[发明专利]基于深度学习的颈动脉狭窄检测方法、装置及存储介质

说明书

本发明提供一种基于深度学习的颈动脉狭窄检测方法、装置及存储介质，包括：获取超声图像数据，对所述超声图像数据进行预处理，删除所述超声图像数据中的非组织区域；提取所述超声图像数据的二进制管腔特征，将所述超声图像数据中的每个像素分为管腔或非管腔；对提取的二进制管腔特征进行近管腔内壁以及远管腔内壁检测得到检测数据；基于所述检测数据得到风险表征和\或绩效评估结果。本发明提供的技术方案，能够基于超声图像数据使用深度学习技术对颈动脉狭窄进行自动计算与诊断，得到关于颈动脉狭窄的风险表征和\或绩效评估结果。

技术领域

本发明涉及深度学习、动脉检测技术领域，尤其涉及一种基于深度学习的颈动脉狭窄检测方法、装置及存储介质。

背景技术

全世界每年有1500万人患中风。其中，有500万人死亡，另有500万人永久性残疾，这给他们的家庭和国家带来了沉重的经济负担。据统计医疗保健和治疗的直接费用大约330亿美元，而由于生产力损失产生的间接成本每年大约为2060亿美元。

中风是由于颈动脉或脑血管的血管变窄(狭窄)引起的血流阻塞而引起的。这种变窄是由颈动脉近端壁和远端壁上的斑块形成引起的。斑块的形成导致血管疾病称为动脉粥样硬化。随着病情的发展，会造成血管壁破裂，导致血栓形成和中风。颈动脉狭窄有许多内部和外部因素的原因，内部因素包括遗传学，年龄，肥胖症，高血压，营养，吸烟，糖尿病，饮酒和缺乏运动。外部因素主要是污染。因此，颈动脉狭窄的检测问题乃中风预防的重中之重。

当前磁共振成像(Magnetic resonance image，MRI)或计算机断层摄影(computertomography，CT)的非侵入性成像技术可以捕获颈动脉壁解剖结构。但它有其自身的局限与挑战，例如扫描成本高以及体内含有金属制品(如起搏器)的患者成像受到限制。另一方面，CT扫描涉及的辐射可能会对软组织造成危险，从而导致癌症。在这样的情况下，超声(ultra-sound，US)是一种有效的，低成本，非侵入性，符合人体工程学的，无辐射和高效的扫描工具。但是现有技术，还无法结合超声技术对颈动脉狭窄进行检测。

发明内容

本发明实施例提供一种基于深度学习的颈动脉狭窄检测方法、装置及存储介质，能够基于深度学习和超声数据对颈动脉狭窄进行检测，并根据检测数据得到风险表征和\或绩效评估结果。

本发明实施例的第一方面，提供一种基于深度学习的颈动脉狭窄检测方法，包括：

获取超声图像数据，对所述超声图像数据进行预处理，删除所述超声图像数据中的非组织区域；

提取所述超声图像数据的二进制管腔特征，将所述超声图像数据中的每个像素分为管腔或非管腔；

对提取的二进制管腔特征进行近管腔内壁以及远管腔内壁检测得到检测数据；

基于所述检测数据得到风险表征和\或绩效评估结果。

可选地，在第一方面的一种可能实现方式中，还包括：

对所述超声图像数据进行自动裁剪、管腔二值化处理、图像缩小和\或清洁以及图像下采样。

可选地，在第一方面的一种可能实现方式中，所述图像缩小包括：

将所述超声图像数据缩小预设比例，将超声图像数据中的颈动脉壁分为第一高回声层，低回声层和第二高回声层。

可选地，在第一方面的一种可能实现方式中，所述提取所述超声图像数据的二进制管腔特征包括：

通过编码器采用卷积和视觉体积分组网络架构进行二进制管腔特征的提取；

基于扫描训练池对其先前卷积层的特征进行下采样，使用的激活函数是整流线性单元，包括：

f(x)＝max(0，x)→[1]。