[發明專利]一種SPECT三維重建圖像左心室自動分割的方法

有效

• 申請號: 202110135783.4
• 申請日: 2021-02-01
• 公開（公告）號: CN112508949B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 張鐸;朱聞韜;韓璐;黃海亮;祁二釗
• 申請（專利權）人: 之江實驗室
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/73;G06K9/34
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種SPECT三維重建圖像左心室自動分割的方法，通過對原始SPECT胸部三維圖像線性插值進行等比例縮小，利用特征提取網絡對縮小后圖像提取剛性配準參數特征，利用空間變換網絡及參數特征對SPECT圖像進行自動轉向獲得標準視圖的預測圖像，從預測圖像中切割中心部位獲取心臟圖像，并通過U?NET網絡進行圖像自動分割獲得標準視圖下的左心室結構分割結果。本發明使用多任務學習的深度學習網絡同步提取圖像的位置特征和語義特征，并利用雙網絡特征的互相監督達到網絡一體化訓練的效果實現不同角度到標準視圖的一體化自動轉向、心臟定位及左心室的結構分割，減少了手動轉向、分割的復雜性和人為誤差，實現了圖像操作的全自動并提高了準確性。

技術領域

本發明涉及醫學影像領域和深度學習領域，尤其涉及一種基于深度學習網絡的SPECT三維重建圖像左心室自動分割的方法。

背景技術

SPECT心臟成像是目前臨床診斷冠心病、心肌缺血等心血管疾病和療效評價以及預后判斷的金標準，其可非介入式的提供心肌組織的功能性信息來檢測到尚未導致結構上變化的潛在病變，提供心肌組織更詳細的功能活性信息。臨床進行SPECT檢查時，需要對重建后的SPECT圖像進行一系列的操作和分析，其中左心室射血系數的計算是評價心臟功能的一個重要指標，其需要對左心室心室腔及心室壁進行分割，以提取不同心跳周期時的左心室腔體積進行計算。臨床標準的SPECT心臟視圖為短軸圖SA方向，且由于左心室長軸與人體的長軸不平行，所以通常需要手動對重建SPECT圖像進行旋轉以獲得標準SA視圖，并在此視圖中進行圖像分割用以計算左心室射血系數。同時，基于標準SA視圖的左心室圖像可用于制備心臟極坐標圖進行左心室心肌的活性分析。

將圖像從常規RA視圖轉至臨床分析的心臟標準SA視圖臨床上常需要醫師手動操作，此主觀性的操作容易引入隨機誤差而影響分析準確性，且需消耗較長的手動操作時間。而對于左心室圖像分割，目前常見的臨床核醫學心臟圖像分析軟件多采用常規圖像處理的分割方法，例如基于左心室壁中心線的分割方法、基于左心室模型的分割方法、基于心臟圖譜的分割方法、基于閾值或k均值聚類的分割方法等，由于SPECT圖像分辨率較低，且心臟圖像易受到呼吸和心跳運動影響出現圖像運動邊界模糊，目前的分割方法在進行分割時常出現分割精度低、對分割邊緣提取不準確的問題從而進一步影響量化分析的精度。因此，對于SPECT心臟圖像的臨床處理和分析時，如何實現常規重建視圖到特定的臨床分析所用的標準SA視圖的穩定、準確的圖像自動轉向和定位，如何在較低圖像分辨率的SPECT心臟圖像中實現對左心室結構的精準分割提取，是臨床SPECT心臟處理中所面臨的技術難題。

發明內容

本發明的目的在于針對現有技術的不足，提供一種基于深度學習網絡的SPECT三維重建圖像左心室自動分割的方法。

本發明的目的是通過以下技術方案來實現的：

一種SPECT三維重建圖像左心室自動分割的方法，包括以下步驟：

步驟一：對SPECT三維重建圖像的常規視圖RA進行縮小重采樣，并將重采樣后的縮小常規視圖RA-r作為特征提取網絡的輸入，所述特征提取網絡由卷積模塊和全連接層組成，利用卷積模塊對縮小常規視圖RA-r進行特征提取，并全連接展開后形成6維特征向量T-r，所述6維特征向量T-r包含3個方向的平移參量和3個角度的旋轉參量；

步驟二：利用常規視圖RA與縮小常規視圖RA-r的等比例關系將T-r調整為特征向量T，其中旋轉參量不變而平移參量等比例放大；

步驟三：利用空間變換網絡將特征向量T-r應用于縮小常規視圖RA-r中得到預測縮小圖像SA-r’，同時將特征向量T應用于常規視圖RA中得到預測圖像SA’；

步驟四：以預測圖像SA’的中心為中心，截取圖像中的提取心臟部分，形成預測心臟圖像SA-H’，同時，對心臟圖像SA-H’進行圖像梯度計算獲得對應梯度圖SA-G；