[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

本申請提供了一種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，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。提升了左心房和心房瘢痕的分割效率，分割結果更準確。

技術領域

本申請涉及醫學檢測領域，特別是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。

背景技術

心房瘢痕的量化能夠對射頻導管消融前后的房顫患者進行分級，從而對房顫患者制定有效的診療計劃十分重要。心房瘢痕的量化通常需要左心房和心房瘢痕分割信息。臨床上，由于釓延遲增強心臟磁共振成像(late gadolinium-enhanced cardiac magneticresonance,LGE CMR)技術可以無創地檢測和定位心房瘢痕，LGE CMR已被有效的用于對心房瘢痕的準確量化。但是臨床實踐過程依賴于醫生在LGE CMR圖像上手動地分割左心房和心房瘢痕。該過程十分耗時和低效。

由于心房瘢痕小，分布離散，易受噪聲的影響。并且在LGE CMR圖像中，主動脈壁，二尖瓣等器官和組織亦具有與心房瘢痕相似的強度，干擾心房瘢痕的準確識別。

因為心房瘢痕位于心房壁內，所以目前心房瘢痕的量化主要依賴于兩階段的分割框架對左心房和心房瘢痕進行分割：先分割左心房，然后利用分割的左心房再去分割心房瘢痕。2013年Kairm等人在《心臟磁共振雜志》總結了當前流行的兩階段的分割框架。這些兩階段的分割框架通常利用圖割法、主動輪廓模型等其他方法分割左心房，然后利用閾值法、聚類法等無監督方法分割心房瘢痕。這些無監督方法易受噪聲和LGE CMR圖像質量的影響。在2017年和2018年，Yang等人在《IEEE國際生物醫學影像研討會》和《醫學物理學雜志》上提出基于深度學習和支持向量機的監督方法來分割左心房瘢痕，提高了心房瘢痕分割的準確度。但是，這些分割框架都局限于需要人工對兩個分割任務進行關聯。而且在模型學習期間，兩個獨立的分割任務之間不存在反饋環。因此，它容易引起分割錯誤累積問題，這可能進一步導致不正確的心房瘢痕的量化。

發明內容

鑒于所述問題，提出了本申請以便提供克服所述問題或者至少部分地解決所述問題的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，包括：

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。

進一步地，

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：心房區域圖像灰度值；

和/或，

所述心房瘢痕特征，包括：心房瘢痕區域圖像灰度值；

和/或，