[发明专利]基于深度学习和中智理论的冠状动脉病变功能学定量方法

权利要求书

1.一种基于深度学习和中智理论的冠状动脉病变功能学定量方法，其特征在于，包括以下步骤：

步骤1、自动提取CTA中冠脉区域并进行区域处理

步骤1.1、提取冠状动脉CTA图像；

步骤1.2、利用多尺度非局部积分滤波算法对CTA图像进行预处理；

步骤1.3、根据临床经验总结的冠脉知识特征构建多通道信息；

步骤1.4、利用变通道多尺度区域候选分类网络提取CTA图像中的三维冠脉区域；

步骤2、提取CTG图像并将CTA冠脉区域与CTG图像进行投射与融合

步骤2.1、提取冠状动脉CAG图像；

步骤2.2、将CTA中三维冠脉区域通过仿射变换与CAG图像中的对应冠脉进行配准，并投影到二维CAG上，确定冠脉对比剂导航区域；

步骤2.3、基于中智粒子滤波追踪算法追踪对比剂在导航区域内的流动情况；

步骤2.4、自动检测并定位提取CAG冠脉对比剂区域；

步骤2.5、将CTA冠脉区域与CTG图像进行投射与融合；

步骤3、定量评估狭窄病变

步骤3.1、提取融合影像中冠脉的中心线，定位冠脉区域；

步骤3.2、计算冠脉血流速度和载面积，获得局部血流量；

步骤3.3、计算病变远端及近端血流量比值，获得FFR_CAD；

步骤3.4、根据FFR_CAD值定量评估狭窄病变。

2.根据权利要求1所述的基于深度学习和中智理论的冠状动脉病变功能学定量方法，其特征在于，将所述步骤1.2中多尺度非局部积分滤波算法的函数定义为：

σ_s(x，y)＝f(I(x，y))＝aI(x，y)+b (1)

其中，σ_s是在尺度S下高斯函数核的标准方差，应用其对原始CTA图像进行滤波运算；然后构建冠状动脉知识通道图像如下；

3.根据权利要求1所述的基于深度学习和中智理论的冠状动脉病变功能学定量方法，其特征在于，所述步骤2.2包括以下步骤：

步骤2.2.1、冠脉造影对比剂导航区域确定

利用CAG影像采集时的角度和分辨率，确定仿射变换函数的参数，将CTA中冠脉分割结果进行仿射变换，并将变换后的三维冠脉图像投影到二维CAG图像上，作为冠脉的可能候选区域，也就是对比剂要经过的导航区域；

步骤2.2.2、冠脉造影对比剂区域自动检测和提取：

根据造影对比剂区域在CAG视频的灰度和纹理信息，定义其中智不确定隶属度，从而作为粒子的属性，并定义当前区域及其邻域的中智相似度，来作为粒子滤波的代价函数，利用粒子滤波算法来追踪对比剂在导航区域内的流动情况，从而提取CAG图像中的冠脉区域。

4.根据权利要求3所述的基于深度学习和中智理论的冠状动脉病变功能学定量方法，其特征在于，所述步骤2.3包括以下步骤：

步骤2.3.1、提取冠脉目标特征：通过CTA图像中获得冠脉作为造影的导航区域，人机交互选定待跟踪的初始目标，计算跟踪目标的特征，作为描述目标的特征；

步骤2.3.2、特征搜索阶段：初始化提取了目标的特征后，在目标的附近以高斯分布来撒粒子，并根据导航区域来确定所撒的粒子的范围；每个粒子按照初始化时候得到的目标特征计算出它所处的位置的灰度特征，并计算粒子所在局部区域图像直方图向量与目标直方图向量的相似度；然后对每个粒子与目标计算出的相似度做归一化，使得所有粒子的相似度加起来和等于1；

步骤2.3.3、决策阶段：根据每个粒子与目标的相似程度做加权平均；根据最大的相似度候选区域的位置，则为目标的最可能位置；

步骤2.3.4、粒子重采样：根据粒子权重对粒子进行筛选，筛选过程中，既要大量保留权重大的粒子，又要有一小部分权重小的粒子，进而重复特征搜索阶段和决策阶段。