[发明专利]OCT影像下冠状动脉管腔轮廓的深度网络分割方法

说明书

本发明提供了一种OCT影像下冠状动脉管腔轮廓的深度网络分割方法，该分割方法采用双支路深度卷积网络结构，一条支路分割OCT影像对应的管腔区域掩膜，另一条支路预测管腔内壁轮廓，两个任务之间进行联合学习，耦合后的结果即为最终的分割轮廓。本发明采用双支路深度卷积网络，利用两个任务之间的相关性进行联合学习，并融合两个支路的结果获得最终的分割轮廓，能够对管腔内壁形状变化保持鲁棒，进而准确定位血管内壁轮廓，实现OCT影像下冠状动脉管腔轮廓的准确分割。

技术领域

本发明属于数据信息处理技术领域，具体涉及一种针对OCT影像下冠状动脉管腔轮廓的自动分割方法。

背景技术

随着我国老龄化进程的加剧，心血管疾病的发病率愈加攀升。现行的诊疗手段只能通过造影观察病变部位轮廓不足以满足精准定位病灶的需求。光学相干断层成像技术(Optical Coherence Tomography，OCT)，是近年来继X-CT和MRI技术后的又一大技术突破。OCT成像的原理与超声波类似，是运用反射的近红外线作为成像媒介形成影像。光学相干断层成像被广泛应用于冠状动脉管腔内部的高分辨率断层成像，获取高分辨率的血管内壁图像，通过观察图片可揭示内膜撕裂、斑块脱垂等病灶，通过时序采样揭示血栓成因，。便于医生进行精确采样，在冠状动脉的介入治疗中具有重要作用。。

然而面对日益繁多的患者，紧靠医生人工诊疗，已不能满足快速诊疗需求。且随着工作量的加剧，人难免会产生疲劳。因疲劳而产生的误诊反而不利于患者的治疗。现代医学中，对于病灶的推理往往都是基于医生对于病患的表观症状，生理检验等一系列数据而做出的。构建OCT影像中冠状动脉内壁进行自动分割方法，可为冠脉管腔狭窄、支架脱落等病症判别提供定量标准，由此辅助医生诊疗，这能极大化加快医生诊疗的效率，同时也减少了因疲劳而产生的误诊率。

分水岭、Level-set等是常用的图像分割算法，但直接将该些方法应用于OCT图像分割问题并不能获得好的分割结果，由于成像探针、血管分叉以及血管形变的影响，此类方法并不能够分割出完整的血管内壁轮廓，存在分割后轮廓不闭合、定位精度低等问题，无法满足临床的高精度分割要求。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，提供一种OCT影像下冠状动脉管腔轮廓的深度网络分割算法，实现OCT图像切片中轮廓区域的准确分割，为医生制定方案提供精确诊断依据。

为了达到上述目的，本发明提供了一种OCT影像下冠状动脉管腔轮廓的深度网络分割方法，该分割方法采用双支路深度卷积网络结构，一条支路分割OCT影像对应的管腔区域掩膜，另一条支路预测管腔内壁轮廓，两个任务之间进行联合学习，耦合后的结果即为最终的分割轮廓。

更为具体的，本发明深度网络分割方法具体步骤如下：

S101、采集冠状动脉OCT影像切片扫描序列，构建OCT影像下冠状动脉数据集；再通过标注软件对每张OCT图像切片的轮廓区域与管腔内壁轮廓进行标注，并生成对应的二值化掩码图；

S102、对S101中冠状动脉OCT影像切片与对应的二值化掩码图分别进行预处理操作，再分别将预处理后的OCT图像切片和对应的二值化掩码图按照6:2:2的比例划分为训练集、验证集和测试集；

S103、设计双支路深度卷积网络分割模型，并设计用于分割的损失函数；

S104、选择合适的优化学习方法，设置相关的超参数，利用训练集和验证集对S103中所述双支路深度卷积网络分割模型进行训练；

S105、训练完成后，从测试集中任选一张冠状动脉OCT影像切片，输入双支路深度卷积网络分割模型，加载训练好的模型权重进行分割，生成管腔/背景的概率图谱，分割出冠状动脉OCT影像切片的血管内壁，并生成分割后的二值化掩码图。