一种斑块识别及冠状动脉斑块系统三维建模方法

本发明属于冠状动脉斑块建模，尤其涉及一种斑块识别及冠状动脉斑块系统三维建模方法。

背景技术：

1、心血管疾病，尤其是冠心病，是全球发病率和死亡率的主要原因。冠状动脉粥样硬化斑块是导致冠状动脉疾病(cad)的潜在原因，2019年全球有10914万人死于冠心病。在斑块发展过程中，斑块成分包括富含脂质的坏死核心(简称脂质)、钙化、纤维化组织和其他基质在内膜中积累。同时，斑块的力学性质也发生了变化。在斑块破裂、糜烂、钙化结节等急性冠脉综合征的病因中，超过一半的急性冠脉综合征是由斑块破裂引起的。为了诊断斑块破裂，通常使用医学成像方式检测冠状动脉形态。目前使用较多的成像方法是光学相干断层扫描(oct)，可以识别不同的斑块成分，如钙化、纤维帽和富含脂质的核心。oct提供了更高的空间分辨率(10-15μm)。

2、但人工识别斑块成分并进行三维建模耗时长，识别结果较为主观，三维模型准确程度有待提升，由此进行的三维仿真以及斑块破裂风险干预治疗会造成医疗诊断的推迟和影响医疗诊断的精确，从而耽误病人进一步的诊疗，使患者产生顾虑。

3、因此，本技术有必要提供一种斑块识别及冠状动脉斑块系统三维建模方法，以解决上述现有技术存在的问题。

技术实现思路

1、基于以上现有技术的不足，本发明所解决的技术问题在于提供一种斑块识别及冠状动脉斑块系统三维建模方法，采用ai算法基于冠状动脉的二维医学图像(oct、ivus)与血管造影图像将冠状动脉斑块与血管进行精确的3d建模，为冠状动脉斑块的仿真提供帮助，进而实现斑块破裂风险的精准预测。

2、为实现上述目的，本发明采取以下技术方案：

3、一种斑块识别及冠状动脉斑块系统三维建模方法，包括以下步骤；

4、s1、冠状动脉斑块医学影像数据的采集及预处理；

5、s2、基于ai算法建立图像分割模型；

6、s3、将待建模的冠状动脉斑块医学影像输入至所述图像分割模型，得到多张二维分割图；

7、s4、对二维分割图进行三维重建。

8、进一步地，在步骤s1中，具体包括：

9、从现有医学设备采集患者血管内超声图像(ivus)和光学相干断层扫描图像(oct)；对二维的医学影像文件进行图像裁剪、人工标记、转换文件格式等预处理。

10、进一步地，其中，上述采用的oct、ivus数据中仅相机视野圈中的像素有效，而相应的图片下部分地区仅仅为统计软件标识，因此裁剪掉不必要的区域避免数据维度带来的复杂度以及扰动。相应的测试阶段会反向插值与填补这部分区域，以保证oct、ivus图像的维度一致。

11、进一步地，所述人工标记包括：将数据样本类别分为背景、血管轮廓、脂质斑块、纤维斑块和钙化斑块五类进行人工标记。

12、进一步地，在步骤s2中，具体包括：

13、在患者ivus图像与oct图像上人工划分冠状动脉内外膜轮廓以及各个成分斑块(纤维斑块、脂质斑块、钙化斑块)的轮廓作为训练集；

14、将训练样本输入到ai神经网络模型中，根据所述ai神经网络模型的损失函数对所述ai神经网络模型进行训练；

15、ivus图像与oct图像各具优势，对分割模型精确度的贡献呈互补关系，采用优势函数，综合两种医学影像图像的优势，得到图像分割模型。

16、进一步地，所述损失函数为dice作为主损失，交叉熵则少量避免dice过拟合；

17、对于dice损失函数：

18、diceloss＝1-dicecoefficient

19、

20、

21、其中，x∩y表示x和y集合的交集，|x|和|y|表示其元素个数，对于本分割任务而言，|x|和|y|表示分割的ground troth和predict_mask；

22、对于交叉熵损失函数：

23、

24、其中：

25、m——类别的数量；

26、yic-符号函数(0或1)，如果样本i的真实类别等于c取1，否则取0；

27、pic——观测样本i属于类别c的预测概率；

28、n——样本的数量；

29、li-样本i的损失系数。

30、进一步地，所述优势函数为：

31、

32、其中，是状态st情况下取到动作at的对数似然的梯度方向，如果参数θ沿着at的对数似然的梯度方向走，则提升动作at的概率；如果参数θ沿着该梯度的负方向走，则降低动作at的概率；f(st，at)这个标量决定参数θ应该沿着正方向走还是负方向走；

33、假设选用优势函数作为f(st，at)，即：

34、

35、其中包括两种情况：当aπ(st，at)>0：说明动作at优于平均值，值得鼓励，正好at的值为正数能够让参数θ沿着正梯度方向走；

36、aπ(st，at)<0：说明动作at次于平均值，应该避免，正好at的值为负数能够让参数θ沿着负梯度方向走。

37、进一步地，在上述步骤s2中，并不局限于同时提供oct图像与ivus图像的情况，也可应用于仅采集患者oct图像或仅采集患者ivus图像的情况。

38、进一步地，在步骤s4中，具体包括：

39、结合正视患者方向与侧视患者30°的两个方向拍摄的血管造影图像获得所测血管的三维中心线，将进行过斑块识别的二维医学影像按照影像拍摄距离堆叠在中心线上，实现冠状动脉斑块系统的精准三维建模，准确再现三维血管复杂走向并精确获取各部位斑块成分及分布。

40、进一步地，在上述步骤s4中，采用的二维医学影像不局限于血管造影图像，还包括计算机断层扫描(ct)、核磁共振(mri)等图像方法。

41、进一步地，将识别后的二维医学影像按照拍摄顺序排列在血管三维中心线上，其间距参考二维医学影像采集设备的拍摄间距。

42、由上，与现有技术相比，本发明具有如下有益效果：

43、1、本发明基于oct与ivus两种影像的优势，能够实现斑块的精准识别；可准确重构血管三维结构，再现三维血管的复杂走向辅助医生了解疾病情况；可实现患者冠状动脉血管与斑块的可视化，为患者提供血管的真实信息。

44、2、本发明通过扩大样本，对斑块识别训练模型不断迭代优化，可进一步提升斑块识别的精确度；其中，训练模型采用数据增强作为规避过拟合的一样手段，采用数据增强的方式为：horizontalflip、randomrotate90、griddistortion、shiftscalerotate，有效增大了可用样本数量；训练模型基于unet、segformer、deeplab结构，并引入mixvit作为网络结构的骨干网络，提升了网络精度。

45、3、本发明通过引入交叉熵和dice损失来作为优化项，提升了损失函数的稳定性；训练过程均采用权重指数平均来获取最优的网络结构参数，该方法能够稳定模型的精度与泛化性。

46、4、本发明采用推断预测处理来提升效果，即tta进行预测增强，该方法能够进行精度提升。

47、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下结合优选实施例，并配合附图，详细说明如下。