肪组织特征图，得到融合的疾病风险等级评估特征图；所述评估疾病风险等级模块根据疾病风险等级评估特征图评估阻塞性冠状动脉疾病的风险等级。
[0006]优选地，所述冠状动脉斑块分割模块，使用基于自动阈值选取种子点的区域生长和区域合并算法对患者冠状动脉CTA影像数据进行分割，得到冠状动脉区域；然后对冠状动脉区域通过形态学操作，包括开运算和闭运算，以去除区域内孤立的像素和填充斑块内部空洞；通过膨胀操作得到冠状动脉掩膜图像；接着将冠状动脉掩膜图像输入带注意力模块的U
‑
Net网络捕捉复杂的斑块形态，并对冠状动脉斑块进行分割；最后对冠状动脉斑块的分割结果进行后处理以得到更加精细的斑块分割边缘。
[0007]优选地，所述心外膜脂肪组织分割模块，首先搭建混合SwinTransformer和U
‑
Net模型并将接收患者CTA影像数据，并融合SwinTransformer和U
‑
Net预测得到心包特征图；然后通过非局部模块接收心包特征图，捕获所有像素之间的交互，更好地了解整个上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置，其特征在于：包括图像获取模块、冠状动脉斑块分割模块，心外膜脂肪组织分割模块、协同学习模块和评估疾病风险等级模块；所述图像获取模块用于获取患者冠状动脉CTA影像数据，并将Dicom格式的影像数据转换为nii.gz格式；所述冠状动脉斑块分割模块接收患者CTA影像数据识别冠状动脉并分割冠状动脉斑块，得到冠状动脉斑块特征图；所述心外膜脂肪组织分割模块，接收患者CTA影像数据识别并分割心脏轮廓通过阈值法提取心外膜脂肪组织，得到心外膜脂肪组织特征图；所述协同学习模块用于融合冠状动脉斑块特征图和心外膜脂肪组织特征图，得到融合的疾病风险等级评估特征图；所述评估疾病风险等级模块根据疾病风险等级评估特征图评估阻塞性冠状动脉疾病的风险等级。2.根据权利要求1所述的基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置，其特征在于：所述冠状动脉斑块分割模块，使用基于自动阈值选取种子点的区域生长算法和区域合并算法对患者冠状动脉CTA影像数据进行分割，得到冠状动脉区域；然后对冠状动脉区域通过形态学操作，包括开运算和闭运算，以去除区域内孤立的像素和填充斑块内部空洞；通过膨胀操作得到冠状动脉掩膜图像；接着将冠状动脉掩膜图像输入带注意力模块的U
‑
Net网络捕捉复杂的斑块形态，并对冠状动脉斑块进行分割；最后对冠状动脉斑块的分割结果进行后处理以得到更加精细的斑块分割边缘。3.根据权利要求2所述的基于多任务协同评估阻塞性冠状动脉疾病风险等级的装置，其特征在于：所述心外膜脂肪组织分割模块，首先搭建混合SwinTransformer和U
‑
Net模型并将接收患者CTA影像数据，并融合SwinTransformer和U
‑
Net预测得到心包特征图；然后通过非局部模块接收心包特征图，捕获所有像素之间的交互，更好地了解整个上下文信息，再将心包特征图输出至解码器；解码器通过反卷积的方法预测得到心包初始分割结果；接着对心包...

【专利技术属性】
技术研发人员：徐礼胜，杨晋中，王前进，王莹，王璐，
申请(专利权)人：东北大学，
类型：发明
国别省市：