[發(fā)明專利]心房間隔閉塞患者心臟醫(yī)學(xué)影像分割方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911389822.2
• 申請(qǐng)日: 2019-12-28
• 公開（公告）號(hào): CN111127504A
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 黃建龍;吳劍煌
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號(hào): G06T7/174
• 分類號(hào): G06T7/174;G06T7/11
• 代理公司: 深圳市科進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44316
• 代理人: 曹衛(wèi)良

本發(fā)明涉及一種心房間隔閉塞患者心臟醫(yī)學(xué)影像分割方法，包括：采集心房間隔閉塞患者心臟MRI數(shù)據(jù)集，利用光譜分析方法處理該MRI數(shù)據(jù)集；將處理過的MRI數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)，并將數(shù)據(jù)增強(qiáng)后的MRI數(shù)據(jù)集進(jìn)行二元分類的分割，得到被正確劃分的MRI數(shù)據(jù)集；對(duì)被正確劃分的MRI訓(xùn)練數(shù)據(jù)集，采用遷移學(xué)習(xí)方法微調(diào)卷積神經(jīng)網(wǎng)絡(luò)模型，以提取對(duì)后續(xù)醫(yī)學(xué)影像分割有用的特征；利用提取的對(duì)醫(yī)學(xué)影像分割有用的特征設(shè)計(jì)U?Net架構(gòu)，并利用U?Net架構(gòu)完成端到端的像素到像素的醫(yī)學(xué)影像分割。本發(fā)明還涉及一種心房間隔閉塞患者心臟醫(yī)學(xué)影像分割系統(tǒng)。本發(fā)明能夠提高心血管MRI檢查中的診斷效率，準(zhǔn)確分割心臟醫(yī)學(xué)影像，高效實(shí)現(xiàn)端到端的對(duì)心臟MRI圖像的目標(biāo)和背景分類。

技術(shù)領(lǐng)域

本發(fā)明涉及一種心房間隔閉塞患者心臟醫(yī)學(xué)影像分割方法及系統(tǒng)。

背景技術(shù)

在房間隔缺損(ASD)醫(yī)學(xué)圖像分析中，由于來自左心房的隔膜缺損引起的血液流入，右心房顯示出嚴(yán)重腫脹，并導(dǎo)致兩個(gè)心房中的血容量不平衡。磁共振成像(MagneticResonance Imaging，MRI)通常用于診斷這種心臟病，然而，金屬房間隔封堵器的引入在其放置的區(qū)域造成了重影效應(yīng)，導(dǎo)致不正確的活動(dòng)輪廓分割。

Kucera等人已經(jīng)實(shí)現(xiàn)了在心臟的短軸和長軸視圖上可靠的活動(dòng)輪廓3D模型，他提出了一種基于區(qū)域的外力來分割左心室。Sarti等提出了一種基于區(qū)域的分割模型方法，實(shí)現(xiàn)了灰度級(jí)統(tǒng)計(jì)分布的先驗(yàn)知識(shí)，他們使用水平集方法驅(qū)動(dòng)曲線演化，以便相對(duì)于圖像像素的統(tǒng)計(jì)分布規(guī)律獲得目標(biāo)的最大似然分割。Boukerroui等人提出了另一種基于區(qū)域的分割方法，基于自適應(yīng)分割算法，其中加權(quán)函數(shù)考慮本地和全局統(tǒng)計(jì)。Mishra等人提出了基于遺傳算法(GA)求解優(yōu)化問題的短軸視圖分割方法中左心室的另一種主動(dòng)輪廓分割模型。隨后，Mignotte和Meunier提出了多尺度方法進(jìn)行輪廓優(yōu)化。Mitchell等人在瞬態(tài)超聲圖像中執(zhí)行三維主動(dòng)外觀模型(AAM)分割。Bosch等人提出了一種基于其前身AAM的主動(dòng)外觀運(yùn)動(dòng)模型(AAMM)，并開發(fā)用于在完整的心動(dòng)周期中分割左心室，其他完善的分割方法涉及人工神經(jīng)網(wǎng)絡(luò)，模糊多尺度邊緣檢測器和基于卡爾曼濾波器的跟蹤方法。

經(jīng)典的snake模型最初是由Kass、Witkin和Terzopolous提出的，用于將由邊緣檢測器產(chǎn)生的噪聲濾波器響應(yīng)合成為圖像中感知邊緣的連貫描繪。這樣，可以建立分離具有不同灰度級(jí)特性的兩個(gè)圖像區(qū)域的邊界。半自動(dòng)分割方法用于基于MR圖像分割心臟腔室，通過Kass蛇算法實(shí)現(xiàn)，該算法涉及用于分割的基于區(qū)域的方法。其可以克服在超聲成像中常見的具有差的邊界清晰度的分割物體的問題，但對(duì)于邊界清晰度不明顯的分割物體沒辦法完成MRI圖像的分割。同時(shí)傳統(tǒng)的方法(活動(dòng)輪廓模型)不能夠準(zhǔn)確分割一些特殊的MRI圖像，比如做過心臟手術(shù)并安裝過金屬支架或金屬網(wǎng)的患者，他們的心臟MRI圖像中金屬物體會(huì)以陰影的形式呈現(xiàn)。同時(shí)傳統(tǒng)的方法，沒辦法更好地解決研究中訓(xùn)練數(shù)據(jù)規(guī)模相對(duì)較小的情況。

發(fā)明內(nèi)容

有鑒于此，有必要提供一種心房間隔閉塞患者心臟醫(yī)學(xué)影像分割方法及系統(tǒng)。

本發(fā)明提供一種心房間隔閉塞患者心臟醫(yī)學(xué)影像分割方法，該方法包括如下步驟：a.采集心房間隔閉塞患者心臟MRI數(shù)據(jù)集，利用光譜分析方法處理該MRI數(shù)據(jù)集；b.將由光譜分析方法處理過的MRI數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)，并將數(shù)據(jù)增強(qiáng)后的MRI數(shù)據(jù)集進(jìn)行二元分類的分割，得到被正確劃分的MRI數(shù)據(jù)集；c.對(duì)被正確劃分的MRI訓(xùn)練數(shù)據(jù)集，采用遷移學(xué)習(xí)方法微調(diào)卷積神經(jīng)網(wǎng)絡(luò)模型，以提取對(duì)后續(xù)醫(yī)學(xué)影像分割有用的特征；d.利用提取的對(duì)醫(yī)學(xué)影像分割有用的特征設(shè)計(jì)U-Net架構(gòu)，并利用U-Net架構(gòu)完成端到端的像素到像素的醫(yī)學(xué)影像分割。

其中，所述的步驟b具體包括：

采用數(shù)據(jù)增強(qiáng)的方法對(duì)MRI數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)，水平和垂直滑動(dòng)，隨機(jī)裁切，增加顏色抖動(dòng)和高斯噪聲；

對(duì)數(shù)據(jù)增強(qiáng)后的MRI數(shù)據(jù)集進(jìn)行分割，將分割視為二元分類，即0和1，1代表被正確地劃分，0代表被錯(cuò)誤地劃分。