基于深度学习的脑血管影像识别分析系统技术方案

本发明专利技术涉及影像处理技术领域，尤其涉及一种基于深度学习的脑血管影像识别分析系统。所述系统包括脑血管图像配准模块、CT像素连通模块、病变区域识别分割模块以及病变危数评估模块，可获取脑血管CT造影图像并进行图像增强及多模态图像配准，生成脑血管CT多模态配准图像序列；获取对应模态下的脑血管CT像素点云并进行血管聚簇连通分析，生成各自模态下对应的脑血管CT像素簇连通图；基于深度学习多分支网络架构并引入注意力机制进行病变区域识别分割，同时获取对应的脑血管狭窄度以及病变血栓面积，并对相对应的脑血管CT图像病变区域进行病变危数评估，以得到脑血管CT病变危数大小。本发明专利技术能够实现对脑血管影像病变状况的精准识别。

【技术实现步骤摘要】

本专利技术涉及影像处理，尤其涉及一种基于深度学习的脑血管影像识别分析系统。

技术介绍

1、近年来，随着人工智能和深度学习技术的迅猛发展，基于深度学习的医学影像分析逐渐成为脑血管影像病变识别的重要辅助工具，深度学习特别是卷积神经网络（cnn），在医学影像中的应用表现出了优越的性能，能够自动提取图像中的特征并进行高效识别。然而，传统的脑血管影像分析方法，如计算机断层扫描（ct）和磁共振成像（mri）图像的手动分析，往往需要专业医生的经验判断，其脑血管影像中存在较高的噪声和伪影，导致影像质量不稳定，这使得深度学习模型在处理低质量或复杂影像时，准确度大大下降，另外，由于脑血管结构的复杂性和个体差异，现有的深度学习模型难以统一适应不同患者的影像特征，模型的泛化能力受到限制。

技术实现思路

1、基于此，本专利技术有必要提供一种基于深度学习的脑血管影像识别分析系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种基于深度学习的脑血管影像识别分析系统，包括以下模块：

3、脑血管图像配准模块，用于本文档来自技高网...

【技术保护点】

1.一种基于深度学习的脑血管影像识别分析系统，其特征在于，包括以下模块：

2.根据权利要求1所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述脑血管图像配准模块包括以下功能：

3.根据权利要求2所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述对脑血管CT多模态图像序列内不同时间点、不同模态对应的脑血管CT图像进行多模态图像配准包括：

4.根据权利要求1所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述CT像素连通模块包括以下功能：

5.根据权利要求4所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述...

【技术特征摘要】

1.一种基于深度学习的脑血管影像识别分析系统，其特征在于，包括以下模块：

2.根据权利要求1所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述脑血管图像配准模块包括以下功能：

3.根据权利要求2所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述对脑血管ct多模态图像序列内不同时间点、不同模态对应的脑血管ct图像进行多模态图像配准包括：

4.根据权利要求1所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述ct像素连通模块包括以下功能：

5.根据权利要求4所述的基于深度学习的脑血管影像识别分析系统，其特征在于，所述对脑血管多模态结构点云进行空间点云拟合优化包括：

6.根据权利要求4所述的基...

【专利技术属性】
技术研发人员：王华伟，孔东生，孙正辉，薛哲，武琛，孙彩红，王卫兵，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：