[发明专利]一种血管病变的识别方法、系统、存储介质及电子设备

说明书

本发明公开了一种血管病变的识别方法、系统、存储介质及电子设备，其方法包括如下步骤：对获取的多张磁共振成像的血管图像进行标签数据处理，所述血管图像包括亮血成像图像和黑血成像图像；将所述标签数据处理后的各所述血管图像及各所述标签数据输入到卷积神经网络中进行训练，直到满足预设要求获得卷积神经网络模型；将待识别的各所述血管图像输入到所述卷积神经网络模型进行识别，获得所述血管病变的识别结果。本发明提升了血管图像分割的DSC系数，提高了多对比度血管病变磁共振影像分割的准确率，避免了误判血管病变的大小，从而减少误判血管破裂的风险。

技术领域

本发明涉及医疗图像处理技术领域，尤其涉及一种血管病变的识别方法、系统、存储介质及电子设备。

背景技术

颅内动脉瘤(或血管病变)是大脑动脉的异常扩张，在人群中患病率为5-8％。动脉瘤破裂会导致蛛网膜下腔出血，这是一种危及生命的疾病，具有较高的发病率和死亡率。在动脉瘤破裂的患者中，有三分之二的患者会出现突然死亡或患有严重的终身疾病。由于医学成像技术的不断进步，现在可以通过先进的医学成像技术检测到越来越多的未破裂的颅内动脉瘤。

在临床上颅内动脉瘤破裂的风险可以通过PHASES评分进行预测，PHASES评分中是采用六个变量，即人群，高血压，年龄，动脉瘤的大小，蛛网膜下腔出血史和动脉瘤的位置来评估动脉瘤破裂风险。在这六个变量中，动脉瘤大小是最重要的影响破裂的因素。在临床上数字减影血管造影被认为是评估动脉瘤位置和形态的金标准。然而，数字减影血管造影是一种具有电离辐射和使用碘化造影剂的侵入性手术，对人体的健康有一定的影响。此外，传统的PHASES评分无法区分直径相同的动脉瘤的其他形态学特征。

而磁共振成像是一种非侵入性成像方式，可以提供有关动脉瘤样的形态，功能和血流动力学信息，并且没有电离辐射。为了减少误诊的发生率和放射科医生的工作量，现有技术中基于时间飞跃血管造影(Time-of-Flight Magnetic Resonance Angiography，缩写为TOF-MRA，也称为亮血成像)已经有几种用于动脉瘤分割和检测的机器学习模型。现有技术采用了用于动脉瘤分割的深度学习卷积神经网络，其平均Dice相似系数(DiceSimilariy Coefficient，缩写为DSC)为53％。还有一些现有技术先将血管从TOF-MRA图像中分割出来，然后在血管上再进行动脉瘤部分的分割，平均DSC系数为89％。

但前面的现有技术忽略了TOF-MRA的一些特点，即TOF-MRA是一种基于血流的成像方式，它会产生血流伪影并低估一些动脉瘤的大小。

此外，与TOF-MRA相比，现有技术中的磁共振黑血成像(Black-Blood MagneticResonance Imaging,缩写为BB-MRI)能够更好地描绘动脉瘤的边界信息，并能够更精确地进行动脉瘤尺寸的测量，尤其是对于大动脉瘤或血流速度缓慢的位置。但仅使用磁共振黑血成像不足以将动脉瘤与正常血管区分开，因为正常血管和动脉瘤区域在黑血成像中都具有类似的低强度特征的区域，从而无法区分黑血成像图中的正常血管和动脉瘤。

故需要一种更好的磁共振影像动脉瘤(或血管病变)的识别方法，以便提高多对比度动脉瘤(或血管病变)磁共振影像分割的准确率，避免误判动脉瘤(或血管病变)的大小，造成PHASES评分失真，从而误判颅内动脉瘤(或血管病变)破裂的风险。

发明内容

本发明提供了一种血管病变的识别方法，解决了现有技术血管病变单一磁共振影像血管图像分割的准确率不够高的技术问题，提升了血管图像分割的DSC系数。

本发明提供了一种血管病变的识别方法，包括如下步骤：

对获取的多张磁共振成像的血管图像进行标签数据处理，所述血管图像包括亮血成像图像和黑血成像图像；

将所述标签数据处理后的各所述血管图像及各所述标签数据输入到卷积神经网络中进行训练，直到满足预设要求获得卷积神经网络模型；