【技术实现步骤摘要】
本专利技术涉及医学心血管图像处理，更具体的说是涉及一种基于深度学习的冠脉造影钙化识别方法、系统及存储介质。
技术介绍
1、心电门控ct扫描通常被认为是量化冠脉钙化的金标准，但是它们的广泛使用因为其使用成本以及社会经济和医疗条件等多因素受限而存在一定的挑战。非心电门控、非造影胸部ct的使用条件较低，而且更容易获得，已被证明能够与心电门控ct扫描相当的效率识别冠脉钙化，从而更高效地获得冠脉钙化积分。然而，ct获得的钙化评分在临床实践中往往是不准确的，并且在判断治疗方面存在一些不可避免的主观偏倚。冠状动脉造影是诊断冠心病的金标准。基于ct检查的严重钙化评分患者往往需要冠状动脉造影作为最终诊断和干预。在临床实践中，不同术者对冠状动脉造影图像的解释是高度可变而主观的。在冠状动脉造影时确定冠状动脉钙化程度主要基于操作者的经验，而这种经验具有不可靠性和不准确性，不能与患者预后或传统冠脉钙化积分评分相匹配。
技术实现思路
1、有鉴于此，本专利技术提供了基于深度学习的冠脉造影钙化识别方法、系统及存储介质，以...
【技术保护点】
1.一种基于深度学习的冠脉造影钙化识别方法，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冠脉造影钙化识别方法，其特征在于，U-net神经网络工作过程为：对输入图像执行四组卷积和下采样操作以获得图像特征信息，通过右侧的四组反卷积和上采样放大图像；使用相同数量的通道在下采样和上采样操作之间增加跳跃连接，左侧卷积块的输出连接到右侧相同深度反卷积块的输入。
3.根据权利要求1所述的一种基于深度学习的冠脉造影钙化识别方法，其特征在于，U-net神经网络在网络学习和训练的过程中，使用Loss函数监督，就训练结果的质量向模型提供反馈
4....
【技术特征摘要】
1.一种基于深度学习的冠脉造影钙化识别方法，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冠脉造影钙化识别方法，其特征在于，u-net神经网络工作过程为：对输入图像执行四组卷积和下采样操作以获得图像特征信息，通过右侧的四组反卷积和上采样放大图像；使用相同数量的通道在下采样和上采样操作之间增加跳跃连接，左侧卷积块的输出连接到右侧相同深度反卷积块的输入。
3.根据权利要求1所述的一种基于深度学习的冠脉造影钙化识别方法，其特征在于，u-net神经网络在网络学习和训练的过程中，使用loss函数监督，就训练结果的质量向模型提供反馈。
4...
【专利技术属性】
技术研发人员：郑金刚，张帆，叶子翔，曹利彬，安硕研，马飞，车武强，高艳香，于长安，穆亚琨，
申请(专利权)人：中日友好医院中日友好临床医学研究所，
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。