血管堵塞类型检测方法及相关设备
本技术涉及医学影像,更具体地说,本技术涉及一种血管堵塞类型检测方法及相关设备。
背景技术:
1、随着医学影像技术和人工智能技术的不断发展,基于影像数据的脑血管疾病辅助诊断技术在临床卒中诊疗中得到了广泛应用。急性缺血性脑卒中作为一种高发病率、高致残率和高死亡率的脑血管疾病,其治疗效果与血管闭塞类型的快速、准确识别密切相关。临床实践中,通常采用非增强ct排除脑出血,并结合动脉期ct血管成像(cta)评估脑血管闭塞情况,以辅助医生制定溶栓或血管内治疗方案。随着医疗信息化水平的提高,患者的症状描述、评分指标及病史等临床数据也逐渐实现结构化存储,为血管闭塞类型的智能识别提供了更加丰富的数据基础。
2、然而,现有针对血管闭塞类型检测的技术方案大多依赖于单一影像模态进行分析,例如仅利用非增强ct图像或cta图像提取特征进行分类判断。由于非增强ct主要反映脑组织结构变化,而cta主要反映血管显影情况,单一模态所提供的信息存在一定局限性,均为时间窗信息,难以全面表征患者的病理状态以及大脑组织灌注信息,而灌注信息尤其对于识别中小血管堵塞尤为有利;同时,部分血管闭塞尤其是较小血管闭塞在影像上的表现不够典型,容易受到个体解剖差异、图像质量及侧支循环等因素影响,从而导致检测结果的准确性受到限制。也即,相关技术中存在血管闭塞类型检测过程中,不同类型血管闭塞尤其是不同程度闭塞之间的识别效果不佳的技术问题。
技术实现思路
1、在本技术的 技术实现要素: 部分中,对相关技术方案进行了概括性说明,并引入了一系列简化表述的概念,相关内容将在具体实施方式部分中作进一步详细阐述。本发明内容部分不应被理解为对所要求保护的技术方案的关键特征或必要技术特征作出限定,也不用于限定所要求保护的技术方案的保护范围。
2、本技术提供的血管堵塞类型检测方法及相关设备,能够通过融合非增强ct、动脉期cta、类ct灌注参数图及临床文本信息,构建多模态跨模态分析机制,能够实现对血管堵塞类型的全面表征和精准识别,从而提高分类结果的准确性、可靠性及临床决策参考价值。
3、第一方面,本技术提供一种血管堵塞类型检测方法,包括:对非增强ct图像和动脉期cta图像进行多模态预处理,得到多通道影像张量;对结构化临床文本数据进行编码,得到临床文本特征;基于所述多通道影像张量进行图像生成处理,得到类ct灌注参数图,其中,所述类ct灌注参数图包括脑血流量图、脑血容量图和平均通过时间图;对所述临床文本特征、基于所述类ct灌注参数图提取的扩散特征和基于所述多通道影像张量提取的影像特征进行跨模态融合,得到融合特征;基于所述融合特征,确定针对血管堵塞类型的分类概率,其中,所述血管堵塞类型包括大血管闭塞、中等血管闭塞和无闭塞,所述大血管闭塞是累及血管内径大于第一预设阈值的闭塞,所述中等血管闭塞是累及血管内径小于或等于所述第一预设阈值且大于第二预设阈值的闭塞。
4、在一些实施方式中,所述对非增强ct图像和动脉期cta图像进行多模态预处理,得到多通道影像张量,包括:基于预设各向同性体素尺寸,分别对所述非增强ct图像和所述动脉期cta图像进行重采样,得到第一重采样图像和第二重采样图像;以所述第一重采样图像为固定参考图像,对所述第二重采样图像进行刚性配准,得到配准cta图像;对所述第一重采样图像和所述配准cta图像分别进行颅骨剥离处理,得到第一脑实质图像和第二脑实质图像;对所述第一脑实质图像和所述第二脑实质图像分别进行预设窗宽窗位截断与线性归一化,得到第一归一化图像和第二归一化图像;将所述第一归一化图像和所述第二归一化图像在通道维度进行叠加,得到所述多通道影像张量。
5、在一些实施方式中,所述对结构化临床文本数据进行编码,得到临床文本特征,包括:从所述结构化临床文本数据中提取连续型字段和离散型字段;对所述连续型字段进行归一化处理,得到第一处理结果;对所述离散型字段进行独热编码,得到第二处理结果;将所述第一处理结果和所述第二处理结果进行拼接后,通过预设多层感知机映射,得到第一文本特征;对所述结构化临床文本数据进行自然语言转换,得到临床描述文本;通过预设适配器网络对基于所述临床描述文本提取的语义嵌入向量进行线性映射,得到第二文本特征;对所述第一文本特征与所述第二文本特征进行加权融合,得到所述临床文本特征。
6、在一些实施方式中,所述基于所述多通道影像张量进行图像生成处理,得到类ct灌注参数图,包括:将所述多通道影像张量作为条件输入,输入至预设条件扩散模型的逆向去噪网络;通过所述逆向去噪网络,从初始随机高斯噪声开始,以所述条件输入为引导执行多步迭代去噪,生成所述类ct灌注参数图,其中,所述预设条件扩散模型在训练阶段以历史ct灌注参数图作为扩散目标,所述逆向去噪网络用于学习从噪声分布到灌注参数图分布的条件逆映射。
7、在一些实施方式中,在对所述临床文本特征、基于所述类ct灌注参数图提取的扩散特征和基于所述多通道影像张量提取的影像特征进行跨模态融合,得到融合特征之前,所述血管堵塞类型检测方法还包括:通过第一预设卷积网络基于所述多通道影像张量进行三维特征提取,得到所述影像特征;通过第二预设卷积网络对所述类ct灌注参数图进行三维特征提取,得到所述扩散特征;所述对所述临床文本特征、基于所述类ct灌注参数图提取的扩散特征和基于所述多通道影像张量提取的影像特征进行跨模态融合,得到融合特征,包括:将所述影像特征、所述扩散特征和所述临床文本特征分别映射至预设统一特征维度,得到第一映射特征、第二映射特征和第三映射特征;以所述第一映射特征、所述第二映射特征和所述第三映射特征中的任一映射特征作为查询,以其余两个映射特征作为键和值,分别执行跨模态注意力计算,得到各模态对应的注意力加权特征;将所述各模态对应的注意力加权特征沿通道维度进行拼接,得到所述融合特征。
8、在一些实施方式中,所述基于所述融合特征,确定针对血管堵塞类型的分类概率,包括:对所述融合特征执行全局平均池化操作,得到池化特征向量;将所述池化特征向量输入预设全连接分类层,得到分类得分向量;对所述分类得分向量进行归一化指数处理,得到所述待检测对象属于大血管闭塞、中等血管闭塞和无闭塞的分类概率。
9、在一些实施方式中,在基于所述融合特征,确定针对血管堵塞类型的分类概率之后,所述血管堵塞类型检测方法还包括:获取所述分类概率中概率值最大的目标预测类型;若所述目标预测类型对应的概率值大于预设置信度阈值,将所述目标预测类型确定为目标分类结果;基于所述目标预测类型对用于提取所述影像特征的第一预设卷积网络中最后一个卷积层的特征图进行加权,生成空间激活图;将所述空间激活图上采样至原始输入图像空间,得到上采样激活图;将所述上采样激活图与所述动脉期cta图像的血管显影强化图像进行叠加,得到病灶定位热力图;将所述目标分类结果、所述待检测对象属于各血管堵塞类型的分类概率以及所述病灶定位热力图封装为结构化报告。
10、第二方面,本技术还提供一种血管堵塞类型检测装置,包括:数据获取单元,用于对非增强ct图像和动脉期cta图像进行多模态预处理,得到多通道影像张量;文本编码单元,用于对结构化临床文本数据进行编码,得到临床文本特征;图像扩散单元,用于基于所述多通道影像张量进行图像生成处理,得到类ct灌注参数图,其中,所述类ct灌注参数图包括脑血流量图、脑血容量图和平均通过时间图;特征融合单元,用于对所述临床文本特征、基于所述类ct灌注参数图提取的扩散特征和基于所述多通道影像张量提取的影像特征进行跨模态融合,得到融合特征;概率确定单元,用于基于所述融合特征,确定针对血管堵塞类型的分类概率,其中,所述血管堵塞类型包括大血管闭塞、中等血管闭塞和无闭塞,所述大血管闭塞是累及血管内径大于第一预设阈值的闭塞,所述中等血管闭塞是累及血管内径小于或等于所述第一预设阈值且大于第二预设阈值的闭塞。
11、第三方面,本技术还提供一种电子设备,包括:存储器和处理器,所述处理器用于执行所述存储器中存储的计算机程序时实现第一方面所述的血管堵塞类型检测方法的步骤。
12、第四方面,本技术还提供一种计算机可读存储介质,存储有计算机可执行指令或计算机程序,所述计算机可执行指令或所述计算机程序被处理器执行时实现第一方面所述的血管堵塞类型检测方法的步骤。
13、第五方面,本技术还提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本技术实施例提供的血管堵塞类型检测方法的步骤。
14、综上,本技术首先对非增强ct图像和动脉期cta图像进行多模态预处理,并构建多通道影像张量,使两种影像数据中的解剖结构信息和血管显影信息能够在统一空间下进行协同表达,相较于仅利用单一影像数据进行分析,多通道影像张量能够同时保留脑实质变化特征和血管状态特征,从而为后续血管堵塞类型判定提供更加全面的影像依据,能够提升对不同血管堵塞类型的区分能力;基于多通道影像张量进行图像生成处理,获得包括脑血流量图、脑血容量图和平均通过时间图在内的类ct灌注参数图,由于上述类ct灌注参数图能够从另一角度反映脑组织的灌注状态,因此在原有结构影像和血管影像信息基础上进一步补充了血流动力学特征,通过提取类ct灌注参数图中的扩散特征,可使模型在进行血管堵塞类型判断时同时考虑结构、血管及灌注等多维信息,从而能够增强不同堵塞类型之间差异特征的表达能力;不仅利用影像数据,还对结构化临床文本数据进行编码得到临床文本特征,并将临床文本特征与影像特征、扩散特征进行跨模态融合,由于临床文本数据中包含患者症状表现、评分指标等信息,因此能够从临床表现层面对影像分析结果形成补充,通过跨模态融合机制,可实现不同来源信息之间的关联建模,使模型在判定血管堵塞类型时能够综合利用影像证据与临床证据,从而能够提高分类结果的可靠性和稳定性;基于融合特征确定待检测对象对应的血管堵塞类型分类概率,并将检测结果细分为大血管闭塞、中等血管闭塞以及无闭塞三种类型,其中,通过融合影像特征、扩散特征和临床文本特征所形成的融合特征能够更加全面地表征状态,因此能够提高不同类型闭塞之间的识别能力,与此同时,输出分类概率而非单一分类结果,还能够反映各类型的匹配程度,为后续诊断决策提供更加丰富的参考信息,提高检测结果的实用价值。综上所述,本技术提供的血管堵塞类型检测方法通过融合非增强ct、动脉期cta、类ct灌注参数图及临床文本信息,构建多模态跨模态分析机制,能够实现对血管堵塞类型的全面表征和精准识别,从而提高分类结果的准确性、可靠性及临床决策参考价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com