基于深度学习的血管内脂质斑块自动分割方法

本发明公开了一种基于深度学习的血管内脂质斑块自动分割方法，所述方法利用改进的U‑Net++网络架构来实现高精度的血管内外膜分割，然后在此基础上，采用基于灰度值、边缘特征和纹理特征的K‑means聚类算法，通过加入记忆机制，确保聚类过程中的稳定性和一致性，实现对斑块类型的精确分类。本发明通过使用改进U‑Net++网络进行超声和光声图像的内外膜分割，能够精确区分血管壁的不同结构，从而实现脂质斑块的准确识别、高精度的脂质斑块分割和分类，依靠基于特征选择和记忆机制优化的K‑means聚类算法能够在虚拟组织学中实现较为准确和稳定的分类效果，为进一步的病变分析和临床应用提供了可靠的基础。