[發明專利]一種個性化二尖瓣自動建模方法、系統及設備

有效

• 申請號: 202110343621.X
• 申請日: 2021-03-30
• 公開（公告）號: CN112991522B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 謝龍漢;陳錦輝;姚尖平;姚鳳娟;賴立炫;何高偉
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T7/10
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.一種個性化二尖瓣自動建模方法，應用于集成了個性化二尖瓣建模系統的嵌入式設備，其特征在于，所述方法包括以下步驟：

構建二尖瓣三維超聲圖像數據庫；

將所述二尖瓣三維超聲圖像數據庫中的數據作為訓練數據集輸入到卷積神經網絡中，得到訓練好的二尖瓣自動分割模型；

采集目標二尖瓣的三維超聲圖像，將目標超聲圖像輸入到所述二尖瓣自動分割模型中，輸出目標分割結果；

通過所述目標分割結果獲取點云數據；

根據點云數據進行曲面擬合，得到二尖瓣的曲面方程，通過所述二尖瓣的曲面方程獲得二尖瓣三維曲面模型；

其中，所述二尖瓣的曲面方程為：

其中，α₁，α₂，α₃是形狀控制參數，分別控制曲面沿x，y，z軸的尺寸大小，ε₁和ε₂是平方因子，分別調節曲面不同方向上的曲率，x₀，y₀，z₀是為了使坐標系居中而引入的全局原點坐標參數，參數θ是調整曲面與Z軸之間的夾角。

2.根據權利要求1所述的一種個性化二尖瓣自動建模方法，其特征在于，所述超聲圖像數據庫包含已分割好的標簽數據，所述標簽數據是根據二尖瓣的醫學解剖結構在超聲影像對應區域劃分所得。

3.根據權利要求1所述的一種個性化二尖瓣自動建模方法，其特征在于，在將所述訓練數據集輸入卷積神經網絡之前做數據增廣處理。

4.根據權利要求1所述的一種個性化二尖瓣自動建模方法，其特征在于，在將所述訓練數據集輸入卷積神經網絡之前進行歸一化處理。

5.根據權利要求1所述的一種個性化二尖瓣自動建模方法，其特征在于，所述卷積神經網絡采用3D-UNet卷積神經網絡，所述3D-UNet卷積神經網絡采用binary cross entropy作為損失函數，選取Adam作為優化器，選取IoU作為評價指標。

6.根據權利要求1所述的一種個性化二尖瓣自動建模方法，其特征在于，所述通過二尖瓣的曲面方程獲得二尖瓣三維曲面模型，具體包括：

通過優化方法求解所述二尖瓣的曲面方程，將目標函數方程設置為：

其中i表示參與曲面擬合所使用的點云中的第i個點，F_i(x_i,y_i,z_i)表示每個點云坐標帶入所述二尖瓣曲面方程所得結果，α₁，α₂，α₃和ε₁與所述二尖瓣曲面方程的參數值相同；

將收斂判別條件設置為：

其中N表示總共迭代的次數，R_n表示迭代第n次的目標函數；

求解所述目標函數R最小值，得到最佳的二尖瓣曲面擬合參數(α₁，α₂，α₃，ε₁，ε₂，θ，x₀，y₀，z₀)，將擬合參數代入所述二尖瓣曲面方程并將擬合結果可視化即可得到二尖瓣三維曲面模型。

7.一種個性化二尖瓣自動建模系統，其特征在于，用于實現權利要求1-6任一所述的方法，包括：

存儲模塊，所述存儲模塊用于構建二尖瓣三維超聲圖像數據庫；

訓練模塊，所述訓練模塊用于將所述數據庫中的數據作為訓練數據集輸入到卷積神經網絡中，得到訓練好的二尖瓣自動分割模型；

采集分割模塊，所述采集分割模塊用于采集目標二尖瓣的三維超聲圖像，將目標超聲圖像輸入到所述二尖瓣自動分割模型中，輸出目標分割結果；

轉換模塊，所述轉換模塊用于通過所述目標分割結果獲取點云數據；

擬合模塊，所述擬合模塊用于根據點云數據進行曲面擬合，得到二尖瓣的曲面方程，通過將所述二尖瓣的曲面方程獲得二尖瓣三維曲面模型。