[发明专利]冠脉斑块类型的确定方法、装置、电子设备及存储介质

权利要求书

1.一种冠脉斑块类型的确定方法，其特征在于，所述确定方法包括：

获取冠状动脉图像；

将所述冠状动脉图像输入至冠脉斑块识别模型中，输出冠状动脉图像对应的冠脉斑块的类型结果；

其中，所述冠脉斑块识别模型通过以下步骤训练得到：

从预先创建的样本数据集中获取冠状动脉样本图像和所述冠状动脉样本图像对应的腔内样本影像；其中，所述冠状动脉样本图像以及所述腔内样本影像均为未标记的图像；所述冠状动脉样本图像中包括多张沿着血管中心线的血管截面；所述腔内样本影像中包括多张沿着拍摄方向的腔内影像截面；

将所述冠状动脉样本图像中的任意一张血管截面和所述冠状动脉样本图像对应的腔内样本影像中的多张腔内影像截面输入至图像配准训练模块中训练所述图像配准训练模块，得到训练好的图像配准训练模块；

通过所述训练好的图像配准训练模块，在所述冠状动脉样本图像对应的多张腔内影像截面中得到与所述冠状动脉样本图像中每张血管截面最匹配的目标腔内影像截面；

将所述冠状动脉样本图像中的任意一张血管截面和该张血管截面对应的目标腔内影像截面输入至斑块识别训练模块中训练所述斑块识别训练模块，得到训练好的斑块识别训练模块；

将所述训练好的斑块识别训练模块确定为冠脉斑块识别模型。

2.根据权利要求1所述的确定方法，其特征在于，所述将所述冠状动脉样本图像中的任意一张血管截面和所述冠状动脉样本图像对应的腔内样本影像中的多张腔内影像截面输入至图像配准训练模块中训练所述图像配准训练模块，得到训练好的图像配准训练模块的步骤，包括：

将所述冠状动脉样本图像中的任意一张血管截面输入至图像配准训练模块的第一特征提取层中，得到该张血管截面的冠状动脉特征；

将所述冠状动脉样本图像对应的腔内样本影像中的多张腔内影像截面输入至图像配准训练模块的第二特征提取层中，得到每张腔内影像截面的腔内影像特征；

基于该张血管截面的冠状动脉特征与每张腔内影像截面的腔内影像特征，在所述多张腔内影像截面中确定与该张血管截面最匹配的目标腔内影像截面；

基于所述目标腔内影像截面，确定该张血管截面对应的每张腔内影像截面的标签；

基于每张腔内影像截面的标签得到第一损失函数；

确定所述第一损失函数是否收敛；

若否，则更新所述图像配准训练模块的参数，并获取下一个冠状动脉样本图像和所述下一个冠状动脉样本图像对应的腔内样本影像继续训练所述图像配准训练模块，直至所述第一损失函数收敛；

若是，则得到训练好的图像配准训练模块。

3.根据权利要求1所述的确定方法，其特征在于，所述将所述冠状动脉样本图像中的任意一张血管截面和该张血管截面对应的目标腔内影像截面输入至斑块识别训练模块中训练所述斑块识别训练模块，得到训练好的斑块识别训练模块的步骤，包括：

将所述冠状动脉样本图像中的任意一张血管截面和该张血管截面对应的目标腔内影像截面输入至斑块识别训练模块中，提取该张血管截面中的冠状动脉特征与该张血管截面对应的目标腔内影像截面的腔内影像特征；

获取当前影响系数，通过所述当前影响系数，将该张血管截面中的冠状动脉特征与该张血管截面对应的目标腔内影像截面的腔内影像特征进行融合，得到融合特征；

将所述融合特征经过全连接层以及归一化处理后，得到所述融合特征所表征的冠脉斑块属于每个预设分类的概率；

基于所述融合特征所表征的冠脉斑块属于每个预设分类的概率，得到第二损失函数；

确定所述第二损失函数是否收敛；

若否，则更新所述斑块识别训练模块的参数以及当前影响系数，并获取下一个冠状动脉样本图像和所述下一个冠状动脉样本图像对应的目标腔内样本影像继续训练所述斑块识别训练模块，直至所述第二损失函数收敛；

若是，则得到训练好的斑块识别训练模块。