[发明专利]基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统

说明书

本发明公开一种基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统，方法包括，1.基于自上而下的注意力模型剔除原始极坐标图像中的噪声；2.利用多任务神经网络对预处理图像中的易损斑块图像进行分类与分割；3.对分类与分割出的易损斑块图像进行区域精修；系统包括依次连接的基于自上而下的注意力模型剔除原始极坐标图像中的噪声得到预处理图像的子系统，利用多任务神经网络对预处理图像中的易损斑块进行分类与分割的子系统，以及对分类与分割出的易损斑块图像进行区域精修的子系统。剔除了血管对后续易损斑块识别的噪声干扰,使得易损斑块定位更加准确。

技术领域

本发明属于医学图像处理领域，涉及基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统。

背景技术

易损斑块是冠状动脉粥样硬化病变当中最危险的斑块，易损斑块是造成血栓、引发急性冠脉综合症、甚至导致猝死的主要原因，因此，从各种斑块中检测识别易损斑块具有非常高的价值。心血管光学相干层成像技术是一种用近红外光反射成像的血管内成像技术,可以清晰的观察到易损斑块，为此基于光学相干层成像(OCT)的易损斑块识别已成为重要研究趋势。

针对OCT易损斑块常用性能评价标准包括：易损斑块检测的召回率R；易损斑块检测的准确率P；易损斑块检测的重合度D。

若真实目标集为{A₁,A₂…A_n}A₁，A₂，…A_n表示所有N个真实目标的区域范围；检测出的目标集为{B₁，B₂，…B_m},B₁,B₂,…B_m表示检测出的所有M个目标区域范围。

定义设nTP,nFP,nFN初始值为0；依次判断从1～M的检测区域，若任意B_i，B_j都被判为错误，不参与下面计算；若B_i与任意A_k有交集，且DSC值大于0.5，则认为该目标i检测正确，Ntp++,DSC值小于等于0.5认为该目标i检测错误，nFP++；依次判断从1～N的真实检测目标区域；若A_k与任意一个B_i没有交集，则认为该目标判为漏检，nFN++；召回率R:R＝nTP/(nTP+nFN)；准确率P:P＝nTP/(nTP+nFP)；重合度D为所有检测正确的区域与其对应真实区域的DSC值的均值，其现有OCT图像识别方法中的召回率、准确率和重合度不高，精度低，无法满足实际需求。

发明内容

本发明的目的在于提出一种基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统，从而高效识别出OCT图像中的易损斑块，并能够依据上述评价标准获得较为满意的召回率、准确率和重合度。

为达到上述目的，本发明所述的

一种基于注意力模型及多任务神经网络的心血管易损斑块识别方法，包括如下步骤，

步骤1，基于自上而下的注意力模型剔除原始极坐标图像中的噪声；

将原始极坐标图像通过坐标转换变换为笛卡尔坐标图像；将转换后的笛卡尔坐标图像输入自上而下的注意力模型，生成同尺寸大小的二值化噪声mask，并将其剔除后得到预处理图像；

步骤2，利用多任务神经网络对预处理图像中的易损斑块图像进行分类与分割；多任务神经网络包括两个分支，一个用于分类识别预处理图像中是否包含易损斑块图像的分支网络，另一个分支通过语义分割网络定位易损斑块图像的分支网络，两个分支网络共享两个卷积层；

结合分类与分割两个网络分支，整个多任务神经网络的损失函数表示如下：

L＝αL_cls+βL_seg (3)