[發明專利]一種心臟CT成像自動最優相位識別方法

在審

• 申請號: 201911191975.6
• 申請日: 2019-11-28
• 公開（公告）號: CN110969633A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 曾凱;馮亞崇;郭桐
• 申請（專利權）人: 南京安科醫療科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06N3/08;G06N3/04
• 代理公司: 南京睿之博知識產權代理有限公司 32296
• 代理人: 劉菊蘭

1.一種心臟CT成像自動最優相位識別方法，其特征在于，包括以下步驟：

A1、數據集準備：收集m個病人心臟掃描的投影數據，每個病人重建M個不同相位的CT圖像，每個相位對應一個表征圖像質量的標簽值，將得到的CT圖像數據隨機分為訓練集、測試集和驗證集，m≧30,M≧20；

A2、神經網絡設計：構建網絡模型作為相位估計網絡，相位估計網絡的輸入為n個不同相位點重建得到的三維體數據、輸出為表示N個相位對應的圖像質量的向量；

A3、網絡訓練：把訓練集和測試集數據輸入到網絡模型中，訓練得到相位估計網絡的網絡參數；

A4、最優相位估計：從數據集中選取同一病人的N個相位的CT圖像作為測試圖像，輸入到相位估計網絡中，得到N個CT圖像的標簽值和N個相位，根據各個CT圖像的標簽值確定最優標簽值所對應的相位。

2.根據權利要求1所述的一種心臟CT成像自動最優相位識別方法，其特征在于：所述步驟A2中的相位估計網絡采用卷積神經網絡，后接全連接網絡或者convlstm網絡的結構，網絡損失函數以均方誤差MSE為目標函數。

3.根據權利要求1所述的一種心臟CT成像自動最優相位識別方法，其特征在于：所述步驟A4中，根據各個CT圖像的標簽值查找最優標簽值所對應的相位；或者通過所述標簽值擬合出一條直線或者曲線，用y＝fun(x)表示，其中x為測量的標簽值，y為相位值，通過該擬合結果最終獲得最優中心相位；或者直接輸出一個K點的相位-圖像質量向量，根據最優的標簽值來獲得最優的相位。

4.根據權利要求1所述的一種心臟CT成像自動最優相位識別方法，其特征在于：所述步驟A2中在建立相位估計網絡之前增加了一個心臟分割網絡。

5.根據權利要求4所述的一種心臟CT成像自動最優相位識別方法，其特征在于，所述步驟A2中的心臟分割網絡的建立步驟為：

B1、構建心臟分割網絡的數據集：收集k個病人心臟掃描的投影數據，每個病人重建K個不同相位的CT圖像，在得到的CT圖像中標記出心包區域，k≧30,K≧20；

B2、神經網絡設計：構建U-Net的深度學習網絡結構來進行心包自動分割；

B3：網絡訓練：訓練網絡，把訓練集和測試集數據輸入到網絡，訓練得到網絡參數；

B4：心包分割：重建好的CT圖像輸入到網絡，得到分割好的CT圖像，心包分割后的圖像分別對應不同的相位標簽。

6.根據權利要求1所述的一種心臟CT成像自動最優相位識別方法，其特征在于：所述步驟A2中在建立相位估計網絡之前增加一個基于心臟區域的注意力網絡。

7.根據權利要求6所述的一種心臟CT成像自動最優相位識別方法，其特征在于，所述步驟A2中的基于心臟區域的注意力網絡的建立步驟為：

C1、構建基于心臟區域的注意力網絡的數據集：收集k個病人心臟掃描的投影數據，每個病人重建K個不同相位的CT圖像，在得到的CT圖像中標記出心包區域，并對其mask進行高斯模糊，k≧30,K≧20；

C2、神經網絡設計:構建U-Net的深度學習網絡結構，并基于heatmap回歸來定位心包的位置；

C3、網絡訓練：訓練網絡，把訓練集和測試集數據輸入到網絡，訓練得到網絡參數；

C4:心臟定位：重建好的CT圖像輸入到網絡，得到心臟的近似位置，在預測的邊界框中心周圍裁剪固定大小的區域，得到心臟區域。

8.根據權利要求1所述的一種心臟CT成像自動最優相位識別方法，其特征在于：所述步驟A3中通過梯度下降法優化損失函數訓練構建的網絡模型。

9.根據權利要求1任一所述的一種心臟CT成像自動最優相位識別方法，其特征在于：所述心臟掃描的投影數據采用根據心跳相位同步的軸掃掃描模式、步進掃描方式或者螺旋掃描方式獲得。