[发明专利]一种自动检测人体心脏冠脉钙化斑块的方法

摘要

本发明公开了一种自动检测人体心脏冠脉钙化斑块的方法，包括步骤：S1、采用深度学习神经网络对冠脉CTA序列原始图进行分割，获得人体心脏冠脉提取图；S2、对人体心脏冠脉提取图进行处理，生成各分支血管的拉直图片；S3、对各拉直图片进行血管分割，获得各分支血管的拉直血管图；S4、调整窗宽窗位，对各拉直血管图计算其整幅图像的像素值，若其存在像素值大于220的像素点，则判定为存在钙化斑块，筛选出带有钙化斑块的拉直血管图；S5、将带有钙化斑块的拉直血管图转化为灰度图，对灰度值大于220的像素点填充颜色，获得钙化斑块提取结果；S6、计算血管狭窄率，获得量化值。本发明对大多数的钙化斑块的检测行之有效，并可实现自动检测，极大提高了效率。

主权项

1.一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于，包括以下步骤：

S1、采用深度学习神经网络对冠脉CTA序列原始图进行分割，获得人体心脏冠脉提取图；

S2、对人体心脏冠脉提取图进行处理，生成各分支血管的拉直图片；

S3、对各拉直图片进行血管分割，获得各分支血管的拉直血管图；

S4、调整窗宽窗位，对各拉直血管图计算其整幅图像的像素值，若其存在像素值大于220的像素点，则判定为存在钙化斑块；从S3获得的所有拉直血管图中筛选出带有钙化斑块的拉直血管图；

S5、将带有钙化斑块的拉直血管图转化为灰度图，遍历整副图像像素点的灰度值，对灰度值大于220的像素点填充颜色，获得钙化斑块提取结果。

2.如权利要求1所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于，还包括以下步骤：

S6、统计灰度图中每一行中灰度值大于220的像素点的数目m及所分割血管的像素直径n，将m除以n以得到量化的血管狭窄率。

3.如权利要求1所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于，步骤S1具体包括：

S11、冠脉CTA序列原始图的预处理：将CTA序列原始图按一定的窗宽窗位转换成图片格式，获得CTA序列图片；

S12、全图分割：通过预先训练的全图模型对CTA序列图片进行分割，得到主冠脉和主要分支血管的分割结果；

S13、局部patch分割：基于S2全图分割的结果，提取血管在当前层的前景像素，计算出当前层每根血管的中心，然后根据各血管的中心位置在相邻层图片的对应位置，扩展出patch图像，通过预先训练的局部patch模型对patch图像做分割，得到细小分支血管的分割结果；

S14、融合全图和patch的分割结果：融合主冠脉、分支血管及细小分支血管的分割结果，获得人体心脏冠脉提取图。

4.如权利要求3所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于：步骤S1中，动态选择窗宽窗位使得所有直径1.5mm以上的血管清晰可见。

5.如权利要求3所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于：步骤S12及步骤S13中，对全图模型及局部patch模型中的softmax损失函数进行优化，在计算Loss时，对不同类别的Label乘以不同的权重w，使Loss函数取得最小值，则有：

Loss＝‑w_k*logp_k；

式中，k为样本Lable,p_k为样本属于k的概率。

6.如权利要求1所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于，步骤S2具体包括：

S21、对人体心脏冠脉提取图进行骨架提取；

S22、基于骨架提取结果，计算各个分支血管的中心线坐标；

S23、根据某一分支血管的中心线坐标计算其中心线各处的切平面，根据切平面选取中心线周围一定规格的数据，将所有选取的数据进行拼接，生成该分支血管的拉直图片；

S24、重复步骤S23，直至获得各分支血管的拉直图片。

7.如权利要求1所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于，步骤S3具体包括：

S31、将拉直图片分成若干个patch图像，采用深度学习神经网络分别对每个patch图像进行分割，得到各patch图像的分割结果；

S32、对各patch图像的分割结果进行拼叠还原，获得各分支血管的拉直血管图。

8.如权利要求1所述的一种自动检测人体心脏冠脉钙化斑块的方法，其特征在于：步骤S4还包括：计算各拉直血管图中的像素值分布，形成对应的血管直方图。