一种基于多尺度特征融合的主动脉病变评估方法和评估装置

本发明属于智慧医疗领域，尤其涉及一种基于多尺度特征融合的主动脉病变评估方法和评估装置。

背景技术：

1、主动脉病变分为急性病变与慢性病变，急性主动脉病变通常包括主动脉夹层、壁内血肿、急性穿透性溃疡等，会引起胸背痛等症状，慢性主动脉病变通常包括动脉瘤、慢性穿透性溃疡等，慢性主动脉病变可能有轻微的胸背不适症状或无症状，但是大多数主动脉病变的病人症状不典型，症状和其他病变有重叠，因此医生往往先给患者安排胸腹部平扫ct检查，确认是否有气胸、骨折、颈椎病、椎间盘突出、阑尾炎、胆囊炎、尿路结石等常见病变，大多数情况下，主动脉病变在胸腹部平扫ct上的征象不明显，容易被忽视，导致漏诊或延误治疗，需要经验十分丰富的医生才能在胸腹部平扫ct中识别出主动脉病变对应的图像特征。

2、现有技术中，主动脉的病变主要通过主动脉血管造影检查cta诊断的，其通过注射碘对比剂，使主动脉内流动血液的密度增高，从而凸显主动脉壁的病变，该检查技术难度较高，费用较高，不适用于对碘过敏和肾功能不全的患者，通常不作为临床一线的常规检查。

3、近年来，深度学习技术广泛应用于计算机视觉领域，其中医学影像人工智能也已广泛应用于临床筛查中，比如肺结节筛查，肋骨骨折筛查，冠状动脉、脑动脉血管造影术的处理和病灶识别等。为了提高效率、减少漏诊，几乎所有的胸腹部平扫ct都会使用人工智能模型进行肺结节、肺炎、胸部骨病等常见病变的筛查。然而，作为全身最重要的主干血管，现有技术中还未有能够基于胸腹部平扫ct智能识别多种主动脉病变类型的人工智能模型，例如中国专利cn113947609b公开了一种深度学习网络结构及多标签主动脉夹层ct图像分割方法，该专利采用分组多标签分割方法，通过序列特征金字塔注意力sfpa模块，挖掘ct图像切片之间的序列相关性，同时利用联合注意力模块，关联类间关系同时提高分类器性能，然而该专利计算复杂度高，还仅能用于处理主动脉夹层类急性病病种，限于急诊和胸痛中心场景，而主动脉病变类型包括多种慢性病及多种急性病，且主动脉病变常常是多种疾病同时存在，导致该专利的应用范围狭窄。

4、基于以上，本技术提供了解决以上技术问题的技术方案。

5、参考文献：

6、[1]lowe d g.distinctive image features from scale-invariant keypoints[j].internationaljournal ofcomputervision,2004,60:91-110.

7、[2]zhao h,jiang l,jia j,et al.point transformer[c]//proceedings ofthe ieee/cvf international conference on computervision.2021:16259-16268.

技术实现思路

1、针对现有技术中根据图像智能识别主动脉病变类型领域还存在技术空白的缺陷，本发明提供了一种基于多尺度特征融合的主动脉病变评估方法，所述主动脉病变评估方法基于深度学习网络实现，包括以下步骤：

2、步骤s1、获取待评估胸腹部平扫ct图像，所述待评估胸腹部平扫ct图像包括主动脉部分，从所述待评估胸腹部平扫ct图像中提取并重建主动脉三维结构，得到主动脉三维结构图像；

3、步骤s2、基于所述主动脉三维结构图像获得多尺度图像特征，所述多尺度图像特征包括多尺度融合图像特征和主动脉三维图像特征；

4、步骤s3、获取主动脉病变评估模型，将所述多尺度图像特征输入所述主动脉病变评估模型；

5、步骤s4、所述主动脉病变评估模型根据所述待评估胸腹部平扫ct图像的所述多尺度图像特征评估所述待评估胸腹部平扫ct图像对应的主动脉病变评估结果。

6、在本发明的一个具体实施方式中，所述步骤s2包括：

7、步骤s2.1、分割所述主动脉三维结构图像，获取若干分割图像，所述分割图像包括若干二维切面图像和若干三维切块图像；

8、步骤s2.2、提取所述二维切面图像和三维切块图像中的二维图像特征与三维图像特征，计算主动脉三维参数；

9、步骤s2.3、基于knn方法聚合二维图像特征、三维图像特征与主动脉距离场信息，形成多尺度融合图像特征；

10、步骤s2.4、基于卷积神经网络提取所述主动脉三维结构图的主动脉三维图像特征。

11、在本发明的一个具体实施方式中，所述步骤s2.1包括：

12、步骤s2.1.1、提取主动脉中心线，将所述主动脉三维结构图转化为主动脉拉直图；

13、步骤s2.1.2、获取所述主动脉拉直图任意位置处的若干三维切块图像；

14、步骤s2.1.3、将每一张三维切块图像分解为若干张二维切面图像。

15、在本发明的一个具体实施方式中，所述主动脉三维参数为主动脉距离场信息，所述步骤s2.2包括：

16、步骤s2.2.1、基于尺度不变特征转换sift算法提取若干二维切面图像和若干三维切块图像中的二维图像特征与三维图像特征，同时获取二维图像特征坐标与三维图像特征坐标；

17、步骤s2.2.2、基于点云处理网络处理所述二维图像特征与三维图像特征形成的点云数据，获取形态特征。

18、在本发明的一个具体实施方式中，所述主动脉病变评估模型基于多层感知器mlp实现，所述mlp包括输入层、隐藏层与输出层，输入层、隐藏层与输出层中的若干神经元通过全连接模式连接。

19、在本发明的一个具体实施方式中，所述主动脉病变评估模型的训练步骤包括：

20、步骤a1、获取用于训练模型的主动脉三维结构样本图像；

21、步骤a2、将所述主动脉三维结构样本图像输入所述输入层，并传递至所述隐藏层；

22、步骤a3、所述隐藏层提取所述主动脉三维结构样本图像的特征并进行非线性变换，所述输出层进一步处理非线性变换结果，并输出计算结果；

23、步骤a4、基于所述计算结果和样本图像，采用反向传播算法和梯度下降算法更新神经元参数；

24、步骤a5、判断损失函数是否收敛，若损失函数收敛，完成mlp训练，若损失函数未收敛，则返回步骤a3。

25、在本发明的一个具体实施方式中，步骤s4包括：

26、所述mlp通过解码所述多尺度融合图像特征，得到待评估胸腹部平扫ct图像对应主动脉病变类型的评估结果。

27、在本发明的一个具体实施方式中，所述mlp还包括正则化模块，所述正则化模块执行l1正则化算法或dropout正则化算法。

28、在本发明的一个具体实施方式中，主动脉病变类型包括：主动脉夹层、主动脉壁内血肿、主动脉穿透性溃疡、主动脉瘤、主动脉不稳定脂质斑块、主动脉扩张扭曲。

29、本发明还提供一种基于多尺度特征融合的主动脉病变评估装置，所述主动脉病变评估装置用于实现前述任一项所述的基于多尺度特征融合的主动脉病变评估方法，包括以下结构：

30、待评估图像获取模块，用于获取待评估胸腹部平扫ct图像，从所述待评估胸腹部平扫ct图像中提取并重建主动脉三维结构，得到主动脉三维结构图像；

31、特征提取模块，基于所述主动脉三维结构图像获得多尺度图像特征，所述多尺度图像特征包括多尺度融合图像特征和主动脉三维图像特征；

32、主动脉病变评估模型，用于接收所述多尺度图像特征，并根据所述待评估胸腹部平扫ct图像的所述多尺度图像特征评估所述待评估胸腹部平扫ct图像对应的主动脉病变评估结果。

33、本发明能够带来以下至少一种有益效果：本发明提出了一种基于多尺度特征融合的主动脉病变评估方法和评估装置，从所述待评估胸腹部平扫ct图像中提取并重建主动脉三维结构，并基于该主动脉三维结构获得多尺度融合图像特征和主动脉三维图像特征，并通过预先训练的主动脉病变评估模型根据所述待评估胸腹部平扫ct图像的所述多尺度图像特征评估对应的主动脉病变类型，该方案先对胸腹部平扫ct图像中的主动脉部分进行预处理，利用距离场参数表征位置信息并与二维图像特征、三维图像特征融合，大大提升了病变评估的准确度，再基于训练后的主动脉病变评估模型对主动脉病变的征象进行筛查、分割和量化评估，有效降低了假阳性率，从而在基于胸腹部平扫ct图像的主动脉病变识别任务中实现了高精度的诊断辅助，最大化胸腹部平扫ct检查的价值，提高主动脉病变的总体诊断水平，能够降低人工诊断的误诊与漏诊缺陷，提升诊断效率。