血管斑块及狭窄检测方法及装置

本发明涉及图像处理，特别是涉及一种基于双分支互监督三维混合mamba网络的血管斑块及狭窄检测方法及装置。

背景技术：

1、冠状动脉粥样硬化性心脏病是致死率最高的心脏疾病之一，其特点是由于脂质和钙化物质等构成的粥样硬化斑块在冠状动脉血管内壁积聚导致血管管腔狭窄。临床上常利用冠脉计算机断层扫描血管造影（computed tomography angiography, cta）进行早期筛查。通常情况下，依赖医生的经验和知识从造影图像中寻找病变，进行诊疗，这种诊断方法存在观察者差异。计算机辅助的血管狭窄检测算法可以提供客观的建议，减少主观经验导致的预后效果差异。

2、然而，由于冠脉具有细长弯曲、分支丰富的管状结构，传统方法极易在管径自然变细的区域产生狭窄误判；同时，由于不同斑块在cta中的密度和空间形态差异大且边界模糊，加之钙化伪影的干扰，实现准确的斑块分型极为困难。目前的计算机辅助算法主要分为基于卷积神经网络（convolutional neural network, cnn）和基于transformer的网络。传统的cnn由于感受野受限，难以充分捕获沿血管的全局半径变化规律；而transformer虽具有全局建模能力，但计算复杂度高且易受无关区域背景的干扰。在实现狭窄检测与斑块分型多任务联合时，现有的大多数算法仅通过下游任务进行间接约束，缺乏对两任务间关联的直接监督，导致在困难区域容易出现预测不一致的现象，降低了模型的鲁棒性。

技术实现思路

1、鉴于上述问题，本发明提供用于克服上述问题或者至少部分地解决上述问题的一种血管斑块及狭窄检测方法及装置。解决了基于卷积神经网络的方法难以关注全局信息、基于transformer的方法计算复杂度高且含有大量冗余注意力，以及现有的冠脉狭窄检测与斑块分型方法存在对长远端细血管狭窄误检多、对脂质、混合等复杂斑块分类能力差，以及多任务输出结果一致性弱等问题。该方法能够快速且准确地定位狭窄并判别斑块类型，从而更好地辅助冠状动脉心脏病的早期筛查与精准诊疗。

2、本发明提供了如下方案：

3、一种血管斑块及狭窄检测方法，包括：

4、获取冠状动脉计算机断层扫描血管造影图像序列，并构建不同分支的多平面重建图像；

5、将所述多平面重建图像输入残差mamba编码器进行特征编码，所述残差mamba编码器包括串联的三维残差卷积块和第一三维mamba块，所述三维残差卷积块用于提取管腔的局部细粒度特征，所述第一三维mamba块用于将所述局部细粒度特征划分为多个立方体块并线性投影为特征向量组，沿三个空间坐标轴的独立方向及其反方向共六个方向进行三维序列化展开，生成六个方向的一维特征序列，将所述六个方向的一维特征序列分别输入独立的状态空间模型进行长程依赖建模，再将多方向建模后的全局特征进行反向重排与逐元素相加融合，经层归一化后与此前的局部细粒度特征进行残差连接，通过多层感知机重新映射并输出编码特征图；

6、将所述编码特征图输入mix-mamba中间层进行特征增强，所述mix-mamba中间层包括依次设置的若干第二三维mamba块、swin transformer块和若干第三三维mamba块，所述第二三维mamba块对特征进行初步全局信息建模，所述swin transformer块通过滑动窗口多头注意力机制实现不同窗口间的多尺度局部信息交互，所述第三三维mamba块对窗口交互后的特征进行全局信息的再次聚合，生成增强病变特征图；

7、将所述增强病变特征图通过残差mamba解码器进行上采样还原至原始多平面重建图像尺度；

8、将还原后的特征图分别输入狭窄检测头与斑块分型检测头，分别得到狭窄检测结果与斑块分型结果；

9、基于双向对称kullback-leibler散度构建互监督一致性损失函数，以所述狭窄检测头与所述斑块分型检测头的输出概率分布的平均分布为基准，计算双向kullback-leibler散度，用以约束所述狭窄检测头与斑块分型检测头的输出概率分布趋于一致，实现冠状动脉血管狭窄位置检测与斑块分型的联合输出。

10、优选地：所述获取冠状动脉计算机断层扫描血管造影图像序列，并构建冠脉多平面重建图像，包括：

11、从三维cta图像中提取冠脉中心线，并据此构建不同分支的多平面重建图像，所述多平面重建图像的分辨率为0.3mm×0.3mm×0.3mm，大小为32×32×l，其中l根据血管段的长度为93～599。

12、优选地：所述第一三维mamba块中的状态空间模型分支和线性映射分支的输出特征通过以下公式计算：

13、

14、

15、

16、式中，为s型曲线线性单元，和分别表示第一残差mamba块内第一、第二个一维卷积层，上角标表示该卷积层属于第一三维mamba块；表示线性映射层，表示线性映射层的输入特征通道数与输出特征通道数；表示将两个特征进行拼接；和分别表示状态空间模型分支和线性映射分支的输出特征；表示mamba模型对整支血管半径变化建模的过程。

17、优选地：所述第一三维mamba块在进行三维序列化展开时，加入类别向量与位置编码矩阵，所述类别向量用于表征整个三维特征图内的病变类型，所述位置编码矩阵用于表征每个特征向量对应的空间位置信息。

18、优选地：所述残差mamba编码器中的三维残差卷积块由三维卷积、层归一化和relu激活函数组成，并在模块内进行残差连接。

19、优选地：所述mix-mamba中间层执行以下操作：

20、将所述编码特征图拆分为若干三维特征块序列并输入连续四个所述第二三维mamba块进行初步信息建模；

21、将所述第二三维mamba块提取的特征重塑为词元化特征组成的序列，并无重叠地等分为多个长度固定的条带，每个条带包含h×w×l个三维特征块；

22、将所述条带输入连续四个swin transformer块，利用多头注意力机制在滑动窗口间进行注意力计算与信息交互；

23、将swin transformer块输出的增强特征序列再次输入连续四个所述第三三维mamba块中进行整体编码，获取血管病变成分特征表示。

24、优选地：所述swin transformer块对token序列的编码过程如下：

25、

26、

27、式中：表示层归一化，表示多层感知机，表示重塑操作。

28、优选地：所述基于双向对称kullback-leibler散度构建互监督一致性损失函数，包括：

29、分别提取狭窄检测头与斑块分型检测头的概率分布结果，计算两分支输出概率分布的平均分布：

30、

31、式中，表示狭窄检测头的输出概率分布，表示斑块分型检测头的输出概率分布；

32、以所述平均分布为基准，通过以下公式计算互监督一致性损失：

33、

34、式中，表示kl散度。

35、优选地：所述狭窄检测头输出狭窄分级结果，所述狭窄分级包括：0表示无狭窄、1表示狭窄率小于50%、2表示狭窄率大于或等于50%；所述斑块分型检测头输出斑块类型结果，所述斑块类型包括：0表示无斑块、1表示脂质斑块、2表示混合斑块、3表示钙化斑块。

36、一种血管斑块及狭窄检测装置，用于执行上述的血管斑块及狭窄检测方法，所述装置包括：

37、图像重建单元，用于获取冠状动脉计算机断层扫描血管造影图像序列，并构建不同分支的多平面重建图像；

38、特征图提取单元，用于将所述多平面重建图像输入残差mamba编码器进行特征编码，所述残差mamba编码器包括串联的三维残差卷积块和第一三维mamba块，所述三维残差卷积块用于提取管腔的局部细粒度特征，所述第一三维mamba块用于将所述局部细粒度特征划分为多个立方体块并线性投影为特征向量组，沿三个空间坐标轴的独立方向及其反方向共六个方向进行三维序列化展开，生成六个方向的一维特征序列，将所述六个方向的一维特征序列分别输入独立的状态空间模型进行长程依赖建模，再将多方向建模后的全局特征进行反向重排与逐元素相加融合，经层归一化后与此前的局部细粒度特征进行残差连接，通过多层感知机重新映射并输出编码特征图；

39、特征增强单元，用于将所述编码特征图输入mix-mamba中间层进行特征增强，所述mix-mamba中间层包括依次设置的若干第二三维mamba块、swin transformer块和若干第三三维mamba块，所述第二三维mamba块对特征进行初步全局信息建模，所述swintransformer块通过滑动窗口多头注意力机制实现不同窗口间的多尺度局部信息交互，所述第三三维mamba块对窗口交互后的特征进行全局信息的再次聚合，生成增强病变特征图；

40、还原单元，用于将所述增强病变特征图通过残差mamba解码器进行上采样还原至原始多平面重建图像尺度；

41、检测单元，用于将还原后的特征图分别输入狭窄检测头与斑块分型检测头，分别得到狭窄检测结果与斑块分型结果；

42、监督约束单元，用于基于双向对称kullback-leibler散度构建互监督一致性损失函数，以所述狭窄检测头与所述斑块分型检测头的输出概率分布的平均分布为基准，计算双向kullback-leibler散度，用以约束所述狭窄检测头与所述斑块分型检测头的输出概率分布趋于一致，实现冠状动脉血管狭窄位置检测与斑块分型的联合输出。

43、根据本发明提供的具体实施例，本发明公开了以下技术效果：

44、本技术实施例提供的一种血管斑块及狭窄检测方法及装置，采用多分支互监督三维混合mamba的网络，实现了准确且一致的冠脉狭窄与斑块组成成分检测。其中，三维残差mamba块有效减少了由于冠脉细长形态造成的远端血管误检；mix-mamba模块大幅提升了网络对复杂斑块的分类准确率；双分支互监督策略直接将狭窄检测和斑块分型进行逻辑关联约束，极大缓解了钙化伪影导致的假阴性及漏检问题，保证了网络的预测精度与鲁棒性。

45、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。