[发明专利]冠状动脉狭窄度估计方法系统及设备

说明书

本发明公开了一种冠状动脉狭窄度估计方法系统及设备，所述方法，包括：对获取的医学数字成像和通信DICOM图像进行预处理，获取符合要求的DICOM图像；将预处理后的DICOM图像输入预先训练好的神经网络，通过所述神经网络输出钙化区域以及冠状动脉区域；确定最大直径的斑块所在的钙化区域和对应的冠状动脉区域，计算钙化区域最大直径和对应的冠状动脉直径，根据所述钙化区域最大直径和对应的冠状动脉直径计算冠状动脉狭窄度，获取与所述冠状动脉狭窄度对应的病变等级，将所述病变等级以及所述冠状动脉狭窄度输出。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种冠状动脉狭窄度估计方法系统及设备。

背景技术

根据美国心脏协会的报告，全球约有1760万人死于心血管疾病，到2030年，预计冠状动脉疾病将造成2360多万人死亡。因此，获得早期诊断的能力变得至关重要。

心血管疾病会直接影响心脏供血能力，血管中存在的斑块(胆固醇、钙、脂肪的混合物和其他物质)在动脉形成拥堵，管腔变窄会限制血液流动并影响向心肌细胞供氧，导致心肌梗塞。发生很严重的堵塞时，医生通常会使用冠状动脉支架植入术来解决这个问题。

冠状动脉支架植入术是一种有效的技术来治疗因心肌供血不足冠心病引起的心脏动脉阻塞。在介入手术中，医生插入导管通过动脉进入心血管血管，并且需要依靠血管造影图像来引导复杂的手术过程，如导管运动、造影剂释放和支架安装。这个上面的整个过程是一个非常微妙而且复杂的操作，需要对医生进行高水平的培训。如果可以在手术前或手术中重建心脏管血管的三维模型，以及准确记录并融合术中实时血管造影图像序列，指导临床医生在临床手术中确定动脉狭窄的部位，评估狭窄程度，这将大大减少手术的困难。

影像学上判断冠状动脉狭窄程度的推理过程如下：

1.是否为心脏区域；

2.是否包含冠状动脉；

3.确定冠状动脉的分布区域；

4.确定钙化病变区域；

5.通过对比钙化病变面积与所在动脉区域面积的比例来估计狭窄程度，其中，心脏区域的CT图如图1所示，其中冠状动脉的区域如图2所示。

在现有技术中，冠状动脉在不同切片的形状大小变化巨大：与常见的器官分割技术不同，器官所在区域比较固定，而且个体形状差异不大，但是对于用于心脏供血的冠状动脉形状各异，尤其在血管末端时通常血管会变得特别细从而无法很好被捕捉到。此外，钙化区域与整个背景占比极不平衡，其中钙化区域非常小可能只有整张图大小的5％，这无形中导致了样本比例不平衡，为神经网络训练增加了难度，如图3所示的中间白色高亮的部分为钙化区域。此外，通常医疗影像科医生判定狭窄程度只是靠观察CT图片并估计狭窄度大小，而不是定量计算出狭窄度，因此，如何获取客观的狭窄度的精确值，方便医生在后续治疗过程中可以有一个精确的结果参考，是目前急需解决的问题。

发明内容

本发明的目的在于提供一种冠状动脉狭窄度估计方法系统及设备，旨在解决现有技术中的上述问题。

本发明提供一种冠状动脉狭窄度估计方法，包括：

对获取的医学数字成像和通信DICOM图像进行预处理，获取符合要求的DICOM图像；

将预处理后的DICOM图像输入预先训练好的神经网络，通过所述神经网络输出钙化区域以及冠状动脉区域，其中，所述神经网络的结构为：在3D Unet神经网络的基础上，在其跳跃连接层中加入卷积模块使其构成稠密连接的形式，在下采样最底层添加了金字塔池化模块从而增大对小区域的敏感度；