基于序列造影的冠脉SYNTAX分数自动计算方法与系统技术方案

基于序列造影的冠脉SYNTAX分数自动计算方法与系统，能够自动地完成冠脉解剖结构识别、冠脉狭窄检测和冠脉不良病征判断，最终自动地完成冠脉SYNTAX评分，可以辅助准确地掌握病人冠脉病变情况，高效地完成患者病情的诊断过程。方法包括：(1)从序列造影图像的关键帧中提取较完整的冠脉血管结构；(2)对冠脉血管结构进行解剖结构的识别，并保留与冠脉解剖模式图相对应的冠脉段；(3)由关键帧上已知的冠脉段进行引导，实现序列造影图像上对应冠脉段的跟踪；(4)在序列的冠脉结构上进行狭窄病变的检测；(5)在检测到的狭窄病变基础上，对其是否有不良病征进行判断；(6)根据SYNTAX评分准则，进行SYNTAX分值的自动计算。

【技术实现步骤摘要】
基于序列造影的冠脉SYNTAX分数自动计算方法与系统
本专利技术涉及医学图像处理的
，尤其涉及一种基于序列造影的冠脉SYNTAX分数自动计算方法，以及基于序列造影的冠脉SYNTAX分数自动计算系统。
技术介绍
附着在心脏表面的冠状动脉若供血不足可导致心肌缺血、缺氧，在临床上引发胸痛、胸闷等症状，也称冠心病。众所周知，冠心病是全球重要死亡因素。临床上，冠脉供血不足大多数是由血管管腔狭窄所致，因此冠心病最常规的诊断思路是判断冠脉血管有无缺血存在。临床上，序列冠脉造影是检测血管最直接、最客观的方法，同时也是医生用来判断冠脉狭窄的金标准。为了能够量化冠心病患者的病情，并为后续手术方案的选择提供客观支撑，国际上权威心脏病学会发布指南，使用SYNTAX评分标准来量化冠脉病变。该评分标准以患者的冠脉解剖与冠脉病变位置、病变程度与病变特点为基础，实现了对患者冠脉病变情况的量化评价。SYNTAX分数的计算要求医师将二维冠脉造影图像中每支冠脉血管与标准冠脉解剖模式图上的冠脉节段进行对应，并且需要对每处冠脉病变的位置、结构、程度、是否有不良病征做出准确判断。总的来讲，该分数计算过程需要医师基于二维序列造影图像完成冠脉狭窄的判断、冠脉解剖结构的识别以及狭窄不良病征的分析三步骤。然而，由于造影剂的注入，人为判断冠脉狭窄时常受图像中造影剂短暂堵塞影响，出现狭窄病变判断错误的情况。同时，因透视成像原理，二维血管造影图像上会出现较多的血管交叠情况，极易形成环形、伪分叉点等结构，导致人为对应冠脉段的困难。另外，对冠脉狭窄是否为指定不良病征的分析十分复杂。由于上述原因，对于冠脉造影读片经验不足的医师来说，SYNTAX评分准确性难以保证，即使是对于经验丰富的医师，评分过程同样耗时较长，难以广泛应用。
技术实现思路
为克服现有技术的缺陷，本专利技术提出一种自动的SYNTAX分数计算方法，自动完成冠脉解剖结构识别、冠脉狭窄检测和冠脉不良病征判断，最终自动完成冠脉SYNTAX评分，辅助医师准确掌握冠脉病变情况，高效完成病情诊断。本专利技术的技术方案是：基于序列造影的冠脉SYNTAX分数自动计算方法，其包括以下步骤：(1)从序列造影图像的关键帧中提取较完整的冠脉血管结构；(2)对冠脉血管结构进行解剖结构的识别，并保留与冠脉解剖模式图相对应的冠脉段；(3)由关键帧上已知的冠脉段进行引导，实现序列造影图像上对应冠脉段的跟踪；(4)在序列的冠脉结构上进行狭窄病变的检测；(5)在检测到的狭窄病变基础上，对其是否有不良病征进行进一步的判断；(6)根据SYNTAX评分准则，进行SYNTAX分值的自动计算。本专利技术从序列造影图像中确定造影剂注射后心脏处于舒张状态下，且冠脉结构显影完整、血管分支交叠少的关键帧图像，随后在关键帧图像上对冠脉血管中心线进行提取，得到图像上全部血管结构的中心线结果，随后综合利用关键帧图像上血管结构的纹理特征和已知的血管结构中心线，对已提取出的血管结构进行解剖分段的识别，保留临床计算SYNTAX分数时与标准冠脉解剖模式图对应的冠脉段，利用关键帧图像上的冠脉段做引导，在完整的序列造影图像上跟踪指定冠脉段，随后综合分析序列图像上的冠脉段结构，完成冠脉狭窄检测，得到狭窄部位，根据9种不良病征定义，在狭窄附近对病变进行进一步分析，进而完成完整的SYNTAX分数计算。本专利技术能够自动地完成冠脉解剖结构识别、冠脉狭窄检测和冠脉不良病征判断，最终自动地完成冠脉SYNTAX评分，可以辅助医师掌握病人冠脉病变情况，高效地完成病情的诊断过程。还提供了基于序列造影的冠脉SYNTAX分数自动计算系统，其包括：提取模块，其配置来从序列造影图像的关键帧中提取较完整的冠脉血管结构；识别模块，其配置来对冠脉血管结构进行解剖结构的识别，并保留与冠脉解剖模式图相对应的冠脉段；跟踪模块，其配置来由关键帧上已知的冠脉段进行引导，实现序列造影图像上对应冠脉段的跟踪；检测模块，其配置来在序列的冠脉结构上进行狭窄病变的检测；判断模块，其配置来在检测到的狭窄病变基础上，对其是否有不良病征进行进一步的判断；计算模块，其配置来根据SYNTAX评分准则，进行SYNTAX分值的自动计算。附图说明图1是根据本专利技术的基于序列造影的冠脉SYNTAX分数自动计算方法的流程图。图2是根据本专利技术的步骤(1)的流程图。图3是根据本专利技术的步骤(2)的流程图。图4是根据本专利技术的步骤(3)的流程图。图5是根据本专利技术的步骤(4)的流程图。图6是根据本专利技术的步骤(5)的一种冠脉不良病征判断的流程图。图7是根据本专利技术的步骤(5)的另一种冠脉不良病征判断的流程图。图8是根据本专利技术的步骤(5)的另一种冠脉不良病征判断的流程图。图9是根据本专利技术的步骤(5)的另一种冠脉不良病征判断的流程图。图10是根据本专利技术的步骤(5)的另一种冠脉不良病征判断的流程图。具体实施方式如图1所示，这种基于序列造影的冠脉SYNTAX分数自动计算方法，其包括以下步骤：(1)从序列造影图像的关键帧中提取较完整的冠脉血管结构；(2)对冠脉血管结构进行解剖结构的识别，并保留与冠脉解剖模式图相对应的冠脉段；(3)由关键帧上已知的冠脉段进行引导，实现序列造影图像上对应冠脉段的跟踪；(4)在序列的冠脉结构上进行狭窄病变的检测；(5)在检测到的狭窄病变基础上，对其是否有不良病征进行进一步的判断；(6)根据SYNTAX评分准则，进行SYNTAX分值的自动计算。本专利技术从序列造影图像中确定造影剂注射后心脏处于舒张状态下，且冠脉结构显影完整、血管分支交叠少的关键帧图像，随后在关键帧图像上对冠脉血管中心线进行提取，得到图像上全部血管结构的中心线结果，随后综合利用关键帧图像上血管结构的纹理特征和已知的血管结构中心线，对已提取出的血管结构进行解剖分段的识别，保留临床计算SYNTAX分数时与标准冠脉解剖模式图对应的冠脉段，利用关键帧图像上的冠脉段做引导，在完整的序列造影图像上跟踪指定冠脉段，随后综合分析序列图像上的冠脉段结构，完成冠脉狭窄检测，得到狭窄部位，根据9种不良病征定义，在狭窄附近对其进行进一步分析，进而完成完整的SYNTAX分数计算，本专利技术能够自动地完成冠脉解剖结构识别、冠脉狭窄检测和冠脉不良病征判断，最终自动地完成冠脉SYNTAX评分，可以辅助医师掌握病人冠脉病变情况，高效地完成病情的诊断过程。优选地，所述步骤(1)中，首先利用血管分割方法得到关键帧造影图像中的冠脉血管区域，随后对该区域进行中心位置的增强，这种增强为骨架增强；利用非极大值抑制操作得到冠脉区域内骨架增强后响应最大的血管中心线结构；利用这初始的血管中心线骨架信息，基于张量分解特征值得到骨架中断裂处的连接概率；同时，利用关键帧造影图像原图的纹理信息以及从造影图像上分析来的冠脉血管走势方向信息构建基于纹理以及基于方向的连接概率；三种连接概本文档来自技高网...

【技术保护点】
1.基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：其包括以下步骤：/n(1)从序列造影图像的关键帧中提取较完整的冠脉血管结构；/n(2)对冠脉血管结构进行解剖结构的识别，并保留与冠脉解剖模式图相对应的冠脉段；/n(3)由关键帧上已知的冠脉段进行引导，实现序列造影图像上对应冠脉段的跟踪；/n(4)在序列的冠脉结构上进行狭窄病变的检测；/n(5)在检测到的狭窄病变基础上，对其是否有不良病征进行进一步的判断；/n(6)根据SYNTAX评分准则，进行SYNTAX分值的自动计算。/n

【技术特征摘要】
1.基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：其包括以下步骤：
(1)从序列造影图像的关键帧中提取较完整的冠脉血管结构；
(2)对冠脉血管结构进行解剖结构的识别，并保留与冠脉解剖模式图相对应的冠脉段；
(3)由关键帧上已知的冠脉段进行引导，实现序列造影图像上对应冠脉段的跟踪；
(4)在序列的冠脉结构上进行狭窄病变的检测；
(5)在检测到的狭窄病变基础上，对其是否有不良病征进行进一步的判断；
(6)根据SYNTAX评分准则，进行SYNTAX分值的自动计算。


2.根据权利要求1所述的基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：所述步骤(1)中，首先利用血管分割方法得到关键帧造影图像中的冠脉血管区域，随后对该区域进行中心位置的增强，这种增强为骨架增强；利用非极大值抑制操作得到冠脉区域内骨架增强后响应最大的血管中心线结构；利用这初始的血管中心线骨架信息，基于张量分解特征值得到骨架中断裂处的连接概率；同时，利用关键帧造影图像原图的纹理信息以及从造影图像上分析来的冠脉血管走势方向信息构建基于纹理以及基于方向的连接概率；三种连接概率图通过加权融合构成初始血管骨架断桥连接概率图；随后在初始血管骨架断裂处，基于连接概率图，利用路径搜索对断桥进行连接，得到完整的血管中心线结果。


3.根据权利要求1所述的基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：所述步骤(2)包括以下分步骤：
(2.1)基于关键帧造影图像和对应的血管骨架，使用卷积神经网络对其中血管点的纹理特征进行编码；
(2.2)基于血管骨架，使用图嵌入操作对血管点的拓扑特征进行编码；
(2.3)将血管点的纹理特征和拓扑特征进行融合，得到血管点的空间特征；
(2.4)利用神经网络反卷积模块对血管点的空间特征进行解码，恢复血管点到初始图像的位置；
(2.5)使用分类网络对图像中每个血管点进行解剖段的分类。


4.根据权利要求1所述的基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：所述步骤(3)中，使用从关键帧上得到的指定冠脉解剖段结构，以其为参考，在整个序列造影图像中造影剂充溢完整的盈片图像上跟踪与之对应的冠脉解剖段。


5.根据权利要求1所述的基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：所述步骤(4)包括以下分步骤：
(4.1)从序列造影图像中选择待检测的一帧图像及其前后各连续2帧图像，这五帧图像构成本模块的输入，利用带注意力机制的图像特征提取网络得到五帧图像各自的特征图；
(4.2)使用带有注意力机制的特征融合网络对上述五个不同时刻得到的特征图进行各个尺度的融合；
(4.3)使用目标检测中常见的特征金字塔操作对上述不同尺度下的特征进行再次融合，得到最终待处理特征图；
(4.4)与目标检测任务一致，利用区域生成网络在特征图基础上得到若干目标定位框，随后利用感兴趣区域特征提取网络从特征图上得到目标框内特征，使用分类网络对目标内特征进行分类，得到最终是否为狭窄类别的概率值；使用回归网络对目标位置坐标值及宽和高进行回归。


6.根据权利要求1所述的基于序列造影的冠脉SYNTAX分数自动计算方法，其特征在于：所述步骤(5)中的不良病征进一步判断包括：开口病变、三...

【专利技术属性】
技术研发人员：杨健，范敬凡，艾丹妮，方慧卉，王涌天，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11