[发明专利]血管壁斑块识别设备、系统、方法及存储介质

说明书

本发明适用医疗技术领域，提供了一种血管壁斑块识别设备、系统、方法及存储介质，首先获得血管壁磁共振MRI图像；利用深度学习方法对所述MRI图像中的斑块进行识别。这样，采用深度学习方法进行血管壁斑块的识别，可极大地减少人工，提高斑块识别的准确性，从而提高了识别效率并能保证识别准确率。采用MRI对缺血性脑卒中相关血管床斑块进行全面、精确的影像评估，并利用人工智能进行快速准确诊断，对脑卒中高危人群筛查和病因探查以防止再发具有十分重要的意义。

技术领域

本发明属于医疗技术领域，尤其涉及一种血管壁斑块识别设备、系统、方法及存储介质。

背景技术

磁共振成像(Magnetic Resonance Imaging，MRI)是目前唯一能够清晰显示全身动脉粥样硬化斑块的无创性成像方法。血管壁MRI不仅可以对颅内动脉、颈动脉和主动脉等全身血管斑块进行定量分析，也能够准确识别易损斑块的纤维帽、出血、钙化、脂质核、炎症等不稳定性特征，是目前公认最好的斑块成像方法。

随着MRI设备的国产化和社会应用的普及，以及MRI斑块成像的独特优势，采用MRI对脑卒中高危人群进行全面斑块筛查和脑卒中病因探寻，必将成为我国未来脑卒中防治的重要手段。而且，由于三维高分辨MRI血管壁成像的数据量巨大，每位检查者的图像可达到500幅，有经验的专业医生至少需要花费30分钟才能完成一名检查者的诊断，工作量偏大，效率偏低，且识别准确率会因为医生疲劳等状况的出现而无法有效保证。

发明内容

本发明的目的在于提供一种血管壁斑块识别设备、系统、方法及存储介质，旨在解决现有技术所存在的、人工识别血管壁斑块所导致效率偏低和识别准确率无法有效保证的问题。

一方面，本发明提供了一种血管壁斑块识别设备，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；

利用深度学习方法对所述MRI图像中的斑块进行识别。

进一步的，利用深度学习方法对所述MRI图像中的斑块进行识别，具体包括下述步骤：

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。

进一步的，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，具体包括下述步骤：

对所述初始图像进行特征提取处理，得到卷积特征图像；

对所述卷积特征图像确定候选区域，相应得到全连接特征图；

基于所述全连接特征图进行分类，得到所述识别结果。

进一步的，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：

采用若干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。

进一步的，采用若干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。

另一方面，本发明提供了一种血管壁斑块识别系统，所述系统包括：