买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州倍佐健康科技有限公司

摘要：本发明提供一种基于AI模型识别冠状CTA粥样斑块及易损斑块的方法，利用深度学习对冠状CTA图像进行特征提取和分类，通过构建大规模的带有标注的冠状CTA图像数据集，用于临床冠脉CTA图像的粥样斑块及其易损斑块特征识别，实现对粥样斑块及易损斑块特征的自动识别。以此提供统一的诊断手段，解决现有技术中识别准确性低、水平不统一、诊断慢、自动化程度不足的问题。不需要依靠医生主观上的专业知识和临床经验，而是客观识别粥样斑块及其高危易损斑块，为患者提供准确、客观的临床诊断结果和对应的诊疗方案，诊断手段、标准比较统一。自动化诊断，节省体力、脑力等，大大提高冠状CTA粥样斑块及易损斑块的诊断效率。

主权项：1.一种基于AI模型识别冠状CTA粥样斑块及易损斑块的方法，其特征在于，所述方法包括：采集冠状动脉粥样硬化患者的临床冠脉CTA图像，并导入后台服务器上预先部署的冠状动脉粥样硬化AI识别模型中；由所述冠状动脉粥样硬化AI识别模型识别并判断所述临床冠脉CTA图像中是否具有对应冠状动脉粥样斑块及易损斑块的特征图像：若有，则输出相应冠状动脉粥样斑块及易损斑块的特征图像；反之，则输出无病变的检测结果；所述冠状动脉粥样硬化AI识别模型的生成方法，包括：基于冠状动脉粥样硬化患者的冠脉CTA历史大数据，采用深度学习模型训练得到所述冠状动脉粥样硬化AI识别模型，包括：获取冠状动脉粥样硬化患者的冠脉CTA历史大数据并进行预处理；对所述冠脉CTA历史大数据分别进行标注，标注出所述冠脉CTA历史大数据中每一张冠脉CTA图像上的冠状动脉粥样斑块及易损斑块的特征图像，得到CTA特征图像数据集，包括：预先构建所述冠状动脉粥样斑块及易损斑块的标注训练图像；利用所述标注训练图像，基于机器学习算法训练生成对应的标注模型；利用所述标注模型遍历所述冠脉CTA历史大数据中每一张冠脉CTA图像，并对所述冠脉CTA图像上的冠状动脉粥样斑块及易损斑块的特征图像进行自动识别并标注；输出标注结果，得到已标注的所述CTA特征图像数据集；将所述CTA特征图像数据集按照预设比例划分为对应的训练集和测试集；基于深度学习模型，对所述训练集中的所述冠状动脉粥样斑块及易损斑块的特征图像进行训练学习，生成冠状动脉粥样硬化初始识别模型；利用所述测试集中的所述冠状动脉粥样斑块及易损斑块的特征图像，对所述冠状动脉粥样硬化初始识别模型进行验证：若是验证合格，则得到所述冠状动脉粥样硬化AI识别模型，并将所述冠状动脉粥样硬化AI识别模型部署于后台服务器上；若是验证不合格，则重新标注并训练；标注对象为冠状动脉粥样斑块及其易损斑块特征，包含如下特征：低密度斑块:斑块内的低密度区域，通常是脂质核心，CT值通常低于30HU；正性重构:斑块部位的动脉壁外径扩大，超过邻近正常部分的动脉壁外径；点状钙化:斑块内小而密集的钙化点，直径通常小于3mm；“餐巾环”征:斑块周围的高密度环状影像，包围低密度核心，显示斑块的纤维帽；标注工具，采用自动标注模型，对不同冠脉CTA图像上的冠状动脉粥样斑块及易损斑块的特征图像进行标注：利用Python自动化标注训练的原理，Python自动化标注训练基于机器学习和自然语言处理技术，通过构建自动化模型来实现数据的标注；深度学习模型，包括：U-Net模型、ResNet模型或DenseNet模型。

全文数据：

权利要求：

百度查询： 杭州倍佐健康科技有限公司 基于AI模型识别冠状CTA粥样斑块及易损斑块的方法