[發(fā)明專利]基于深度學(xué)習(xí)的對(duì)比增強(qiáng)超聲心動(dòng)圖室壁厚度自動(dòng)分析系統(tǒng)與方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110088490.5
• 申請(qǐng)日: 2021-01-22
• 公開（公告）號(hào): CN112914610B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 劉婭妮;鄭康超;朱英;鄧又斌
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬同濟(jì)醫(yī)院
• 主分類號(hào): A61B8/08
• 分類號(hào): A61B8/08
• 代理公司: 武漢開元知識(shí)產(chǎn)權(quán)代理有限公司 42104
• 代理人: 胡鎮(zhèn)西

1.一種基于深度學(xué)習(xí)的對(duì)比增強(qiáng)超聲心動(dòng)圖室壁厚度自動(dòng)分析方法，其特征在于：包括如下步驟：

1）通過數(shù)據(jù)采集和上傳模塊（18）對(duì)增強(qiáng)超聲心動(dòng)圖檢查圖像視頻和心電圖檢查圖像進(jìn)行采集，并上傳到數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）；

2）通過數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）利用深度學(xué)習(xí)算法模塊對(duì)數(shù)據(jù)采集和上傳模塊（18）上傳的圖像和視頻進(jìn)行預(yù)處理，對(duì)不同組織結(jié)構(gòu)進(jìn)行標(biāo)記，并對(duì)圖像質(zhì)量分析可行性評(píng)估；

3）通過數(shù)據(jù)測(cè)量和呈現(xiàn)模塊（20）對(duì)通過數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）識(shí)別和質(zhì)控的標(biāo)記圖像進(jìn)行室壁厚度數(shù)據(jù)的測(cè)量，將經(jīng)過測(cè)量的結(jié)果自動(dòng)輸出呈現(xiàn)到超聲影像工作站；

其中，所述步驟2）中，數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）預(yù)處理包括識(shí)別超聲心動(dòng)圖檢查圖像視頻中的超聲增強(qiáng)視頻，并提取每一視頻幀，對(duì)每一視頻幀自動(dòng)進(jìn)行降噪和影像特征區(qū)域強(qiáng)化處理；

所述步驟2）中，數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）深度學(xué)習(xí)的算法模塊包括第一算法模塊和第二算法模塊，通過深度學(xué)習(xí)第一算法模塊識(shí)別每一視頻幀的切面類型和心臟時(shí)相；通過深度學(xué)習(xí)第二算法模塊對(duì)心內(nèi)膜和心外膜邊界區(qū)域進(jìn)行標(biāo)識(shí)，按17節(jié)段分法進(jìn)行心室節(jié)段的標(biāo)記；

所述步驟2）中，對(duì)圖像質(zhì)量分析可行性評(píng)估基于心內(nèi)膜邊界與心外膜邊界區(qū)域識(shí)別結(jié)果的完整性，進(jìn)行圖像質(zhì)量控制評(píng)估；

所述深度學(xué)習(xí)第一算法模塊的過程包括如下步驟：

1.1）按照訓(xùn)練需求收集各類心臟樣本切面數(shù)據(jù)，并對(duì)樣本數(shù)據(jù)切面類型和對(duì)應(yīng)的心臟時(shí)相進(jìn)行標(biāo)注；

1.2）進(jìn)行模型訓(xùn)練，包括切面類型網(wǎng)絡(luò)的訓(xùn)練和心臟時(shí)相網(wǎng)絡(luò)訓(xùn)練；

1.3）特征提取層動(dòng)態(tài)地依據(jù)數(shù)據(jù)集的尺寸分別從通用卷積網(wǎng)絡(luò)結(jié)構(gòu)中選取泛化性能最佳者進(jìn)行遷移學(xué)習(xí)分類；

1.4）利用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行樣本數(shù)據(jù)測(cè)試，統(tǒng)計(jì)模型的分類結(jié)果數(shù)據(jù)；

1.5）利用錯(cuò)誤分類樣本再次訓(xùn)練網(wǎng)絡(luò)模型，對(duì)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化；

1.6）利用優(yōu)化后的切面類型網(wǎng)絡(luò)和心臟時(shí)相網(wǎng)絡(luò)對(duì)新數(shù)據(jù)進(jìn)行切面類型和對(duì)應(yīng)的心臟時(shí)相分類；

所述深度學(xué)習(xí)第二算法模塊的過程包括如下步驟：

2.1）訓(xùn)練樣本數(shù)據(jù)獲取，在樣本數(shù)據(jù)圖像上標(biāo)記心內(nèi)膜和心外膜之間區(qū)域，并以乳頭肌和二尖瓣瓣尖為解剖標(biāo)志，按17節(jié)段分法進(jìn)行心室節(jié)段的標(biāo)記；

2.2）進(jìn)行模型訓(xùn)練，包括心內(nèi)膜和心外膜區(qū)域和心室節(jié)段識(shí)別網(wǎng)絡(luò)訓(xùn)練；

2.3）訓(xùn)練階段采用全卷積網(wǎng)絡(luò)學(xué)習(xí)影像的語義標(biāo)簽，訓(xùn)練期間在驗(yàn)證集上進(jìn)行驗(yàn)證準(zhǔn)確度，當(dāng)準(zhǔn)確度穩(wěn)定時(shí)在測(cè)試集上測(cè)試模塊的泛化性能，最終取泛化性能最高的模型進(jìn)行部署；

2.4）利用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行樣本數(shù)據(jù)測(cè)試，統(tǒng)計(jì)模型的分類結(jié)果數(shù)據(jù)；

2.5）利用錯(cuò)誤分類樣本再次訓(xùn)練網(wǎng)絡(luò)模型，對(duì)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化；

2.6）利用優(yōu)化后的心內(nèi)膜和心外膜區(qū)域識(shí)別網(wǎng)絡(luò)對(duì)新數(shù)據(jù)進(jìn)行心內(nèi)膜和心外膜區(qū)域和室壁節(jié)段標(biāo)識(shí)；

所述基于深度學(xué)習(xí)的對(duì)比增強(qiáng)超聲心動(dòng)圖室壁厚度自動(dòng)分析方法所采用的系統(tǒng)，包括數(shù)據(jù)采集和上傳模塊（18）、數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）、數(shù)據(jù)測(cè)量和呈現(xiàn)模塊（20）；

所述數(shù)據(jù)采集和上傳模塊（18）用于采集增強(qiáng)超聲心動(dòng)圖檢查圖像視頻和心電圖檢查圖像，并上傳到數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）；

所述數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）通過深度學(xué)習(xí)算法模塊對(duì)數(shù)據(jù)采集和上傳模塊（18）上傳的圖像和視頻進(jìn)行預(yù)處理，對(duì)不同組織結(jié)構(gòu)進(jìn)行標(biāo)記，并對(duì)圖像質(zhì)量分析可行性評(píng)估；

所述數(shù)據(jù)測(cè)量和呈現(xiàn)模塊（20）對(duì)通過數(shù)據(jù)識(shí)別和質(zhì)控模塊（19）識(shí)別和質(zhì)控的標(biāo)記圖像進(jìn)行室壁厚度數(shù)據(jù)的測(cè)量，將經(jīng)過測(cè)量的結(jié)果自動(dòng)輸出呈現(xiàn)到超聲影像工作站（21）；

所述數(shù)據(jù)采集和上傳模塊（18）通過超聲設(shè)備進(jìn)行增強(qiáng)超聲心動(dòng)圖檢查圖像視頻采集，并通過心電圖導(dǎo)聯(lián)系統(tǒng)進(jìn)行心電圖檢查圖像采集。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟2.3）中，訓(xùn)練時(shí)采用全卷積網(wǎng)絡(luò)的實(shí)現(xiàn)分為編碼部分和解碼部分；編碼部分包括特征提取和降維部分，特征提取通過卷積來實(shí)現(xiàn)，降維部分通過DoubleConv后先進(jìn)行最大池化，將特征圖變?yōu)樵瓉淼囊话耄缓笤俨捎肈oubleConv增加通道數(shù)來實(shí)現(xiàn)；解碼部分采用雙線性插值和轉(zhuǎn)置卷積來實(shí)現(xiàn)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟2）中，若圖像質(zhì)量評(píng)估不合格，則通過輸出信號(hào)提示超聲醫(yī)生；若圖像質(zhì)量評(píng)估合格，則在圖像切面標(biāo)識(shí)心內(nèi)膜和心外膜邊界區(qū)域以及心室節(jié)段。