基于人工智能的心血管病灶分类方法和系统技术方案

本发明专利技术提供一种基于人工智能的心血管病灶分类方法和系统，涉及图像处理技术领域。所述方法包括：对CT血管造影图像的目标区域进行分解，得到二维切片图像，并获得二维目标区域的形心。在二维目标区域的边缘设置测试点，并将测试点与形心连接，并通过连线上的像素点的像素值确定主动脉夹层风险。将相邻测试点进行连接，并基于连接图形确定动脉硬化风险系数，从而基于动脉硬化风险系数获得心血管病灶分类结果。根据本发明专利技术，可确定是否包括主动脉夹层风险，便于对高危病灶进行优先处理，并可确定动脉硬化等慢性病灶的风险，为针对性治疗提供依据，减少对病灶进行分类的工作量。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种基于人工智能的心血管病灶分类方法和系统。

技术介绍

1、在相关技术中，cn110517264a公开了一种基于血管分割的病灶提取方法及装置。基于血管分割的病灶提取方法，包括：获取血管的ct图像序列；通过第一血管预测模型对ct图像序列进行预测，得到第一血管预测结果，第一血管预测模型为不带病灶标注的模型；通过第二血管预测模型对ct图像序列进行预测，得到第二血管预测结果，第二血管预测模型为带病灶标注的模型；根据第一血管预测结果和第二血管预测结果确定病灶候选区域；通过病灶分类模型对病灶候选区域进行分类预测，得到病灶分类结果。这一方法对带病灶的血管预测和不带病灶的血管预测进行对比，可以剔除血管分割中的大部分非病灶噪声，降低了人工成本，缩减了提取时间，也大大提高了病灶提取的准确度。

2、cn115222642a提供一种图像处理方法、设备及存储介质。该方法可自动识别医学图像中的冠脉血管区域及其中包含斑块的病灶子区域，分别对冠脉血管区域和病灶子区域进行特征提取和量化，得到第一医学特征和第二医学特征，将第一医学特征和第二医学特征本文档来自技高网...

【技术保护点】

1.一种基于人工智能的心血管病灶分类方法，其特征在于，包括：获取CT血管造影图像，并确定心血管所在的目标区域，其中，所述CT血管造影图像为三维图像，所述目标区域为三维区域；对所述CT血管造影图像按照血管轴向进行分解，获得的多个二维切片图像，其中，二维切片图像中包括心血管所在的二维目标区域；确定每个二维切片图像的二维目标区域的形心；在每个二维切片图像的二维目标区域的边缘设置多个测试点，并设置测试点与形心的连线，其中，每两个相邻测试点与形心的连线形成的夹角相等；根据每个二维切片图像的测试点与形心的连线上像素点的像素值，确定每个二维切片图像是否存在主动脉夹层风险；在多个二维切片图像中，确定不存...

【技术特征摘要】

1.一种基于人工智能的心血管病灶分类方法，其特征在于，包括：获取ct血管造影图像，并确定心血管所在的目标区域，其中，所述ct血管造影图像为三维图像，所述目标区域为三维区域；对所述ct血管造影图像按照血管轴向进行分解，获得的多个二维切片图像，其中，二维切片图像中包括心血管所在的二维目标区域；确定每个二维切片图像的二维目标区域的形心；在每个二维切片图像的二维目标区域的边缘设置多个测试点，并设置测试点与形心的连线，其中，每两个相邻测试点与形心的连线形成的夹角相等；根据每个二维切片图像的测试点与形心的连线上像素点的像素值，确定每个二维切片图像是否存在主动脉夹层风险；在多个二维切片图像中，确定不存在主动脉夹层风险的待定二维切片图像；在所述待定二维切片图像中，将相邻的测试点进行连接，获得测试点连接图形；根据每个二维切片图像所述测试点连接图形，以及待定二维切片图像中的测试点与形心的连线上像素点的像素值，确定动脉硬化风险系数；根据多个二维切片图像中是否包括存在主动脉夹层风险的目标二维切片图像，以及所述动脉硬化风险系数，获得心血管病灶分类结果。

2.根据权利要求1所述的基于人工智能的心血管病灶分类方法，其特征在于，根据每个二维切片图像的测试点与形心的连线上像素点的像素值，确定每个二维切片图像是否存在主动脉夹层风险，包括：以所述形心为中心，确定第一测试区域，其中，所述第一测试区域为圆形区域，所述第一测试区域的半径小于多个测试点与形心的连线中最短者的长度的在所述第一测试区域中任选多个采样点，获得所述多个采样点的第一平均像素值；确定与各个测试点相邻，且位于所述连线上且位于二维目标区域之内的相邻像素点；确定所述相邻像素点的第二平均像素值；根据所述第一平均像素值和所述第二平均像素值，确定像素梯度阈值；根据所述像素梯度阈值和所述连线上像素点的像素值，确定二维切片图像是否存在主动脉夹层风险。

3.根据权利要求2所述的基于人工智能的心血管病灶分类方法，其特征在于，根据所述像素梯度阈值和所述连线上像素点的像素值，确定二维切片图像是否存在主动脉夹层风险，包括：根据公式确定多条连线中的风险连线数量nr，其中，(xk，i，j，yk，i，j)为第k个二维切片图像中的第i个连线上的第j个像素点的坐标，p(xk，i，j，yk，i，j)为第k个二维切片图像中的第i个连线上的第j个像素点的像素值，为第k个二维切片图像中的第i个连线的方向向量，为第k个二维切片图像中的第i个连线上的第j个像素点的像素值沿方向向量的梯度，kgt为像素梯度阈值，nk，i为第k个二维切片图像中的第i个连线上的像素点的数量，nk为第k个二维切片图像中的连线的数量，j≤nk，i，i≤nk，且i、j、k、nk，i和nk均为正整数；在所述风险连线数量大于或等于数量阈值的情况下，确定第k个二维切片图像是否存在主动脉夹层风险。

4.根据权利要求1所述的基于人工智能的心血管病灶分类方法，其特征在于，根据每个二维切片图像所述测试点连接图形，以及待定二维切片图像中的测试点与形心的连线上像素点的像素值，确定动脉硬化风险系数，包括：根据所述连接上像素点的像素值，确定所述连线与血管壁内侧轮廓线的交点；根据所述测试点的坐标和所述交点的坐标，确定血管壁厚度均匀性风险系数；根据所述测试点连接图形的多个边，确定相邻测试点之间的第一向量；根据所述交...

【专利技术属性】
技术研发人员：薛亚军，李蓝鸽，周博达，张鸥，韩治伟，翟彦龙，高桐，耿雨，王银堂，张萍，
申请(专利权)人：北京清华长庚医院，
类型：发明
国别省市：