[發明專利]訓練心臟運動場估計模型、心臟運動場估計的方法及系統

有效

• 申請號: 202010601654.5
• 申請日: 2020-06-28
• 公開（公告）號: CN111784732B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 甘梓譽;楊烜;裴繼紅
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/207
• 分類號: G06T7/207;G06N3/0464;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心臟運動場估計模型、心臟運動場估計的方法及系統，其中訓練心臟運動場估計模型的方法及系系統，利用半自編碼器網絡，提取舒張末期和收縮末期Cine?MR圖像中左心室的多尺度特征，通過編碼網絡將不同尺度特征進行融合，以決策控制點的形變參數的分布參數，將徑向基函數的形變模型引入自編碼器中，自編碼器網絡結構中不需要進行解碼過程，從而使網絡輕量化；本發明采用了非均勻分布的控制點，更容易控制左心室所處區域的形變場，使形變精度更高；同時隱形變參數具有明確的物理意義，更容易控制形變場的平滑性，得到更穩定合理的心臟運動場，以用于心血管疾病的量化分析。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種訓練心臟運動場估計模型、心臟運動場估計的方法及系統。

背景技術

心臟運動估計的目的是描述圖像序列中感興趣區域、邊緣和輪廓線等的時空運動狀態，其本質就是從心臟圖像序列中檢測出目標之間的位移信息。圖像配準是心臟運動估計的重要技術，既基于一定的形變模型來估計心臟在連續時間點之間的位移。基于圖像配準的心臟運動估計其目的是為了確定心臟組織在心動周期內的形變函數，該形變函數可以描述心臟解剖結構隨時間變化的運動軌跡，從而可以精確地描述一個運動周期的心臟運動模型。利用心臟圖像的配準技術可以估計左右心室心肌層的運動軌跡，并且能對運動周期中不同時間相位對應圖像的感興趣區域和形狀的實時變化進行跟蹤，提供臨床診斷參數，輔助醫生診斷。

目前圖像配準技術已經廣泛應用于醫學圖像處理領域，現有的基于配準技術的心臟運動估計方法主要分為以下五類，分別是基于灰度信息的方法，基于形狀模型的方法，基于點對應關系的方法，點集匹配和深度學習的方法。目前常用的cine?MR成像分辨率較高，具有較好的成像對比度，但是由于心肌部分具有相似的成像強度而難以確定對應關系，使用現有技術得到的心肌運動估計精度較低。

發明內容

因此，本發明提供的訓練心臟運動場估計模型、心臟運動場估計的方法及系統，克服了現有技術中的心臟運動估計精度較低的缺陷。

第一方面，本發明實施例提供訓練心臟運動場估計模型的方法，包括如下步驟：

構建預設置網絡參數的半自編碼器網絡；

利用所述半自編碼器網絡，對舒張末期和收縮末期的兩幅左心室圖像進行多尺度特征提取，并根據所述網絡參數計算隱形變參數的分布參數；

利用隱形變參數的分布參數構建基于徑向基函數的稠密形變場；

利用稠密形變場對舒張末期的左心室圖像進行形變；

計算形變后的舒張末期圖像與收縮末期圖像之間的互相關系數，隱形變參數的先驗分布與變分分布的KL散度，以及形變場的扭曲能量，并基于所述互相關系數、KL散度及形變場的扭曲能量計算網絡目標函數；

判斷目標函數是否收斂；

當不收斂時，計算目標函數關于所述網絡參數的導數，并跟所述導數調整所述網絡參數；當收斂時，得到訓練好的心臟運動場估計模型。

在一實施例中，所述半自編碼器網絡包括編碼層、形變場計算層和空間形變層；

編碼層包括三層不同分辨率的卷積網絡，其中，輸入的兩幅左心室圖像級聯作為第一層卷積層的輸入數據；第二層卷積層用于生成中心稠密控制點對應的形變參數的分布參數；第三層卷積層包括兩個分支，一個分支用于生成稀疏控制點對應的彈性形變參數的分布參數，另一個分支用于生成仿射形變參數的分布參數；

形變場計算層利用隱形變參數的采樣值和徑向基函數構建形變場；

空間變換層是利用形變場對舒張末期圖像進行形變，得到形變后圖像。

在一實施例中，所述目標函數為：