[发明专利]人工智能射血分数测量

说明书

本发明的实施例提供了用于人工智能射血分数测量的方法、系统和计算机程序产品。在人工智能射血分数测量方法中，神经网络加载到计算机的储存器中，其在不同心室的心室成像期间，用针对不同心脏的心室获取的不同组心脏成像数据，以及针对每一组的已知的射血分数，进行训练。然后，获取心脏心室的同时期成像数据组，并将同时期成像数据组提供给神经网络。最后，在计算机显示器上显示由神经网络输出的射血分数测量，而无需跟踪心脏的心室边界。

技术领域

本发明涉及心脏的收缩功能，更具体地，涉及射血分数测量。

背景技术

射血分数是对心脏收缩功能的测量，其指的是每次收缩时血液离开心脏的百分比。具体地，在心脏的每个泵送周期中，心脏既收缩又放松。当心脏收缩时，心脏从它的两个泵送腔室(被称为左心室和右心室)中射出血液。相反地，当心脏放松时，两个心室都被再注满血液。值得注意的是，无论心脏的收缩多么剧烈，心脏也不能将所有的血液泵送出每个心室。而是，一些血液还会剩余。因此，术语“射血分数”指的是每次心跳时，一个充满的心室能够被泵送出的血液的百分比。

在两个心室中，左心室是心脏的主要泵送腔室，其通过升主动脉，泵送氧合血到身体的其他部位，而右心室是泵送血液到肺部进行氧合作用的腔室。左心室或右心室的射血分数，可以通过使用几种不同的成像技术来测量。最常用的技术是超声心动图，其中，射血分数是通过心脏和泵送经心脏的血液的声波所产生的图像来测量的。超声心动图的其他替代方法，包括使用磁共振成像(MRI)、计算机断层扫描(CT)和核医学扫描、基于导管的成像。

目前的射血分数测量方法往往不能准确地评估心脏疾病状况。这一错误可以导致患者延迟治疗，并在延迟期间疾病状况会显著恶化。在这点上，超声心动图依靠辛普森双平面法(Simpson Biplane methodology)来产生测量结果。尤其是，在辛普森双平面法中，测量心室的收缩末期和舒张末期的容积，以便计算分数差异。但是，通过如此操作，心室边界需要由人类读取器手动跟踪，其对人来说是主观的。然后，心室容积被假定由有限的数量、通常地，20个椭圆柱组成，其虽然方便，但并不准确。此外，这种方法依赖于找到准确的收缩末期和舒张末期图像帧，通常是非同寻常的步骤，如果操作不准确可能会导致错误。因此，尽管现代诊断技术进步，但目前的射血分数测量方法仍无法以最佳化或可再现的方式进行测量。

发明内容

本发明的实施例解决了本领域中射血分数测量方法方面的缺陷，并提供了一种用于人工智能射血分数测量的新颖的、非显而易见的方法、系统和计算机程序产品。在本发明实施例中，用于人工智能射血分数测定的方法，其包括用针对不同心脏的心室获取的不同组心脏成像数据，以及针对每一组的已知的射血分数，来训练神经网络。然后，经训练的神经网络加载到计算机储存器中。无论是以剪辑图像的形式，还是在心脏心室的成像过程中产生的数据的形式，获取心脏心室的一组同时期的成像数据，随着时间推移，其被转化为心脏的空间数据，并能够在显示中可视化。其后，将该组同时期成像数据提供给神经网络。最后，由神经网络输出的射血分数测量显示在计算机显示器，而无需跟踪心脏的心室边界。

在实施例的一个方面，将采集的同时期成像数据组进行过滤，使其仅包括利用特定的成像模态采集的，并显示心室的特定视图的成像数据。还在实施例的另一个方面，仅将同时期成像数据组的一部分提供给神经网络，而且，在从神经网络接收到不确定输出的指示后，向神经网络提供同时期成像数据组的其他部分，以便接收从神经网络输出的确定的射血分数。在实施例的另一个方面，用针对不同心脏的心室获取的不同组心脏成像数据，以及针对每一组的已知的射血分数，分别使用不同的视图和模态来训练多个不同的每一个神经网络。如此，只有特定的一个或多个经训练的神经网络加载到计算机的储存器中，该特定一个训练的神经网络对应于所识别的模态和同时成像数据组的至少一个指定视图。最后，甚至还在实施例的另一个方面，通过视频剪辑图像的每一个视频剪辑的尺寸再调整和裁剪，对视频剪辑图像的形式的同时期成像数据组预处理。