[发明专利]CTA到MRA跨模态预测的颈动脉斑块识别方法及系统

说明书

本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法，包括以下步骤：数据收集步骤：收集配对的颈动脉CTA和MRA图像数据；斑块分割及模型训练步骤：先进行CTA和MRA颈动脉管腔的定位，然后进行颈动脉斑块的分割，获得CTA和MRA的斑块区域图像，将CTA和MRA的斑块区域图像送到pix2pix或者cycle‑GAN网络进行训练，获得初步训练后的模型。本发明设计完整、新颖的算法流程，使用改进的深度学习Multiplan‑net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络进行CTA数据扩增，从而进一步提高分割精度。

技术领域

本发明涉及医学图像处理领域，具体地，涉及CTA到MRA跨模态预测的颈动脉斑块识别方法及系统。尤其地，涉及一种用于将CTA图像跨模态预测到MRA图像领域的颈动脉斑块识别算法。

背景技术

脑血管病是世界范围内公认的致残率、病死率最高的疾病之一，包括出血性脑血管病和缺血性脑血管病。其中缺血性脑血管病占87％^[1]。由于颈动脉是向大脑供血的主要动脉之一，当颈动脉存在严重的粥样硬化时，就可能会导致脑缺血的发生。而颈动脉粥样硬化的明显特征是动脉内腔出现颈动脉斑块^[2]，斑块成分不同，其易损性与稳定性也不同。因此对颈动脉斑块进行早期识别与成分检测，对于缺血性脑卒中的预防与高危人群的风险评估有重要的现实意义。

诊断脑血管疾病，常用的脑血管造影方法有三种。第一种核磁共振机所做的脑血管造影(MRA)，第二种是CT机所做的脑血管造影(CTA)，第三种是需要大腿根部股动脉插管进行的，在数字减影血管造影机下完成的脑血管造影(DSA)。MRA的特点是无创，可以不需要注射造影剂就可以完成，可以在行核磁共振检查时同事进行，但是分辨率是最差的，可以做为一种筛查方法。CTA也是一种无创的方法，需要注射含碘的造影剂，可以快速完成，病人痛苦少，分辨率也教MRA有所提高，可以做为快速诊断脑血管瘤的方法。DSA是最准确的脑血管造影方法，分辨率最高，是诊断脑血管疾病的“金标准”。缺点是需要进行动脉插管，有创伤，需住院检查。

CTA血管成像是目前最常用的诊断颈动脉斑块的临床影像方法，具有扫描速度快、低辐射、信息量大等优点^[3]。其用于临床诊断时通常是通过医生观察部分断层图像并结合临床经验给出诊断结果，会受诊断医生经验、状态及知识水平的限制和影响^[4]。近年来，随着人工智能的发展，深度学习算法在辅助医生诊断方面起到了重要作用。目前市面上还没有一款颈动脉斑块筛查软件，本发明拟设计完整、新颖的算法流程，使用改进的深度学习Multiplan-net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络^[5]进行CTA数据扩增，从而进一步提高分割精度。对分割出的颈动脉斑块进行磁共振成像(MRI)^[6]跨模态融合预测，提取融合后的斑块特征进行斑块成分分类。基于此开发出针对颈动脉粥样硬化斑块的云平台自动分析系统，并最终在临床病例中进行前瞻性验证。

参考文献：

[1]Ran Zhou,Wei Ma,U-Net based automatic carotid plaque segmentationfrom 3D ultrasound images，Medical Imaging，2019

[2]R.Ross,Atherosclerosis--an inflammatory disease,N Engl J Med,vol.340,no.2,pp.115-26,Jan 14 1999[3]Green D,Parker D.CTAand MRA:visualization without catheterization[J].Seminars in Ultrasound CtMri,2003,24(4):185-191

[4]吴秋雯,李郁欣,黄磊,et al.机器学习算法在颈动脉斑块影像学分类中的研究进展[J].中国临床神经科学,2019(4).