一种高危斑块的确定方法、装置、电子设备及存储介质与流程

本技术涉及医学图像处理，尤其是涉及一种高危斑块的确定方法、装置、电子设备及存储介质。

背景技术：

1、冠心病(coronary artery disease,cad)是导致全球死亡的主要原因之一，其发病机制通常涉及冠状动脉内的动脉粥样硬化斑块形成。高危斑块，尤其是那些具有较大脂质核心、薄纤维帽或斑块表面不规则的斑块，容易发生破裂，进而引发急性冠脉事件。早期、准确地识别这些高危斑块对于预防和治疗冠心病至关重要。

2、近年来，ct血管成像(cta)等非侵入性影像技术已成为冠脉斑块检测的主要工具。然而，传统的影像分析方法主要依赖于人工标注和经验判断，存在主观性强、重复性差的问题。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种高危斑块的确定方法、装置、电子设备及存储介质，通过多步处理和ai模型的应用，实现了从原始医学影像到高危斑块精准识别的全流程自动化分析，并且还可提高斑块检测的准确性，最终可为冠状动脉疾病的早期诊断和风险评估提供有力支持。

2、本技术实施例提供了一种高危斑块的确定方法，所述确定方法包括：

3、获取根据原始冠脉医学影像所确定的三维血管模型以及血管中心线；

4、遍历所述血管中心线上的每个中心点，对所述三维血管模型中进行图像块提取，获取每个中心点处的初始三维图像数据块；

5、通过预先训练完成的斑块区域识别模型，对每个初始三维图像数据块进行识别，确定包括斑块区域的候选三维图像数据块；

6、通过预先训练完成的斑块类型识别模型，对每个候选三维图像数据块进行识别，确定包括高危斑块的目标三维图像数据块；

7、对包括高危斑块的目标三维图像数据块进行整合，输出高危斑块预测结果。

8、可选的，所述遍历所述血管中心线上的每个中心点，对所述三维血管模型中进行图像块提取，获取每个中心点处的初始三维图像数据块，包括：

9、遍历所述血管中心线上的每个中心点，确定该中心点处血管的外径尺寸；

10、根据该中心点处血管的外径尺寸，沿该中心点处血管中心线的切线方向进行图像块提取处理，确定该中心点处的初始三维图像数据块。

11、可选的，所述根据该中心点处血管的外径尺寸，沿该中心点处血管中心线的切线方向进行图像块提取处理，确定该中心点处的初始三维图像数据块，包括：

12、根据该中心点处血管的外径尺寸以及预设提取规则，确该中心点处对应的三维图像数据块的尺寸；

13、根据确定出的三维图像数据块的尺寸，沿该中心点处血管中心线的切线方向进行图像块提取处理，确定该中心点处的初始三维图像数据块。

14、可选的，所述通过预先训练完成的斑块区域识别模型，对每个初始三维图像数据块进行识别，确定包括斑块区域的候选三维图像数据块，包括：

15、针对每个初始三维图像数据块，将该初始三维图像数据块输入至斑块区域识别模型中；

16、通过所述斑块区域识别模型对所述初始三维图像数据块中的每个像素点进行分析，确定该初始三维图像数据块的定位向量；

17、根据每个初始三维图像数据块的定位向量，确定包括斑块区域的候选三维图像数据块。

18、可选的，所述对包括高危斑块的目标三维图像数据块进行整合，输出高危斑块预测结果，包括：

19、将位于同一血管段且满足预设间隔距离的目标三维图像数据块合并成一个连续区域，并输出该连续区域的初始合并结果；

20、对所述初始合并结果进行降噪处理，确定该连续区域的最终合并结果，并基于最终合并结果输出高危斑块预测结果。

21、可选的，所述高危斑块预测结果包括以下至少一项内容：高危斑块的类别、高危斑块在血管中的起始位置、高危斑块在血管中占据的尺寸信息。

22、可选的，通过以下步骤确定三维血管模型以及血管中心线：

23、获取原始冠脉医学影像；

24、对所述原始冠脉医学影像进行血管识别及管腔分割处理，确定出三维血管模型；

25、对所述三维血管模型进行中心线提取处理，确定出所述血管中心线。

26、本技术实施例还提供了一种高危斑块的确定装置，所述确定装置包括：

27、获取模块，用于获取根据原始冠脉医学影像所确定的三维血管模型以及血管中心线；

28、提取模块，用于遍历所述血管中心线上的每个中心点，对所述三维血管模型中进行图像块提取，获取每个中心点处的初始三维图像数据块；

29、第一识别模块，用于通过预先训练完成的斑块区域识别模型，对每个初始三维图像数据块进行识别，确定包括斑块区域的候选三维图像数据块；

30、第二识别模块，用于通过预先训练完成的斑块类型识别模型，对每个候选三维图像数据块进行识别，确定包括高危斑块的目标三维图像数据块；

31、整合模块，用于对包括高危斑块的目标三维图像数据块进行整合，输出高危斑块预测结果。

32、可选的，所述提取模块在用于遍历所述血管中心线上的每个中心点，对所述三维血管模型中进行图像块提取，获取每个中心点处的初始三维图像数据块时，所述提取模块用于：

33、遍历所述血管中心线上的每个中心点，确定该中心点处血管的外径尺寸；

34、根据该中心点处血管的外径尺寸，沿该中心点处血管中心线的切线方向进行图像块提取处理，确定该中心点处的初始三维图像数据块。

35、可选的，所述提取模块在用于根据该中心点处血管的外径尺寸，沿该中心点处血管中心线的切线方向进行图像块提取处理，确定该中心点处的初始三维图像数据块时，所述提取模块用于：

36、根据该中心点处血管的外径尺寸以及预设提取规则，确该中心点处对应的三维图像数据块的尺寸；

37、根据确定出的三维图像数据块的尺寸，沿该中心点处血管中心线的切线方向进行图像块提取处理，确定该中心点处的初始三维图像数据块。

38、可选的，所述第一识别模块在用于通过预先训练完成的斑块区域识别模型，对每个初始三维图像数据块进行识别，确定包括斑块区域的候选三维图像数据块时，所述第一识别模块用于：

39、针对每个初始三维图像数据块，将该初始三维图像数据块输入至斑块区域识别模型中；

40、通过所述斑块区域识别模型对所述初始三维图像数据块中的每个像素点进行分析，确定该初始三维图像数据块的定位向量；

41、根据每个初始三维图像数据块的定位向量，确定包括斑块区域的候选三维图像数据块。

42、可选的，所述整合模块在用于对包括高危斑块的目标三维图像数据块进行整合，输出高危斑块预测结果时，所述整合模块用于：

43、将位于同一血管段且满足预设间隔距离的目标三维图像数据块合并成一个连续区域，并输出该连续区域的初始合并结果；

44、对所述初始合并结果进行降噪处理，确定该连续区域的最终合并结果，并基于最终合并结果输出高危斑块预测结果。

45、可选的，所述高危斑块预测结果包括以下至少一项内容：高危斑块的类别、高危斑块在血管中的起始位置、高危斑块在血管中占据的尺寸信息。

46、可选的，所述确定装置还包括处理模块，所述处理模块用于通过以下步骤确定三维血管模型以及血管中心线：

47、获取原始冠脉医学影像；

48、对所述原始冠脉医学影像进行血管识别及管腔分割处理，确定出三维血管模型；

49、对所述三维血管模型进行中心线提取处理，确定出所述血管中心线。

50、本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的确定方法的步骤。

51、本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的确定方法的步骤。

52、本技术实施例提供的一种高危斑块的确定方法、装置、电子设备及存储介质，所述确定方法包括：获取根据原始冠脉医学影像所确定的三维血管模型以及血管中心线；遍历所述血管中心线上的每个中心点，对所述三维血管模型中进行图像块提取，获取每个中心点处的初始三维图像数据块；通过预先训练完成的斑块区域识别模型，对每个初始三维图像数据块进行识别，确定包括斑块区域的候选三维图像数据块；通过预先训练完成的斑块类型识别模型，对每个候选三维图像数据块进行识别，确定包括高危斑块的目标三维图像数据块；对包括高危斑块的目标三维图像数据块进行整合，输出高危斑块预测结果。

53、这样，本方案通过多步骤的精准处理和基于ai模型的分析，实现了从三维冠脉影像数据中自动化、精确地识别和定位高危斑块的目标。这种方法能够有效提高斑块检测的敏感性和特异性，并提供详细的斑块类型和位置数据，对心血管疾病的早期诊断和干预具有重要意义。此外，利用降噪和区域整合等技术手段，进一步增强了预测结果的可靠性，减少了因噪声导致的误判。此外，本方案还可为临床医生提供高质量的决策支持工具，有助于改善患者的治疗效果。

54、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。