[發明專利]一種訓練右心室分割模型、右心室分割的方法及系統

有效

• 申請號: 202010599800.5
• 申請日: 2020-06-28
• 公開（公告）號: CN111784696B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 廖鍇珉;楊烜;楊博乾
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/044;G06N3/047;G06N3/0464;G06N3/0475;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 劉靜

本發明公開了一種訓練右心室分割模型、右心室分割的方法及系統，其中訓練右心室分割模型的方法，包括：將傳統深度學習分割網絡生成的分割預測形狀與專家標注形狀間的相似度作為第一目標函數；將分割預測形狀與玻爾茲曼機重構形狀間的相似度作為第二目標函數，利用兩個目標函數構建總目標函數，對傳統深度學習分割網絡的參數進行調整，隨機選取若干專家標注的右心室形狀作為正樣本，若干形狀玻爾茲曼機的重構形狀作為負樣本的蒙特卡洛馬爾科夫鏈初態更新形狀玻爾茲曼機參數，訓練過程將形狀信息引入分割網絡訓練參數，得到訓練好的右心室分割模型，將心臟圖像輸入該模型中，可準確勾勒出右心室邊界輪廓，解決了右心室分割容易出現的形狀異常問題。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種訓練右心室分割模型、右心室分割的方法及系統。

背景技術

心臟疾病的早期診斷需要提取出心室結構并進行測量，進而預測發病的概率或是觀察發病的部位。Cine?MR(Cine?Magnetic?Resonance，行磁共振電影成像)心臟成像技術為患者提供有效的心臟生物理特性和解剖信息，沿短軸方向的Cine?MR心臟成像可以用于評估左心室和右心室的功能。評價心臟右心室的結構和功能對于大多數心臟疾病的治療非常重要，例如肺動脈高壓，冠心病，心肌病等疾病。相比于左心室分割，右心室分割更加具有挑戰性，主要有以下幾個原因：

(1)由于血流和部分容積效應導致的腔邊界模糊；

(2)腔內存在與周圍心肌具有相同灰度級的小梁；

(3)右心室復雜的新月形狀，存在難以分割的部分。

傳統的右心室分割方法有基于活動輪廓、動態規劃、圖譜或某些擬合策略的方法等，以及基于圖像驅動的技術，如根據圖像紋理，圖像強度，像素強度等特征對心臟右心室的分割，這些圖像特征易受心臟目標周圍具有相似特征組織的影響。

在右心室分割領域，深度學習技術已經開始被使用，卷積神經網絡和堆疊式自動編碼器可以對右心室進行檢測和初步分割，然后，然后通過將初始分割與可變形模型組合以提高過程的準確性和魯棒性；Unet為一種對稱網絡，包括編碼網絡和解碼網絡，可以利用較少的訓練樣本進行端到端訓練；Gridnet是一種全自動MRI心臟分割的深度卷積神經網絡，該網絡通過多分辨率編碼-解碼體系結構，可以自動進行形狀預先標記，是U-Net的擴展網絡；還有一種形狀受限的雙心室分割方法，在分割的細化階段期間，使用特定地標來初始化數據集，雖然地標集的使用提高了結果的質量，但它們最終的分割形狀在很大程度上取決于所定位地標的準確性，分割準確度較低。

發明內容

因此，本發明提供的一種訓練右心室分割模型、右心室分割的方法及系統，克服了現有技術中的右心室分割方法的分割結果準確度較低的缺陷。

第一方面，本發明實施例提供一種訓練右心室分割模型的方法，包括如下步驟：

構建預設層數的形狀玻爾茲曼機；

將有標注的右心室訓練樣本輸入到傳統深度學習分割網絡，生成分割預測形狀，并計算分割預測形狀與專家標注形狀之間的相似度作為第一目標函數；

將沒有標注的右心室訓練樣本輸入到傳統深度學習分割網絡，生成分割預測形狀，將分割預測形狀作為形狀玻爾茲曼機的蒙特卡洛馬爾科夫鏈的初態，經過k次蒙特卡洛馬爾科夫鏈迭代得到重構形狀，并計算分割預測形狀與玻爾茲曼機重構形狀之間的相似度作為第二目標函數；

隨機選取若干個專家標注的右心室形狀作為正樣本，若干個形狀玻爾茲曼機的重構形狀作為負樣本的蒙特卡洛馬爾科夫鏈初態，更新形狀玻爾茲曼機參數；

利用第一目標函數和第二目標函數構建總目標函數，對傳統深度學習分割網絡的參數進行調整；

重復更新形狀玻爾茲曼機參數及對傳統深度學習分割網絡的參數進行調整的過程，當達到預設迭代次數或滿足總目標函數的預設收斂條件時，得到訓練好的右心室分割模型。