[发明专利]一种易损性斑块跟踪识别系统及方法

说明书

本发明提供一种易损性斑块跟踪识别系统及方法，涉及医学影像识别技术领域，包括：数据采集模块，用于采集若干患者的颈动脉超声视频以及心脑血管危险因素信息；数据处理模块，用于对颈动脉超声视频中的各帧颈动脉超声图像依次进行标注得到颈动脉超声标注视频；数据训练模块，用于根据颈动脉超声标注视频和心脑血管危险因素信息作为输入数据训练得到斑块跟踪识别模型；斑块识别模块，用于将待识别患者的颈动脉超声视频以及心脑血管危险因素信息输入斑块跟踪识别模型，以在颈动脉超声视频播放过程中跟踪识别得到包含的斑块的标注框以及斑块是否为易损性斑块，以辅助医生对待识别患者进行易损性斑块评估。有益效果是大大提高易损性斑块的检出率。

技术领域

本发明涉及医学影像识别技术领域，尤其涉及一种易损性斑块跟踪识别系统及方法。

背景技术

心脑血管疾病是危害全球百姓健康最严重的疾病之一，发病率、死亡率和致残率呈逐年上升趋势，防治工作刻不容缓。动脉粥样硬化斑块的突发破裂是引发心脑血管意外事件的主要原因，早期识别斑块破裂的风险至关重要。颈动脉作为最容易探查的大动脉之一，成为反应全身动脉系统健康状况的窗口。

临床上常用的影像学检查中，对斑块稳定性研究的探索主要基于血管内超声(Intravenous ultrasound，IVUS)、高分辨磁共振(High-resolution Magnetic ResonanceImaging,HR-MRI)、超声(Ultrasound，US)层面，但由于前两者检查费时昂贵，且IVUS为有创检查，均不能在临床得到广泛应用。US具有安全无辐射、价格低廉、便捷、实时观察病变等优点，是一线筛查的首选检查。利用常规对比增强超声(Contrast Enhanced Ultrasound)可以观察斑块的形态、回声、新生血管及内部溃疡情况，是评价斑块稳定性的重要手段。然而超声图像的判读对操作者依赖性较强，不同观察者间存在对图像认知不同的情况，对图像的判读存在较大差异。

随着模式识别工具的升级和训练用数据集的增加，医学影像领域的人工智能(Artificial Intelligence，AI)研究进展迅速。AI在医学影像领域的应用一个重要方式是通过深度学习算法对影像进行计算机视觉识别，通过影像数据和作为标签临床诊断数据进行训练，建立预测模型，使其进行智能诊断。近年来应用AI手段来分析患者颈动脉斑块的研究开展逐渐广泛，可进行更为细致的评估，不会出现操作者依赖的问题，能实现准确无误的智能化提取及识别图像。但这些网络及算法旨在探查和分割单个的超声图像，并且需要花费大量的时间进行手动标记识别，这对于临床应用而言具有很大的挑战性。

发明内容

针对现有技术中存在的问题，本发明提供一种易损性斑块跟踪识别系统，具体包括：

数据采集模块，用于采集若干患者的颈动脉超声视频，以及各所述患者的心脑血管危险因素信息；

数据处理模块，连接所述数据采集模块，用于对所述颈动脉超声视频中的各帧颈动脉超声图像依次进行标注，得到标注标签信息的各所述颈动脉超声图像组成的颈动脉超声标注视频；

所述标签信息包括每帧所述颈动脉超声图像中包含的斑块的标注框以及所述斑块是否为易损性斑块；

数据训练模块，分别连接所述数据采集模块和所述数据处理模块，用于将所述颈动脉超声标注视频和对应的所述心脑血管危险因素信息作为输入数据，将所述标签信息作为输出数据，训练得到斑块跟踪识别模型；

斑块识别模块，连接所述数据训练模块，用于将获取到的待识别患者的所述颈动脉超声视频以及对应的所述心脑血管危险因素信息输入所述斑块跟踪识别模型，以在所述颈动脉超声视频播放过程中跟踪识别得到包含的所述斑块的所述标注框以及所述斑块是否为易损性斑块，以辅助医生对所述待识别患者进行易损性斑块评估。

优选的，所述斑块识别模块包括：

获取单元，用于获取所述待识别患者的所述颈动脉超声视频以及对应的所述心脑血管危险因素信息；