一种颈动脉超声图像分析方法、系统及装置与流程

本申请涉及超声影像，特别是涉及一种颈动脉超声图像分析方法、系统及装置。

背景技术：

1、动脉粥样硬化（atherosclerosis）是导致心脑血管事件（如心肌梗死、脑卒中）的主要病理基础。颈动脉内膜中层厚度（intimal medial thickness，imt）是评估动脉粥样硬化早期病变和心血管风险的黄金无创指标。目前，临床imt诊断主要依赖超声医师手动测量，存在主观性强、可重复性差、效率低下以及信息利用不足等问题。

2、现有基于深度学习的自动imt测量方法多采用单一的语义分割网络（如u-net），虽能实现自动化，但仍存在局限性：无论图像显示正常血管还是复杂斑块，模型均以相同的复杂结构进行处理，对大量简单样本造成计算资源浪费；分割过程未引入高级语义诊断信息，在图像质量不佳或结构复杂时易发生误分割；未能有效协同利用图像的局部细节特征和全局上下文特征。

3、因此，亟需一种更智能、高效、精准的自动诊断方法。

技术实现思路

1、基于此，为了解决上述问题，本申请提供一种颈动脉超声图像分析方法、系统及装置，可以提高颈动脉超声图像分析的效率和精度。

2、本申请实施例第一方面提供一种颈动脉超声图像分析方法，包括：获取目标对象的颈动脉超声图像；将所述颈动脉超声图像输入训练好的条件解码网络，得到所述颈动脉超声图像的分析结果；其中，所述条件解码网络包括编码器、分类分支、特征重标定模块、路由模块和多个解码器；所述条件解码网络用于将所述颈动脉超声图像输入所述编码器，得到多尺度特征；将所述多尺度特征输入所述分类分支，得到分类结果；将所述多尺度特征和所述分类结果输入所述特征重标定模块，得到重标定特征；将所述分类结果输入所述路由模块，生成路由选择信号；根据所述路由选择信号选择性激活所述多个解码器中的一个，并将所述重标定特征输入被激活的解码器，得到分割结果；根据所述分割结果，输出所述分析结果。

3、本申请实施例第二方面提供一种颈动脉超声图像分析系统，包括：图像获取模块，用于获取目标对象的颈动脉超声图像；条件解码网络模块，用于根据所述颈动脉超声图像生成并输出分析结果，所述条件解码网络模块包括编码器、分类分支、特征重标定模块、路由模块和多个解码器。

4、本申请实施例第三方面提供一种颈动脉超声图像分析装置，包括：图像获取单元，用于获取目标对象的颈动脉超声图像；图像分析单元，用于将所述颈动脉超声图像输入训练好的条件解码网络，得到并输出所述颈动脉超声图像的分析结果。

5、在本申请的实施方式中，条件解码网络通过先分类、后条件解码的架构，由分类分支对超声图像进行病理分类，由特征重标定模块对多尺度特征进行融合并根据分类结果生成空间注意力图对融合特征图进行重标定得到重标定特征，由路由模块根据分类结果生成路由选择信号，再由与类别对应的专用解码器输出精细分割结果。这种架构能够提高颈动脉超声图像分析的效率和精度，同时提供更丰富的斑块成分和形态分析信息。

1.一种颈动脉超声图像分析方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，在将所述颈动脉超声图像输入训练好的条件解码网络之前，还包括对所述颈动脉超声图像进行预处理，所述预处理包括尺寸调整、归一化、去噪和对比度增强中的至少一种。

3.如权利要求1所述的方法，其特征在于，所述分类结果包括以下类别中的一种：正常、imt增厚和存在斑块。

4.如权利要求1所述的方法，其特征在于，所述特征重标定模块用于：

5.如权利要求4所述的方法，其特征在于，所述特征重标定模块用于：

6.如权利要求1所述的方法，其特征在于，所述路由模块用于：

7.如权利要求1所述的方法，其特征在于，所述多个解码器包括：

8.如权利要求7所述的方法，其特征在于，不同类别的解码器具有不同的网络配准参数，所述网络配准参数包括卷积核权重、偏置项、批归一化参数和上采样参数中的至少一种。

9.如权利要求7所述的方法，其特征在于，所述斑块解码器包括三个并行分支：

10.如权利要求1所述的方法，其特征在于，所述分类分支采用全连接层、卷积层或回归网络中的至少一种实现。

11.如权利要求1所述的方法，其特征在于，所述分析结果还包括基于所述分类结果和所述分割结果生成的风险等级。

12. 如权利要求1所述的方法，其特征在于，所述条件解码网络采用多任务联合学习策略训练，总损失函数为：

13.如权利要求12所述的方法，其特征在于，所述分类损失为交叉熵损失，所述分割损失为dice损失或交叉熵损失，所述辅助任务损失为交叉熵损失。

14.如权利要求1所述的方法，其特征在于，所述分析结果包括以下至少一种：imt测量值、斑块轮廓、斑块内部成分分类结果、斑块表面形态分类结果、斑块厚度、斑块面积、斑块体积和风险等级。

15.一种颈动脉超声图像分析系统，其特征在于，包括：

16.如权利要求15所述的系统，其特征在于，所述系统部署于以下至少一种硬件平台：超声诊断设备的嵌入式系统、本地工作站、云端服务器或移动终端。

17.一种颈动脉超声图像分析装置，其特征在于，包括：