[发明专利]血管壁斑块识别设备、系统、方法及存储介质

权利要求书

1.一种血管壁斑块识别设备，其特征在于，包括：存储器及处理器，所述处理器执行所述存储器中存储的计算机程序时实现如下步骤：

获得血管壁磁共振MRI图像；

对所述MRI图像进行预处理，得到初始图像；将所述初始图像输入至深度学习神经网络进行所述斑块的识别，得到识别结果；

在深度学习神经网络中：

初始图像输入到第一段卷积神经网络进行卷积计算的初始特征提取，所到的特征图经池化层处理后，再输出至第二段卷积神经网络、第三段卷积神经网络及第四段卷积神经网络进行进一步的特征提取，得到卷积特征图像；

卷积特征图像输入到区域候选网络进行候选区域提取后进入区域池化网络中，根据候选框的位置坐标，将候选区域特征图池化为固定尺寸的池化特征图，所有池化特征图构成初始的全连接特征图；

初始的全连接特征图经由第五段卷积神经网络处理后进入全连接子网络的分类网络层、回归网络层及掩膜网络层中；通过分类网络层判断候选区域是前景还是背景；通过回归网络层预测候选框中心锚点的坐标、高与宽，修正候选框的坐标；通过掩膜网络层利用一定尺寸的卷积核对相应确定为钙化灶并经过位置修正的候选区域特征图进行上采样后进行卷积处理，将得到特征图进行掩膜处理，对前景与背景进行分割。

2.如权利要求1所述的设备，其特征在于，对所述初始图像进行特征提取处理，得到卷积特征图像，具体为：

采用四段残差卷积神经网络对所述初始图像进行特征提取处理，

其中，所述残差卷积神经网络中包括卷积网络层、激活函数网络层及批量归一化网络层。

3.如权利要求2所述的设备，其特征在于，采用四段残差卷积神经网络对所述初始图像进行特征提取处理，具体包括下述步骤：

通过所述批量归一化网络层对输入的批量数据求均值；根据所述均值求所述批量数据的方差；

根据所述均值及所述方差，对所述批量数据进行标准化处理，得到批量标准数据；

采用调整因子对所述批量标准数据进行处理，得到具有与输入的所述批量数据的分布相同或类似的批量调整数据以进行输出。

4.一种血管壁斑块识别系统，其特征在于，所述系统包括：

获取模块，用于获得血管壁磁共振MRI图像；以及，

识别模块，用于利用深度学习方法对所述MRI图像中的斑块进行识别；

其中，所述识别模块具体包括：

预处理模块，用于对所述MRI图像进行预处理，得到初始图像；以及，

深度学习模块，用于将所述初始图像输入至深度学习神经网络进行所述斑块的识别，得到识别结果；

在深度学习神经网络中：

初始图像输入到第一段卷积神经网络进行卷积计算的初始特征提取，所到的特征图经池化层处理后，再输出至第二段卷积神经网络、第三段卷积神经网络及第四段卷积神经网络进行进一步的特征提取，得到卷积特征图像；

卷积特征图像输入到区域候选网络进行候选区域提取后进入区域池化网络中，根据候选框的位置坐标，将候选区域特征图池化为固定尺寸的池化特征图，所有池化特征图构成初始的全连接特征图；

初始的全连接特征图经由第五段卷积神经网络处理后进入全连接子网络的分类网络层、回归网络层及掩膜网络层中；通过分类网络层判断候选区域是前景还是背景；通过回归网络层预测候选框中心锚点的坐标、高与宽，修正候选框的坐标；通过掩膜网络层利用一定尺寸的卷积核对相应确定为钙化灶并经过位置修正的候选区域特征图进行上采样后进行卷积处理，将得到特征图进行掩膜处理，对前景与背景进行分割。