公开(公告)号：CN115984555B

公开(公告)日：2025-04-08

申请号：CN202211594171.2

申请日：2022-12-13

Applicant: 哈尔滨医科大学附属第一医院

Inventor： 迟锦玉 ,  孟妍 ,  王慧颖 ,  张琦 ,  王庆岩

IPC: G06V10/26 ,  G06V10/74 ,  G06F17/16 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于深度自编码器构图的冠状动脉狭窄识别方法，属于深度学习技术领域。为解决现有的图神经网络在应用于冠状动脉狭窄病理识别时，往往由于影像中的冗余干扰使识别效果不佳，且需要较大量样本构建网络模型，目前对冠状动脉狭窄病理识别仍需过度依赖专家经验的问题。本发明方法通过对冠状动脉整体CTA影像进行超像素分割，对得到的超像素分割图进行粗识别，确定冠状动脉狭窄的可疑位置；再通过基于深度自编码器网络的冠状动脉狭窄识别模型对可疑位置对应的横截面CTA影像进行精识别，得到冠状动脉的狭窄级别结果，所述冠状动脉狭窄识别模型包括超像素分割模块、特征提取模块和分类模块。本发明方法可对冠状动脉狭窄实现较高准确率识别。

公开(公告)号：CN115984555A

公开(公告)日：2023-04-18

申请号：CN202211594171.2

申请日：2022-12-13

Applicant: 哈尔滨医科大学附属第一医院

Inventor： 迟锦玉 ,  孟妍 ,  王慧颖 ,  张琦 ,  王庆岩

IPC: G06V10/26 ,  G06V10/74 ,  G06F17/16 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于深度自编码器构图的冠状动脉狭窄识别方法，属于深度学习技术领域。为解决现有的图神经网络在应用于冠状动脉狭窄病理识别时，往往由于影像中的冗余干扰使识别效果不佳，且需要较大量样本构建网络模型，目前对冠状动脉狭窄病理识别仍需过度依赖专家经验的问题。本发明方法通过对冠状动脉整体CTA影像进行超像素分割，对得到的超像素分割图进行粗识别，确定冠状动脉狭窄的可疑位置；再通过基于深度自编码器网络的冠状动脉狭窄识别模型对可疑位置对应的横截面CTA影像进行精识别，得到冠状动脉的狭窄级别结果，所述冠状动脉狭窄识别模型包括超像素分割模块、特征提取模块和分类模块。本发明方法可对冠状动脉狭窄实现较高准确率识别。