一种主动脉夹层的识别方法以及相关装置

本申请涉及数据处理，尤其涉及一种主动脉夹层的识别方法以及相关装置。

背景技术：

1、主动脉夹层又称主动脉夹层动脉瘤是一种严重心血管疾病，其早期诊断和治疗非常必要。主动脉夹层的超声表现通常为主动脉增宽并可出现撕裂的内膜片，呈纤细膜样回声，主动脉通常分为真假两腔。假腔内偶尔可见血栓形成，而当夹层病变累及主动脉根部时，彩色多普勒血流成像一般可探及主动脉瓣出现反流，也可能表现为撕裂的内膜上出现连续性的中断。

2、因此，通常通过深度学习模型识别超声心动图是否具有主动脉夹层的超声表现特征来对主动脉夹层进行诊断，但是目前深度学习模型对于主动脉夹层的识别准确性较低。

3、针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请提供了一种主动脉夹层的识别方法以及相关装置，目的在于提高主动脉夹层的识别结果的准确性，如下：

2、一种主动脉夹层的识别方法，包括：

3、提取待识别心超图像的局部特征，所述局部特征为主动脉区域特征；

4、将所述待识别心超图像的局部特征输入至训练好的夹层分类模型，得到所述夹层分类模型输出的分类结果，所述分类结果用于指示所述待识别心超图像中是否存在主动脉夹层；

5、其中，所述夹层分类模型基于样本心超图像的局部特征的分类标签和与支撑集的特征相似度训练得到，所述支撑集至少包括第一类心超图像的局部特征，所述第一类心超图像为存在主动脉夹层的心超图像，所述分类标签为人工标注的用于指示是否存在主动脉夹层的分类结果。

6、可选地，提取待识别心超图像的局部特征，包括：

7、将所述待识别心超图像输入至预先训练的局部特征识别模型，获取所述局部特征识别模型输出的局部特征；

8、其中，所述局部特征识别模型通过对目标区域检测模型和局部特征提取模块联合训练得到；

9、所述局部特征识别模型用于提取所述待识别心超图像的全局特征，基于全局特征识别得到所述待识别心超图像的主动脉区域；

10、所述局部特征提取模块基于所述待识别心超图像的主动脉区域，对所述待识别心超图像的全局特征进行特征提取，输出所述待识别心超图像的局部特征。

11、可选地，主动脉夹层的识别方法还包括：

12、获取样本图像数据集，所述样本图像数据集包括多条带分类标注的心超图像；

13、将所述样本图像数据集中的各个心超图像输入至所述局部特征识别模型，获取所述局部特征识别模型输出的各个心超图像的局部特征；

14、基于分类标注，将所述样本图像数据集中的心超图像划分为所述样本心超图像、所述第一类心超图像和第二类心超图像，所述第二类心超图像为不存在主动脉夹层的心超图像；

15、依据划分结果和各个心超图像的局部特征，生成查询集和所述支撑集，所述查询集包括多个带分类标签的所述样本心超图像的局部特征；所述支撑集还包括所述第二类心超图像的局部特征；

16、将所述查询集和所述支撑集输入至所述夹层分类模型，基于所述样本心超图像的局部特征的分类标签和与所述支撑集的特征相似度训练所述夹层分类模型，直至达到预设的训练完成条件。

17、可选地，基于所述样本心超图像的局部特征的分类标签和与所述支撑集的特征相似度训练所述夹层分类模型，包括：

18、计算所述样本心超图像与所述支撑集的特征相似度；

19、依据所述样本心超图像的分类标注和所述特征相似度，基于二元交叉熵损失函数训练所述夹层分类模型。

20、可选地，计算所述样本心超图像与所述支撑集的特征相似度，包括：

21、计算所述样本心超图像与所述支撑集的分布距离；

22、计算所述样本心超图像与所述支撑集的类别距离；

23、融合所述分布距离和所述类别距离，得到所述特征相似度。

24、一种主动脉夹层的识别装置，包括：

25、局部特征提取单元，用于提取待识别心超图像的局部特征，所述局部特征为主动脉区域特征；

26、夹层分类单元，用于将所述待识别心超图像的局部特征输入至训练好的夹层分类模型，得到所述夹层分类模型输出的分类结果，所述分类结果用于指示所述待识别心超图像中是否存在主动脉夹层；

27、其中，所述夹层分类模型基于样本心超图像的局部特征的分类标签和与支撑集的特征相似度训练得到，所述支撑集至少包括第一类心超图像的局部特征，所述第一类心超图像为存在主动脉夹层的心超图像，所述分类标签为人工标注的用于指示是否存在主动脉夹层的分类结果。

28、可选地，局部特征提取单元用于提取待识别心超图像的局部特征时，具体用于：

29、将所述待识别心超图像输入至预先训练的局部特征识别模型，获取所述局部特征识别模型输出的局部特征；

30、其中，所述局部特征识别模型通过对目标区域检测模型和局部特征提取模块联合训练得到；

31、所述局部特征识别模型用于提取所述待识别心超图像的全局特征，基于全局特征识别得到所述待识别心超图像的主动脉区域；

32、所述局部特征提取模块基于所述待识别心超图像的主动脉区域，对所述待识别心超图像的全局特征进行特征提取，输出所述待识别心超图像的局部特征。

33、一种计算机程序产品，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现如主动脉夹层的识别方法的各个步骤。

34、一种主动脉夹层的识别设备，包括：存储器和处理器；

35、所述存储器，用于存储程序；

36、所述处理器，用于执行所述程序，实现主动脉夹层的识别方法的各个步骤。

37、一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现主动脉夹层的识别方法的各个步骤。

38、由上述技术方案可以看出，本申请实施例提供的主动脉夹层的识别方法以及相关装置，本申请公开了一种主动脉夹层的识别方法以及相关装置，可应用于深度学习技术领域，提取待识别心超图像的局部特征，局部特征为主动脉区域特征。将待识别心超图像的局部特征输入至训练好的夹层分类模型，得到夹层分类模型输出的分类结果，分类结果用于指示待识别心超图像中是否存在主动脉夹层。其中，夹层分类模型基于样本心超图像的局部特征的分类标签和与支撑集的特征相似度训练得到，支撑集至少包括第一类心超图像的局部特征，第一类心超图像为存在主动脉夹层的心超图像，分类标签为人工标注的用于指示是否存在主动脉夹层的分类结果。本申请基于待识别心超图像的局部特征和存在主动脉夹层的心超图像的局部特征之间的特征相似度训练的夹层分类模型的分类准确度较高，由此，提高分类结果准确度。

技术特征：

1.一种主动脉夹层的识别方法，其特征在于，包括：

2.根据权利要求1所述的主动脉夹层的识别方法，其特征在于，所述提取待识别心超图像的局部特征，包括：

3.根据权利要求2所述的主动脉夹层的识别方法，其特征在于，所述主动脉夹层的识别方法还包括：

4.根据权利要求3所述的主动脉夹层的识别方法，其特征在于，所述基于所述样本心超图像的局部特征的分类标签和与所述支撑集的特征相似度训练所述夹层分类模型，包括：

5.根据权利要求4所述的主动脉夹层的识别方法，其特征在于，所述计算所述样本心超图像与所述支撑集的特征相似度，包括：

6.一种主动脉夹层的识别装置，其特征在于，包括：

7.根据权利要求6所述的主动脉夹层的识别装置，其特征在于，所述局部特征提取单元用于提取待识别心超图像的局部特征时，具体用于：

8.一种计算机程序产品，其特征在于，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现如权利要求1至5中任意一项所述的主动脉夹层的识别方法。

9.一种电子设备，其特征在于，包括至少一个处理器和与所述处理器连接的存储器，其中：

10.一种计算机存储介质，其特征在于，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备实现如权利要求1至5中任意一项所述的主动脉夹层的识别方法。

技术总结本申请公开了一种主动脉夹层的识别方法以及相关装置，可应用于深度学习技术领域，提取待识别心超图像的局部特征，局部特征为主动脉区域特征。将待识别心超图像的局部特征输入至训练好的夹层分类模型，得到夹层分类模型输出的分类结果，分类结果用于指示待识别心超图像中是否存在主动脉夹层。支撑集至少包括第一类心超图像的局部特征，第一类心超图像为存在主动脉夹层的心超图像，分类标签为人工标注的用于指示是否存在主动脉夹层的分类结果。本申请基于待识别心超图像的局部特征和存在主动脉夹层的心超图像的局部特征之间的特征相似度训练的夹层分类模型的分类准确度较高，由此，提高分类结果准确度。技术研发人员：任燕龙,王月丽,宋现涛,张宏家受保护的技术使用者：首都医科大学附属北京安贞医院技术研发日：技术公布日：2024/9/2