(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 202211277514.2 (22)申请日 2022.10.19 (71)申请人 江苏诺阳家居科技有限公司 地址 226000 江苏省南 通市如东县大豫镇 张謇工业园区大豫西路108号 (72)发明人 余萍　 (74)专利代理 机构 北京真致博文知识产权代理 事务所(普通 合伙) 11720 专利代理师 娄华 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/73(2017.01) G06V 10/44(2022.01) G06V 10/50(2022.01)G06V 10/764(2022.01) A61B 6/00(2006.01) (54)发明名称 基于图形识别的动脉瘤识别方法 (57)摘要 本发明涉及数据 识别技术领域， 具体涉及基 于图形识别的动脉瘤识别方法。 该方法是一种应 用电子设备进行识别的方法， 利用人工智能系统 完成对动脉瘤的识别。 该方法首先通过DSA造影 设备识别得到动脉瘤图像， 对动脉瘤图像进行数 据处理得到多个显影边缘点对， 进一步进行数据 处理得到显影边缘点对的异常程度， 由异常程度 得到异常的显影边缘点对的位置， 作为动脉瘤病 变位置。 本发 明通过分析动脉瘤图像中的图形特 征数据得到异常的显影边缘点对， 进而得到动脉 瘤病变位置， 在不丢失动脉瘤图像的细节信息的 情况下， 根据图像的图形特征数据对动脉瘤进行 了识别。 权利要求书2页 说明书8页 附图1页 CN 115359051 A 2022.11.18 CN 115359051 A 1.基于图形识别的动脉瘤识别方法， 其特 征在于， 该 方法包括以下步骤： 获取连续帧动脉瘤图像； 采集所述连续帧动脉瘤图像中同一位置处像素点对应的灰度 值序列； 基于所述灰度值序列中相邻 两个灰度值的均值和相邻 两个灰度值对应的时间的差值， 计算对应的像素点的显影程度； 由各像素点的所述显影程度构建显影特征图； 根据所述显 影特征图中各像素点的梯度幅值大小筛选出显影边缘点； 基于多个所述显影边缘点对应的 灰度值序列之间的差异， 对显影边 缘点进行两 两匹配得到多个显影边 缘点对； 基于所述显影边缘点对中两个显影边缘点的梯度方向的差异， 计算所述显影边缘点对 所对应的异常程度； 所述异常程度大于等于预设异常阈值的显影边缘点对所处的位置， 为 动脉瘤病变位置 。 2.根据权利要求1所述的基于图形识别的动脉瘤识别方法， 其特征在于， 所述采集所述 连续帧动脉瘤图像中同一 位置处像素点对应的灰度值序列， 包括： 采集所述连续帧动脉瘤图像中同一位置处像素点的灰度值作为初始灰度值， 按照动脉 瘤图像采集时间的先后顺序构建对应的初始灰度值序列； 对所述初始灰度值序列中的初始灰度值进行灰度反转， 得到反转灰度值和对应的反转 灰度值序列； 将所述反转灰度值序列作为所述连续帧动脉瘤图像中同一位置处像素点对应 的灰度值序列。 3.根据权利要求1所述的基于图形识别的动脉瘤识别方法， 其特征在于， 所述基于所述 灰度值序列中相 邻两个灰度值的均值和相 邻两个灰度值对应的时间的差值， 计算对应的像 素点的显影程度， 包括： 所述显影程度的计算公式为： 其中， 为连续帧动脉瘤图像中第 个像素点对应的显影程度； 为连续帧动脉瘤图像 的总帧数； 为第 帧动脉瘤图像中第 个像素点对应的灰度值； 为第 帧动 脉瘤图像中第 个像素点对应 的灰度值； 为第 帧动脉瘤图像对应 的采集时间； 为第 帧动脉瘤图像对应的采集时间。 4.根据权利要求1所述的基于图形识别的动脉瘤识别方法， 其特征在于， 所述由各像素 点的所述显影程度构建显影特 征图， 包括： 所述显影特 征图中各像素点的像素值 为像素点所对应的所述显影程度。 5.根据权利要求1所述的基于图形识别的动脉瘤识别方法， 其特征在于， 所述根据 所述 显影特征图中各像素点的梯度幅值大小筛 选出显影边 缘点， 包括： 获取所述显影特征图中各像素点的梯度幅值和对应的梯度直方图； 基于所述梯度直方 图， 利用E M算法拟合高斯混合模型， 所述高斯混合模型包 含两个子高斯模型； 将两个子高斯模型按照子 高斯模型的均值大小进行升序排列， 赋予所述子 高斯模型对 应的序号； 将像素点对应的所述梯度幅值分别输入两个所述子高斯模型得到对应的两个子权　利　要　求　书 1/2 页 2 CN 115359051 A 2高斯模型 的值， 较大子高斯模型 的值对应的子高斯模型 的序号作为像素点对应的序号， 将 序号较大的像素点作为高斯混合模型。 6.根据权利要求1所述的基于图形识别的动脉瘤识别方法， 其特征在于， 所述基于多个 所述显影边缘点对应的灰度值序列之 间的差异， 对显影边缘点进 行两两匹配得到多个显影 边缘点对， 包括： 连接相邻的所述显影边 缘点， 得到多个血 管显影边 缘； 选取任意显影边缘点作为目标边缘点， 所述目标边缘点所属的血管显影边缘作为目标 边缘； 利用动态时间规整算法， 计算所述 目标边缘点对应的灰度值序列和除所述 目标边缘 外其他血管显影边缘上各显影边缘点对应的灰度值序列的归整路径距离； 选取最小的规整 路径距离对应的显影边缘点作为待选边缘点， 所述目标边缘点和所述待选边缘点为一对显 影边缘点。 7.根据权利要求1所述的基于图形识别的动脉瘤识别方法， 其特征在于， 所述基于所述 显影边缘点对中两个显影边缘点的梯度方向的差异， 计算所述显影边缘点对所对应的异常 程度， 包括： 连接所述显影边 缘点对中两个显影边 缘点， 得到边 缘点连线和对应的连线方向； 分别获取所述显影边缘点对中两个显影边缘点的梯度方向， 作为第 一梯度方向和第 二 梯度方向； 所述第一梯度方向和所述连线方向的角度差值作为第一角度差， 所述第二梯度 方向和所述连线方向的角度差值作为第二角度差； 当所述第一角度差和所述第 二角度差均为零 时， 将所述显影边缘点对的异常程度置为 零； 当所述第一角度差和所述第 二角度差至少有一个不为零 时， 所述第 一角度差和所述第 二角度差的差值的绝对值作为第一绝对值， 所述第一角度差和所述第二角度差的和作为角 度和； 所述第一 绝对值与所述角度和的比值 为所述显影边 缘点对的异常程度。权　利　要　求　书 2/2 页 3 CN 115359051 A 3