冠脉CTA图像分割和量化钙化方法、装置、设备及介质制造方法及图纸

本公开涉及一种冠脉CTA图像分割和量化钙化方法、装置、设备及介质。其中，冠脉CTA图像分割和量化钙化方法包括：获取待检测图像；将待检测图像输入至预先训练完成的机器学习模型的多视图加权注意力融合模块，基于多视图加权注意力融合模块对待检测图像进行特征提取，得到待检测图像对应的目标特征图；将目标特征图输入至机器学习模型的多任务依赖性学习模块，基于多任务依赖性学习模块对目标特征图进行钙化位置和钙化积分评估，得到待检测图像对应的钙化位置分割结果和钙化积分结果，由此，能够基于机器学习模型自动且同时完成冠状动脉图像的分割和量化钙化，提高了冠状动脉CTA图像自动分割和量化钙化的准确性和分析效率。像自动分割和量化钙化的准确性和分析效率。像自动分割和量化钙化的准确性和分析效率。

【技术实现步骤摘要】
冠脉CTA图像分割和量化钙化方法、装置、设备及介质


[0001]本公开涉及医学检测
，尤其涉及一种冠脉CTA图像分割和量化钙化方法、装置、设备及介质。

技术介绍

[0002]动脉特异性钙化分析包括钙化分割和量化任务，其中，动脉特异性钙化分析的钙化分割旨在精确定位每支冠状动脉的钙化病变，并获取丰富的钙化特征信息，进而对冠状动脉疾病提供较高的诊断和预测价值，动脉特异性钙化分析的量化旨在精确测量每支冠状动脉的钙化积分，包括三个常用指标：冠状动脉钙化评分又称Agatston分数、体积分数和质量分数，可直接反映单支冠状动脉的钙化程度，其与冠状动脉的狭窄程度显著相关，通过动脉特异性钙化分析可对冠状动脉的钙化特征进行综合全面评估，进而对冠状动脉疾病进行快速有效诊断。
[0003]现有的动脉特异性钙化分析方法主要为冠状动脉钙化分类计算方法和冠状动脉钙化回归计算方法，其中，冠状动脉钙化分类计算方法通常基于人工手动勾画对冠状动脉钙化和非钙化病变进行分类，随后，基于冠状动脉钙化病灶采用冠状动脉钙化回归计算方法进行钙化积分计算。/>[0004]然而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冠脉CTA图像分割和量化钙化方法，其特征在于，包括：获取待检测图像，所述待检测图像为三维冠状动脉CTA图像；将所述待检测图像输入至预先训练完成的机器学习模型的多视图加权注意力融合模块，基于所述多视图加权注意力融合模块对所述待检测图像进行特征提取，得到所述待检测图像对应的目标特征图；将所述目标特征图输入至所述机器学习模型的多任务依赖性学习模块，基于所述多任务依赖性学习模块对所述目标特征图进行钙化位置和钙化积分评估，得到所述待检测图像对应的钙化位置分割结果和钙化积分结果。2.根据权利要求1所述的方法，其特征在于，在所述将所述待检测图像输入至预先训练完成的机器学习模型的多视图加权注意力融合模块之前，所述方法还包括：获取所述待检测图像对应的轴向视图、冠状视图和矢状视图；所述将所述待检测图像输入至预先训练完成的机器学习模型的多视图加权注意力融合模块，包括：将所述轴向视图输入至所述多视图加权注意力融合模块中的第一编码器，所述第一编码器包括基于空洞卷积操作的残差模块和基于多头自注意力机制的金字塔池化模块；将所述冠状视图和所述矢状视图分别输入至第二编码器，所述第二编码器包括空洞卷积层。3.根据权利要求2所述的方法，其特征在于，所述基于所述多视图加权注意力融合模块对所述待检测图像进行特征提取，得到所述待检测图像对应的目标特征图，包括：基于所述第一编码器对所述轴向视图进行特征提取，得到第一特征图；基于所述第二编码器对所述冠状视图进行特征提取，得到第二特征图，同时基于所述第二编码器对所述矢状视图进行特征提取，得到第三特征图，其中，所述第二编码器在对所述冠状视图和所述矢状视图进行特征提取时分别采用不同的卷积层参数权重；将所述第一特征图、所述第二特征图和所述第三特征图进行加权融合处理，得到目标特征图。4.根据权利要求1所述的方法，其特征在于，所述多任务依赖性学习模块包括分割模块和量化模块，所述分割模块用于执行钙化分割任务，所述量化模块用于执行钙化量化任务；所述将所述目标特征图输入至所述机器学习模型的多任务依赖性学习模块，包括：将所述目标特征图分别输入至所述分割模块和所述量化模块。5.根据权利要求4所述的方法，其特征在于，所述分割模块包括第一上采样层、卷积层和第二上采样层；所...

【专利技术属性】
技术研发人员：徐磊，张楠，王瑞，周振，薄开蕊，杨琳，李蕊鑫，张卫卫，张贺晔，
申请(专利权)人：首都医科大学附属北京安贞医院，
类型：发明
国别省市：