【技术实现步骤摘要】
本专利技术涉及血管狭窄预测，特别是涉及一种基于深度学习的spect血管狭窄预测方法及系统。
技术介绍
1、脑血管狭窄是造成缺血性脑血管病的一个重要病因和危险因素，脑血管狭窄使得经过脑血管的血液减少，脑细胞就会缺血死亡，脑动脉狭窄如今有三个方法治疗，分别是药物治疗、外科手术治疗及血管支架治疗，造成脑血管狭窄的原因很多，而且与年龄有关，儿童发病者多由于先天性的血管发育异常造成，颈椎病也是脑血管狭窄的诱发因素，现有技术都是基于ct-ffr对血管狭窄进行相关的预测和分析的，并且现有技术都是先预测血管狭窄，再从血管狭窄情况得到患者病症情况，从而使得计算量大且计算步骤比较繁杂。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于深度学习的spect血管狭窄预测方法及系统，用于解决现有技术中使得计算量大且计算步骤比较繁杂的问题。
2、本专利技术的实施方式提供了一种基于深度学习的spect血管狭窄预测方法，包括以下步骤：获取用户上传的待预测的spect 3d dcm图；根据所述spect 3d dcm图确定两通道的灰度图和三个子图，其中，所述三个子图分别对应lad、lcx、rca的区域；将所述两通道的灰度图和三个子图输入分别对应的狭窄预测深度模型内；通过四个所述狭窄预测深度模型生成四个对应两通道的灰度图和三个子图的预测值；对四个预测值进行计算生成四个预测置信度，并获取对应四个预测置信度的预设阈值；比对所述预设阈值和四个预测置信度，根据比对结果得出血管狭窄的预
3、本专利技术的实施方式还提供了一种基于深度学习的spect血管狭窄预测系统，包括：获取模块，用于获取用户上传的待预测的spect 3d dcm图，并获取对应四个预测置信度的预设阈值；确定模块，用于根据所述spect 3d dcm图确定两通道的灰度图和三个子图，其中，所述三个子图分别对应lad、lcx、rca的区域；预测模块，用于将所述两通道的灰度图和三个子图输入分别对应的狭窄预测深度模型内，通过四个所述狭窄预测深度模型生成四个对应两通道的灰度图和三个子图的预测值；比对模块，用于对四个预测值进行计算生成四个预测置信度，比对所述预设阈值和四个预测置信度，根据比对结果得出血管狭窄的预测结果。
4、本专利技术的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的基于深度学习的spect血管狭窄预测方法。
5、本专利技术实施方式相对于现有技术而言，主要区别及其效果在于：根据用户上传待预测的spect 3d dcm图确定出两通道的灰度图和三个子图，然后将两通道的灰度图和三个子图输入分别对应的狭窄预测深度模型内，通过四个狭窄预测深度模型生成四个对应两通道的灰度图和三个子图的预测值，然后再对四个预测值进行计算生成四个预测置信度，让四个预测置信度与对应的预设阈值进行比较，根据比较结果得出血管狭窄的预测结果，从而使得计算量小且计算步骤比较简洁。
6、作为进一步改进，四个所述狭窄预测深度模型包括整体狭窄预测模型、lad狭窄预测模型、lcx狭窄预测模型和rca狭窄预测模型。
7、作为进一步改进，在所述获取用户上传的待预测的spect 3d dcm图之前，包括：获取已经被判定血管狭窄的spect 3d dcm图；根据所述spect 3d dcm图确定polarmap的灰度图；根据所述polarmap的灰度图确定blackout polarmap的灰度图；重叠所述polarmap和blackout polarmap的灰度图，根据重叠结果确定两通道的灰度图；按照lad、lcx、rca的区域模板将两通道的灰度图分成对应的三个子图；使用两通道的灰度图和三个子图分别训练对应的狭窄预测深度模型。
8、上述方案根据已经被判定血管狭窄的spect 3d dcm图确定polarmap的灰度图和blackout polarmap的灰度图，然后根据polarmap的灰度图和blackout polarmap的灰度图确定出两通道的灰度图，再按照lad、lcx、rca的区域模板将两通道的灰度图分成对应的三个子图，最后使用两通道的灰度图和三个子图分别训练对应的狭窄预测深度模型，从而实现了对四个狭窄预测深度模型的训练。
9、作为进一步改进，在所述用户上传待预测的spect 3d dcm图之后，所述根据所述spect3d dcm图确定polarmap的灰度图之前，包括：对所述spect 3d dcm图进行预处理，其中，所述预处理包括对spect 3d dcm图进行检查和剪切。
10、作为进一步改进，所述根据所述spect 3d dcm图得出两通道的灰度图和三个子图，包括：根据所述spect 3d dcm图确定polarmap的灰度图；根据所述polarmap的灰度图确定blackout polarmap的灰度图，其中，所述polarmap和blackoutpolarmap的灰度图均是一通道的灰度图；重叠所述polarmap和blackout polarmap的灰度图，根据重叠结果确定两通道的灰度图；按照lad、lcx、rca的区域模板将两通道的灰度图分成对应的三个子图。
11、上述方案通过该spect 3d dcm图确定polarmap的灰度图和blackout polarmap的灰度图，然后将polarmap和blackout polarmap的灰度图进行重叠，重叠后确定出两通道的灰度图，然后再按照lad、lcx、rca的区域模板将两通道的灰度图分成对应的三个子图，从而可以根据该spect 3d dcm图得出两通道的灰度图和三个子图。
12、作为进一步改进，所述通过四个所述狭窄预测深度模型生成四个对应两通道的灰度图和三个子图的预测值，包括：四个所述狭窄预测深度模型分别提取两通道的灰度图和三个子图内的特征，通过对所述特征进行多次计算生成四个对应两通道的灰度图和三个子图的预测值。
13、作为进一步改进，所述对四个预测值进行计算生成四个预测置信度，包括：选取三个所述子图中预测值的最大值作为第一预测值；根据所述第一预测值与两通道的灰度图的预测值确定第一预测置信度；将三个子图的预测值设置为其余三个预测置信度。
14、作为进一步改进，所述比对所述预设阈值和四个预测置信度，根据比对结果得出血管狭窄的预测结果，包括：判断四个所述预测置信度是否大于相对应的预设阈值；若四个所述预测置信度大于相对应的预设阈值，则预测spect 3d dcm数据为血管狭窄。
15、上述方案通过判断四个预测置信度与相对应的预设阈值的大小关系，如果若四个预测置信度大于相对应的预设阈值，则得出预测结果为预测spect 3d dcm数据为血管狭窄，从而有助于医生对患者的症状进行判断。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的SPECT血管狭窄预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的SPECT血管狭窄预测方法，其特征在于：
3.根据权利要求2所述的一种基于深度学习的SPECT血管狭窄预测方法，其特征在于：在所述获取用户上传的待预测的SPECT 3D dcm图之前，包括：
4.根据权利要求1所述的一种基于深度学习的SPECT血管狭窄预测方法，其特征在于：在所述用户上传待预测的SPECT 3D dcm图之后，所述根据所述SPECT 3D dcm图确定两通道的灰度图和三个子图之前，包括：
5.根据权利要求1所述的一种基于深度学习的SPECT血管狭窄预测方法，其特征在于：所述根据所述SPECT 3D dcm图得出两通道的灰度图和三个子图，包括：
6.根据权利要求1所述的一种基于深度学习的SPECT血管狭窄预测方法，其特征在于：所述通过四个所述狭窄预测深度模型生成四个对应两通道的灰度图和三个子图的预测值，包括：
7.根据权利要求1所述的一种基于深度学习的SPECT血管狭窄预测方法
8.根据权利要求1所述的一种基于深度学习的SPECT血管狭窄预测方法，其特征在于：所述比对所述预设阈值和四个预测置信度，根据比对结果得出血管狭窄的预测结果，包括：
9.一种基于深度学习的SPECT血管狭窄预测系统，其特征在于：包括：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于深度学习的spect血管狭窄预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的spect血管狭窄预测方法，其特征在于：
3.根据权利要求2所述的一种基于深度学习的spect血管狭窄预测方法，其特征在于：在所述获取用户上传的待预测的spect 3d dcm图之前，包括：
4.根据权利要求1所述的一种基于深度学习的spect血管狭窄预测方法，其特征在于：在所述用户上传待预测的spect 3d dcm图之后，所述根据所述spect 3d dcm图确定两通道的灰度图和三个子图之前，包括：
5.根据权利要求1所述的一种基于深度学习的spect血管狭窄预测方法，其特征在于：所述根据所述spect 3...
【专利技术属性】
技术研发人员：王世威，胡宇程，仵晨阳，何翔，陈浩，
申请(专利权)人：上海域唯医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。