颈动脉狭窄已经成为当下危害人们健康的杀手之一。颈动脉狭窄分为颈总动脉狭窄、颈内动脉狭窄、颈外动脉狭窄,它们的狭窄度计算方式和造成的健康影响不同。医生通过颈动脉数字减影血管造影(DSA)进行诊断,找到狭窄部位并计算狭窄度。单靠医生人工诊断,存在漏诊、误诊的风险,且狭窄度计算需要借助其他工具,影响诊断效率。近几年来,人工智能与医疗的结合越来越密切,计算机辅助诊断走进医院。为了提高诊断效率,降低误诊率,本文基于深度学习,围绕颈动脉狭窄辅助诊断开展工作,取得了以下成果:1.图像分割。狭窄度计算需要先得到二值图像。本文只关注颈动脉主干的狭窄情况,但颈动脉分支会影响颈动脉宽度的计算。通过每行分别选阈值进行行二值化,再将行二值化结果擦掉分支作为语义分割标签,通过对比常规语义分割FCN系列网络和Deeplab v3网络,以及医疗语义分割U-Net网络和CE-Net网络,最后选用CE-Net网络进行颈动脉主干的图像分割,并进行了优化;2.颈动脉狭窄定位。如果在整幅二值图像中求颈动脉宽度,靠在一起的颈动脉图像分割后变成一条,宽度增大;即使没有颈动脉分支,造影中颈动脉还存在靠在一起、交叉等情况,由于二值图像减少了颈动脉流向信息,难以判断遇到这些情况后颈动脉位置关系。即使得到了颈动脉宽度,也很难将得到的宽度对应到同一条颈动脉上,有的对应正确了,根据宽度变化确定狭窄部位时,宽度变化的多少也不好把握,因此,很难根据宽度对比定位到狭窄部位。所以,本文在原图上通过检测网络定位狭窄部位,通过网络学习特征代替宽度对比方案设计,通过对比单阶段网络RetinaNet和两阶段网络Cascade R-CNN在狭窄类型不分类、分两类、分三类时的精度,最终选择RetinaNet狭窄分两类作为最终检测网络;3.颈动脉狭窄度计算。在CE-Net分割的二值图像中,结合RetinaNet狭窄分两类的检测框进行狭窄度计算,缩小了计算范围,减少了交叉等的可能。通过像素值差异找到颈动脉边缘,进而求出颈动脉宽度,通过狭窄处宽度和正常处宽度,就可以计算出颈动脉狭窄度;4.系统设计。本文设计了一个软件,可以嵌入已有算法,通过软件界面导入颈动脉视频或图像,然后传到远程电脑进行处理,最终将结果返回,辅助医生进行诊断。