本发明属于图像识别领域，特别涉及一种冠状动脉夹层的自动检测方法和系统。
背景技术：
1、冠状动脉夹层是一种常见的心血管疾病，是由于冠状动脉内膜和中膜撕裂，形成壁内血肿，壁内血肿扩展到内膜外，形成夹层所致。
2、冠状动脉夹层可以发生在主动脉、左冠状动脉、右冠状动脉等不同部位。主动脉夹层可以是自发的，也可以继发于外伤、主动脉疾病等。如果主动脉夹层累及升主动脉，则可能形成主动脉瓣关闭不全或者心脏压塞等严重的并发症。如果累及降主动脉，则可能形成主动脉瓣反流或者心脏压塞等并发症。患者通常会出现胸部疼痛、呼吸困难、面色苍白、出汗、血压下降等症状，严重时还会出现休克等。
3、冠状动脉夹层可以进行心电图、超声心动图、计算机断层扫描血管造影、冠脉造影、核素心肌灌注显像等检查以评估冠状动脉状况。心电图虽然是一种简便的检查方法，但对冠状动脉夹层的敏感性和特异性有限，在冠状动脉夹层的早期或局部情况下，可能无法提供明确的诊断信息。超声心动图可以评估心脏结构和功能，但在胸骨后的冠状动脉夹层或少见的动脉分支夹层的检测方面，超声心动图的准确性较低。虽然计算机断层扫描血管造影可以提供高分辨率的血管影像，但其需要注射造影剂，存在一定的辐射暴露风险。且对于某些患者，如肾功能受损或对碘剂过敏的患者，cta可能不适用。血管造影作为血管手术中广泛使用的成像方式，存在低估真实的血管大小、斑块形态、钙和血栓的存在、斑块脆弱性、真实病变长度、支架扩张和并置、干预后残余狭窄以及是否存在夹层等局限性。
技术实现思路
1、本发明的目的是针对冠状动脉夹层，提供一种冠状动脉夹层的自动检测方法和系统。
2、这个系统通过结合yolov8和so(2)-unet两种先进的深度学习模型，实现了对冠状动脉夹层的高效准确检测。yolov8作为目标检测模型，能够快速定位图像中的夹层区域，大大提高了检测效率。它的实时性和多目标检测能力使其特别适合处理大量医学影像数据。同时，yolov8的改进骨干网络和先进的损失函数有助于提高检测的准确性。
3、so(2)-unet模型则在血管分割方面发挥了关键作用。通过引入so(2)卷积，该模型能够更好地捕获冠状动脉的解剖结构，提高对血管细节的保留能力。这种改进使得分割结果更加精确，减少了边界模糊的情况。so(2)-unet结合了unet的多尺度特征提取能力和so(2)卷积的旋转不变性，非常适合处理具有复杂结构的冠状动脉图像。这两种模型的结合不仅提高了检测和分割的准确性，还大大增强了系统的整体性能和可靠性。
4、为了实现上述目的，本发明采用以下技术方案：一种冠状动脉夹层的自动检测方法，包括以下步骤：
5、(1)采集临床冠状动脉造影图像，处理图像形成数据集训练和验证yolov8模型；
6、(2)将需要检测的冠状动脉造影图像进行处理后输入yolov8模型对图像中的fl进行识别和定位；
7、(3)对识别和定位后的图像利用构建的so(2)-unet模型对定位区域内的冠状动脉进行特征提取和语义分割，精确分割出冠状血管；
8、(4)对分割出的冠状血管进一步识别出夹层区域，并可视化呈现出来。
9、进一步的，步骤(1)中冠状动脉造影图像的处理具体采用以下步骤：
10、1.1采用3dslicer或labelme，对冠状动脉造影图像中的冠状动脉夹层进行标注；
11、1.2对标注后的冠状动脉造影图像进行去噪、对比度增强、尺寸标准化的预处理。
12、进一步的，步骤(2)中冠状动脉造影图像的处理包括去噪、对比度增强和尺寸标准化处理。
13、进一步的，步骤(2)中yolov8模型在使用前采用数据集微调模型的权重。
14、进一步的，步骤(3)中so(2)-unet模型采用e(2)-cnn库中的等变模块。
15、进一步的，步骤(4)中进一步识别出夹层区域具体依次对分割出的冠状血管进行边缘检测、轮廓分析、样条曲线拟合和距离变换插值。
16、一种冠状动脉夹层的自动检测系统，包括：
17、数据采集及模型训练模块，用于采集临床冠状动脉造影图像，处理图像形成数据集训练和验证yolov8模型；
18、fl识别和定位模块，用于将需要检测的冠状动脉造影图像进行处理后输入yolov8模型对图像中的fl进行识别和定位；
19、冠状血管分割模块，用于对识别和定位后的图像利用构建的so(2)-unet模型对定位区域内的冠状动脉进行特征提取和语义分割，精确分割出冠状血管；
20、识别及可视化模块，用于对分割出的冠状血管进一步识别出夹层区域，并可视化呈现出来。
21、进一步的，数据采集及模型训练模块包括数据处理子模块，用于对冠状动脉造影图像的处理，具体执行：
22、1.1采用3dslicer或labelme，对冠状动脉造影图像中的冠状动脉夹层进行标注；
23、1.2对标注后的冠状动脉造影图像进行去噪、对比度增强、尺寸标准化的预处理。
24、进一步的，fl识别和定模块还包括预处理子模块，用于对需要进行检测的冠状动脉造影图像的处理，具体执行去噪、对比度增强和尺寸标准化处理。
25、进一步的，识别及可视化模块包括识别子模块和可视化子模块；
26、所述识别子模块执行对分割出的冠状血管进行边缘检测、轮廓分析、样条曲线拟合和距离变换插值；
27、所述可视化子模块用于将识别出的夹层区域以可视化方式呈现。
28、本发明具有以下有益效果：
29、1、利用yolov8进行对象检测，在短时间内对大量图像进行快速准确的检测，自动识别图像中的冠状动脉夹层，实现自动化的检测过程，大大提高了诊断的效率和准确性。
30、2、系统能够精确定位夹层在冠状动脉的具体解剖区域，提供更详细的诊断信息，有助于医生制定更精准的治疗方案。
31、3、利用深度学习模型，实现系统自适应学习功能，通过大量数据不断优化模型，使其在冠状动脉夹层检测方面表现更加智能化和精准化。
32、4、利用so(2)-unet模型更好地捕获冠状动脉所具有的明显的周期性结构，有效地分割出动脉腔和壁，提高了分割的准确性。
33、5、结合unet结构和so(2)卷积，更好地保留血管的细节信息，减少伪影或边界模糊的情况，实现对动脉腔和壁的精确描绘，使分割结果更加准确和可靠。
34、6、通过语义分割有效地增强冠状动脉的影像质量，使医生能够更清晰地观察到动脉的结构和特征，有助于更准确地进行诊断和治疗规划。
35、7、本系统的自动检测方法和系统具有较强的可扩展性，可以根据实际需求和不同的医疗场景进行定制和优化，适用于不同类型的冠状动脉夹层检测任务。
36、8、自动化分割冠状动脉腔和壁可以减少人工操作，提高工作效率，同时降低了人为错误的风险，使医学影像分析更加可靠和可复制。
1.一种冠状动脉夹层的自动检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的冠状动脉夹层的自动检测方法，其特征在于：所述步骤(1)中冠状动脉造影图像的处理具体采用以下步骤：
3.根据权利要求1所述的冠状动脉夹层的自动检测方法，其特征在于：所述步骤(2)中冠状动脉造影图像的处理包括去噪、对比度增强和尺寸标准化处理。
4.根据权利要求1所述的冠状动脉夹层的自动检测方法，其特征在于：所述步骤(2)中yolov8模型在使用前采用数据集微调模型的权重。
5.根据权利要求1所述的冠状动脉夹层的自动检测方法，其特征在于：所述步骤(3)中so(2)-unet模型采用e(2)-cnn库中的等变模块。
6.根据权利要求1所述的冠状动脉夹层的自动检测方法，其特征在于：所述步骤(4)中进一步识别出夹层区域具体依次对分割出的冠状血管进行边缘检测、轮廓分析、样条曲线拟合和距离变换插值。
7.一种冠状动脉夹层的自动检测系统，其特征在于包括：
8.根据权利要求7所述的冠状动脉夹层的自动检测系统，其特征在于：所述数据采集及模型训练模块包括数据处理子模块，用于对冠状动脉造影图像的处理，具体执行：
9.根据权利要求7所述的冠状动脉夹层的自动检测系统，其特征在于：所述fl识别和定模块还包括预处理子模块，用于对需要进行检测的冠状动脉造影图像的处理，具体执行去噪、对比度增强和尺寸标准化处理。
10.根据权利要求7所述的冠状动脉夹层的自动检测系统，其特征在于：所述识别及可视化模块包括识别子模块和可视化子模块；
