【技术实现步骤摘要】
本专利技术涉及智慧医疗、图像处理，具体涉及一种自动化心脏时相检测与心功能计算方法。
技术介绍
1、基于心脏影像数据的心脏时相检测技术作为一种非侵入性的、快速和准确定位心动周期的方法，对于快速准确评估心脏收缩功能具有重要意义。然而常规的心脏影像检查中仍需要临床人员根据心脏影像数据主观地识别和判断舒张末期和收缩末期，投入较大的精力和时间成本，且不同的临床人员在分析过程中存在主观差异，未实现标准化。gene rquinn等人在2017年的研究显示，39％的急性心肌梗死病例存在误诊。针对心脏影像数据的自动判读问题，研究人员们提出了多种图像处理技术，如速度谱包络和高斯混合技术等。专利cn106910194a在确定舒张末期时相时，首先选定初始感兴趣区域并计算各时相该区域的最大强度投影图像，接着基于聚类算法对其进行分割并选取最大圆度区域，最后计算各时相下最大圆度区域的平均灰度值，将具有最大平均灰度值的此共振图像所在的心动周期定义为舒张末期。该半自动方法在选定感兴趣区域时具有较强的主观性，降低了算法准确性和鲁棒性。此外部分自动化时相检测方法基于传统机器学习方法提取心室腔积分曲线、心室壁运动轨迹等心脏运动特征，并结合峰值检测、互相关分析等算法对其分析。上述方法提取心室壁特征的准确率较低，而基于深度学习方法可有效解决该问题。
技术实现思路
1、本专利技术提出一种自动化心脏时相检测与心功能计算方法，该方法自动对原始心脏影像数据进行格式转换和预处理，并采用基于transformer模块和u-net结构的混
2、本专利技术的技术方案如下：
3、一种自动化心脏时相检测与心功能计算方法，包括步骤如下：
4、s1、数据采集与预处理；
5、s11、原始图像采集与转换；原始图像由专业临床人员操作成像设备扫描受试者获取，获取的图像通常为dicom格式的心脏mri或ct图像；根据需求获取原始图像头文件相关信息，如体素尺寸、初始位置、方向角等，并转换为nifti或nrrd格式；
6、s12、图像归一化与数据增强；为统一图像灰度分布以适应深度学习网络输入，采用最大值最小值方法将图像灰度值缩放至[0,1]；为提升模型泛化性能，采用数据增强技术扩增训练集的样本与数量，包括旋转、平移、镜像翻转、高斯模糊、随机噪声等；
7、s2、构建基于左室心肌分割的自动化心脏时相检测网络；
8、s21、基于深度学习的左室心肌分割网络；采用基于transformer模块和u-net结构的混合网络结构，由编码器和解码器两部分组成；数据集所包含的心肌标签由心脏影像科临床人员手动标测得到，输入网络后编码器以固定尺寸将输入图像划分为若干小块(patch)，并采用patch嵌入层(embedding)将划分得到的小块线性变换为低维度的嵌入向量并输入transformer模块，通过注意力机制捕捉具有全局上下文信息的特征图；将通过编码器获得的包含输入图像在不同尺度和层次上的特征信息输入解码器，解码器采用u-net结构，在每个解码层中进行特征提取和基于反卷积的上采样操作，逐渐恢复特征图的空间尺寸并提取高级语义信息；此外引入跨路径注意力机制，利用注意力加权融合不同解码层的特征图，最后通过卷积层生成语义分割结果；
9、为监督模型训练过程，采用像素级交叉熵损失lce度量模型预测结果与真实标签之间的差异：
10、
11、其中，m为像素语义类别数量；yic为符号函数，当样本i的真实值等于c时函数取值为1，否则为0；pic为样本i属于类别c的预测概率；
12、s22、基于左室心肌内轮廓计算左室心腔容积；首先选定阈值λ将s21中左室心肌分割网络的分割结果转化为二值图像，随后采用marching squares算法从左室心肌二值图像中提取内轮廓线，并将其覆盖的面积范围定义为左室心腔容积；marching squares算法包含如下步骤：
13、1)从图像左上角起始，按行或按列顺序依次扫描每个像素；
14、2)使用四邻域像素信息确定每一个像素所属的区域类型；
15、3)根据像素分类结果，确定各像素所在区域的轮廓点，各区域类型对应一组连接的边，并可通过插值算法得到轮廓上的坐标点；
16、4)通过描绘相邻的轮廓的，得到完整的边缘曲线，并以坐标点集合的形式输出轮廓识别结果；
17、统计由心底到心尖各层面心肌内轮廓包含的像素点数量，并根据下式计算各层面对应区域的心腔容积大小：
18、vi＝pi·sx·sy·sz
19、其中vi表示第i层切片的心腔容积大小，pi表示第i层切片心肌内轮廓所包含的像素点数量，sx、sy、sz分别表示图像体素的长、宽、高；
20、s23、基于左室心腔容积自动化检测心脏时相；考虑到心脏核磁共振图像的扫描特点，选择短轴序列中间部切片作为心脏时相自动化检测的判据；中间部切片序号i符合下述条件：
21、
22、其中n表示短轴序列切片总数；μ为分部参数，μ≥1，用于控制中间部分布宽度；表示向上取整，表示向下取整；
23、接着统计中间部切片心腔总容积作为自动化心脏时相检测判据：
24、
25、
26、其中λt表示t时相判据，i表示某时相下切片序号，vi表示某时相下第i层切片的左室心腔容积，lt表示t时相中间部切片列表；
27、采用高次多项式拟合法对所有时相下的判据进行拟合，并确定舒张末期(ed)为曲线唯一的极大值点，收缩末期(es)为曲线唯一的极小值点；
28、s3、自动化心功能计算方法；
29、s31、构建主动脉层心肌端点检测网络；将靠近心底一侧左室心肌组织非闭合的切片定义为主动脉层，基于深度学习方法识别主动脉层心肌端点作为后续流程的基础；其中主动脉层心肌端点检测网络与s21中的心肌分割网络结构相同，且同样选择交叉熵损失作为监督网络训练过程的损失函数；数据集中主动脉层心肌端点标签由心脏影像科临床人员标记，监督深度网络训练过程；
30、s32、基于最小二乘法将轮廓拟合为圆并计算主动脉层心腔容积；步骤如下：
31、1)基于s22中的marching squares算法识别非闭合心肌的轮廓；
32、2)基于几何矩方法计算非闭合心肌轮廓的重心；<本文档来自技高网...
【技术保护点】
1.一种自动化心脏时相检测与心功能计算方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种自动化心脏时相检测与心功能计算方法，其特征在于，所述的阈值λ等于1。
3.根据权利要求1所述的一种自动化心脏时相检测与心功能计算方法，其特征在于，所述的分部参数μ等于2。
4.根据权利要求1所述的一种自动化心脏时相检测与心功能计算方法，其特征在于，所述的固定角度θ等于15°。
【技术特征摘要】
1.一种自动化心脏时相检测与心功能计算方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种自动化心脏时相检测与心功能计算方法，其特征在于，所述的阈值λ等于1。
3.根据权利...
【专利技术属性】
技术研发人员：邓冬东，贺毅，夏灵，赵崇尚，乐颖慧，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。