一種心血管影像分析系統(tǒng)及方法 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及醫(yī)學(xué)影像處理與分析領(lǐng)域，尤其涉及一種心血管影像分析系統(tǒng)及方法。 背景技術(shù) [0002] 隨著醫(yī)學(xué)影像技術(shù)的不斷發(fā)展，CT（計算機(jī)斷層掃描）和MRI（磁共振成像）等非侵入式成像技術(shù)已成為臨床上心血管疾病診斷的重要工具。這些影像技術(shù)能夠以極高的分辨率呈現(xiàn)心血管結(jié)構(gòu)的解剖信息，為疾病的早期發(fā)現(xiàn)、診斷和治療提供了強(qiáng)有力的支持。然而，隨著影像設(shè)備性能的提升，單次掃描產(chǎn)生的數(shù)據(jù)量呈指數(shù)增長，如何高效處理和分析這些大規(guī)模醫(yī)學(xué)影像數(shù)據(jù)，成為當(dāng)前醫(yī)學(xué)影像研究領(lǐng)域的重要挑戰(zhàn)之一。 [0003] 此外，傳統(tǒng)的心血管影像分析大多依賴于醫(yī)生的肉眼觀察和主觀判斷，其結(jié)果容易受到醫(yī)生經(jīng)驗和觀察角度的影響，不僅費(fèi)時費(fèi)力，還可能導(dǎo)致分析結(jié)果的不穩(wěn)定性。此外，心血管解剖結(jié)構(gòu)復(fù)雜，尤其是冠狀動脈和外周血管，其分支多、走向復(fù)雜且結(jié)構(gòu)細(xì)小，人工分析往往難以全面和精準(zhǔn)地反映這些結(jié)構(gòu)信息。另一方面，心血管疾?。ㄈ鐒用}瘤、狹窄、斑塊等）的早期病變特征通常較為細(xì)微且分布不均，人工分析難以準(zhǔn)確識別這些早期病變，從而增加了疾病漏診和誤診的風(fēng)險，因此，亟需提供一種心血管影像分析方法來彌補(bǔ)人工分析的局限性，通過結(jié)合醫(yī)學(xué)影像技術(shù)和人工智能，心血管疾病的診斷與治療有望進(jìn)入一個精確化、智能化階段，為患者帶來更好的預(yù)后和生活質(zhì)量。 發(fā)明內(nèi)容 [0004] 本發(fā)明提供一種心血管影像分析系統(tǒng)及方法，以解決缺乏對動態(tài)特征和局部變化的自適應(yīng)捕捉能力；對病變區(qū)域的檢測無法結(jié)合分割結(jié)果的全局信息與局部動態(tài)特征進(jìn)行綜合分析，導(dǎo)致病變識別的準(zhǔn)確性和靈敏性較低；以及分割結(jié)果無法全面反映心血管結(jié)構(gòu)的連貫性，無法滿足實際臨床應(yīng)用中對快速和高效的需求的問題。 [0005] 本發(fā)明的一種心血管影像分析系統(tǒng)及方法，具體包括以下技術(shù)方案： [0006] 一種心血管影像分析方法，包括以下步驟： [0007] S1、獲取心血管影像數(shù)據(jù)并進(jìn)行預(yù)處理，將預(yù)處理后的心血管影像數(shù)據(jù)轉(zhuǎn)換到初始特征空間，通過遞歸過程逐步優(yōu)化初始特征空間中的心血管影像特征，得到遞歸后的心血管影像特征；基于遞歸后的心血管影像特征組成的遞歸特征空間，構(gòu)造動態(tài)特征映射，得到動態(tài)特征映射值；并采用多層次變分優(yōu)化對動態(tài)特征映射值進(jìn)行調(diào)整，得到優(yōu)化后的特征映射值； [0008] S2、采用分塊特征聚合，對優(yōu)化后的特征映射值進(jìn)行分塊操作，并使用聯(lián)合最優(yōu)迭代策略動態(tài)調(diào)整心血管區(qū)域的分割邊界，得到三維分割結(jié)果；基于三維分割結(jié)果，提取心血管的幾何特征，并構(gòu)建血管網(wǎng)絡(luò)圖；通過在三維分割結(jié)果中檢測異常區(qū)域，判定病變區(qū)域，最終生成診斷信息。 [0009] 優(yōu)選的，所述S1，具體包括： [0010] 心血管影像特征的遞歸過程由以下公式定義： [0011] ， [0012] 其中， 為遞歸過程中像素點 在第 層輸出的心血管影像特征； 表示第 層的權(quán)重矩陣； 是偏置項；為激活函數(shù)； 為遞歸過程中像素點在第 層輸出的心血管影像特征； 是前一層心血管影像特征的梯 度；為梯度正則化系數(shù)。 [0013] 優(yōu)選的，所述S1，具體包括： [0014] 動態(tài)特征映射通過積分操作，將遞歸特征空間中像素梯度的變化規(guī)律轉(zhuǎn)化為顯著性權(quán)重，形成與實際心血管區(qū)域?qū)?yīng)的特征值分布；動態(tài)特征映射的具體公式為： [0015] ， [0016] 其中， 是動態(tài)特征映射值；是感興趣區(qū)域，定義為包含心血管結(jié)構(gòu)的像素集合； 是第 層心血管影像特征的梯度；用于防止分母為零。 [0017] 優(yōu)選的，所述S1，具體包括： [0018] 在對動態(tài)特征映射值進(jìn)行調(diào)整的過程中，通過構(gòu)建能量函數(shù)，整合梯度平滑性、特征一致性和稀疏性；能量函數(shù)的數(shù)學(xué)表達(dá)式為： [0019] ， [0020] 其中， 是能量函數(shù)，表示動態(tài)特征映射值 的優(yōu)化目標(biāo)值； 為梯度平滑項， 是動態(tài)特征映射值的梯度幅值； 是動態(tài)特征映射值的梯度； 為特征一致性項； 為目標(biāo) 特征值； 為稀疏性正則化項； 為權(quán)重參數(shù)。 [0021] 優(yōu)選的，所述S1，具體包括： [0022] 采用變分法最小化能量函數(shù)，通過計算能量函數(shù)關(guān)于動態(tài)特征映射值的一階變分導(dǎo)數(shù)并令一階變分導(dǎo)數(shù)為零，得到優(yōu)化后的特征映射值。 [0023] 優(yōu)選的，所述S2，具體包括： [0024] 將心血管影像的感興趣區(qū)域劃分為兩個及以上非重疊感興趣區(qū)域，每個區(qū)域塊內(nèi)的特征值通過加權(quán)求和進(jìn)行聚合，形成代表各區(qū)域塊的加權(quán)特征值。 [0025] 優(yōu)選的，所述S2，具體包括： [0026] 使用聯(lián)合最優(yōu)迭代策略對各區(qū)域塊的加權(quán)特征值進(jìn)行分析和更新；通過分割閾值方法得到初步分割結(jié)果，在每次迭代中，分割結(jié)果會根據(jù)上一輪的分割狀態(tài)和當(dāng)前區(qū)域塊的加權(quán)特征值動態(tài)調(diào)整；每次迭代的分割公式為： [0027] ， [0028] 其中， 是第 次迭代的分割結(jié)果； 是第 次迭代的分割結(jié) 果；是步長； 是符號函數(shù)； 是區(qū)域塊 的加權(quán)特征值；是分割閾值。

1.一種心血管影像分析方法，其特征在于，包括以下步驟： S1、獲取心血管影像數(shù)據(jù)并進(jìn)行預(yù)處理，將預(yù)處理后的心血管影像數(shù)據(jù)轉(zhuǎn)換到初始特征空間，通過遞歸過程逐步優(yōu)化初始特征空間中的心血管影像特征，得到遞歸后的心血管影像特征；基于遞歸后的心血管影像特征組成的遞歸特征空間，構(gòu)造動態(tài)特征映射，動態(tài)特征映射通過積分操作，將遞歸特征空間中像素梯度的變化規(guī)律轉(zhuǎn)化為顯著性權(quán)重，形成與實際心血管區(qū)域?qū)?yīng)的特征值分布，得到動態(tài)特征映射值；并采用多層次變分優(yōu)化對動態(tài)特征映射值進(jìn)行調(diào)整，在對動態(tài)特征映射值進(jìn)行調(diào)整的過程中，通過構(gòu)建能量函數(shù)，整合梯度平滑性、特征一致性和稀疏性，并采用變分法最小化能量函數(shù)，通過計算能量函數(shù)關(guān)于動態(tài)特征映射值的一階變分導(dǎo)數(shù)并令一階變分導(dǎo)數(shù)為零，得到優(yōu)化后的特征映射值； S2、采用分塊特征聚合，對優(yōu)化后的特征映射值進(jìn)行分塊操作，并使用聯(lián)合最優(yōu)迭代策略動態(tài)調(diào)整心血管區(qū)域的分割邊界，得到三維分割結(jié)果；基于三維分割結(jié)果，提取心血管的幾何特征，并構(gòu)建血管網(wǎng)絡(luò)圖；通過在三維分割結(jié)果中檢測異常區(qū)域，判定病變區(qū)域，最終生成診斷信息。 2.根據(jù)權(quán)利要求1所述的心血管影像分析方法，其特征在于，所述S1，具體包括： 心血管影像特征的遞歸過程由以下公式定義： ， 其中， 為遞歸過程中像素點 在第 層輸出的心血管影像特征； 表示 第 層的權(quán)重矩陣； 是偏置項；為激活函數(shù)； 為遞歸過程中像素點 在 第 層輸出的心血管影像特征； 是前一層心血管影像特征的梯度；為梯度正則化系數(shù)。 3.根據(jù)權(quán)利要求2所述的心血管影像分析方法，其特征在于，所述S1，具體包括： 動態(tài)特征映射的具體公式為： ， 其中， 是動態(tài)特征映射值； 是對感興趣區(qū)域 內(nèi)的所有像素點 進(jìn)行積分；是感興趣區(qū)域，定義為包含心血管結(jié)構(gòu)的像素集合； 是第 層心血管影像特征的梯度；用于防止分母為零。 4.根據(jù)權(quán)利要求3所述的心血管影像分析方法，其特征在于，所述S1，具體包括： 能量函數(shù)的數(shù)學(xué)表達(dá)式為： ， 其中， 是能量函數(shù)，表示動態(tài)特征映射值 的優(yōu)化目標(biāo)值； 為梯度平滑項， 是動態(tài)特征映射值的梯度幅值； 是動態(tài)特征映射值 的梯度； 為特征一致性項； 為目標(biāo)特征值； 為稀疏性正則化項； 為權(quán)重參數(shù)。 5.根據(jù)權(quán)利要求1所述的心血管影像分析方法，其特征在于，所述S2，具體包括：