【技术实现步骤摘要】
本专利技术涉及医学图像处理，特别是涉及一种可以应用于全自动冠状动脉狭窄检测的病灶检测方法、装置、设备及存储介质。
技术介绍
1、冠状动脉心脏病是致死率最高的心脏疾病之一，其特点是由于冠状动脉血管内的粥样硬化斑块积聚导致血管管腔狭窄，从而引起心肌缺血，增加心肌梗死的风险。在临床上，冠状动脉造影序列图像被用作诊断冠心病的金标准。通常情况下，依赖医生的经验和知识从造影图像中寻找病变，进行诊疗，这种诊断方法存在观察者差异。计算机辅助的血管狭窄检测算法可以提供客观的建议，减少主观经验导致的预后效果差异。
2、计算机辅助的狭窄检测算法可以分为基于血管管腔分割掩膜的检测算法和基于原造影图像的检测算法两类。
3、基于血管管腔分割掩膜的检测算法利用狭窄处血管管腔半径异常变化这一先验知识进行狭窄检测。首先需要通过冠状动脉管腔分割算法从造影图像中提取管腔分割结果，再通过几何先验知识分析每支血管的半径变化情况从而判断是否存在狭窄。但是这类算法是多阶段算法，每个阶段都会有误差积累，从而影响最终的检测效果；同时这类算法仅考虑血管的几何信息，忽略了原造影图像中的灰度信息，若原图像存在血管交叠等情况，将导致检测错误。
4、基于原造影图像的检测算法采用目标检测的思路，通过大量数据训练深度学习模型，能够检测出血管狭窄的位置。这类方法又分为两种，第一种是基于单帧造影图像的检测方法，但是忽略同一序列不同帧内血管位置变化信息，导致同一序列不同帧的检测结果不同；第二种是基于序列图像的检测方法，利用transformer模型等方式对不同帧
技术实现思路
1、鉴于上述问题，本专利技术提供用于克服上述问题或者至少部分地解决上述问题的一种病灶检测方法、装置、设备及存储介质。解决了使用目前的冠状动脉狭窄检测方法得到的检测结果存在误检测结果多，序列检测结果一致性差，检测速度慢等问题。该方法能够自动且快速地得到完整、准确冠状动脉狭窄位置的检测方法。可以快速且准确的冠状动脉狭窄检测能更好地辅助冠状动脉心脏病的病变分析应用，比如分析血管管腔狭窄程度、分析造成血管狭窄的原因等。
2、本专利技术提供了如下方案：
3、一种病灶检测方法，包括：
4、获取包括多帧图像的序列造影图像；
5、利用量子噪声扩散模型提取所述序列造影图像中各帧中的初始狭窄病灶检测结果；所述量子噪声扩散模型包括基于序列先验信息的序列量子噪声检测框生成器、特征提取模块以及狭窄检测解码器；所述基于序列先验信息的序列量子噪声检测框生成器用于生成每帧所述序列造影图像的带序列先验的量子噪声检测框，所述特征提取模块用于提取获得每帧所述序列造影图像的全局增强特征图，所述狭窄检测解码器用于结合所述全局增强特征图对所述量子噪声检测框进行去噪获得所述初始狭窄病灶检测结果；
6、通过投票的方式根据不同帧中的所述初始狭窄病灶检测结果将所述序列造影图像划分为检测正确帧与检测错误帧；
7、通过时空特征共享模块将所述检测正确帧中提取的时空感兴趣区域共享至所述检测错误帧中；
8、对时空特征共享后的所述检测错误帧通过所述狭窄检测解码器进行狭窄病灶精细检测获得精细化狭窄病灶检测结果；
9、将所述检测正确帧对应的所述初始狭窄病灶检测结果以及所述精细化狭窄病灶检测结果合并获得目标狭窄病灶检测结果。
10、优选地：所述特征提取模块包括骨干网络以及特征增强模块，所述骨干网络用于对每帧所述序列造影图像进行多尺度特征图提取，所述特征增强模块用于对每帧所述序列造影图像对应的所述多尺度特征图中最高层特征图进行全局特征增强以便获得所述全局增强特征图。
11、优选地：所述骨干网络包括resnet50和特征金字塔。
12、优选地：所述特征增强模块将每帧所述序列造影图像对应的所述多尺度特征图中最高级特征图向量化为特征向量，使用多头注意力块与动态卷积块进行全局特征增强，将增强后的特征向量反向量化获得所述全局增强特征图。
13、优选地：所述通过投票的方式根据不同帧中的所述初始狭窄病灶检测结果将所述序列造影图像划分为检测正确帧与检测错误帧包括：
14、从所述初始狭窄病灶检测结果中提取置信度高于阈值的检测框，通过匈牙利匹配法对检测框进行帧与帧之间的匹配，将不同帧中相同位置的检测框放入同一配对组中，剩余检测框放入非配对组中；
15、对配对组中的检测框进行投票，选出预测正确的检测框与预测错误的检测框；
16、根据所述预测正确的检测框与所述预测错误的检测框确定所述检测正确帧与所述检测错误帧。
17、优选地：所述通过时空特征共享模块将所述检测正确帧中提取的时空感兴趣区域共享至所述检测错误帧中包括：
18、通过roi align操作，从所述检测正确帧中提取时空roi特征，并通过时空特征共享器将正确帧的roi特征共享至所述检测错误帧中。
19、优选地：所述时空特征共享器包括多头注意力块、动态卷积块以及线性连接块。
20、一种病灶检测装置，包括：
21、图像获取单元，用于获取包括多帧图像的序列造影图像；
22、初始狭窄病灶检测结果提取单元，用于利用量子噪声扩散模型提取所述序列造影图像中各帧中的初始狭窄病灶检测结果；所述量子噪声扩散模型包括基于序列先验信息的序列量子噪声检测框生成器、特征提取模块以及狭窄检测解码器；所述基于序列先验信息的序列量子噪声检测框生成器用于生成每帧所述序列造影图像的带序列先验的量子噪声检测框，所述特征提取模块用于提取获得每帧所述序列造影图像的全局增强特征图，所述狭窄检测解码器用于结合所述全局增强特征图对所述量子噪声检测框进行去噪获得所述初始狭窄病灶检测结果；
23、图像划分单元，用于通过投票的方式根据不同帧中的所述初始狭窄病灶检测结果将所述序列造影图像划分为检测正确帧与检测错误帧；
24、特征共享单元，用于通过时空特征共享模块将所述检测正确帧中提取的时空感兴趣区域共享至所述检测错误帧中；
25、精细化狭窄病灶检测结果提取单元，用于对时空特征共享后的所述检测错误帧通过所述狭窄检测解码器进行狭窄病灶精细检测获得精细化狭窄病灶检测结果；
26、目标狭窄病灶检测结果获取单元，用于将所述检测正确帧对应的所述初始狭窄病灶检测结果以及所述精细化狭窄病灶检测结果合并获得目标狭窄病灶检测结果。
27、一种狭窄病灶检测设备，所述设备包括处理器以及存储器：
28、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
29、所述处理器用于根据所述程序代码中的指令执行上述的病灶检测方法。
30、一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述的病灶检测方法。
31、根据本专利技术提供本文档来自技高网...
【技术保护点】
1.一种病灶检测方法，其特征在于，包括：
2.根据权利要求1所述的病灶检测方法，其特征在于，所述特征提取模块包括骨干网络以及特征增强模块，所述骨干网络用于对每帧所述序列造影图像进行多尺度特征图提取，所述特征增强模块用于对每帧所述序列造影图像对应的所述多尺度特征图中最高层特征图进行全局特征增强以便获得所述全局增强特征图。
3.根据权利要求2所述的病灶检测方法，其特征在于，所述骨干网络包括ResNet50和特征金字塔。
4.根据权利要求2所述的病灶检测方法，其特征在于，所述特征增强模块将每帧所述序列造影图像对应的所述多尺度特征图中最高级特征图向量化为特征向量，使用多头注意力块与动态卷积块进行全局特征增强，将增强后的特征向量反向量化获得所述全局增强特征图。
5.根据权利要求1所述的病灶检测方法，其特征在于，所述通过投票的方式根据不同帧中的所述初始狭窄病灶检测结果将所述序列造影图像划分为检测正确帧与检测错误帧包括：
6.根据权利要求1所述的病灶检测方法，其特征在于，所述通过时空特征共享模块将所述检测正确帧中提取的时空感兴趣区域共
7.根据权利要求6所述的病灶检测方法，其特征在于，所述时空特征共享器包括多头注意力块、动态卷积块以及线性连接块。
8.一种病灶检测装置，其特征在于，包括：
9.一种狭窄病灶检测设备，其特征在于，所述设备包括处理器以及存储器：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的病灶检测方法。
...【技术特征摘要】
1.一种病灶检测方法，其特征在于，包括：
2.根据权利要求1所述的病灶检测方法，其特征在于，所述特征提取模块包括骨干网络以及特征增强模块，所述骨干网络用于对每帧所述序列造影图像进行多尺度特征图提取，所述特征增强模块用于对每帧所述序列造影图像对应的所述多尺度特征图中最高层特征图进行全局特征增强以便获得所述全局增强特征图。
3.根据权利要求2所述的病灶检测方法，其特征在于，所述骨干网络包括resnet50和特征金字塔。
4.根据权利要求2所述的病灶检测方法，其特征在于，所述特征增强模块将每帧所述序列造影图像对应的所述多尺度特征图中最高级特征图向量化为特征向量，使用多头注意力块与动态卷积块进行全局特征增强，将增强后的特征向量反向量化获得所述全局增强特征图。
5.根据权利...
【专利技术属性】
技术研发人员：艾丹妮，李欣宇，杨健，王媛媛，付天宇，宋红，肖德强，范敬凡，
申请(专利权)人：北京理工大学，
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。