[发明专利]CTA影像数据识别方法、装置及存储介质

说明书

本发明提供一种CTA影像数据识别方法、装置及存储介质，接收预处理后的图像，所述预处理后的图像中仅包含动脉图形；对动脉图形中的每个体素进行预测，得到动脉图形中每个体素为动脉瘤的概率；将体素为动脉瘤的概率大于预设值的标记位动脉瘤。上述的步骤通过HCNN模型执行处理，所述HCNN模型为具有编码器‑解码器结构的CNN；所述编码器用于将一个卷映射为抽象的低分辨率的编码；所述解码器用于将所述编码扩展为一个全分辨率的分割卷。本发明中的HCNN模型能够检测图像、影像中具有可变矩形盒的目标物体，进而能够检测动脉中各种大小的动脉瘤，提高了动脉瘤识别的准确率。

技术领域

本发明涉及CTA影像处理技术，尤其涉及一种CTA影像数据识别方法、装置及存储介质。

背景技术

颅内动脉瘤是相对常见的威胁生命的疾病，在总人口中的患病率为3.2％1，在自发性蛛网膜下腔出血患者中占85％2。由于高级成像技术的广泛应用，越来越多地检测到颅内动脉瘤。动脉瘤占所有卒中的5-10％，但它可能导致很高的死亡率，幸存者可能遭受长期的神经心理影响并降低生活质量。基层医疗机构的早期诊断可以既影响临床管理和引导脑出血患者的预后管理。对于自发性蛛网膜下腔出血的患者，及时准确地鉴定颅内动脉瘤，对于立即干预或外科手术治疗至关重要，而对于没有颅内动脉瘤的患者，可靠排除颅内动脉瘤对专业治疗也很重要，诊断未破裂的动脉瘤是至关重要的临床任务。

计算机断层扫描血管造影(CTA)是一种无创，方便和可靠的方式来检测颅内动脉瘤。美国心脏协会和中风协会指南已建议将CTA作为检测和随访未破裂/破裂颅内动脉瘤，以及手术前规划的有用工具。但是，CTA的诊断非常耗时，并且需要专科训练的神经放射学家进行操作，医生相互间的诊断结果往往不一致，对可靠的诊断提出了额外的难度。诊断的准确性跟多个因素都有关系，包括动脉瘤的大小，计算机断层扫描影像设备的多样性(Computed Tomography，CT，16排或者64排)，医学数字成像和通信协议(Digital Imagingand Communications in Medicine，DICOM)的标准性，设备采集图像的质量，图像后处理算法以及放射科医生的经验水平差异。这些因素导致CTA的有效诊断率在28％到97.8％之间。急性缺血性卒中指南也强烈推荐使用CTA来随访发病后进行机械血栓切除的患者。因此，放射科医生检测或排除颅内动脉瘤的工作量正在迅速增加，而在CTA上排除颅内动脉瘤仍然是一项艰巨的任务。这需要放射科医生从图像中检测动脉瘤，特别是那些小尺寸的动脉瘤。这可能导致在临床实践中动脉瘤的检测不足。目前临床上，医院仍然主要通过医生人工进行CTA的筛查，以及动脉瘤的诊断。无论在诊断速度和诊断有效性上，人工诊断都存在很大的挑战。

考虑到上述挑战，迫切需要拥有高性能的计算机辅助诊断(CAD)工具来辅助动脉瘤诊断，提高效率并减少放射科医生之间的分歧。传统风格的CAD系统是基于预先提供的特性或成像功能，如容器曲率，阈值，或一个区域生长算法。当前的动脉瘤识别过程中，对较小的动脉瘤识别率较低。

发明内容

本发明实施例提供一种CTA影像数据识别方法、装置及存储介质，能够检测图像、影像中具有可变矩形盒的目标物体，进而能够检测动脉中各种大小的动脉瘤，提高了动脉瘤识别的准确率。

本发明实施例的第一方面，提供一种CTA影像数据识别方法，包括：

接收预处理后的图像，所述预处理后的图像中仅包含动脉图形；

对动脉图形中的每个体素进行预测，得到动脉图形中每个体素为动脉瘤的概率；

将体素为动脉瘤的概率大于预设值的标记位动脉瘤。

可选地，在第一方面的一种可能实现方式中，上述的步骤通过HCNN模型执行处理，所述HCNN模型为具有编码器-解码器结构的CNN；

所述编码器用于将一个卷映射为抽象的低分辨率的编码；

所述解码器用于将所述编码扩展为一个全分辨率的分割卷。