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】
本专利技术属于图像处理,尤其涉及一种基于ccta的cto病变与冠脉树联合分割方法。
技术介绍
1、冠心病是最常见的心血管疾病类型之一。冠状动脉慢性完全闭塞(chronic totalocclusion,cto)是指冠状动脉某一分支或者多个分支的血管内径被完全阻塞超过三个月的一种冠心病病变形式。临床研究证明,冠状动脉慢性完全闭塞病变占全部冠状动脉造影患者的三分之一,同时占全部心脏介入治疗患者的10%—20%。
2、冠状动脉计算机断层血管造影成像(coronary computed tomographyangiography,ccta)通过对冠状动脉引入造影剂并进行x射线成像,生成血管三维图像,从而提供了冠状动脉的详细信息。由于某些闭塞血管段难以人工观测到,cta提供了有关cto特征的有价值信息,例如病变长度、钙化程度等等。这些信息可以帮助医生更好地了解cto的情况,制定更加有效的治疗方案。
3、随着神经网络概念的提出以及发展,在过去的十年中,深度学习(deep learning,dl)辅助医学图像处理在组织分割、病变检测和疾病鉴定领域取得了巨大的进步。在冠状动脉分割领域目前已有许多相关模型提出,目前算法以及商用工作站已经可以实现冠脉树的较完整自动分割。但cto斑块作为完全堵塞冠状动脉的斑块类型,其存在常常导致冠状动脉自动分割结果的质量下降,甚至出现断裂,从而无法获得完整的冠脉树。
技术实现思路
1、为解决上述技术问题,本专利技术提出了一种基于ccta的cto病
2、为实现上述目的,本专利技术提供了一种基于ccta的cto病变与冠脉树联合分割方法,包括以下步骤:
3、采集冠状动脉ccta图像,并对所述冠状动脉ccta图像进行完整冠状动脉掩膜和cto斑块掩膜标注,获得标注图像,构建残差网络模型对所述标注图像进行分割,获得健康冠状动脉分割结果;
4、对冠状动脉ccta图像进行分界点检测,获得冠状动脉断点,将所述冠状动脉断点和标注图像中的cto斑块掩膜标注进行对比,确认cto斑块断点;
5、基于冠状动脉的管状特征提取cto斑块断点节段的cto部位冠状动脉中心线,基于所述cto部位冠状动脉中心线进行cto斑块分割,获得cto斑块分割结果;
6、将所述cto斑块分割结果和健康冠状动脉分割结果按照影像数据层级进行拼接,得到完整冠脉树结果。
7、可选的,所述获得健康冠状动脉分割结果的方法包括:
8、通过医生对冠状动脉ccta图像进行完整冠状动脉掩膜和cto斑块掩膜标注,并将标注后的冠状动脉ccta图像分为训练集、验证集和测试集;
9、对标注后的冠状动脉ccta图像进行数据增强和重采样处理,所述数据增强处理包括旋转、翻转和裁剪处理;
10、基于三维卷积神经网络构建初始残差网络模型,构建方法包括:在编码器与解码器的卷积块中引入残差块,残差块包括3d卷积、bn层和具有跳跃连接的线性校正单元;
11、基于训练集和验证集对初始残差网络模型进行训练,通过测试集对训练完成的残差网络模型进行测试,得到残差网络模型,通过残差网络模型对数据增强处理后的冠状动脉ccta图像进行分割,获得健康冠状动脉分割结果。
12、可选的,通过对比获得cto斑块断点的方法包括:
13、通过分界点检测对断点部位与标注的cto掩膜进行比较,逐像素搜索断点部位影像切片与cto掩膜是否发生重叠,若不存在重叠则为冠状动脉正常结构端点,若重叠存在则为cto斑块所致断点,剔除冠状动脉正常结构端点,获得cto斑块断点。
14、可选的,所述提取cto斑块断点节段的冠状动脉中心线的方法包括:
15、依据冠状动脉和cto斑块对应掩膜,使用骨架化算法自动确定断裂部位两端冠状动脉中心点位置,对冠状动脉局部几何特征进行中心线校正,通过中心似然函数确定断裂部位两端冠状动脉中心点之间的冠状动脉中心点,将所有冠状动脉中心点连接到一起得到冠状动脉中心线。
16、可选的,所述中心似然函数的表达式为:
17、
18、式中,r1li和r2li表示冠状动脉边缘到达冠状动脉横截面内任意一点的射线,n表示射线总数,cl表示似然值。
19、可选的,所述获得cto斑块分割结果的方法包括:
20、基于cto部位冠状动脉中心线,采集与cto斑块对应的ccta影像数据切片和cto斑块掩膜数据,获得图像数据集;
21、对所述图像数据集进行数据预处理,得到预处理数据集;
22、构建初始分割模型,通过所述预处理数据集对斑块分割模型进行训练,获得cto斑块分割模型;
23、通过所述cto斑块分割模型进行cto斑块分割,获得cto斑块分割结果。
24、可选的,所述预处理的方法包括:将采集到的冠状动脉ccta图像随机划分为训练集、验证集和测试集,对划分完的冠状动脉ccta影像进行包括随机旋转、翻转、裁剪的数据增强操作,并通过重采样将数据增强操作后的影像统一大小,获得预处理数据集。
25、可选的,所述构建初始分割模型的方法包括:
26、构造编码器网络,使用densenet以及空洞卷积代替普通cnn卷积块;
27、在编码器网络末端加入一个包括多尺度特征提取模块与通道注意力模块的感知增强模块;
28、在编码器与解码器之间增加跳层连接,得到初始分割模型。
29、可选的,所述多尺度特征提取模块的表达式为:
30、
31、其中conv1表示1×1的卷积,表示特征融合函数,cai(·)表示收缩率为i的3×3扩张卷积,表示输入。
32、可选的,所述cto斑块分割模型的损失函数表达式为:
33、
34、式中,yn为第n个像素对应的真实标签,为第n个像素的预测结果,n为样本像素总数。
35、与现有技术相比,本专利技术具有如下优点和技术效果:
36、本专利技术所述的基于ccta的cto病变与冠脉树联合分割方法,解决了目前冠状动脉cto斑块部位分割难度大、分割不完整的问题;针对cto斑块提出改进模型,可实现cto斑块的完整独立分割,解决了当前对于cto斑块无精确分割研究的问题,从而能够得到完整冠脉树。
本文档来自技高网...【技术保护点】
1.一种基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
3.根据权利要求1所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
4.根据权利要求1所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
5.根据权利要求4所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
6.根据权利要求1所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
7.根据权利要求6所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
8.根据权利要求6所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
9.根据权利要求8所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
10.根据权利要求6所述的基于CCTA的CTO病变与冠脉树联合分割方法,其特征在于,
【技术特征摘要】
1.一种基于ccta的cto病变与冠脉树联合分割方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于ccta的cto病变与冠脉树联合分割方法,其特征在于,
3.根据权利要求1所述的基于ccta的cto病变与冠脉树联合分割方法,其特征在于,
4.根据权利要求1所述的基于ccta的cto病变与冠脉树联合分割方法,其特征在于,
5.根据权利要求4所述的基于ccta的cto病变与冠脉树联合分割方法,其特征在于,
<...【专利技术属性】
技术研发人员:蒋景英,宋现涛,刘宛承,唐振超,邢浩然,
申请(专利权)人:北京航空航天大学,
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。