【技术实现步骤摘要】
本专利技术涉及神经网络的图像数据扩充，具体涉及一种主动脉直径人工智能测量方法。
技术介绍
1、经过研究和实验分析发现，主动脉直径能够反应人体血压的特征，在利用ct扫描获得的心脏ct图像中，可利用人工智能技术自动检测出主动脉的直径，方便医师评估人体的不良血压状态。在现有技术中，通常采用神经网络检测心脏ct图像中主动脉的直径。由于主动脉的直径受到血压以及血液流动的影响，血管会进行一定程度的收缩舒张，即主动脉血管会存在多种状态，若通过采集大量不同状态下的心脏ct图像作为神经网络的训练数据会导致训练成本较高；若仅采用现有的平移、旋转等数据扩充方法对训练数据扩充会导致最终的神经网络泛化能力较弱，影响最终的直径检测结果。
技术实现思路
1、为了解决现有技术中识别主动脉直径的神经网络无法做到有效训练数据扩充进而影响最终检测精度的技术问题，本专利技术的目的在于提供一种主动脉直径人工智能测量方法，所采用的技术方案具体如下：
2、本专利技术提出了一种主动脉直径人工智能测量方法，所述方法包括：
3、获取包含主动脉信息的心脏ct图像；在心脏ct图像中每个像素点对应多个不同的预设方向区间，在以像素点为中心像素点的不同尺寸的每个预设邻域中，方向区间内每个方向上的其他像素点构成中心像素点的灰度变化曲线；
4、根据每个方向区间内灰度变化曲线之间的相似性获得每个方向区间的对比权重；根据每个方向区间内灰度变化曲线之间的相似度，筛选出参考灰度变化曲线；在所有方向区间中选择一条参考灰度
5、获取每个像素点在待分析区域内对应像素值的密度，根据心脏ct图像中像素点的密度分布获得每个像素点的目标程度；根据目标程度筛选出待弱化血管区域；
6、在待弱化血管区域内，获取像素点在所述待分析区域内的密度变化特征和血管形状特征，结合像素点在待弱化血管区域内的位置，获得每个像素点的弱化特征并利用弱化特征筛选出弱化像素点；根据弱化所述弱化像素点的像素值，获得弱化心脏ct图像；
7、将弱化心脏ct图像和对应的心脏ct图像作为主动脉直径识别神经网络的训练数据，利用训练好的主动脉直径识别神经网络获得待识别心脏ct图像中的主动脉直径。
8、进一步地，所述根据每个方向区间内所述灰度变化曲线之间的距离获得每个方向区间的对比权重包括：
9、获取每个方向区间内任意两个所述灰度变化曲线之间的dtw距离，将所述dtw距离负相关映射并归一化，获得两个所述灰度变化曲线之间的曲线相似度；将每个方向区间内所述曲线相似度的平均值和标准差的比值作为每个方向区间的所述对比权重。
10、进一步地，所述参考灰度变化曲线的筛选方法包括：
11、在每个方向区间中，根据曲线相似度获得所述灰度变化曲线的类别；
12、将任意一个所述灰度变化曲线作为目标曲线，将目标曲线在所述类别内与其他灰度变化曲线之间曲线相似度的平均值作为类内相似度；将目标曲线与其他类别的灰度变化曲线之间的曲线相似度平均值作为类间相似度；
13、将所述类间相似度负相关映射后与所述类内相似度相加，获得所述目标曲线的参考指标；
14、改变所述目标曲线，获得每个方向区间内每个灰度变化曲线的所述参考指标，将所述参考指标大于预设参考阈值的灰度变化曲线作为对应方向区间内的所述参考灰度变化曲线。
15、进一步地，所述筛选指标的获取方法包括：
16、将每个组合中两两所述参考灰度变化曲线的曲线相似度作为初始相似度；将两条所述参考灰度变化曲线对应的所述方向区间之间的所述对比权重的差异作为相似度权重，所述相似度权重与所述初始相似度的乘积作为最终相似度；
17、将每个组合中的所述最终相似度的平均值作为对应组合的所述筛选指标。
18、进一步地，所述待分析区域的获取方法包括：
19、将所述筛选指标最小的组合作为所述最优组合；
20、将所述中心像素点作为第一端点，所述最优组合对应的所述参考灰度变化曲线的端点作为第二端点，连接所述第二端点，获得边界曲线，将所述边界曲线的端点与所述第一端点连接，获得所述待分析区域。
21、进一步地，所述目标程度的获取方法包括：
22、根据目标程度公式获得所述目标程度，所述目标程度公式包括：
23、；
24、其中，为第个像素点的所述目标程度，为在所述ct图像中第种密度的频率，为所述ct图像中所述密度的种类，为第个像素点的所述密度，为第种密度的所述密度，为l2范数求取函数。
25、进一步地，所述待弱化血管区域的获取方法包括：
26、根据所述目标程度对像素点进行聚类，获得多个子区域；将所述子区域内像素点的目标程度均值与密度均值的乘积作为所述子区域的待弱化程度；将所述待弱化程度大于预设待弱化阈值的所述子区域作为所述待弱化血管区域。
27、进一步地，所述弱化特征的获取方法包括：
28、将每个像素点的所述待分析区域内的其他像素点的所述密度的变异系数作为所述密度变化特征；
29、以每个像素点为起点，在起点对应的所述待分析区域内，从起点开始将相同密度且相邻的其他像素点依次相连，获得分析曲线，将所述分析曲线的起点和终点相连，获得对比曲线，将所述分析曲线与所述对比曲线之间的面积作为对应像素点的所述待分析区域内的所述血管形状特征；
30、利用弱化特征公式获得每个像素点的弱化特征，所述弱化特征公式包括：
31、；
32、其中，为第个像素点的弱化特征，为第个像素点与待弱化血管区域中心点之间距离的归一化值，为第个像素点对应的所述密度变化特征，为第个像素点对应的血管形状特征。
33、进一步地，所述弱化心脏ct图像的获取方法包括：
34、将所述弱化特征大于预设弱化阈值的像素点标记为弱化像素点；
35、分别利用不同的预设弱化系数将所述弱化像素点的像素值进行线性变换，获得不同的所述弱化心脏ct图像；弱化系数小于正整数1。
36、进一步地，所述密度的获取方法包括：
37、将每个像素点的像素值作为基准点，在所述基准点对应的所述待处理区域中，若其他像素点的像素值与基准点的像素值之间的像素值差异小于预设差异阈值，则对应的其他像素点为所述基准点的同类点；统计所述同类点之间的平均欧氏距离，将平均欧氏距离的倒数作为所述密度。
38、本专利技术具有如下有益效果：
39、本专利技术实施例考虑到心脏ct图像中除了主动脉血管外还包含左心室右心室等其他组织的信息，但是主动脉相比与其他组织而言像素信息的密度更大，因此本专利技术实施例基于密度的思想，判断像素点是否为血管区域的像本文档来自技高网...
【技术保护点】
1.一种主动脉直径人工智能测量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述根据每个方向区间内所述灰度变化曲线之间的距离获得每个方向区间的对比权重包括：
3.根据权利要求2所述的一种主动脉直径人工智能测量方法，其特征在于，所述参考灰度变化曲线的筛选方法包括：
4.根据权利要求2所述的一种主动脉直径人工智能测量方法，其特征在于，所述筛选指标的获取方法包括：
5.根据权利要求4所述的一种主动脉直径人工智能测量方法，其特征在于，所述待分析区域的获取方法包括：
6.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述目标程度的获取方法包括：
7.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述待弱化血管区域的获取方法包括：
8.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述弱化特征的获取方法包括：
9.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述弱化心脏
10.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述密度的获取方法包括：
...【技术特征摘要】
1.一种主动脉直径人工智能测量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种主动脉直径人工智能测量方法，其特征在于，所述根据每个方向区间内所述灰度变化曲线之间的距离获得每个方向区间的对比权重包括：
3.根据权利要求2所述的一种主动脉直径人工智能测量方法，其特征在于，所述参考灰度变化曲线的筛选方法包括：
4.根据权利要求2所述的一种主动脉直径人工智能测量方法，其特征在于，所述筛选指标的获取方法包括：
5.根据权利要求4所述的一种主动脉直径人工智能测量方法，其特征在于，所述待分析区域的获取方法包括：...
【专利技术属性】
技术研发人员：戚本玲，郜勇，刘丽华，白丽娟，刘赟，王瑞云，王耀羚，刘炜，李为，贺林锋，
申请(专利权)人：华中科技大学同济医学院附属协和医院，
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。