基于热声成像技术的动脉斑块检测方法

本发明涉及图像处理领域，尤其涉及一种基于热声成像技术的动脉斑块检测方法。

背景技术：

1、脑卒中是世界上第二大死因，在中国脑卒中的患病率呈逐年上升趋势，年增长率约为8.7％。其死亡率、致残率和复发率也很高，不仅危害人类健康，而且大大降低了患者的生活质量，给家庭和社会带来了沉重的负担。因此，及早发现和有效预防十分重要。颈动脉斑块增大或脱落导致管腔狭窄、闭塞是脑卒中形成的最主要原因。研究发现，颈动脉粥样硬化性疾病导致脑血管事件的重要原因是颈动脉易损斑块的形成，颈动脉易损斑块的破裂、脱落是脑卒中发生的首要因素。因此，对颈动脉斑块易损性的研究已成为脑卒中防治的热点。

2、虽然近些年来心血管疾病的防治取得了较大进展，但冠心病仍然是危害人类健康的主要原因。急性冠状动脉综合征患者死亡风险高，其主要病理基础是不稳定斑块破裂或斑块表面侵蚀继发血栓形成。不稳定斑块与斑块破裂和主要心血管不良事件(mace)密切相关，也称易损斑块或高危斑块。因此，早期识别易损斑块并据此进行强化干预，对减少mace的发生具有重要意义。

3、医学成像在临床领域中是一项不可或缺的诊断技术。现有的医学成像方法中，临床用于检查颈动脉粥样斑块的技术主要包括超声、高分辨磁共振成像(hr-mri)、ct血管造影(cta)等。超声在临床中应用极为广泛，直观、无创的优势使超声技术在临床得以广泛应用，但需注意的是，常规超声检查的结果判读主观性较大，临床往往倾向于由经验丰富的医生操作或联合其他新型技术共同辅助诊断。此外，hr-mri作为目前唯一可以实现活体颅内动脉管壁结构成像的无创技术，具有很大的潜力和应用前景，但因其价格昂贵、耗时、噪音大以及存在某些禁忌证(如安装心脏起搏器)等原因，在临床应用中也受到一定限制。最后，cta廉价快捷、分辨率高，在颈内动脉和颈外动脉等颅内微小血管和深部血管斑块的检查中独具优势，但需注意的是，脂质核心、纤维结缔组织和斑块内出血成分的ct密度值之间具有重叠性，往往无法准确区分，可靠性较低，并且是有创检测方法。因而，发展一门新的成像技术来克服这些不足成为当前医学成像领域的重点。

4、在专利文献cn102058416a中记载了一种基于压缩感知的微波热声成像装置及方法，解决了热声成像过程复杂，成像效果差别明显，图像分辨率低，图像的伪迹现象严重，系统的硬件成本高的问题。但是该专利文献没有涉及到医学领域，解决的技术问题不同于本专利在医学领域中解决的技术问题。专利文献cn114943727a中记载了一种基于关键点检测的颈动脉斑块回声分类方法，该方法缓解了超声影像中斑块大小较小而带来的斑块特征提取困难的问题，并且能差别利用斑块区域和整张超声图形的有效信息，能用于单斑块的颈动脉超声图像的回声分类。但该方法与热声成像方法相比精度不高，主观性较强。

技术实现思路

1、为了解决上述技术问题本发明提出一种基于热声成像技术的动脉斑块检测方法，通过布置的激励源系统及数据采集系统实现热声信号、光声信号的采集及存储，进一步依据图像重建模块重构图像。利用神经卷积网络对两通道重构图像进行智能处理与分析后反馈检测组织部位的动脉斑块信息，并基于历史数据建立两通道的自我检验排查机制，包括迁移学习及人工判断；基于验证模块的分类数据库形成的细致分类对动脉斑块发展趋势进行预测。利用采集到的热声信号和光声信号重建生理指标参数，实现开机阶段的实时监测。

2、优选的方案中，智能处理与分析操作通过图像重建模块处理后，重建出的热声成像图、光声成像图作为本模块的输入，然后基于进一步的算法优化，自动识别易损斑块部位；

3、采用高斯混合模型算法结合深度迁移学习数据自动提取感兴趣区域，即roi；

4、将已知图像转为一维数据点作为聚类的元素，使用gmm算法对图像中所有点进行分类；

5、将已知图像进行标定，其中有斑块的roi标定为“1”，其余标定为“0”，将标定后的图像进行训练并提取特征；

6、采用五折交叉验证方法进行训练，利用期望最大化算法估计gmm参数，利用ea算法计算gmm参数；

7、迭代稳定后，依据动脉及其相关特性对聚类后的动脉图像进行灰度分级；

8、利用基于神经卷积网络的斑块检测算法提取图像特征；

9、把全部特征通过全连接层连接产生输出值，并把输出值输入到给分类器得到最终分类结果；

10、将未知图像输入动脉斑块检测模型得出初步判别结果；

11、利用热声成像的图像进行辅助验证，通过热声成像图与光声成像图处理结果的相互验证及自我排查；

12、将经过深度学习的两组图片进行结果比对，若结果不同，采用热声成像进行自我检查，判断后或给出诊断意见，或主动标记等待下一步验证；

13、对疑似存在易损斑块部位进行标记及位置反演，数据处理模块将检查组织位置、超声探测器位置、数据序列位置进行匹配及标记，为易损斑块的分类及治疗提供必要的基础信息。

14、优选的方案中，利用深度迁移学习将在组织学、mri图像中所学得的信息运用于两通道图像的分析与处理领域，其特征在于包括以下步骤：

15、s10、以光声图像数据库作为原始数据集，对动脉斑块图像进行预处理操作，即去除模糊不清﹑图像缩放和对比度调整；

16、s20、随机将光声图像划分成训练组、验证组和测试组；

17、s30、迁移卷积神经网络，即cnn，在其他分类任务预训练的参数；

18、s40、根据易损斑块分类任务微调cnn模型全连接层参数，经过网络优化搭建易损斑块分类诊断网络模型；

19、s50、使用独立的测试集对网络模型进行测试，通过混淆矩阵查看模型的分类情况；

20、s60、依据有效历史数据，结合组织学与影像学特点，形成与之匹配的分类标准；

21、s70、依据步骤s60中得出的标准对两通道图像诊断差异部分进行验证，得出期望值最大的推荐结果；

22、s80、将分析推荐结果通过以饼图与数字结合的方式显示在数字终端上，等待专业人员的确定。

23、优选的方案中，将重建的声源图像与确诊无误的动脉斑块的电参数、吸收峰匹配，并作为训练样本，训练一个生成对抗网络；

24、基于物理模型和数据驱动模型阐明动脉斑块病理特征与电参数的关系；

25、应用模糊逻辑算法和结构相似度指数对图像信息进行迭代；

26、将不同的噪声像素分类为同质、细节和边缘，然后针对每个区域实现自适应地选择最佳滤波器；

27、利用细粒度的标签信息对相应联系的匹配信息进行标记；

28、将匹配好的数据存储在数据库里，为进一步的深层次成像及影像分析模型的电参数问题打下基础；

29、针对热声成像技术的成像过程的信号处理与图像显示进行优化。

30、优选的方案中，依据历史诊疗数据建立影像分析模型，预测患者的预后效果、复发及最高死亡风险及易损斑块的发展趋势。

31、优选的方案中，利用收集到的热声信号，通过间接测量重建图像中的温度相关参数，实现实时温度；

32、利用tai和pai两者成像模式结合提供血容量、血糖、血红蛋白氧饱和度信息；

33、利用血管光声信号的强度反映血容量的变化、血糖成分的浓度信息，即利用葡萄糖浓度不同、血容量变化带来的光声信号的差异建立预测拟合模型，分析两者之间的关联从而获得组织内部血糖成分的浓度、血容量信息；

34、以血糖浓度测定为例，利用一个显示振荡和阻尼的谐振信号，适用于频域处理；

35、采用快速傅里叶变换，将不同的频率分量相互分离；

36、基于液体光声共振理论，利用共振频率的振幅表示溶液浓度；

37、基于光谱特异性，计算血红蛋白氧饱和度；

38、同时，该系统算法集成装载在芯片上，可以实现穿戴设备和固定设备的大范围推广，从而为特定人群的疾病预防与健康生活提供相关保障。

39、优选的方案中，所述的影像分析模型通过训练卷积神经网络时保持训练的数据标签类别与目标类别一致，将动脉斑块的图像划分为ⅳ类或者10类或者基于验证模块的分类数据库进行与之匹配的细致分类；选择其中一种类别对卷积神经网络进行训练；利用细粒度的标签信息求解实际问题；通过分类树形结构图，完成推理类，让每一种推理类都可以获取对应的节点；当输入图像属于训练类别中任意一类时，则需要获取该图像的推理概率，否则使用迭代算法进行求解。

40、本发明与现有技术相比优点在于:微波热声成像模式具有高对比度、高分辨率和无创的优点，通过信号处理(图像反演)可实现生物组织的结构和形态等信息的重建；电参数可在早期诊断、愈后和康复中反映组织的病变状态，且介电特性的变化也往往早于结构变化，可促进预防医学发展；利用深度迁移学习将在其他类型图像中所学得的信息运用于两通道图像的分析与处理领域，为有效地解决图像小规模数据集问题等。