【技术实现步骤摘要】
本专利技术涉及医疗检测，更具体地涉及一种基于半监督深度分割模型的射血功能评估值的方法及装置。
技术介绍
1、由于获取的对象的超声心动图具有实时性，且通过超声设备获取对象的超声心动图的过程具有成本低和无辐射等优点，因此利用非侵入式的超声心动图作为中间结果，对上述对象进行针对性的诊断，是当下一种常见的检测方法。进一步的，左心室射血分数也是用于帮助对上述对象的泵血功能做出诊断的重要数据之一。然而，现有的根据超声心动图或超声心动视频预测得到的左心室射血分数与真实结果存在较大的误差。
2、在实现上述专利技术构思的过程中发现：相关技术中由于无法精准的对超声心动视频进行处理以获得超声心动视频中的舒张末期帧和收缩末期帧，导致无法得到准确的左心室射血分数，并且，在对舒张末期帧和收缩末期帧进行处理以估测左心室射血分数的同时，无法直观的看到中间估测过程和中间估测结果，从而无法对估测过程进行调控，导致左心室射血分数误差较大且灵活性较差的技术问题。
技术实现思路
1、鉴于上述问题，本专利技术提供了一种基于半监督深度分割模型的射血功能评估值的方法及装置。
2、根据本专利技术的第一个方面，提供了一种基于半监督深度分割模型的射血功能评估值的方法，包括：获取超声心动视频，其中，超声心动视频包括多帧超声心动图像；利用半监督深度分割模型对超声心动视频进行分割处理，得到在每帧超声心动图像中位于左心室区域的与每个像素点对应的相对深度估计值，其中，半监督深度分割模型包括权重不同的第一图像分割网络和第二
3、根据本专利技术的实施例，利用半监督深度分割模型对超声心动视频进行分割处理，得到在每帧超声心动图像中位于左心室区域的与每个像素点对应的相对深度估计值，包括：针对多帧超声心动图像中的任一帧超声心动图像，将任一帧超声心动图像输入至半监督深度分割模型，以利用半监督深度分割模型对每个像素点进行深度值计算，得到与每个像素点对应的相对深度估计值；根据第二预定规则，从多个相对深度估计值中筛选得到位于左心室区域的与每个像素点对应的相对深度估计值；对多帧超声心动图像中的每帧超声心动图像均执行上述操作，得到在每帧超声心动图像中位于左心室区域的与每个像素点对应的相对深度估计值。
4、根据本专利技术的实施例，第二预定规则表征在相对深度估计值为0的情况下，确认与相对深度估计值对应的像素点位于左心室以外的区域，在相对深度估计值不为0的情况下，确认与相对深度估计值对应的像素点位于左心室以内的区域。
5、根据本专利技术的实施例，根据每帧超声心动图像中的多个相对深度估计值，计算得到在每帧超声心动图像中左心室的候选容积，包括：对每帧超声心动图像中每个像素点的相对深度估计值进行求和处理，计算得到在每帧超声心动图像中左心室的候选容积。
6、根据本专利技术的实施例，基于第一预定规则，从多个候选容积中确定多个目标收缩容积和多个目标舒张容积，并根据多个目标收缩容积和多个目标舒张容积，得到左心室的目标射血功能评估值，包括：根据多个候选容积生成左心室的初始容积曲线图；利用寻峰函数对初始容积曲线图进行寻峰处理，确定多个目标收缩容积和多个目标舒张容积；根据多个目标收缩容积和多个目标舒张容积，计算得到目标射血功能评估值。
7、根据本专利技术的实施例，根据多个目标收缩容积和多个目标舒张容积，计算得到目标射血功能评估值，包括：基于心动周期划分规则，对初始容积曲线图进行心动周期划分处理，得到目标容积曲线图，其中，目标容积曲线图表征划分有多个心动周期的曲线图，心动周期划分规则表征以相邻的一个目标收缩容积和一个目标舒张容积作为一个心动周期进行划分；对每个心动周期内的目标收缩容积和目标舒张容积进行射血计算，得到与每个心动周期对应的射血分数；对多个射血分数进行平均处理，得到目标射血功能评估值。
8、根据本专利技术的实施例，半监督深度分割模型是利用以下方式训练得到的，包括：获取训练数据集，其中，训练数据集包括超声心动样本视频，超声心动样本视频由多帧超声样本图像组成，在多帧超声样本图像中包括含有分割标签的舒张样本图像、含有分割标签的收缩样本图像和不含有分割标签的超声心动样本图像；对超声心动样本视频进行预分割处理，得到与超声心动样本视频中每帧超声样本图像对应的预深度分割图像，其中，预深度分割图像中包括与每个像素点对应的预深度分割标签，预深度分割标签表征每个像素点位于左心室区域中的深度；将超声心动样本视频输入至待训练的半监督深度分割模型进行分割处理，得到与超声心动样本视频中每帧超声样本图像对应的分割训练图像，其中，待训练的半监督深度分割模型由两个初始权重相同的第一图像分割网络和第二图像分割网络构成，分割训练图像包括舒张训练图像、收缩训练图像和多帧心动训练图像；基于损失函数，根据多帧预深度分割图像、舒张训练图像、收缩训练图像和多帧心动训练图像，得到训练损失值；根据训练损失值，通过调整第一图像分割网络的初始权重和第二图像分割网络的初始权重，得到经训练的半监督深度分割模型。
9、根据本专利技术的实施例，舒张训练图像包括经过第一图像分割网络处理后的第一舒张训练图像和经过第二图像分割网络处理后的第二舒张训练图像，收缩训练图像包括经过第一图像分割网络处理后的第一收缩训练图像和经过第二图像分割网络处理后的第二收缩训练图像，第一舒张训练图像和第二舒张训练图像包括舒张像素点，第一收缩训练图像和第二收缩训练图像包括收缩像素点；基于损失函数，根据多帧预深度分割图像、舒张训练图像、收缩训练图像和多帧心动训练图像，得到训练损失值，包括：针对第一舒张训练图像中的每个舒张像素点，根据舒张像素点的训练深度和第一目标像素点的预深度分割标签，得到第一舒张训练图像中多个舒张像素点各自的舒张损失函数，其中，第一目标像素点是根据舒张像素点的坐标信息，从与舒张训练图像对应的第一预深度分割图像中确定的；针对第二收缩训练图像中的每个收缩像素点，根据收缩像素点的训练深度和第二目标像素点的预深度分割标签，得到第二收缩训练图像中多个收缩像素点各自的收缩损失函数，其中，第二目标像素点是根据收缩像素点的坐标信息，从与收缩训练图像对应的第二预深度分割图像中确定的；根据基于多个舒张损失函数、多个收缩损失函数、舒张训练图像的尺寸信息和收缩训练图像的尺寸信息确定的监督损失值、以及基于多帧心动训练图像的尺寸信息、舒张训练图像、收缩训练图像和多帧预深度分割图像确定的目标交叉伪监督损失值，确定训练损失值。
10、根据本专利技术的实施例，心动训练图像包括经过第一图像分割网络处理后的第一网络训练图像和经本文档来自技高网...
【技术保护点】
1.一种基于半监督深度分割模型的射血功能评估值的方法，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，所述利用半监督深度分割模型对所述超声心动视频进行分割处理，得到在每帧超声心动图像中位于左心室区域的与每个像素点对应的相对深度估计值，包括：
3.根据权利要求2所述的方法，其特征在于，所述第二预定规则表征在所述相对深度估计值为0的情况下，确认与所述相对深度估计值对应的像素点位于所述左心室以外的区域，在所述相对深度估计值不为0的情况下，确认与所述相对深度估计值对应的像素点位于所述左心室以内的区域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述每帧超声心动图像中的多个相对深度估计值，计算得到在所述每帧超声心动图像中左心室的候选容积，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于第一预定规则，从多个候选容积中确定多个目标收缩容积和多个目标舒张容积，并根据所述多个目标收缩容积和所述多个目标舒张容积，得到所述左心室的目标射血功能评估值，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述
7.根据权利要求1所述的方法，其特征在于，所述半监督深度分割模型是利用以下方式训练得到的，包括：
8.根据权利要求7所述的方法，其特征在于，所述舒张训练图像包括经过所述第一图像分割网络处理后的第一舒张训练图像和经过所述第二图像分割网络处理后的第二舒张训练图像，所述收缩训练图像包括经过所述第一图像分割网络处理后的第一收缩训练图像和经过所述第二图像分割网络处理后的第二收缩训练图像，所述第一舒张训练图像和所述第二舒张训练图像包括舒张像素点，所述第一收缩训练图像和所述第二收缩训练图像包括收缩像素点；
9.根据权利要求8所述的方法，其特征在于，所述心动训练图像包括经过所述第一图像分割网络处理后的第一网络训练图像和经过所述第二图像分割网络处理后的第二网络训练图像，所述第一网络训练图像包括第一心动像素点，所述第二网络训练图像包括第二心动像素点；
10.一种基于半监督深度分割模型的射血功能评估值的装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于半监督深度分割模型的射血功能评估值的方法，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，所述利用半监督深度分割模型对所述超声心动视频进行分割处理，得到在每帧超声心动图像中位于左心室区域的与每个像素点对应的相对深度估计值，包括：
3.根据权利要求2所述的方法，其特征在于，所述第二预定规则表征在所述相对深度估计值为0的情况下，确认与所述相对深度估计值对应的像素点位于所述左心室以外的区域，在所述相对深度估计值不为0的情况下，确认与所述相对深度估计值对应的像素点位于所述左心室以内的区域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述每帧超声心动图像中的多个相对深度估计值，计算得到在所述每帧超声心动图像中左心室的候选容积，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于第一预定规则，从多个候选容积中确定多个目标收缩容积和多个目标舒张容积，并根据所述多个目标收缩容积和所述多个目标舒张容积，得到所述左心室的目标射血功能评估值，包括：
6.根据权利要求5所述的方法，...
【专利技术属性】
技术研发人员：陈彦，王金舵，卢智，张东恒，胡洋，
申请(专利权)人：中国科学技术大学，
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。