基于序列性特征的颈动脉斑块去假阳识别方法及系统技术方案

本发明专利技术涉及一种基于序列性特征的颈动脉斑块去假阳识别方法及系统。其包括：提供颈动脉扫查横断面序列图像；对所提供颈动脉扫查横断面序列图像中的任一颈动脉横断面图像，进行颈动脉分割提取，以生成包含颈动脉轮廓的颈动脉分割图像，并测量所述颈动脉分割图像中颈动脉斑块的IMT厚度；在所提供的颈动脉扫查横断面序列图像中，若存在连续N张颈动脉横断面图像的IMT厚度均不小于预设IMT厚度阈值，则颈动脉扫查横断面序列图像中的疑似颈动脉斑块识别为颈动脉阳性斑块，否则，将疑似颈动脉斑块识别为颈动脉假阳性斑块。本发明专利技术提高对颈动脉斑块识别的准确度，减少或避免出现颈动脉斑块假阳性的识别问题。假阳性的识别问题。假阳性的识别问题。

【技术实现步骤摘要】
基于序列性特征的颈动脉斑块去假阳识别方法及系统


[0001]本专利技术涉及一种方法及系统，尤其是一种基于序列性特征的颈动脉斑块去假阳识别方法及系统。

技术介绍

[0002]随着科学技术的发展，深度学习方法在医疗领域应用越来越广泛和实用，其中，对假阳性问题，在医疗系统的各种场景中经常出现，如肺炎分割、肺结节检测、血管斑块等场景检测中。
[0003]颈动脉超声扫查中，颈动脉斑块出现与否已经是颈动脉扫查系统中最为关注的问题之一。颈动脉斑块假阳性，具体是指颈动脉扫查中，将正常扫查的目标误识别为有斑块的情况；因此，颈动脉斑块假阳性去除，成为衡量颈动脉筛查好坏的指标之一。
[0004]为了提高颈动脉扫查的精度与可靠性，目前，可基于增大负样本数量的方法，该方法主要扩大颈动脉超声图像中负样本，也就是没有斑块异常的样本数量。但是，从实际掌超扫描的样本上来看，扫查手法等不同操作方式，会影响掌超扫查后成像质量，会造成很多类似斑块成像的伪影。
[0005]此外，还可以采用调整负样本权重的方式，提高颈动脉扫查的精度与可靠性，对调整负样本权重的方法，比如Focal Loss等学习方法，通过调整负样本学习的比重，来抑制假阳样本，使得模型偏向于学习负样本权重信息。这类方法局限于所学样本的多样性，鲁棒性很难保证。
[0006]由上说明可知，以往颈动脉扫查时的去假阳样本技术，多依赖于过采样、调整权重这两种方法，而这种方法多依赖于样本本身单张图像的信息，不能考虑到伪影、人工扫查手法导致的成像质量问题。
[0007]综上，由于掌超超声视频本身的清晰度问题，这种过采样方法并不能解决最根本的问题，只能扩大分类范围，对于难分样本的边际很难进一步划分，也即无法做到对颈动脉斑块去假阳的准确识别。

技术实现思路

[0008]本专利技术的目的是克服现有技术中存在的不足，提供一种基于序列性特征的颈动脉斑块去假阳识别方法及系统，其提高对颈动脉斑块识别的准确度，减少或避免出现颈动脉斑块假阳性的识别问题。
[0009]按照本专利技术提供的技术方案，一种基于序列性特征的颈动脉斑块去假阳识别方法，所述颈动脉斑块去假阳识别方法包括：
[0010]提供颈动脉扫查横断面序列图像，其中，所述颈动脉扫查横断面序列图像包括若干张在颈动脉扫查中依次生成的颈动脉横断面图像；
[0011]对所提供颈动脉扫查横断面序列图像中的任一颈动脉横断面图像，进行颈动脉分割提取，以生成包含颈动脉轮廓的颈动脉分割图像，并测量所述颈动脉分割图像中颈动脉
斑块的IMT厚度；
[0012]在所提供的颈动脉扫查横断面序列图像中，若存在连续N张颈动脉横断面图像的IMT厚度均不小于预设IMT厚度阈值，则颈动脉扫查横断面序列图像中的疑似颈动脉斑块识别为颈动脉阳性斑块，否则，将疑似颈动脉斑块识别为颈动脉假阳性斑块。
[0013]对颈动脉斑块进行IMT厚度测量时，包括生成颈动脉斑块分割图像的步骤，其中，
[0014]利用颈动脉轮廓斑块分割模型对颈动脉横断面图像分割提取，以依次生成颈动脉分割图像与颈动脉斑块分割图像；
[0015]或者，
[0016]利用颈动脉轮廓分割模型对颈动脉横断面图像分割提取，以生成颈动脉分割图像，再利用斑块轮廓分割模型对颈动脉分割图像进行分割提取，以生成颈动脉斑块分割图像。
[0017]对颈动脉斑块分割图像，进行IMT厚度测量时，包括：
[0018]在颈动脉斑块分割图像上，生成疑似颈动脉斑块的斑块轮廓，其中，所述斑块轮廓包括斑块轮廓内缘以及与所述斑块轮廓内缘对应连接的斑块轮廓外缘；
[0019]基于所生成的斑块轮廓，确定所述斑块轮廓的最小外接矩形以及所述最小外接矩的宽度侧边；
[0020]在斑块轮廓内缘或斑块轮廓外缘上任选一点作为线段第一基点，在斑块轮廓外缘或斑块轮廓内缘上任选一点作为选段第二基点，其中，线段第一基点与线段第二基点连接形成的线段与最小外接矩形的宽度侧边平行时，将所述线段第一基点与线段第二基点之间的距离作为厚度基值；
[0021]将上述的线段第一基点在斑块轮廓上进行所需的遍历，并将最大的厚度基值配置为测量的IMT厚度。
[0022]对线段第一基点与线段第二基点连接形成的线段，所述形成的线段与最小外接矩形宽度侧边间的夹角小于5
°
时，所述线段与最小外接矩形的宽度侧边平行。
[0023]对颈动脉轮廓斑块分割模型、颈动脉轮廓分割模型以及斑块轮廓分割模型，均基于神经网络分割模型生成，其中，
[0024]对神经网络分割模型进行模型训练时，使用梯度下降法进行模型优化。
[0025]对颈动脉横断面图像，进行预处理；
[0026]利用颈动脉轮廓斑块分割模型或颈动脉轮廓分割模型对预处理后的颈动脉横断面图像进行分割提取，其中，
[0027]对颈动脉横断面图像的预处理包括高斯滤波处理。
[0028]N不小于3。
[0029]所述预设IMT厚度阈值为1.2mm。
[0030]一种基于序列性特征的颈动脉斑块去假阳识别系统，包括颈动脉斑块识别处理器，其中，
[0031]对具有序列性特征的颈动脉扫查横断面序列图像，颈动脉斑块识别处理器利用上述所述的颈动脉斑块去假阳识别方法进行颈动脉斑块去假阳识别。
[0032]对颈动脉扫查横断面序列图像，所述颈动脉扫查横断面序列图像的数据格式包括Dicom序列数据。
[0033]本专利技术的优点：在颈动脉扫查横断面序列图像中，若存在连续N张颈动脉横断面图像的IMT厚度均不小于预设IMT厚度阈值，则颈动脉扫查横断面序列图像的疑似颈动脉斑块识别为颈动脉阳性斑块，否则，将疑似颈动脉斑块识别为颈动脉假阳性斑块，通过连续N张颈动脉横断面图像的IMT厚度与预设IMT厚度阈值的关系，可有效对颈动脉扫查横断面序列图像中颈动脉斑块的阳性状态有效识别，提高对颈动脉斑块识别的准确度，减少或避免出现颈动脉斑块假阳性的识别问题。
附图说明
[0034]图1为本专利技术进行颈动脉斑块识别的一种实施例流程图。
[0035]图2为本专利技术在颈动脉横断面图像中提取颈动脉的一种实施例示意图。
[0036]图3为本专利技术在斑块轮廓上生成最小外接矩形的一种实施例。
具体实施方式
[0037]下面结合具体附图和实施例对本专利技术作进一步说明。
[0038]为了提高对颈动脉斑块识别的准确度，减少或避免出现颈动脉斑块假阳性的识别问题，对基于序列性特征的颈动脉斑块去假阳识别方法，本专利技术的一种实施例中，所述颈动脉斑块去假阳识别方法包括：
[0039]提供颈动脉扫查横断面序列图像，其中，所述颈动脉扫查横断面序列图像包括若干张在颈动脉扫查中依次生成的颈动脉横断面图像；
[0040]对所提供颈动脉扫查横断面序列图像中的任一颈动脉横断面图像，进行颈动脉分割提取，以生成包含颈动脉轮廓的颈动脉分割图像，并测量所述颈动脉分割图像中颈动脉斑块的IMT厚度；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于序列性特征的颈动脉斑块去假阳识别方法，其特征是，所述颈动脉斑块去假阳识别方法包括：提供颈动脉扫查横断面序列图像，其中，所述颈动脉扫查横断面序列图像包括若干张在颈动脉扫查中依次生成的颈动脉横断面图像；对所提供颈动脉扫查横断面序列图像中的任一颈动脉横断面图像，进行颈动脉分割提取，以生成包含颈动脉轮廓的颈动脉分割图像，并测量所述颈动脉分割图像中颈动脉斑块的IMT厚度；在所提供的颈动脉扫查横断面序列图像中，若存在连续N张颈动脉横断面图像的IMT厚度均不小于预设IMT厚度阈值，则颈动脉扫查横断面序列图像中的疑似颈动脉斑块识别为颈动脉阳性斑块，否则，将疑似颈动脉斑块识别为颈动脉假阳性斑块。2.根据权利要求1所述基于序列性特征的颈动脉斑块去假阳识别方法，其特征是，对颈动脉斑块进行IMT厚度测量时，包括生成颈动脉斑块分割图像的步骤，其中，利用颈动脉轮廓斑块分割模型对颈动脉横断面图像分割提取，以依次生成颈动脉分割图像与颈动脉斑块分割图像；或者，利用颈动脉轮廓分割模型对颈动脉横断面图像分割提取，以生成颈动脉分割图像，再利用斑块轮廓分割模型对颈动脉分割图像进行分割提取，以生成颈动脉斑块分割图像。3.根据权利要求2所述基于序列性特征的颈动脉斑块去假阳识别方法，其特征是，对颈动脉斑块分割图像，进行IMT厚度测量时，包括：在颈动脉斑块分割图像上，生成疑似颈动脉斑块的斑块轮廓，其中，所述斑块轮廓包括斑块轮廓内缘以及与所述斑块轮廓内缘对应连接的斑块轮廓外缘；基于所生成的斑块轮廓，确定所述斑块轮廓的最小外接矩形以及所述最小外接矩的宽度侧边；在斑块轮廓内缘或斑块轮廓外缘上任选一点作为线段第一基点，在斑块轮廓外缘或斑块轮廓内缘上任选一点作为选段第二基点，其中，线段第一基点与线段第二基点连接形成的线段与最小外接矩形的宽度侧边...

【专利技术属性】
技术研发人员：侍洋，谷晓林，
申请(专利权)人：聆数医疗科技苏州有限公司，
类型：发明
国别省市：