本發(fā)明涉及掌上超聲，尤其涉及一種掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)及方法。

背景技術(shù)：

1、在現(xiàn)代醫(yī)學(xué)影像學(xué)中，頸動(dòng)脈內(nèi)膜中層厚度(imt)的測(cè)量是評(píng)估動(dòng)脈粥樣硬化程度和心血管疾病風(fēng)險(xiǎn)的重要指標(biāo)。傳統(tǒng)的imt測(cè)量通常依賴于高端超聲設(shè)備和經(jīng)驗(yàn)豐富的超聲醫(yī)生。然而，隨著便攜式掌上超聲設(shè)備的普及，如何在這種便攜設(shè)備上實(shí)現(xiàn)精確的imt測(cè)量成為一個(gè)研究熱點(diǎn)。

2、現(xiàn)有的imt測(cè)量技術(shù)主要依賴于高端超聲設(shè)備和經(jīng)驗(yàn)豐富的醫(yī)生，雖然精度高，但操作復(fù)雜且設(shè)備昂貴。掌上超聲設(shè)備的出現(xiàn)提高了便攜性和易用性，但由于設(shè)備性能限制，測(cè)量精度較低。并且掌上超聲設(shè)備雖然能采集得到患者的頸動(dòng)脈圖像，但是不能夠自動(dòng)的識(shí)別內(nèi)膜和中層之間的邊界更不能自動(dòng)化計(jì)算出邊界的厚度，對(duì)于醫(yī)生診斷非常的不方便，降低了效率。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明提供一種掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)，其特征在于，包括：

2、圖像采集模塊，用于獲取掌上超聲設(shè)備采集的患者的頸動(dòng)脈圖像；

3、邊界識(shí)別模塊，連接所述頸動(dòng)脈圖像采集模塊，用于識(shí)別所述頸動(dòng)脈圖像中的內(nèi)膜和中層之間的邊界；

4、厚度測(cè)量模塊，連接所述邊界識(shí)別模塊，用于計(jì)算所述邊界的厚度得到內(nèi)膜中層厚度測(cè)量結(jié)果。

5、優(yōu)選的，還包括圖像預(yù)處理模塊，連接所述頸動(dòng)脈圖像采集模塊和所述邊界識(shí)別模塊，包括：

6、對(duì)比度增強(qiáng)單元，用于采用自適應(yīng)對(duì)比度網(wǎng)絡(luò)模型對(duì)所述頸動(dòng)脈圖像進(jìn)行對(duì)比度調(diào)節(jié)，隨后將所述頸動(dòng)脈圖像更新為對(duì)比度調(diào)節(jié)后的所述頸動(dòng)脈圖像；

7、分辨率重建單元，連接所述對(duì)比度增強(qiáng)單元，用于采用對(duì)抗網(wǎng)絡(luò)模型對(duì)所述頸動(dòng)脈圖像進(jìn)行超分辨率重建，隨后將所述頸動(dòng)脈圖像更新為分辨率重建后的所述頸動(dòng)脈圖像；

8、圖像去噪單元，連接所述分辨率重建單元，用于采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述頸動(dòng)脈圖像進(jìn)行去噪處理，隨后將所述頸動(dòng)脈圖像更新為去噪處理后的所述頸動(dòng)脈圖像；

9、邊緣增強(qiáng)單元，連接所述圖像去噪單元，用于采用邊緣增強(qiáng)網(wǎng)絡(luò)模型對(duì)所述頸動(dòng)脈圖像進(jìn)行邊緣增強(qiáng)，隨后將所述頸動(dòng)脈圖像更新為邊緣增強(qiáng)后的所述頸動(dòng)脈圖像。

10、優(yōu)選的，還包括硬件加速模塊，連接所述邊界識(shí)別模塊，用于在獲取所述頸動(dòng)脈圖像時(shí)構(gòu)建識(shí)別所述頸動(dòng)脈圖像中的內(nèi)膜和中層的邊界的識(shí)別任務(wù)，隨后調(diào)用預(yù)先配置的硬件加速處理器，將建立的識(shí)別任務(wù)分配至所述硬件加速處理器運(yùn)行，識(shí)別得到所述頸動(dòng)脈圖像中的所述邊界。

11、優(yōu)選的，還包括模型構(gòu)建模塊，連接所述邊界識(shí)別模塊，所述邊界識(shí)別模塊將所述頸動(dòng)脈圖像輸入所述模型構(gòu)建模塊構(gòu)建的邊界識(shí)別模型中，識(shí)別所述頸動(dòng)脈圖像中的內(nèi)膜和中層之間的邊界；

12、所述模型構(gòu)建模塊包括：

13、多尺度特征提取單元，用于在預(yù)先構(gòu)建的標(biāo)準(zhǔn)u-net網(wǎng)絡(luò)模型的編碼器和解碼器之間添加多尺度特征提取模塊對(duì)所述頸動(dòng)脈圖像進(jìn)行不同尺度的特征提取得到多尺度特征；

14、注意力機(jī)制添加單元，連接所述多尺度特征提取單元，用于在添加多尺度特征提取模塊之后的所述標(biāo)準(zhǔn)u-net網(wǎng)絡(luò)模型的跳躍層連接注意力模塊對(duì)多尺度特征進(jìn)行表達(dá)增強(qiáng)；

15、預(yù)訓(xùn)練單元，連接所述注意力機(jī)制添加單元，用于在對(duì)添加了所述多尺度特征提取模塊和所述注意力模塊之后的所述標(biāo)準(zhǔn)u-net網(wǎng)絡(luò)模型采用對(duì)比學(xué)習(xí)法進(jìn)行自監(jiān)督預(yù)訓(xùn)練，在預(yù)訓(xùn)練之后進(jìn)行正式訓(xùn)練得到所述邊界識(shí)別模型。

16、優(yōu)選的，所述厚度測(cè)量模塊包括：

17、坐標(biāo)建立單元，用于在所述頸動(dòng)脈圖像中建立基準(zhǔn)坐標(biāo)系，隨后得到所述邊界上各像素點(diǎn)的坐標(biāo)；

18、厚度計(jì)算單元，連接所述坐標(biāo)建立單元，用于遍歷所述邊界上的每個(gè)像素點(diǎn)，對(duì)于每個(gè)像素點(diǎn)，計(jì)算所述像素點(diǎn)處對(duì)應(yīng)的內(nèi)膜和中層的縱坐標(biāo)的差值，隨后計(jì)算得到所有差值之和再除以所述邊界上的像素點(diǎn)的總數(shù)得到所述內(nèi)膜中層厚度測(cè)量結(jié)果。

19、本發(fā)明還提供一種掌超內(nèi)膜中層厚度測(cè)量方法，應(yīng)用如上述的掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)，包括：

20、步驟s1，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)獲取掌上超聲設(shè)備采集的患者的頸動(dòng)脈圖像；

21、步驟s2，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)識(shí)別所述頸動(dòng)脈圖像中的內(nèi)膜和中層之間的邊界；

22、步驟s3，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)計(jì)算所述邊界的厚度得到內(nèi)膜中層厚度測(cè)量結(jié)果。

23、優(yōu)選的，在步驟s1之后還包括圖像預(yù)處理過(guò)程，包括：

24、步驟a1,所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)采用自適應(yīng)對(duì)比度網(wǎng)絡(luò)模型對(duì)所述頸動(dòng)脈圖像進(jìn)行對(duì)比度調(diào)節(jié)，隨后將所述頸動(dòng)脈圖像更新為對(duì)比度調(diào)節(jié)后的所述頸動(dòng)脈圖像；

25、步驟a2,所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)采用對(duì)抗網(wǎng)絡(luò)模型對(duì)所述頸動(dòng)脈圖像進(jìn)行超分辨率重建，隨后將所述頸動(dòng)脈圖像更新為分辨率重建后的所述頸動(dòng)脈圖像；

26、步驟a3,所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述頸動(dòng)脈圖像進(jìn)行去噪處理，隨后將所述頸動(dòng)脈圖像更新為去噪處理后的所述頸動(dòng)脈圖像；

27、步驟a4,所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)采用邊緣增強(qiáng)網(wǎng)絡(luò)模型對(duì)所述頸動(dòng)脈圖像進(jìn)行邊緣增強(qiáng)，隨后將所述頸動(dòng)脈圖像更新為邊緣增強(qiáng)后的所述頸動(dòng)脈圖像。

28、優(yōu)選的，還包括硬件加速過(guò)程，包括：

29、所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)在獲取所述頸動(dòng)脈圖像時(shí)構(gòu)建識(shí)別所述頸動(dòng)脈圖像中的內(nèi)膜和中層的邊界的識(shí)別任務(wù)，隨后調(diào)用預(yù)先配置的硬件加速處理器，將建立的識(shí)別任務(wù)分配至所述硬件加速處理器運(yùn)行，識(shí)別得到所述頸動(dòng)脈圖像中的所述邊界。

30、優(yōu)選的，在所述步驟s2之前還包括模型構(gòu)建過(guò)程，步驟s2中將所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)將所述頸動(dòng)脈圖輸入構(gòu)建的邊界識(shí)別模型中，識(shí)別所述頸動(dòng)脈圖像中的內(nèi)膜和中層之間的邊界；

31、所述模型構(gòu)建過(guò)程包括：

32、步驟b1，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)在預(yù)先構(gòu)建的標(biāo)準(zhǔn)u-net網(wǎng)絡(luò)模型的編碼器和解碼器之間添加多尺度特征提取模塊對(duì)所述頸動(dòng)脈圖像進(jìn)行不同尺度的特征提取得到多尺度特征；

33、步驟b2，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)在添加多尺度特征提取模塊之后的所述標(biāo)準(zhǔn)u-net網(wǎng)絡(luò)模型的跳躍層連接注意力模塊對(duì)多尺度特征進(jìn)行表達(dá)增強(qiáng)；

34、步驟b3，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)在對(duì)添加了所述多尺度特征提取模塊和所述注意力模塊之后的所述標(biāo)準(zhǔn)u-net網(wǎng)絡(luò)模型采用對(duì)比學(xué)習(xí)法進(jìn)行自監(jiān)督預(yù)訓(xùn)練，在預(yù)訓(xùn)練之后進(jìn)行正式訓(xùn)練得到邊界識(shí)別模型。

35、優(yōu)選的，所述步驟s3包括：

36、步驟s31，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)在所述頸動(dòng)脈圖像中建立基準(zhǔn)坐標(biāo)系，隨后得到所述邊界上各像素點(diǎn)的坐標(biāo)；

37、步驟s32，所述掌超內(nèi)膜中層厚度測(cè)量系統(tǒng)遍歷所述邊界上的每個(gè)像素點(diǎn)，對(duì)于每個(gè)像素點(diǎn)，計(jì)算所述像素點(diǎn)處對(duì)應(yīng)的內(nèi)膜和中層的縱坐標(biāo)的差值，隨后計(jì)算得到所有差值之和再除以所述邊界上的像素點(diǎn)的總數(shù)得到所述內(nèi)膜中層厚度測(cè)量結(jié)果。

38、上述技術(shù)方案具有如下優(yōu)點(diǎn)或有益效果：本發(fā)明的系統(tǒng)可以實(shí)現(xiàn)自動(dòng)的頸動(dòng)脈中內(nèi)膜和中層之間的邊界的識(shí)別，進(jìn)一步在識(shí)別出邊界之后，通過(guò)計(jì)算邊界的厚度得到imt測(cè)量結(jié)果，相比于現(xiàn)有技術(shù)中高端超聲設(shè)備，成本更低，相比于經(jīng)驗(yàn)豐富的超聲醫(yī)生進(jìn)行厚度檢測(cè)的方式，可以實(shí)現(xiàn)自動(dòng)化檢測(cè)節(jié)省人工成本提高效率。