[發明專利]基于人工神經網絡的左心房與心房瘢痕的分割方法及裝置在審
| 申請號: | 202010159177.1 | 申請日: | 2020-03-09 |
| 公開(公告)號: | CN111281387A | 公開(公告)日: | 2020-06-16 |
| 發明(設計)人: | 張賀曄;陳軍;張冬 | 申請(專利權)人: | 中山大學 |
| 主分類號: | A61B5/055 | 分類號: | A61B5/055;A61B5/00;G06T7/11 |
| 代理公司: | 深圳市智勝聯合知識產權代理有限公司 44368 | 代理人: | 齊文劍 |
| 地址: | 510275 廣東*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 人工 神經網絡 心房 瘢痕 分割 方法 裝置 | ||
1.一種基于人工神經網絡的左心房與心房瘢痕的分割方法,其特征在于,包括:
利用人工神經網絡的自學習能力,建立心臟醫學圖像的圖像特征與左心房和心房瘢痕分割結果之間的對應關系;
獲取患者的當前心臟醫學圖像的當前圖像特征;
通過所述對應關系,確定與所述當前圖像特征對應的當前左心房和心房瘢痕分割結果;具體地,確定與所述圖像特征對應的當前左心房和心房瘢痕分割結果,包括:將所述對應關系中與所述當前圖像特征相同的圖像特征所對應的左心房和心房瘢痕分割結果,確定為所述當前左心房和心房瘢痕分割結果。
2.根據權利要求1所述的方法,其特征在于,
所述圖像特征,包括:心房特征和/或心房瘢痕特征,和/或由按設定規律自所述心房特征、所述心房瘢痕特征中提取的特征組成的一維或兩維以上的綜合特征;其中,
所述心房特征,包括:心房區域圖像像素值;
和/或,
所述心房瘢痕特征,包括:心房瘢痕區域圖像像素值;
和/或,
所述對應關系,包括:函數關系;所述圖像特征為所述函數關系的輸入參數,所述左心房和心房瘢痕分割結果為所述函數關系的輸出參數;
確定與所述當前圖像特征對應的當前左心房和心房瘢痕分割結果,還包括:
當所述對應關系包括函數關系時,將所述當前圖像特征輸入所述函數關系中,確定所述函數關系的輸出參數為當前左心房和心房瘢痕分割結果。
3.根據權利要求1所述的方法,其特征在于,所述建立心臟醫學圖像的圖像特征與左心房和心房瘢痕分割結果之間的對應關系的步驟,包括:
獲取用于建立所述圖像特征與所述左心房和心房瘢痕分割結果之間的對應關系的樣本數據;
分析所述圖像特征的特性及其規律,根據所述特性及其規律,確定所述人工神經網絡的網絡結構及其網絡參數;
使用所述樣本數據,對所述網絡結構和所述網絡參數進行訓練和測試,確定所述圖像特征與所述左心房和心房瘢痕分割結果的所述對應關系。
4.根據權利要求3所述的方法,其特征在于,所述獲取用于建立所述圖像特征與所述左心房和心房瘢痕分割結果之間的對應關系的樣本數據的步驟,包括:
收集不同心臟狀況的患者的所述圖像特征和所述左心房和心房瘢痕分割結果;
對所述圖像特征進行分析、并結合預存的專家經驗信息,選取與所述左心房和心房瘢痕分割結果相關的數據作為所述圖像特征;
將所述左心房和心房瘢痕分割結果、以及選取的所述圖像特征構成的數據對,作為樣本數據。
5.根據權利要求4所述的方法,其特征在于,
所述網絡結構,包括級連生成網絡,以及,級連判別網絡;其中,所述級連生成網絡提取所述圖像特征,并通過注意力機制對左心房和左心房瘢痕的相對位置關系進行建模;所述級連判別網絡通過與所述級連生成網絡進行對抗學習,降低圖像特征的類別不平衡;
和/或,
所述網絡參數,包括:卷積層數,空洞卷積層數,BN層數,激活函數種類,卷積核大小,卷積核個數,池化層數,上采樣層數,輸出層數,初始權值,以及,偏置值中的至少之一。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中山大學,未經中山大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010159177.1/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種利用數據庫的圖書館出書裝置
- 下一篇:無線手持吸塵器





