[發明專利]基于U形網絡的心室瘢痕分割方法

在審

• 申請號: 202010820645.5
• 申請日: 2020-08-14
• 公開（公告）號: CN111951286A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 崔曉娟;白鑫昊;楊鐵軍
• 申請（專利權）人: 河南工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/08;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

基于U形網絡的心室瘢痕分割方法，依次包括如下步驟：（1）選取數據集和基本模型：由于心室瘢痕數據的采集很困難，數據難以大量獲取，因此實驗選用LGE?MRI數據集，Unet網絡模型對醫學圖像分割效果較好；（2）對獲取的實驗數據集進行預處理：首先使用掩膜圖像保留心肌部分，然后根據mask所在位置及大小做裁剪，在按照中心填充的方式填充到160×160大小，最后針對心肌部分做歸一化處理；（3）數據劃分：把預處理后的圖像數據劃分為訓練集和測試集；（4）學習率在訓練過程中進行多項式衰減；（5）心室瘢痕分割的評價指標；（6）對原始網絡進行改進；（7）進行心室瘢痕分割；本發明所述的方法提高了心室瘢痕分割的準確度，方法簡便，易于實施。

技術領域

本發明屬于醫學圖像處理技術領域，尤其涉及一種基于U形神經網絡模型的心室瘢痕分割方法。

背景技術

急性心肌梗死(acute myocardial infarction,AMI)是在臨床上非常常見的急危重癥圖，社會老齡化，越來越快的生活節奏，生活壓力導致的心理問題，以及隨著生活水平提高而改變的偏高油高糖的飲食習慣，這些因素使得我國的急性心肌梗死的發病率也隨之呈現不斷.上升的勢頭。急性心肌梗死是很多其他心臟疾病的主要病因，如心率失常，心力衰竭等。心室瘢痕分割結果對于心血管疾病診斷很重要，利用心室瘢痕分割的結果可以計算出心動過速。另外一方面還可利用分割結果對心肌形態進行判斷。由于心臟磁共振圖像中心室瘢痕邊界不明顯，不同病人和不同切片位置上的心室瘢痕形態差別很大。這導致以往的醫學圖像分割方法很難在分割效果好的條件下還能確保具有很好的魯棒性，而且以往的醫學圖像分割方法往往需要在經驗豐富醫生的幫助下才可以進行，費時又費力。另外醫生的個人水平也會對實驗造成影響,因此找到一個分割精度高，魯棒性又好的心室瘢痕分割方法對于醫生和病人來說都是非常有意義的。

隨著大規模標記數據的出現和計算機的發展，利用深度學習算法來實現心臟的自動分割已經成為當前研究的熱點。其中，2015年，Olaf Ronneberger基于全卷積網絡(FullyConvolutional Networks，FCN)模型提出了針對醫學圖像分割的U-Net模型。U-Net網絡與FCN都擁有經典的編碼-解碼拓撲結構，但是U-Net擁有對稱的網絡結構和跳躍連接，并且在心臟圖像的分割上U-Net的結果比FCN更加優秀。針對心臟圖像分割精度難以提升的問題，研究者在U-Net基礎上進行的改進研究大致可分為兩類：基于2D U-Net構架的改進研究，基于3D U-Net構架的改進研究。雖然3D網絡充分利用了MR圖像的三維特征，但是在訓練網絡中由于參數數量較大，網絡很難從頭訓練，并且存在對GPU、內存等消耗過大的問題。因此2D網絡，在心室瘢痕分割任務上受到研究者的青睞。結合上述方法，以提高分割精度為目標，本發明提出了一種基于U形網絡的心室瘢痕分割方法，主要用來解決分割心室瘢痕邊界精度不高的問題。

發明內容

本發明旨在提供一種分割準確度高的基于U形網絡的心室瘢痕分割方法。

為解決上述技術問題，本發明提供了如下的技術方案：基于U形網絡的心室瘢痕分割方法，依次包括如下步驟：

(1)選取數據集和基本模型：由于心室瘢痕數據的采集很困難，數據難以大量獲取，因此實驗選用LGE-MRI數據集，Unet網絡模型對醫學圖像分割效果較好；

(2)對獲取的實驗數據集進行預處理：首先使用掩膜圖像保留心肌部分，然后根據mask所在位置及大小做裁剪，在按照中心填充的方式填充到160×160大小，最后針對心肌部分做歸一化處理；

(3)數據劃分：把預處理后的圖像數據劃分為訓練集和測試集；

(4)根據公式(1)對獲取到的實驗數據進行像素值做最大最小歸一化預處理；

其中x表示某一位置的像素值，min和max表示圖像中像素值的最小和最大值，得到的x^*的范圍是0—1之間；