冠心病辅助诊断系统、系统操作方法及诊断装置

本发明涉及冠心病辅助诊断系统、系统操作方法及诊断装置，属于医疗辅助诊断装置领域。

背景技术：

1、冠心病是世界范围内一种常见的心血管疾病，其对人体的危害不可小觑。随着人口数量的增长和生活方式的改变，冠心病患者的数量不断增加，尤其在发展中国家，这一趋势更加显著。因此，如何提高冠心病的早期诊断和治疗水平显得尤为迫切。

2、近年来，医学影像技术得到了长足的发展，为冠心病的早期筛查提供了更加灵活和准确的方法。目前，常见的冠心病影像技术包括冠状动脉造影和心脏核磁共振成像等。然而，当前冠状动脉造影技术在诊断方面对临床医生的要求较高，需要医生具备丰富的经验和技术。此外，大量的冠状动脉造影图像需要医生进行判断，这容易导致医生疲劳，从而增加误诊的风险。

3、近年来，深度学习技术在冠状动脉造影图像诊断中取得了巨大的成功。然而，深度学习模型的“黑箱”问题使得其训练过程难以解释，而且仅仅依靠准确度等指标并不能完全反映其实际应用的可靠性。此外，深度学习算法需要大量的数据进行训练，以确保模型学习到充分的经验。但由于医学图像涉及患者隐私，带有标注的数据收集并不容易，当训练数据不足时，深度学习算法容易发生过拟合现象。因此，利用少量的冠状动脉造影数据构建快速、精准的冠心病早期筛查辅助系统是一项具有挑战性的任务，需要综合考虑数据获取、深度学习模型的可解释性以及对医生的实际支持等方面的问题。

技术实现思路

1、为了解决上述问题，本发明提供了冠心病辅助诊断系统、操作方法及诊断装置，所述技术方案如下：

2、本发明的第一个目的在于提供一种基于人工智能的冠心病辅助诊断系统，所述系统包括：

3、图像获取模块，被配置为获取冠心病冠脉造影图像；

4、冠心病分类模块，被配置为基于所述冠心病冠脉造影图像，输出冠心病分类结果；

5、所述冠心病分类模块包括：微调编码器、前景原型提取模块、多视角特征融合模块和分类器；

6、所述微调编码器包括：vit冻结编码块、全局特征微调模块和局部特征微调模块，所述vit冻结编码块被配置为提取所述冠心病冠脉造影图像的特征；所述全局特征微调模块被配置为提取所述冠心病冠脉造影图像的全局特征；所述局部特征微调模块被配置为捕捉血管图像的局部细节信息，提取所述冠心病冠脉造影图像的局部特征；

7、所述前景原型提取模块用于提取血管信息的关键特征信息，将血管的具有代表性的特征向量提取出来；

8、所述多视角特征融合模块被配置为：利用所述前景原型提取模块得到的血管代表性特征向量，对多个局部特征进行筛选，将有用的前景血管信息进行保留，把影响较低的背景信息给抛弃；将所述冠心病冠脉造影图像的全局特征和筛选后的局部特征进行融合；

9、所述分类器被配置为将融合后的特征进行关键信息提取，输出冠心病分类结果。

10、可选的，所述全局特征微调模块包括依次连接的：多头注意力、前向传播层、适配层以及归一化层；

11、所述适配层包括依次连接的：下采样层、nonlinearity模块和上采样层，所述多头注意力中，每个注意力头hi的计算公式表示为：

12、

13、其中q为查询，k为键，v为值，为q通过全连接层后得到的参数，为k通过全连接层后得到的参数，为v通过全连接层后得到的参数。

14、可选的，所述局部特征微调模块包括依次连接的：下采样层、非线性激活函数和上采样层，所述局部特征微调模块通过梯度下降自适应地提取冠脉造影图像的局部特征信息；在给定输入x的情况下，所述局部特征微调模块的前馈过程表示如下：

15、xdown＝wdownx+bdown

16、xup＝relu(xdown)wup+bup

17、其中，wdown表示下采样矩阵，bdown表示下采样偏置，wup表示上采样矩阵，bup表示上采样偏置。

18、可选的，所述前景原型提取模块的工作过程包括：

19、首先标注几例冠脉造影图像的血管标注图，然后分别使用掩码平均池化得到多个原型，然后对所述多个原型进行平均操作，最后得到一个冠脉造影图像造影部分的血管代表性特征向量，表示为：

20、

21、其中k表示每张有标签图像的索引，表示第k个原型。

22、可选的，所述多视角特征融合模块的工作过程包括：

23、计算所述血管代表性特征向量与每个局部特征向量的余弦相似度，并给出阈值；对于大于所述阈值的局部特征向量，判定为有效的前景特征向量；对于低于所述阈值的局部特征向量，判定为背景信息，然后对其进行丢弃处理；

24、将所述有效的前景特征向量与全局信息进行融合，从而获得更加全局和综合的特征表示。

25、可选的，所述余弦相似度的计算表示为：

26、

27、其中表示每个局部特征图相似度图，pl表示所述血管代表性特征向量，表示一个局部特征向量。

28、可选的，所述分类器包括：3x3卷积层、1x1卷积层、3x3 dw卷积层、1x1卷积层和sigmoid操作层，所述分类器的表达式为：

29、p＝σ(wf4(wf3(wf2(wf1(x)))))

30、其中，wf1、wf2、wf3和wf4分别表示卷积，σ为sigmoid操作，其中wf3为dw卷积。

31、本发明的第二个目的在于提供一种冠心病辅助诊断系统的操作方法，包括：

32、步骤1：获取冠心病冠脉造影图像；

33、步骤2：利用如上任一项所述的冠心病分类模块对所述冠心病冠脉造影图像进行分类，得到分类结果。

34、本发明的第三个目的在于提供一种冠心病辅助诊断装置，包括存储器和处理器；

35、所述存储器，用于存储计算机程序；

36、所述处理器，用于当执行所述计算机程序时，实现如上所述的冠心病辅助诊断系统的操作方法。

37、本发明的第四个目的在于提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的冠心病辅助诊断系统的操作方法。

38、本发明有益效果是：

39、本发明的冠心病辅助诊断系统可以对冠心病血管结构图像进行批处理，得到最后的患病诊断分类结果；本发明利用微调编码器、前景原型提取器、多视角特征融合模块和分类器构造标注模型，有效地挖掘了冠心病血管结构图像中的局部和全局先验信息，解决了冠心病早期筛查难的问题；本发明利用多视角特征融合模块，充分学习多个视角之间的有效信息协同互作关系进一步提高所述基于人工智能的冠心病分类模型的鲁棒性和泛化能力，相比于现有技术，本发明可以基于少量的冠状动脉造影数据构建快速、精准的冠心病早期筛查辅助系统，从而实现快速、精准、高通量的冠心病诊断。

技术特征：

1.一种冠心病辅助诊断系统，其特征在于，所述系统包括：

2.根据权利要求1所述的冠心病辅助诊断系统，其特征在于，所述全局特征微调模块包括依次连接的：多头注意力、前向传播层、适配层以及归一化层；

3.根据权利要求1所述的冠心病辅助诊断系统，其特征在于，所述局部特征微调模块包括依次连接的：下采样层、非线性激活函数和上采样层，所述局部特征微调模块通过梯度下降自适应地提取冠脉造影图像的局部特征信息；在给定输入x的情况下，所述局部特征微调模块的前馈过程表示如下：

4.根据权利要求1所述的冠心病辅助诊断系统，其特征在于，所述前景原型提取模块的工作过程包括：

5.根据权利要求1所述的冠心病辅助诊断系统，其特征在于，所述多视角特征融合模块的工作过程包括：

6.根据权利要求5所述的冠心病辅助诊断系统，其特征在于，所述余弦相似度的计算表示为：

7.根据权利要求1所述的冠心病辅助诊断系统，其特征在于，所述分类器包括：3x3卷积层、1x1卷积层、3x3 dw卷积层、1x1卷积层和sigmoid操作层，所述分类器的表达式为：

8.如权利要求1-7任一项所述的冠心病辅助诊断系统的操作方法，其特征在于，所述方法包括：

9.一种冠心病辅助诊断装置，其特征在于，包括存储器和处理器；

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求8所述的冠心病辅助诊断系统的操作方法。

技术总结本发明公开了一种冠心病辅助诊断系统、系统操作方法及诊断装置，属于医疗辅助诊断装置领域。所述系统的冠心病分类模块包括：微调编码器、前景原型提取模块、多视角特征融合模块和分类器；微调编码器包括：VIT冻结编码块、全局特征微调模块和局部特征微调模块；本发明有效地挖掘了冠心病血管结构图像中的局部和全局先验信息，解决了冠心病早期筛查难的问题；可以充分学习多个视角之间的有效信息协同互作关系进一步提高冠心病分类模型的鲁棒性和泛化能力，相比于现有技术，本发明可以基于少量的冠状动脉造影数据构建快速、精准的冠心病早期筛查辅助系统，从而实现快速、精准、高通量的冠心病诊断。技术研发人员：姜勇,贾博岩,孟桂先,孙美艳,初迪,王瑞楠,赵莹,钟声宇,侯琪,马睿,周函竹受保护的技术使用者：吉林医药学院技术研发日：技术公布日：2024/11/14