(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210896874.4 (22)申请日 2022.07.28 (71)申请人 深圳睿心智能医疗科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区高新南环路46号留学生 创业大厦二期13 02 (72)发明人 洪凯　马骏　郑凌霄　兰宏志　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 于彬 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/26(2022.01) G06T 7/73(2017.01)G06T 17/00(2006.01) G06V 40/14(2022.01) G06V 10/764(2022.01) G16H 30/40(2018.01) G16H 30/20(2018.01) (54)发明名称 一种冠状动脉钙化积分的计算方法、 装置及 存储介质 (57)摘要 本申请提供了一种冠状动脉钙化积分的计 算方法、 装置及存储介质， 包括： 通过图像分割模 型从冠脉平扫CT 图像中分割出心脏区域处的初 始三维医学图像； 对初始三维医学图像中的钙化 斑块的区域进行识别， 确定出至少一个目标区域 图像以及每个图像的位置信息； 通过对由目标区 域图像和图像的位置信息构成的输入进行识别， 确定每个图像中冠脉血管的类别； 通过第二冠脉 分类模型对初始三维医学图像进行整体识别， 确 定初始三维 医学图像包括的钙化斑块的区域、 每 个区域位置信息以及冠脉血管的类别； 对两个模 型均识别出钙化区域进行钙化积分计算， 得到冠 状动脉钙化总积分。 这样， 通过本申请提供的方 法， 可以快速精确的完成基于平扫CT的冠脉钙化 积分的计算。 权利要求书3页 说明书12页 附图4页 CN 115222713 A 2022.10.21 CN 115222713 A 1.一种冠状动脉钙化积分的计算方法， 其特 征在于， 所述计算方法包括： 将获取到的目标患者的目标三维冠脉平扫CT图像输入至预先训练好的图像分割模型 中进行图像分割， 获取 所述目标患者心脏区域处的初始三维医学图像； 对所述初始三维医学图像中的钙化斑块的区域进行识别， 确定出至少一个钙化斑块对 应的目标区域图像以及每 个目标区域图像在所述初始三维医学图像中的位置信息； 将从所述初始三维医学图像中识别出的每个目标区域图像和每个目标区域图像的位 置信息输入预先构建好的第一冠脉分类模型中， 确定所述初始 三维医学图像中每个目标区 域图像中冠 脉血管的类别； 将所述初始三维医学图像输入至预先构建好的第 二冠脉分类模型中， 确定所述初始三 维医学图像包括的钙化斑块的钙化预测区域、 每个钙化预测区域在所述初始 三维医学图像 中的位置信息， 以及所对应的冠 脉血管的类别； 通过所述第一冠脉分类模型和所述第二冠脉分类模型识别出的具有相同位置信息和 相同类别的冠脉血管的钙化斑块的区域， 将所述具有相同位置信息和相同类别的冠脉血管 的钙化斑块的区域在所述初始三维医学图像中进行 标注， 得到目标三维医学图像； 根据所述目标三维医学图像中标注的钙化斑块区域， 进行钙化积分计算， 得到冠状动 脉钙化总积分。 2.根据权利要求1所述的计算方法， 其特 征在于， 通过以下步骤构建图像分割模型： 获取多张待训练三维冠脉平扫CT图像； 其中， 预先对每张待训练三维冠脉平扫CT图像 中的心脏区域进行分割， 确定每张待训练三 维冠脉平扫CT图像中的心脏区域的真实分割结 果； 将所述多张待训练三维冠脉平扫CT图像输入至分割神经网络 中， 确定每张待训练三维 冠脉平扫CT图像的预测分割结果； 其中， 所述分割神经网络是基于 3D‑U‑net构建的； 分别使用每张待训练三维冠脉平扫CT图像的预测分割结果和该待训练三维冠脉平扫 CT图像的真实分割结果进行对比计算， 确定混合损失函数的数值； 根据所述混合损失函数的数值， 采用反 向梯度传播算法对所述分割神经网络进行迭代 训练， 得到所述图像分割模型。 3.根据权利要求1所述的计算方法， 其特征在于， 所述对所述初始三维医学图像中的钙 化斑块的区域进 行识别， 确定出至少一个钙化斑块对应的目标区域图像以及每个目标区域 图像在所述初始三维医学图像中的位置信息， 包括： 根据预设CT阈值， 对所述初始三维医学图像进行二值化处理， 生成三维二值医学图像； 所述三维二值医学图像用于确定冠状动脉中的疑似钙化斑块的区域； 基于所述三维二值医学图像进行连通域构建， 并将构建出的每个连通域确定为所述三 维二值医学图像中包括的疑似钙化斑块的区域， 确定出至少一个初始钙化区域； 基于阈值法， 从所述至少一个初始钙化区域中筛选出符合阈值要求的至少一个初始钙 化区域， 并将筛 选出的初始钙化区域确定为目标钙化区域， 得到 至少一个目标钙化区域； 针对每个目标钙化区域， 根据该目标钙化区域的边界框的数值， 从所述初始三维医学 图像中裁剪出相应大小的目标区域图像， 并确定裁剪出的每个目标区域图像在所述初始 三 维医学图像中的位置信息 。 4.根据权利要求1所述的计算方法， 其特征在于， 所述根据 所述目标三维医学图像 中标权　利　要　求　书 1/3 页 2 CN 115222713 A 2注的钙化斑块区域， 进行钙化积分计算， 得到冠状动脉钙化总积分， 包括： 分别计算每支所述冠脉血管在每层切片中的钙化斑块区域的agaston积分、 体积积分 以及质量积分； 将每支所述冠脉血管在各层切片中的agaston积分、 体积积分以及质量积分对应相加， 得到每支所述冠 脉血管的agaston积分、 体积 积分以及质量积分； 将每支所述冠脉血管的agaston积分、 体积积分、 质量积分分别相加， 得到所述冠状动 脉钙化总积分。 5.根据权利要求3所述的计算方法， 其特征在于， 所述基于阈值法， 从所述至少一个初 始钙化区域中筛选出符合阈值要求的至少一个初始钙化区域， 并将筛选出的初始钙化区域 确定为目标钙化区域， 包括： 将体积小于第 一体积阈值、 面积大于第 一面积阈值以及体素数量大于第 一数量的初始 钙化区域确定为目标钙化区域。 6.根据权利要求2所述的计算方法， 其特征在于， 所述混合损失函数包括交叉熵损失函 数、 结构相似性损失函数以及IOU损失函数。 7.根据权利要求1所述的计算方法， 其特征在于， 所述第二冠脉分类模型包括三个部 分： Backbo ne部分， Neck部分和Predicti on部分。 8.一种冠状动脉钙化积分的计算装置， 其特 征在于， 所述计算装置包括： 分割模块， 用于将获取到的目标患 者的目标三维冠脉平扫CT图像输入至预先训练好的 图像分割模型中进行图像分割， 获取 所述目标患者心脏区域处的初始三维医学图像； 识别模块， 用于对所述初始三维医学图像中的钙化斑块的区域进行识别， 确定出至少 一个钙化斑块对应的目标区域图像以及每个目标区域图像在所述初始三维医学图像中的 位置信息； 第一确定模块， 用于将从所述初始三维医学图像中识别出的每个目标区域图像和每个 目标区域图像的位置信息输入预先构建好的第一冠脉分类模型中， 确定所述初始三 维医学 图像中每 个目标区域图像中冠 脉血管的类别； 第二确定模块， 用于将所述初始三维医学图像输入至预先构建好的第 二冠脉分类模型 中， 确定所述初始三维医学图像包括的钙化斑块的钙化预测区域、 每个钙化预测区域在所 述初始三维医学图像中的位置信息， 以及所对应的冠 脉血管的类别； 标注模块， 用于通过所述第 一冠脉分类模型和所述第 二冠脉分类模型识别出的具有相 同位置信息和相同类别的冠脉血管的钙化斑块的区域， 将所述具有相同位置信息和相同类 别的冠脉血管的钙化斑块的区域在所述初始 三维医学图像中进行标注， 得到目标三 维医学 图像； 计算模块， 用于根据所述目标三维医学图像中标注的钙化斑块区域， 进行钙化积分计 算， 得到冠状动脉钙化总积分。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过所述 总线进行通信， 所述机器可读指 令被所述处理器运行时执行如权利要求 1至7任一所述的计 算方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机权　利　要　求　书 2/3 页 3 CN 115222713 A 3