[发明专利]免造影剂的心肌梗死面积的检测方法、装置、设备及介质在审
申请号: | 201910642721.5 | 申请日: | 2019-07-16 |
公开(公告)号: | CN110363755A | 公开(公告)日: | 2019-10-22 |
发明(设计)人: | 张贺晔;吴欣洋;吴万庆;陈镇阳 | 申请(专利权)人: | 中山大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/62;G06N3/04;G06N3/08 |
代理公司: | 深圳市智胜联合知识产权代理有限公司 44368 | 代理人: | 齐文剑 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 心肌梗死 运动特征 造影剂 心脏磁共振图像 人工神经网络 面积检测 自学习 检测 拍摄 申请 应用 | ||
1.一种免造影剂的心肌梗死面积的检测方法,应用于通过无造影剂获取的心脏磁共振图像序列的心肌梗死面积检测,其特征在于,包括:
利用人工神经网络的自学习能力,建立心脏磁共振图像序列中的运动特征与心肌梗死面积之间的对应关系;
获取患者的当前心脏磁共振图像序列的当前运动特征;
通过所述对应关系,确定与所述当前运动特征对应的当前心肌梗死面积;具体地,确定与所述运动特征对应的当前心肌梗死面积,包括:将所述对应关系中与所述当前运动特征相同的运动特征所对应的心肌梗死面积,确定为所述当前心肌梗死面积。
2.根据权利要求1所述的方法,其特征在于,
所述运动特征,包括:兴趣区图像序列中按设定规律提取的用于表示每个像素的运动模式;其中,
所述兴趣图像序列,包括:心脏磁共振图像序列的设定区域中设定尺寸的图像区域;
和/或,
所述对应关系,包括:函数关系;所述运动特征为所述函数关系的输入参数,所述心肌梗死面积为所述函数关系的输出参数;
确定与所述当前运动特征对应的当前心肌梗死面积,还包括:
当所述对应关系包括函数关系时,将所述当前运动特征输入所述函数关系中,确定所述函数关系的输出参数为当前心肌梗死面积。
3.根据权利要求1所述的方法,其特征在于,所述建立心脏磁共振图像序列中的运动特征与心肌梗死面积之间的对应关系的步骤,包括:
获取用于建立所述运动特征与所述心肌梗死面积之间的对应关系的样本数据;
分析所述运动特征的特性及其规律,根据所述特性及其规律,确定所述人工神经网络的网络结构及其网络参数;
使用所述样本数据,对所述网络结构和所述网络参数进行训练和测试,确定所述运动特征与所述心肌梗死面积的所述对应关系。
4.根据权利要求3所述的方法,其特征在于,所述获取用于建立所述运动特征与所述心肌梗死面积之间的对应关系的样本数据的步骤,包括:
收集不同心脏状况的患者的所述运动特征和所述心肌梗死面积;
对所述运动特征进行分析、并结合预存的专家经验信息,选取与所述心肌梗死面积相关的数据作为所述运动特征;
将所述心肌梗死面积、以及选取的所述运动特征构成的数据对,作为样本数据。
5.根据权利要求4所述的方法,其特征在于,
所述网络结构,包括:Ren-卷积神经网络,长期短期记忆-循环神经网络,以及,堆叠自动编码器;
和/或,
所述网络参数,包括:输入层数,输出层数,卷积层数,初始权值,以及,偏置值中的至少之一。
6.根据权利要求3-5任一项所述的方法,其特征在于,
对所述网络结构和所述网络参数进行训练,包括:
选取所述样本数据中的一部分数据作为训练样本,将所述训练样本中的所述运动特征输入到所述网络结构,通过所述网络结构的激活函数和所述网络参数进行训练,得到实际训练结果;
确定所述实际训练结果与所述训练样本中的相应心肌梗死面积之间的实际训练误差是否满足预设训练误差;
当所述实际训练误差满足所述预设训练误差时,确定对所述网络结构和所述网络参数的所述训练完成;
和/或,
对所述网络结构和所述网络参数进行测试,包括:
选取所述样本数据中的另一部分数据作为测试样本,将所述测试样本中的所述运动特征输入到所述训练完成的所述网络结构中,以所述激活函数和所述训练完成的所述网络参数进行测试,得到实际测试结果;
确定所述实际测试结果与所述测试样本中的相应心肌梗死面积之间的实际测试误差是否满足设定测试误差;
当所述实际测试误差满足所述设定测试误差时,确定对所述网络结构和所述网络参数的所述测试完成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910642721.5/1.html,转载请声明来源钻瓜专利网。