System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于超声心动图的左室射血分数预测方法及系统技术方案_技高网

基于超声心动图的左室射血分数预测方法及系统技术方案

技术编号:43575585 阅读:3 留言:0更新日期:2024-12-06 17:42
本申请涉及一种基于超声心动图的左室射血分数预测方法。本申请包括:获取目标患者的实时超声心动图,对其预处理,获取实时超声心动图视频,将每个实时超声心动图视频中的帧序列输入预设的分类模型,获取切面分类结果,将切面分类结果为A4C切面和A2C切面的帧序列对应的实时超声心动图视频作为关键视频,将关键视频输入预设的左室心内膜分割模型,得到左室心内膜分割结果序列,将所述左室心内膜分割结果序列输入预设的LVEF预测模型,分别得到A4C切面LVEF、A2C切面LVEF,基于A4C切面LVEF、A2C切面LVEF,计算得到LVEF。该方法与辛普森法相比预测流程简单,且比基于视频直接预测更有可解释性。

【技术实现步骤摘要】

本公开涉及人工智能,尤其涉及一种基于超声心动图的左室射血分数预测方法。


技术介绍

1、左室射血分数(lvef)是判断心功能的基本情况以及心衰类型的重要指标之一。目前临床上常使用超声心动图测量左室射血分数(lvef),常用方法主要有: teichholz法、单平面辛普森法和双平面辛普森法。其中双平面辛普森法因为对左心室的形态具有更少的几何假设,所以适用于包括左心室形态改变的患者在内的不同类型患者,是被广泛认可的lvef测量方法。

2、如图1所示,双平面辛普森法包括如下步骤:步骤s101、获取二维超声心动图中心尖四腔(a4c)与心尖两腔(a2c)切面;步骤s102、从a4c、a2c切面中获取a4c切面舒张末期帧、a4c切面收缩末期帧、a2c切面舒张末期帧、a2c切面收缩末期帧;步骤s103、分别在a4c切面舒张末期帧、a2c切面舒张末期帧上勾勒出左心室心内膜轮廓,确定关键点;步骤s104、根据心内膜轮廓、关键点,确定心尖、二尖瓣环,分别20等分心尖到二尖瓣环平面的连线,即可将左心室分为20个高度相等的椭圆柱;步骤s105、获取椭圆柱的长轴、短轴长度、椭圆柱高度,计算得到椭圆柱的体积,对20个椭圆柱体积求和,获取舒张末期帧容积;;步骤s106、重复步骤s103-s105,根据a4c切面收缩末期帧、a2c切面收缩末期帧,获取收缩末期帧容积;步骤s107、基于舒张末期容积、收缩末期容积,计算左室射血分数。双平面辛普森法需要对a4c、a2c切面进行关键帧筛选,存在流程复杂,测量耗时较长的问题,且由于超声心动图影像质量低等原因,lvef结果具有较大的观察者内和观察者间差异。

3、针对上述问题,本领域技术人员多采用直接基于视频预测的方法进行规避,但该方法存在可解释性差的问题。


技术实现思路

1、为了解决上述技术问题,本公开实施例提供了一种基于超声心动图的左室射血分数预测方法及系统

2、本公开实施例的第一方面提供了一种基于超声心动图的左室射血分数预测方法,其特征在于,包括:

3、获取目标患者的实时超声心动图;

4、对所述实时超声心动图进行预处理,得到预处理后的实时超声心动图,其中,所述预处理后的实时超声心动图包括多个实时超声心动图视频,每个实时超声心动图视频包括多个帧序列;

5、将所述每个实时超声心动图视频中的一个或多个帧序列输入预设的分类模型,进行切面分类,获取切面分类结果,切面分类结果为a4c切面或a2c切面或其他;

6、将所述切面分类结果为a4c切面和a2c切面的帧序列对应的实时超声心动图视频作为关键视频,将关键视频输入预设的左室心内膜分割模型,得到左室心内膜分割结果序列;

7、将所述左室心内膜分割结果序列输入预设的lvef预测模型,分别得到a4c切面lvef、a2c切面lvef;

8、基于a4c切面lvef、a2c切面lvef,计算得到lvef。

9、可选的,所述预设的左室心内膜分割模型,包括编码器、池化层、第一空间注意力层、第一通道注意力层、解码器、第一卷积层,其中,所述将所述切面分类结果为a4c切面和a2c切面的帧序列对应的实时超声心动图视频作为关键视频,将关键视频输入预设的左室心内膜分割模型,得到左室心内膜分割结果序列,包括:

10、步骤s301、通过所述编码器对所述关键视频的第k帧进行编码,获取关键帧向量;

11、步骤s302、通过所述池化层对所述关键帧向量进行池化处理,获取第一特征向量;

12、步骤s303、通过第一空间注意力层对所述第一特征向量进行处理,获取用于表征空间特征的第一空间特征向量;

13、步骤s304、通过第一通道注意力层对所述第一特征向量进行处理,获取用于表征通道特征的第一通道特征向量;

14、步骤s305、将所述第一空间特征向量、所述第一通道特征向量融合为所述第二特征向量;

15、步骤s306、通过解码器,对所述第二特征向量进行处理,获取所述第三特征向量;

16、步骤s307、通过第一卷积层对所述第三特征向量处理,获取第一左室心内膜分割结果;

17、步骤s308、重复步骤s301-s307,对所述关键视频的每个帧序列进行处理,获取帧序列中每一帧对应的第一左室心内膜分割结果,基于所述的第一左室心内膜分割结果构建帧序列对应的第一左室心内膜分割结果序列,基于所述的第一左室心内膜分割结果序列构建左室心内膜分割结果序列。

18、可选的,所述的将所述左室心内膜分割结果序列输入预设的lvef预测模型,分别得到a4c切面lvef、a2c切面lvef,包括如下步骤:

19、所述左室心内膜分割结果序列包括多个第一左室心内膜分割结果序列,按帧序列切面分类结果将第一左室心内膜分割结果序列分为a4c切面的第一左室心内膜分割结果序列和a2c切面的第一左室心内膜分割结果序列;

20、将a4c切面的第一左室心内膜分割结果序列输入预设的lvef预测模型,得到i个第一lvef值,对所有的第一lvef值求均值,得到a4c切面lvef,i为a4c切面的第一左室心内膜分割结果序列的个数;

21、将a2c切面的第一左室心内膜分割结果序列输入预设的lvef预测模型,得到j个第二lvef值,对所有的第二lvef值求均值,得到a2c切面lvef,j为a2c切面的第一左室心内膜分割结果序列的个数。

22、可选的,所述预设的分类模型包括多个3d编码器、特征融合层、全连接层,所述的将所述每个实时超声心动图视频中的一个或多个帧序列输入预设的分类模型,进行切面分类,获取切面分类结果包括如下步骤:

23、将所述一个或多个帧序列分为第一、第二、第三帧序列;

24、将第一、第二、第三帧序列分别输入3d编码器,得到第一帧序列特征、第二帧序列特征、第三帧序列特征;

25、将第一、第二、第三帧序列特征输入特征融合层进行融合,输出融合后的帧序列特征;

26、将融合后的帧序列特征输入全连接层,输出切面分类结果。

27、可选的,所述预处理包括如下步骤:

28、对所述实时超声心动图进行筛选,获取所有二维灰阶超声心动图dcm视频;

29、将所述二维灰阶超声心动图dcm视频转换为目标格式,获取第一超声心动图视频;

30、将所述第一超声心动图视频裁剪出超声影像扇形区域,得到第二超声心动图视频;

31、将第二超声心动图视频分为一个或多个帧序列,作为实时超声心动图视频;

32、所有的实时超声心动图视频的集合作为预处理后的实时超声心动图。

33、可选的,所述的方法,还包括对实时超声心动图视频进行超分处理,步骤如下:

34、步骤s601、将所述实时超声心动图视频输入预设的超分模型,其中,所述预设的超分模型包括:第三空间注意力层、空间特征提取层、时间特征提取层、特征融合层本文档来自技高网...

【技术保护点】

1.一种基于超声心动图的左室射血分数预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述预设的左室心内膜分割模型,包括编码器、池化层、第一空间注意力层、第一通道注意力层、解码器、第一卷积层,其中,所述将所述切面分类结果为A4C切面和A2C切面的帧序列对应的实时超声心动图视频作为关键视频,将关键视频输入预设的左室心内膜分割模型,得到左室心内膜分割结果序列,包括:

3.根据权利要求2所述的方法,其特征在于,所述的将所述左室心内膜分割结果序列输入预设的LVEF预测模型,分别得到A4C切面LVEF、A2C切面LVEF,包括如下步骤:

4.根据权利要求3所述的方法,其特征在于,所述预设的分类模型包括多个3D编码器、特征融合层、全连接层,所述的将所述每个实时超声心动图视频中的一个或多个帧序列输入预设的分类模型,进行切面分类,获取切面分类结果包括如下步骤:

5.根据权利要求4所述的方法,其特征在于,所述预处理包括如下步骤:

6.根据权利要求1所述的方法,其特征在于,还包括对实时超声心动图视频进行超分处理,步骤如下:

7.根据权利要求1所述的方法,其特征在于,获取目标患者的超声心动图之前,所述方法还包括:

8.根据权利要求7所述的方法,其特征在于,还包括预训练,所述的预训练包括如下步骤:

9.一种基于超声心动图的左室射血分数预测装置,包括:

10.一种心衰识别装置,包括权利要求9所述的基于超声心动图的左室射血分数预测装置,还包括LVEF分类模型,用于将患有心衰的患者按照LVEF的值分为HFrEF、 HFmEF或HFpEF。

11.一种计算机设备,其特征在于,包括:存储器、处理器,以及计算机程序;其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求 1-8中任一项所述的方法。

12.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-8中任一项所述的方法。

...

【技术特征摘要】

1.一种基于超声心动图的左室射血分数预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述预设的左室心内膜分割模型,包括编码器、池化层、第一空间注意力层、第一通道注意力层、解码器、第一卷积层,其中,所述将所述切面分类结果为a4c切面和a2c切面的帧序列对应的实时超声心动图视频作为关键视频,将关键视频输入预设的左室心内膜分割模型,得到左室心内膜分割结果序列,包括:

3.根据权利要求2所述的方法,其特征在于,所述的将所述左室心内膜分割结果序列输入预设的lvef预测模型,分别得到a4c切面lvef、a2c切面lvef,包括如下步骤:

4.根据权利要求3所述的方法,其特征在于,所述预设的分类模型包括多个3d编码器、特征融合层、全连接层,所述的将所述每个实时超声心动图视频中的一个或多个帧序列输入预设的分类模型,进行切面分类,获取切面分类结果包括如下步骤:

5.根据权利要求4所述的方法,其特征在于,所述预处理包括如下步骤:

6...

【专利技术属性】
技术研发人员:赵朱振辉刁晓林权欣武欣桐
申请(专利权)人:中国医学科学院阜外医院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1