[发明专利]一种基于深度循环神经网络的心功能自动分析方法

权利要求书

1.一种基于深度循环神经网络的心功能自动分析方法，其特征在于，该方法具体包括以下步骤：

S1：获取心脏核磁电影，并对其进行预处理；

S2：根据心功能分析的指标要求构建多任务学习的循环神经网络，并利用所述循环神经网络提取底层通用影像特征；

S3：将提取到的底层通用影像特征输入到两层的长短记忆循环神经网络中，从而构建时空的依赖关系；

S4：根据参数之间的依赖关系，构建目标损失函数；

S5：根据步骤S4中构建的目标损失函数对循环神经网络的参数，利用随机梯度下降法进行训练优化；

S6：当循环神经网络完成训练后，将经过预处理后的心脏核磁电影输入到训练好的循环神经网络中，最终完成心功能分析中所需要的十三个参数的自动测量。

2.根据权利要求1所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，步骤S1中，所述的心脏核磁电影的预处理过程为：

1)系统将采集到的影像里心室与心房的交点进行定位；

2)根据心室与心房交点的位置，将图像进行旋转对齐，使得心脏交点的连线相对于图像坐标系垂直于水平轴；

3)当心脏位置相对于图像坐标系对齐后，系统将旋转对准后的心脏区域进行裁剪，缩放成80*80的图像大小。

3.根据权利要求1所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，步骤S2中，所述的循环神经网络利用迁移学习的方法，将ImageNet上已经训练好的VGG深度模型的前三层转移到本网络结构中，作为共享神经网络的前三层，提取底层通用影像特征。

4.根据权利要求1所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，步骤S3中，所述将提取到的底层通用影像特征输入到两层的长短记忆循环神经网络中，具体步骤为：

1)通过迁移VGG网络后的卷积神经网络第一层；

2)模型提取的第一层特征输入到第二层的神经网络中；

3)将提取的第二层影像特征输入到第三层；

4)提取的第三层卷积特征进行空间维数变换，变为一维特征；

5)将拉伸为一维的特征输入到循环神经网络。

5.根据权利要求1所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，步骤S4中，所述的目标损失函数分为两部分，具体为：

1)分类问题：心脏运动期相的判断；

2)回归问题：心脏运动参数的预测。

6.根据权利要求5所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，所述心脏运动期相判断的损失函数为：

其中，N代表的事样本数，p_i(c)代表的i样本对应期相c的值，代表p_i(c)的预测值。

7.根据权利要求6所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，所述心脏运动参数的损失函数为：

其中，心肌壁厚的6个参数及心肌面积1个参数具有强相关性，记为t_myo，而心腔内径的3个参数和心腔面积的1个参数具有强相关性，记为t_cav；与分别代表t_myo和t_cav的预测值，λ₁与λ₂为调和参数，L(.)是用于计算误差的最小二乘法。

8.根据权利要求7所述的一种基于深度循环神经网络的心功能自动分析方法，其特征在于，所述目标损失函数表示为：

L_all＝h₁L_phase+h₂L_motion

其中，h₁与h₂是用于平衡损失的调和参数。