System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医学影像及计算机数据处理,具体涉及颅内动脉瘤定位方法、装置、计算机设备及存储介质。
技术介绍
1、颅内动脉瘤是目前常见的一种高风险脑血管疾病。采用cad技术对无造影剂的tof-mra影像(time of flight-magnetic resonance angiography,飞行时间磁共振血管成像)进行动脉瘤的早期筛查被认为能够有效降低动脉瘤破裂的发生,并且随着技术发展,现有cad技术以深度学习为主流。前期的研究发现,利用resnet、unet、deepmedic等基础网络,配合对数据进行异常点roi提取、重采样等预处理方法,能够取得敏感度86.2%-94.2%的检测性能,但同时,其每例假阳性也会高达2.87-6.6个,难以满足临床检测的实际要求。
2、为了在保证敏感度的同时降低假阳性数量,bizjak等人将血管数据转换为点云,并利用pointnet网络,达到了敏感度96.0%,平均假阳性0.81个的结果。claux等人提出一种基于u-net的两阶段正则化双卷积神经网络用自动分割颅内动脉和自动检测颅内动脉瘤,通过对小数据集进行正则化训练,最终在25例测试集上达到78%的敏感度,平均每例假阳性为0.5。可见,利用单一数据构建的模型在准确率高的时候,假阳性也会显著增多,难以形成敏感度、特异性较为平衡的模型。
3、专利技术人在前期研究中,提出一种集成通道注意力的双通道3d unet网络,并采用血管的sobel轮廓进行引导,在多中心数据集上取得了敏感度82.5%,平均假阳性0.88例的结果。专利
技术实现思路
1、有鉴于此,本专利技术提供了一种颅内动脉瘤定位方法、装置、计算机设备及存储介质,以解决现有技术利用过于明确的引导信息,无法对动脉瘤定位模型构建过程进行有效引导的问题。
2、第一方面,本专利技术提供了一种颅内动脉瘤定位方法,所述方法包括:
3、获取待检测者的三维脑动脉造影数据;
4、对所述三维脑动脉造影数据进行脑动脉分割,获得脑动脉血管树数据;
5、对所述脑动脉血管树数据进行膨胀,获得脑动脉的感兴趣区域;
6、基于所述脑动脉血管树数据的密度分布情况对所述脑动脉血管树数据进行处理,获得血管散斑数据;
7、将所述脑动脉的感兴趣区域和血管散斑数据输入颅内动脉瘤定位模型,获得待检测者的颅内动脉瘤的定位结果。
8、本实施例通过脑动脉的感兴趣区域和血管散斑数据对颅内动脉瘤定位模型的构建过程进行有效引导,实现了颅内动脉瘤定位模型在敏感度高的同时,保证了颅内动脉瘤定位模型的准确性。
9、在一种可选的实施方式中,通过以下步骤获得所述颅内动脉瘤定位模型:
10、获取三维脑动脉造影数据样本集;
11、对所述三维脑动脉造影数据样本集中的三维脑动脉造影数据进行脑动脉分割,获得脑动脉血管树数据集;
12、对所述脑动脉血管树数据集中的脑动脉血管树数据进行膨胀,获得脑动脉的感兴趣区域集;
13、基于所述脑动脉血管树数据集的密度分布情况对所述脑动脉血管树数据集进行处理,获得目标血管散斑数据集,其中,所述脑动脉血管树数据集中的脑动脉血管树数据与所述目标血管散斑数据集中的目标血管散斑数据一一对应;
14、以所述脑动脉血管树数据集和与所述脑动脉血管树数据集对应的目标血管散斑数据集为训练样本,颅内动脉瘤的位置为标签,对双通道三维全卷积网络进行训练,获得所述颅内动脉瘤定位模型。
15、本实施例在构建颅内动脉瘤定位模型时,通过脑动脉的感兴趣区域和血管散斑数据进行有效引导,使得构建出的颅内动脉瘤定位模型在敏感度高的同时,也保证了利用颅内动脉瘤定位模型对颅内动脉瘤定位的准确性。
16、在一种可选的实施方式中,所述基于所述脑动脉血管树数据集的密度分布情况对所述脑动脉血管树数据集进行处理,获得目标血管散斑数据集,包括:
17、利用初始密度阈值对所述脑动脉血管树数据集进行分割,获得第一血管散斑数据集;
18、获取所述第一血管散斑数据集中第一血管散斑数据占对应血管体积的比例;
19、基于所述第一血管散斑数据集中第一血管散斑数据占对应血管体积的比例进行第一血管散斑数据的统计,获得密度统计图;
20、在所述密度统计图符合预设高斯分布图的情况下,将所述第一血管散斑数据集作为目标血管散斑数据集。
21、本实施例中目标血管散斑数据集是依据脑动脉血管树数据集自适应生成的,保证了对颅内动脉瘤定位模型的最佳的引导性能。
22、在一种可选的实施方式中,在所述密度统计图不符合预设高斯分布图的情况下,获取所述密度统计图中不符合预设高斯分布图的部分;
23、基于所述比例与对应预设高斯分布图的比例的偏差情况,设置第一密度阈值;
24、利用第一密度阈值对所述密度统计图中不符合预设高斯分布图的部分对应的脑动脉血管树数据集进行重新分割,获得目标血管散斑数据集。
25、本实施例中目标血管散斑数据集是依据脑动脉血管树数据集自适应生成的,保证了对颅内动脉瘤定位模型的最佳的引导性能。
26、在一种可选的实施方式中,所述基于所述脑动脉血管树数据的密度分布情况对所述脑动脉血管树数据进行处理,获得血管散斑数据,包括:
27、利用初始密度阈值对所述脑动脉血管树数据进行分割,获得第二血管散斑数据;
28、获取所述第二血管散斑数据占对应血管体积的比例;
29、在所述比例符合预设高斯分布图的比例的情况下,将所述第二血管散斑数据作为血管散斑数据。
30、本实施例中血管散斑数据是依据脑动脉血管树数据自适应生成的,保证了待检测者的颅内动脉瘤定位结果的准确性。
31、在一种可选的实施方式中,在所述比例不符合预设高斯分布图的比例的情况下,基于所述比例与对应预设高斯分布图的比例的偏差情况,设置第二密度阈值;
32、利用第二密度阈值对所述脑动脉血管树数据重新进行分割,获得所述血管散斑数据。
33、本实施例中血管散斑数据是依据脑动脉血管树数据自适应生成的,保证了待检测者的颅内动脉瘤定位结果的准确性。
34、第二方面,本专利技术提供了一种颅内动脉瘤定位装置,所述装置包括:
35、三维脑动脉造影数据获取模块,用于获取待检测者的三维脑动脉造影数据;
36、脑动脉分割模块,用于对所述三维脑动脉造影数据进行脑动脉分割,获得脑动脉血管树数据;
...【技术保护点】
1.一种颅内动脉瘤定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,通过以下步骤获得所述颅内动脉瘤定位模型:
3.根据权利要求2所述的方法,其特征在于,所述基于所述脑动脉血管树数据集的密度分布情况对所述脑动脉血管树数据集进行处理,获得目标血管散斑数据集,包括:
4.根据权利要求3所述的方法,其特征在于,在所述密度统计图不符合预设高斯分布图的情况下,获取所述密度统计图中不符合预设高斯分布图的部分;
5.根据权利要求1所述的方法,其特征在于,所述基于所述脑动脉血管树数据的密度分布情况对所述脑动脉血管树数据进行处理,获得血管散斑数据,包括:
6.根据权利要求5所述的方法,其特征在于,在所述比例不符合预设高斯分布图的比例的情况下,基于所述比例与对应预设高斯分布图的比例的偏差情况,设置第二密度阈值;
7.一种颅内动脉瘤定位装置,其特征在于,所述装置包括:
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
9.一种计算机设备,其特征在于,包括:
...
【技术特征摘要】
1.一种颅内动脉瘤定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,通过以下步骤获得所述颅内动脉瘤定位模型:
3.根据权利要求2所述的方法,其特征在于,所述基于所述脑动脉血管树数据集的密度分布情况对所述脑动脉血管树数据集进行处理,获得目标血管散斑数据集,包括:
4.根据权利要求3所述的方法,其特征在于,在所述密度统计图不符合预设高斯分布图的情况下,获取所述密度统计图中不符合预设高斯分布图的部分;
5.根据权利要求1所述的方法,其特征在于,所述基于所述脑动脉血管树数据的密度分布情况对所述脑动脉血管...
【专利技术属性】
技术研发人员:戴亚康,耿辰,李慧,戴斌,周志勇,
申请(专利权)人:苏州国科康成医疗科技有限公司,
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。