[发明专利]一种基于冠状动脉CT图像的斑块稳定性预测方法及系统

说明书

本发明公开了一种基于冠状动脉CT图像的斑块稳定性预测方法及系统，包括：基于目标对象的冠状动脉CT图像确定斑块位置；基于斑块位置提取斑块及周围脂肪图像；基于斑块及周围脂肪图像获取不同分辨率图像块；基于不同分辨率图像块，通过神经网络模型获取斑块稳定性预测结果。本发明的基于冠状动脉CT图像的斑块稳定性预测方法及系统基于冠状动脉CT图像确定斑块位置，提取斑块及周围脂肪图像，进而通过神经网络模型获取斑块稳定性预测结果，不需要超声探头在血管内测量斑块性质，不会损伤患者的血管，自动化程度高，高效便捷，能极大减轻患者痛苦和经济负担，有相当大的临床应用潜力。

技术领域

本发明属于人工智能技术领域，更具体地，涉及一种基于冠状动脉CT图像的斑块稳定性预测方法及系统。

背景技术

冠状动脉不稳定斑块是指冠状动脉中具有轻到中等狭窄且倾向破裂或溃疡的部分，它通常可以引起冠心病、心肌梗死和心源性猝死等。因此，寻找并预防冠状动脉不稳定斑块，是防治冠心病的重要手段，斑块稳定性预测是至关重要的。

目前临床上主要通过导管手术利用血管内超声探头测量斑块性质，并进一步判断斑块的属性，该方法成本高，对患者损伤大，且会造成动脉穿刺处血管内皮损伤，继发斑块形成、管腔狭窄，增加患者急性心脑血管事件风险。因此，特别需要开发一种能够便捷高效、高度自动化的无创伤预测斑块的方法。

发明内容

本发明的目的是提出一种能够便捷高效、高度自动化的无创伤预测斑块的基于冠状动脉CT图像的斑块稳定性预测方法及系统。

根据本发明的一方面，提出了一种基于冠状动脉CT图像的斑块稳定性预测方法，包括：基于目标对象的冠状动脉CT图像确定斑块位置；基于所述斑块位置提取斑块及周围脂肪图像；基于所述斑块及周围脂肪图像获取不同分辨率图像块；基于所述不同分辨率图像块，通过神经网络模型获取斑块稳定性预测结果。

优选的，所述基于所述斑块及周围脂肪图像获取不同分辨率图像块包括：将提取的斑块及周围脂肪图像进行多次采样处理，获得不同分辨率图像块。

优选的，通过以下步骤获得所述神经网络模型：获取多个现有冠状动脉CT图像以及每个现有冠状动脉CT图像对应的血管内超声检查结果；针对每个现有冠状动脉CT图像，确定斑块位置，并基于所述斑块位置提取斑块及周围脂肪图像，获取与斑块及周围脂肪图像对应的不同分辨率图像块；以每个现有冠状动脉CT图像对应的不同分辨率图像块作为模型输入，以其对应的血管内超声检查结果作为模型输出结果的金标准，利用随机梯度下降法进行训练，获得所述神经网络模型。

优选的，所述神经网络模型包括多个数据输入端及与每个数据输入端对应的特征提取子网络。

优选的，将不同分辨率图像块分别输入所述神经网络模型的不同数据输入端，通过对应的特征提取子网络获取对应的图像特征；基于不同分辨率图像块对应的图像特征，利用所述神经网络的全连接网络层和Softmax函数获取斑块稳定性最终预测结果。

优选的，以所述斑块位置为中心，提取预设边长的立方体内的斑块及周围脂肪图像。

根据本发明的另一方面，提出了一种基于冠状动脉CT图像的斑块稳定性预测系统，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：基于目标对象的冠状动脉CT图像确定斑块位置；基于所述斑块位置提取斑块及周围脂肪图像；基于所述斑块及周围脂肪图像获取不同分辨率图像块；基于所述不同分辨率图像块，通过神经网络模型获取斑块稳定性预测结果。

优选的，所述基于所述斑块及周围脂肪图像获取不同分辨率图像块包括：将提取的斑块及周围脂肪图像进行多次采样处理，获得不同分辨率图像块。