【技术实现步骤摘要】
本专利技术涉及颈动脉图像识别，尤其涉及一种颈动脉易损斑块识别系统及方法。
技术介绍
1、在预防和治疗心脑血管疾病的过程中，颈动脉易损斑块的准确识别占据着举足轻重的地位。易损斑块，因其内在的不稳定性，一旦破裂，极易触发血栓形成，进而诱发中风或心肌梗死等严重后果。因此，科学评估斑块的稳定性和易损性，对于制定有效的临床干预策略至关重要。
2、尽管超声成像作为一种无创检查手段，在医学领域得到了广泛应用，尤其适合孕妇、儿童等特殊群体，且能实时展现动脉结构与血流动态，为医生提供即时的诊断依据，但其局限性亦不容忽视。具体而言，超声成像在精确区分斑块内部成分(诸如脂质核心、纤维帽、钙化等)方面存在显著不足，这直接限制了其评估斑块易损性的能力。
3、进一步地，超声、ct与磁共振成像虽各有千秋，却也各自面临挑战。超声成像虽实时性强，但分辨率有限；ct成像虽空间分辨率高，却伴随着较高的辐射剂量；磁共振成像虽软组织对比度优越且无辐射，但在某些情况下可能受限于设备复杂性和检查时间。更为关键的是，单一成像模态往往难以全面反映斑块的复杂特性，加之设备性能差异、患者个体差异以及操作者经验水平不一等因素，均可能导致误诊或漏诊的风险增加。
4、尤为值得注意的是，传统超声成像的诊断结果深受操作者经验和技术水平的影响，这种主观性不仅降低了诊断的一致性，还可能对诊断的准确性构成威胁。因此，在现有技术框架下，如何克服这些缺点，实现颈动脉易损斑块的精准识别，成为了亟待解决的重要课题。
技术实现思路>
1、针对现有技术中存在的问题，本专利技术提供一种颈动脉易损斑块识别系统，包括：
2、多模态图像融合模块，用于分别获取超声成像设备、ct成像设备和磁共振成像设备对患者的颈动脉同一部位扫描得到的颈动脉超声图像、颈动脉ct图像以及颈动脉磁共振图像，随后将所述颈动脉超声图像、所述颈动脉ct图像以及所述颈动脉磁共振图像进行多模态图像融合得到融合图像；
3、斑块识别模块，连接所述斑块识别模块，用于对所述融合图像进行易损斑块边界识别，随后基于边界识别结果提取出易损斑块进行再识别，将再识别结果中的不确定区域高亮并通知医护人员复核，随后采集医护人员反馈的复核标识，将所述复核标识与所述再识别结果中的所述不确定区域关联得到最终识别结果。
4、优选的，所述斑块识别模块包括：
5、斑块识别单元，用于将所述融合图像输入预先构建的斑块识别模型识别出所述融合图像中的易损斑块边界，将所述融合图像中被所述易损斑块边界包围的部分作为所述边界识别结果；
6、图像提取单元，连接所述斑块识别单元，用于在所述融合图像中，以所述边界识别结果为基础起点，将易损斑块边界向所述融合图像的边缘进行拓展，将所述融合图像中拓展后的易损斑块边界包围的图像作为再识别图像；
7、不确定标记单元，连接所述图像提取单元，用于将所述再识别图像输入所述斑块识别模型中进行再次识别得到所述再识别结果，并且将所述再识别图像输入贝叶斯神经网络中得到所述再识别图像中不确定区域被高亮标记的识别结果，随后采集医护人员反馈的复核标识，将所述复核标识与所述再识别结果中的所述不确定区域关联得到最终识别结果。
8、优选的，还包括斑块识别构建模块，连接所述斑块识别模块，包括：
9、训练数据采集单元，用于收集包含多幅斑块大小不同的标准易损斑块样本的训练数据集；
10、多尺度特征提取单元，用于在每次训练时，基于输入预先构建的标准卷积神经网络的所述标准易损斑块样本中的斑块大小调整所述标准卷积神经网络的卷积核的尺度进行多尺度特征提取训练得到所述斑块识别模型。
11、优选的，还包括数据预处理模块，连接所述斑块识别模块，包括：
12、模型构建模块，用于收集包含易损斑块样本和多种其他类型斑块样本的真实超声图像数据集，随后构建包含生成器和判别器的生成对抗网络模型，将所述真实超声图像数据集输入所述生成对抗网络模型进行训练得到斑块数据增强模型；
13、数据增强单元，连接所述模型构建模块，用于采用所述斑块数据增强模型中的生成器生成多副合成超声图像添加到所述训练数据集中以扩充所述训练数据集中的数据量。
14、优选的，所述图像提取单元包括：
15、迭代碰膨胀子单元，用于在所述融合图像中，以所述边界识别结果为基础起点，采用形态学膨胀操作将易损斑块边界向所述融合图像的边缘进行多次迭代拓展，直至拓展后的所述易损斑块边界与原本的所述易损斑块边界之间的像素距离达到预设的像素距离，随后将所述融合图像中拓展后的易损斑块边界包围的图像作为再识别图像。
16、本专利技术还提供一种颈动脉易损斑块识别方法，应用于上述的颈动脉易损斑块识别系统，包括：
17、步骤s1，所述颈动脉易损斑块识别系统分别获取超声成像设备、ct成像设备和磁共振成像设备对患者的颈动脉同一部位扫描得到的颈动脉超声图像、颈动脉ct图像以及颈动脉磁共振图像，随后将所述颈动脉超声图像、所述颈动脉ct图像以及所述颈动脉磁共振图像进行多模态图像融合得到融合图像；
18、步骤s2，所述颈动脉易损斑块识别系统对所述融合图像进行易损斑块边界识别，随后基于边界识别结果提取出易损斑块进行再识别，将再识别结果中的不确定区域高亮并通知医护人员复核，随后采集医护人员反馈的复核标识，将所述复核标识与所述再识别结果中的所述不确定区域关联得到最终识别结果。
19、优选的，所述步骤s2包括：
20、步骤s21，所述颈动脉易损斑块识别系统将所述融合图像输入预先构建的斑块识别模型识别出所述融合图像中的易损斑块边界，将所述融合图像中被所述易损斑块边界包围的部分作为所述边界识别结果；
21、步骤s22，所述颈动脉易损斑块识别系统在所述融合图像中，以所述边界识别结果为基础起点，将易损斑块边界向所述融合图像的边缘进行拓展，将所述融合图像中拓展后的易损斑块边界包围的图像作为再识别图像；
22、步骤s23，所述颈动脉易损斑块识别系统将所述再识别图像输入所述斑块识别模型中进行再次识别得到所述再识别结果，并且将所述再识别图像输入贝叶斯神经网络中得到所述再识别图像中不确定区域被高亮标记的识别结果，随后采集医护人员反馈的复核标识，将所述复核标识与所述再识别结果中的所述不确定区域关联得到最终识别结果。
23、优选的，还包括斑块识别构建过程，包括：
24、步骤a1，所述颈动脉易损斑块识别系统收集包含多幅斑块大小不同的标准易损斑块样本的训练数据集；
25、步骤a2，所述颈动脉易损斑块识别系统在每次训练时，基于输入预先构建的标准卷积神经网络的所述标准易损斑块样本中的斑块大小调整所述标准卷积神经网络的卷积核的尺度进行多尺度特征提取训练得到所述斑块识别模型。
26、优选的，在执行所述步骤a2之前，还包括数据预处理过程，包括：
27、步骤b1，所述颈动脉易损斑块识别系统收集包本文档来自技高网...
【技术保护点】
1.一种颈动脉易损斑块识别系统，其特征在于，包括：
2.根据权利要求1所述的颈动脉易损斑块识别系统，其特征在于，所述斑块识别模块包括：
3.根据权利要求2所述的颈动脉易损斑块识别系统，其特征在于，还包括斑块识别构建模块，连接所述斑块识别模块，包括：
4.根据权利要求3所述的颈动脉易损斑块识别系统，其特征在于，还包括数据预处理模块，连接所述斑块识别模块，包括：
5.根据权利要求3所述的颈动脉易损斑块识别系统，其特征在于，所述图像提取单元包括：
6.一种颈动脉易损斑块识别方法，其特征在于，应用于如权利要求1-5中任意一项所述的颈动脉易损斑块识别系统，包括：
7.根据权利要求6所述的颈动脉易损斑块识别方法，其特征在于，所述步骤S2包括：
8.根据权利要求7所述的颈动脉易损斑块识别方法，其特征在于，还包括斑块识别构建过程，包括：
9.根据权利要求8所述的颈动脉易损斑块识别方法，其特征在于，在执行所述步骤A2之前，还包括数据预处理过程，包括：
10.根据权利要求8所述的颈动脉易损斑块
...【技术特征摘要】
1.一种颈动脉易损斑块识别系统，其特征在于，包括：
2.根据权利要求1所述的颈动脉易损斑块识别系统，其特征在于，所述斑块识别模块包括：
3.根据权利要求2所述的颈动脉易损斑块识别系统，其特征在于，还包括斑块识别构建模块，连接所述斑块识别模块，包括：
4.根据权利要求3所述的颈动脉易损斑块识别系统，其特征在于，还包括数据预处理模块，连接所述斑块识别模块，包括：
5.根据权利要求3所述的颈动脉易损斑块识别系统，其特征在于，所述图像提取单元包括：
6.一种颈动脉易损斑...
【专利技术属性】
技术研发人员：张小英，朱瑞星，黄孟钦，杨晓影，梁洋洋，赵冬冬，
申请(专利权)人：上海深至信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。