[發(fā)明專利]基于多病種胎兒四腔心切面的多部件語義分割方法

在審

• 申請?zhí)枺?/td>: 202010596943.0
• 申請日: 2020-06-28
• 公開（公告）號(hào): CN111709424A
• 公開（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 朱皞罡;楊汀陽;安山
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06K9/34
• 分類號(hào): G06K9/34;G06K9/62;G06N3/04;G06N3/08;A61B8/08
• 代理公司: 煙臺(tái)炳誠專利代理事務(wù)所(普通合伙) 37258
• 代理人: 王素花;任連明

本申請為基于多病種胎兒四腔心切面的多部件語義分割方法，通過采集超聲心動(dòng)序列圖像、復(fù)制擴(kuò)大采集的多體位的超聲心動(dòng)序列圖像的樣本量以及對樣本量進(jìn)行分割的步驟；基于多病種的四腔心切面，對多個(gè)部件進(jìn)行分割；并使用占比平衡策略，取得更好的分割效果，尤其是在數(shù)據(jù)量占比低的組別；本發(fā)明是第一個(gè)在多病種胎兒超聲心動(dòng)圖里實(shí)現(xiàn)多個(gè)核心部件分割的方法，將極大輔助醫(yī)生對胎兒心臟多個(gè)關(guān)鍵指標(biāo)的統(tǒng)計(jì)分析，并將有益于遠(yuǎn)程醫(yī)療尤其有益于基層邊遠(yuǎn)地區(qū)醫(yī)療水平的提升。

技術(shù)領(lǐng)域

本發(fā)明涉及基于多病種胎兒四腔心切面的多部件語義分割方法。

背景技術(shù)

在臨床實(shí)踐中，超聲檢查是胎兒期檢查的重要部分，可以提供出可靠明晰的信息，為孕婦提供科學(xué)的咨詢服務(wù)，給出合適的產(chǎn)后指導(dǎo)策略。

但是，目前更多的研究是基于成人超聲心動(dòng)圖的，而對左心房LV的研究；雖然已有研究表明做了成人LV的分割工作，以及基于四腔心切面的分割工作，已有研究使用收縮末期ES、舒張末期ED時(shí)期的四腔心圖片進(jìn)行左心房LV的分割；但還是沒有解決多病種多部件的分割，也沒有針對多病種胎兒四腔心切面的多部件分割方法。

發(fā)明內(nèi)容

本發(fā)明提供了基于多病種胎兒四腔心切面的多部件語義分割方法，基于多病種的四腔心切面，對多個(gè)部件進(jìn)行分割；并使用占比平衡策略，取得更好的分割效果，尤其是在數(shù)據(jù)量占比低的組別；本發(fā)明是第一個(gè)在多病種胎兒超聲心動(dòng)圖里實(shí)現(xiàn)多個(gè)核心部件分割的方法，將極大輔助醫(yī)生對胎兒心臟多個(gè)關(guān)鍵指標(biāo)的統(tǒng)計(jì)分析，并將有益于遠(yuǎn)程醫(yī)療尤其有益于基層邊遠(yuǎn)地區(qū)醫(yī)療水平的提升；解決了現(xiàn)有技術(shù)中存在的問題。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是：

基于多病種胎兒四腔心切面的多部件語義分割方法，所述方法包括下列步驟：

(1)、采集超聲心動(dòng)序列圖像；

(2)、復(fù)制擴(kuò)大采集的多體位的超聲心動(dòng)序列圖像的樣本量；

(3)、對樣本量進(jìn)行分割。

基于多病種胎兒四腔心切面的多部件語義分割方法，所述方法包括下列步驟：

(1)、采集超聲心動(dòng)序列圖像；

(2)、復(fù)制擴(kuò)大采集的多體位的超聲心動(dòng)序列圖像的樣本量；

(3)、對樣本量進(jìn)行分割；

(4)、對分割結(jié)果進(jìn)行優(yōu)化。

基于多病種胎兒四腔心切面的多部件語義分割方法，所述方法包括下列步驟：

(1)、通過胎兒超聲心動(dòng)圖采集經(jīng)數(shù)據(jù)增強(qiáng)策略擴(kuò)充的多體位的超聲心動(dòng)序列圖像；

(2)、對輸入的多體位的超聲心動(dòng)序列圖像通過占比平衡策略復(fù)制擴(kuò)大其樣本量，增大其占比；

(3)、通過級(jí)聯(lián)網(wǎng)絡(luò)語義分割方法對樣本量進(jìn)行分割；

(4)、通過損失函數(shù)優(yōu)化方法；以獲得更好的四腔心切面分割效果。

所述數(shù)據(jù)增強(qiáng)策略是利用旋轉(zhuǎn)、平移和對稱的方式對擴(kuò)充胎兒心臟多體位場景。

所述旋轉(zhuǎn)包括對圖像分別進(jìn)行30°、60°或120°旋轉(zhuǎn)的方式進(jìn)行擴(kuò)充；所述平移包括對圖像分別進(jìn)行5或10個(gè)像素點(diǎn)平移的方式進(jìn)行擴(kuò)充；所述對稱包括對圖像分別進(jìn)行橫向?qū)ΨQ或縱向?qū)ΨQ的對稱方式進(jìn)行擴(kuò)充。

所述擴(kuò)方式中采用的擴(kuò)充算法為雙線性差值算法。

所述級(jí)聯(lián)網(wǎng)絡(luò)語義分割方法為使用不同的神經(jīng)網(wǎng)絡(luò)，提取分割特征，并將特征和原圖同時(shí)作為輸入，進(jìn)入到第二階段的特征提取環(huán)節(jié)。

所述損失函數(shù)優(yōu)化方法為使用Cross Entropy和Dice Loss結(jié)合的方式，以使網(wǎng)絡(luò)模型取得更優(yōu)的效果。