[發明專利]一種基于搜索空間剪枝策略的心臟器官異常快速檢測方法

在審

• 申請號: 202310258950.3
• 申請日: 2023-03-15
• 公開（公告）號: CN116152223A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 張斌斌;王旭;巴婧;許思洋;程科;畢克;闞靚雅;倪曉陽
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06V10/82;G06V10/764;G06N3/082;G06N3/0464
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 胡定華

本發明涉及智能醫療技術領域，尤其涉及一種基于搜索空間剪枝策略的心臟器官異常快速檢測方法，通過在心臟CT圖像上獲取感興趣區域，并通過邊緣識別在感興趣區域內裁剪得到心臟圖像，從而有效減少圖像的分割面積，在保持分割精確度的情況下提升分割操作的時間性能，通過在搜索空間中執行剪枝策略，僅將與待檢測患者的患者心臟校正圖像的類差異度最低的n個心臟圖像類的數據用于構建卷積神經網絡模型，以加快模型訓練速度。本發明可在心臟器官異常診斷過程中起到早篩作用，有助于輔助診療結果判定、幫助縮短診斷周期。

技術領域

本發明涉及智能醫療技術領域，尤其涉及一種基于搜索空間剪枝策略的心臟器官異常快速檢測方法。

背景技術

近年來，隨著智能醫療的廣泛應用，基于CT影像等相關醫療數據所構建的人工智能算法模型已經在各種疾病早篩上取得了不錯的成果(楊舜翔.基于多模態醫學影像的疾病早篩方法研究[D].山東大學,2021.)。心臟是人體中最重要的器官之一，為了提高對于心臟相關疾病的診斷精度和預測效率，已有許多工程技術人員對相關的人工智能方法進行了大量的研究。

在處理心臟圖像數據前，需有必要先提取關鍵區域進行處理。目前，已存在許多與心臟圖像識別及分割相關的人工智能方法的應用研究，例如，喬艷采用卷積神經網絡，對于心臟MR圖像左心室進行區域分割，并且實現了自動分割(喬艷.基于全卷積網絡的心臟MRI圖像左室心肌分割關鍵技術研究[D].南京郵電大學,2022.)。付殿臣基于生成對抗網絡實現跨模態醫學圖像域自適應，融合傳統的Unet模型，在心臟圖像分割任務上取得了不錯的效果(付殿臣.跨模態心臟醫學圖像域自適應分割算法研究[D].長春工業大學,2021.)。近年來，神經網絡在許多復雜任務上取得了非常不錯的效果，然而其所消耗的算力與運算時間也非常驚人。

綜上所述，針對心臟器官異常快速檢測這一研究問題，有必要進一步提升其檢測效率與早篩精度。心臟器官異常快速檢測可在心臟器官異常診斷過程中起到早篩作用，有助于輔助診療結果判定、幫助縮短診斷周期，具有重要的現實意義。

發明內容

有鑒于此，本發明的目的在于提出一種基于搜索空間剪枝策略的心臟器官異常快速檢測方法，以解決心臟器官異常檢測效率低的問題。

基于上述目的，本發明提供了一種基于搜索空間剪枝策略的心臟器官異常快速檢測方法，包括以下步驟：

S1、獲取待檢測患者心臟CT圖像；

S2、為待檢測患者心臟CT圖像執行邊緣識別，提取僅包括待檢測患者心臟在內的感興趣區域圖像，得到待檢測患者心臟原始圖像；

S3、對待檢測患者心臟原始圖像進行校正操作，得到待檢測患者心臟校正圖像；

S4、在搜索空間中執行剪枝策略，將數據庫中所有患者的心臟校正圖像按其對應的心臟相關疾病類型進行分類，得到多個心臟圖像類；

S5、對于每個心臟圖像類，計算得到該類的均值心臟圖像，將待檢測患者的心臟校正圖像與每個類的均值心臟圖像進行比對，計算得到類差異度；

S6、提取差異度最小的n個心臟圖像類，使用該n個心臟圖像類的數據構建卷積神經網絡；

S7、將待檢測患者心臟校正圖像輸入卷積神經網絡，計算待檢測患者屬于各心臟圖像類的概率值。

優選地，步驟S2中，執行邊緣識別，提取感興趣圖像包括以下子步驟：

S21、構建標準Faster?R-CNN神經網絡算法模型，并將其用于對輸入的患者心臟CT圖像執行目標識別操作，提取僅包括患者心臟在內的感興趣區域圖像；

S22、對于得到的形狀為矩形的感興趣區域圖像，使用Sobel邊緣檢測算法進行進一步識別，從而在矩形感興趣區域圖像的基礎上進一步得到為不規則形狀的心臟邊緣；