【技术实现步骤摘要】
本申请涉及图像处理技术，尤其涉及一种用于冠状动脉钙沉积的检测方法、装置、设备以及计算机可读介质。
技术介绍
1、冠状动脉钙化(coronary artery calcium，cac)是未来冠状动脉事件的独立预测因子。常规的cac量化软件以全心脏为基础评估冠状动脉钙负荷。然而，三维(three-dimensional，3d)cac体积可能包含未使用的重要附加信息，例如所涉及的冠状动脉的数量和每条动脉的钙负荷，这些信息未被例如普遍的全心脏指标如agatston(盖斯顿)评分和体积评分使用。各种背景非专利文献(non-patent literature，npl)在下面列出并涉及这样的问题。
2、对于npl 1和npl2，cac可以用作未来冠状动脉事件的独立预测因子。
3、对于npl3，与agatston评分相比，受钙影响的冠状动脉的百分比可能是冠状动脉风险的更好的预测因子。
4、对于npl 4，个体血管的血管特定钙评分可能是梗阻性疾病的更好的预测因子，而不是全心脏钙评分。
5、对于npl 5至npl 11，算法已经尝试以用于在ct环境中进行自动钙沉积检测。对于npl 5至npl 7，已经尝试了基于传统机器学习的方法，并且对于npl 8至npl11，已经尝试了相对更新的基于深度学习的方法。
6、然而，不利的是，使用传统机器学习的这样的尝试需要特征工程并且因此是耗时的。例如，对于npl5至npl 7的基于传统机器学习的方法，使用处于固定亨氏单位(hounsfield unit)的
7、对于npl8和npl9，首先执行了阈值以获得钙化病变的一组候选对象。对于每个对象，计算来自以对象中心为中心的轴状面、冠状面和矢状面的卷积神经网络(convolutedneural network，cnn)特征以及手动设计的位置特征，并将其馈送到随机森林分类器。
8、对于npl 10和npl 12，已经使用2d unet从钙分割掩码直接学习二元掩码。结果是，这样的掩码在检测冠状动脉钙化方面表现不佳。即使使用固定的hounsfield unit进一步对最初的原始图像进行阈值处理并将来自阈值处理的掩码与来自2d unet的掩码相乘，这些基于深度学习的方法也不能将冠状动脉分支分配给每个检测到的钙病变。
9、npl1:detrano r,guerci ad,carr jj,bild de,burke g,folsom ar,liu k,sheas,szklo m,bluemke da,o'leary dh.coronary calcium as apredictor of coronaryevents in four racial or ethnic groups.new england journal of medicine.2008年3月27；358(13):1336-45.
10、npl 2:polonsky ts,mcclelland rl,jorgensen nw,bild de,burke gl,guerciad,greenland p.coronary artery calcium score and risk classification forcoronary heart disease prediction.jama.2010年4月28；303(16):1610-6.
11、npl3:brown er,kronmal ra,bluemke da等.coronary calciumcoverage score:determination,correlates,and predictive accuracy in the multi-ethnic study ofatherosclerosis.radiology 2008；247:669– 75.
12、npl4:qian z,anderson h,marvasty i等.lesion-and vessel-specificcoronary artery calcium scores are superior to whole-heart agatston andvolume scores in the diagnosis ofobstructive coronary arterydisease.jcardiovasc comput tomogr 2010；4:391 –399.
13、npl5:wolterinkjm,leiner t,de vos bd,coatrieux jl,kelm bm,kondo s,salgado ra,shahzad r,shu h,snoeren m,takx ra.an evaluation of automaticcoronary artery calcium scoring methods with cardiac ct using the orcascoreframework.medical physics.2016年5月1日；43(5):2361-73.
14、npl6:yang g,chen y,ning x,sun q,shu h,coatrieux jl.automatic coronarycalcium scoring using noncontrast and contrast ct images.medical physics.2016年5月1日；43(5):2174-86.
15、npl 7:shahzad r,van walsum t,schaap m,rossi a,klein s,weustink ac,defeyter pj,van vliet lj,niessen wj.vessel specific coronary artery calciumscoring:an automatic system.academic radiology.2013年1月1日；20(1):1-9.
16、npl8:tang h,moradi m,prasanna p,wang h,syeda-mahmood t.an algorithmfor fully automatic detection of calciumin chest ct imaging.in biomedicalimaging(isbi 2017),2017年4月18日的2017ieee第14届国际研讨会(第265-269页).ieee
17、npl9:wolterink jm,leiner t,viergever ma, i.automatic coronarycalcium scoring in cardiac ct an本文档来自技高网...
【技术保护点】
1.一种用于冠状动脉钙沉积的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，训练所述第一神经网络包括：
5.根据权利要求3所述的方法，其特征在于，训练所述第二神经网络包括：
6.根据权利要求5所述的方法，其特征在于，训练所述第二神经网络还包括：
7.根据权利要求6所述的方法，其特征在于，训练所述第二神经网络包括：
8.根据权利要求3所述的方法，其特征在于，在训练所述第一神经网络时限定的第一损失不同于在训练所述第二神经网络时限定的第二损失。
9.根据权利要求1所述的方法，其特征在于，分配所述冠状动脉标记包括：
10.根据权利要求1所述的方法，其特征在于，通过第一神经网络生成所述数据和生成所述分支密度。
11.一种设备，包括：
12.一种非暂态计算机可读介质，其存储指令，所述指令包括一个或多个指令，所述一个或多个指令当由
13.一种用于冠状动脉钙沉积的检测装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种用于冠状动脉钙沉积的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，训练所述第一神经网络包括：
5.根据权利要求3所述的方法，其特征在于，训练所述第二神经网络包括：
6.根据权利要求5所述的方法，其特征在于，训练所述第二神经网络还包括：
7.根据权利要求6所述的方法，其特征在于，训练所述第二神经网络包括：
8.根据权利要求3所述的方法，其特征在于，在训练所...
【专利技术属性】
技术研发人员：唐晖，杨陶，谢于晟，李亚亮，钱真，范伟，
申请(专利权)人：腾讯美国有限责任公司，
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。