[发明专利]基于深度学习的超生颈动脉内中膜厚度测量装置和方法

摘要

本发明涉及医学图像处理，为提供一种总体性能较好的IMT测量算法，即无需人为参与，时间复杂度相对较低，自动测量结果与专家手动测量结果一致性较高，对不同形态结构的内种膜均能获得较满意的测量结果，本发明基于深度学习的超生颈动脉内中膜厚度测量方法，步骤如下1)ROI获取采用卷积神经网络CNN自动识别超声颈动脉血管的远端，进而提取ROI；2)像素分类进行更高级特征提取，特征提取后加逻辑回归分类层构建模式分类器，完成图像像素的分类；3)边界提取利用目标分类区域的面积信息和位置对分类区域进行甄选，对分类边界进行多项式曲线拟合。本发明主要应用于医学图像处理。

主权项

一种基于深度学习的超生颈动脉内中膜厚度测量方法，其特征是，步骤如下：1)ROI获取：采用卷积神经网络CNN(Convolution Neural Network)自动识别超声颈动脉血管的远端，进而提取ROI；2)像素分类：以待分类像素为中心一定区域的像素灰度值信息作为堆栈式自编码器的输入，其输出作为输入的更高级特征提取，特征提取后加逻辑回归分类层构建模式分类器，完成图像像素的分类；3)边界提取：利用目标分类区域的面积信息和位置对分类区域进行甄选，利用定位颈动脉最远端的行索引值与待判定区域的重心行值和面积信息去除距离目标区域近但是面积较大的错分类区域，利用目标最大区域与其余待判定的较小区域的重心行值进行比较，结合较小区域的面积信息去除距离目标区域较远且面积较小的区域，最后按列索引，去除内中膜结构不完整的区域；根据偏差平方和最小原理，对分类边界进行多项式曲线拟合。