【技術實現步驟摘要】
本申請涉及圖像處理技術，尤其涉及一種用于冠狀動脈鈣沉積的檢測方法、裝置、設備以及計算機可讀介質。
技術介紹
1、冠狀動脈鈣化(coronary?artery?calcium，cac)是未來冠狀動脈事件的獨立預測因子。常規的cac量化軟件以全心臟為基礎評估冠狀動脈鈣負荷。然而，三維(three-dimensional，3d)cac體積可能包含未使用的重要附加信息，例如所涉及的冠狀動脈的數量和每條動脈的鈣負荷，這些信息未被例如普遍的全心臟指標如agatston(蓋斯頓)評分和體積評分使用。各種背景非專利文獻(non-patent?literature，npl)在下面列出并涉及這樣的問題。
2、對于npl?1和npl2，cac可以用作未來冠狀動脈事件的獨立預測因子。
3、對于npl3，與agatston評分相比，受鈣影響的冠狀動脈的百分比可能是冠狀動脈風險的更好的預測因子。
4、對于npl?4，個體血管的血管特定鈣評分可能是梗阻性疾病的更好的預測因子，而不是全心臟鈣評分。
5、對于npl?5至npl?11，算法已經嘗試以用于在ct環境中進行自動鈣沉積檢測。對于npl?5至npl?7，已經嘗試了基于傳統機器學習的方法，并且對于npl?8至npl11，已經嘗試了相對更新的基于深度學習的方法。
6、然而，不利的是，使用傳統機器學習的這樣的嘗試需要特征工程并且因此是耗時的。例如，對于npl5至npl?7的基于傳統機器學習的方法，使用處于固定亨氏單位(hounsfield?unit)的
7、對于npl8和npl9，首先執行了閾值以獲得鈣化病變的一組候選對象。對于每個對象，計算來自以對象中心為中心的軸狀面、冠狀面和矢狀面的卷積神經網絡(convolutedneural?network，cnn)特征以及手動設計的位置特征，并將其饋送到隨機森林分類器。
8、對于npl?10和npl?12，已經使用2d?unet從鈣分割掩碼直接學習二元掩碼。結果是，這樣的掩碼在檢測冠狀動脈鈣化方面表現不佳。即使使用固定的hounsfield?unit進一步對最初的原始圖像進行閾值處理并將來自閾值處理的掩碼與來自2d?unet的掩碼相乘，這些基于深度學習的方法也不能將冠狀動脈分支分配給每個檢測到的鈣病變。
9、npl1:detrano?r,guerci?ad,carr?jj,bild?de,burke?g,folsom?ar,liu?k,sheas,szklo?m,bluemke?da,o'leary?dh.coronary?calcium?as?apredictor?of?coronaryevents?in?four?racial?or?ethnic?groups.new?england?journal?of?medicine.2008年3月27；358(13):1336-45.
10、npl?2:polonsky?ts,mcclelland?rl,jorgensen?nw,bild?de,burke?gl,guerciad,greenland?p.coronary?artery?calcium?score?and?risk?classification?forcoronary?heart?disease?prediction.jama.2010年4月28；303(16):1610-6.
11、npl3:brown?er,kronmal?ra,bluemke?da等.coronary?calciumcoverage?score:determination,correlates,and?predictive?accuracy?in?the?multi-ethnic?study?ofatherosclerosis.radiology?2008；247:669–?75.
12、npl4:qian?z,anderson?h,marvasty?i等.lesion-and?vessel-specificcoronary?artery?calcium?scores?are?superior?to?whole-heart?agatston?andvolume?scores?in?the?diagnosis?ofobstructive?coronary?arterydisease.jcardiovasc?comput?tomogr?2010；4:391?–399.
13、npl5:wolterinkjm,leiner?t,de?vos?bd,coatrieux?jl,kelm?bm,kondo?s,salgado?ra,shahzad?r,shu?h,snoeren?m,takx?ra.an?evaluation?of?automaticcoronary?artery?calcium?scoring?methods?with?cardiac?ct?using?the?orcascoreframework.medical?physics.2016年5月1日；43(5):2361-73.
14、npl6:yang?g,chen?y,ning?x,sun?q,shu?h,coatrieux?jl.automatic?coronarycalcium?scoring?using?noncontrast?and?contrast?ct?images.medical?physics.2016年5月1日；43(5):2174-86.
15、npl?7:shahzad?r,van?walsum?t,schaap?m,rossi?a,klein?s,weustink?ac,defeyter?pj,van?vliet?lj,niessen?wj.vessel?specific?coronary?artery?calciumscoring:an?automatic?system.academic?radiology.2013年1月1日；20(1):1-9.
16、npl8:tang?h,moradi?m,prasanna?p,wang?h,syeda-mahmood?t.an?algorithmfor?fully?automatic?detection?of?calciumin?chest?ct?imaging.in?biomedicalimaging(isbi?2017),2017年4月18日的2017ieee第14屆國際研討會(第265-269頁).ieee
17、npl9:wolterink?jm,leiner?t,viergever?ma,?i.automatic?coronarycalcium?scoring?in?cardiac?ct?an本文檔來自技高網...
【技術保護點】
1.一種用于冠狀動脈鈣沉積的檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求2所述的方法，其特征在于，所述方法還包括：
4.根據權利要求3所述的方法，其特征在于，訓練所述第一神經網絡包括：
5.根據權利要求3所述的方法，其特征在于，訓練所述第二神經網絡包括：
6.根據權利要求5所述的方法，其特征在于，訓練所述第二神經網絡還包括：
7.根據權利要求6所述的方法，其特征在于，訓練所述第二神經網絡包括：
8.根據權利要求3所述的方法，其特征在于，在訓練所述第一神經網絡時限定的第一損失不同于在訓練所述第二神經網絡時限定的第二損失。
9.根據權利要求1所述的方法，其特征在于，分配所述冠狀動脈標記包括：
10.根據權利要求1所述的方法，其特征在于，通過第一神經網絡生成所述數據和生成所述分支密度。
11.一種設備，包括：
12.一種非暫態計算機可讀介質，其存儲指令，所述指令包括一個或多個指令，所述一個或多個指令當由
13.一種用于冠狀動脈鈣沉積的檢測裝置，其特征在于，所述裝置包括：
...【技術特征摘要】
1.一種用于冠狀動脈鈣沉積的檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求2所述的方法，其特征在于，所述方法還包括：
4.根據權利要求3所述的方法，其特征在于，訓練所述第一神經網絡包括：
5.根據權利要求3所述的方法，其特征在于，訓練所述第二神經網絡包括：
6.根據權利要求5所述的方法，其特征在于，訓練所述第二神經網絡還包括：
7.根據權利要求6所述的方法，其特征在于，訓練所述第二神經網絡包括：
8.根據權利要求3所述的方法，其特征在于，在訓練所...
【專利技術屬性】
技術研發人員：唐暉，楊陶，謝于晟，李亞亮，錢真，范偉，
申請(專利權)人：騰訊美國有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。