[发明专利]一种特征追踪方法及装置在审

专利信息
申请号: 201910857479.3 申请日: 2019-09-11
公开(公告)号: CN110738635A 公开(公告)日: 2020-01-31
发明(设计)人: 朱燕杰;梁栋;邹莉娴;柯子文;刘新;郑海荣 申请(专利权)人: 深圳先进技术研究院
主分类号: G06T7/00 分类号: G06T7/00;G06K9/46;G06K9/62;G06N3/04
代理公司: 44414 深圳中一联合知识产权代理有限公司 代理人: 张杨梅
地址: 518055 广东省深圳*** 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: 磁共振图像 神经网络 追踪 医学成像技术 标记特征 特征点 预设 申请
【说明书】:

本申请适用于医学成像技术领域,提供了一种特征追踪方法及装置,包括:获取待追踪的磁共振图像;将磁共振图像输入到训练好的神经网络中处理,得到标记有预设特征点的磁共振图像,神经网络用于为输入的磁共振图像标记特征点。

技术领域

本申请属于医学影像技术领域,尤其涉及一种特征追踪方法及装置。

背景技术

随着磁共振成像技术的飞速发展,针对磁共振图像的特征追踪技术,成为心房的应变评估的重要手段。针对磁共振图像的特征追踪技术是指在磁共振图像中标记特征点,根据特征点的位置变化,获得心肌应变参数。进而基于心肌应变参数信息评估心烦房应变。

目前,在标记磁共振图像中的特征点时,一般采用人工标记法,由医护人员对心脏电影中的每一帧磁共振图像进行特征点标记。这种方法一般非常耗费人力和时间。尤其对于数据量较大的电影图像,容易造成医生视觉疲劳,导致标记出错。

发明内容

本申请实施例提供了一种特征追踪方法及装置,可以解决特征点标记的效率低,误差率高的问题。

第一方面,本申请实施例提供了一种特征追踪方法,包括:获取待追踪的磁共振图像;将磁共振图像输入到训练好的神经网络中处理,得到标记有预设特征点的磁共振图像,神经网络用于为输入的磁共振图像标记特征点。

采用本申请提供的特征追踪方法,通过训练好的神经网络标记磁共振图像中指定的特征点,而无需通过人工标记。因此,节省了人力,提高了特征点标记的效率,并避免由于人工误差导致特征点标记出现误差的问题。

可选的,磁共振图像为心脏磁共振图像;特征点包括至少一个房室交界点和/或左心房后壁中点。

可选的,心脏磁共振图像为心脏电影中的图像,该方法还包括:当对心脏电影中的每一帧心脏磁共振图像完成特征点标记后,根据特征点在每一帧心脏磁共振图中的位置,确定心肌应变参数信息。

第二方面,本申请提供一种特征追踪装置,包括:获取模块,用于获取待追踪的磁共振图像;标记模块,用于将获取模块获取的磁共振图像输入到训练好的神经网络中处理,得到标记有预设特征点的磁共振图像,神经网络用于为输入的磁共振图像标记特征点。

可选的,磁共振图像为心脏磁共振图像;特征点包括至少一个房室交界点和/或左心房后壁中点。

可选的,心脏磁共振图像为心脏电影中的图像,特征追踪装置还包括:

处理模块,用于在标记模块对心脏电影中的每一帧心脏磁共振图像完成特征点标记后,根据特征点在每一帧心脏磁共振图中的位置,确定心肌应变参数信息。

基于第一方面或第二方面,可选的,神经网络基于预设数据集训练所得,数据集包括预采集的多个磁共振图像和被人工标记了该特征点的多个磁共振图像。

示例性的,预采集到多个磁共振图像后,分别对每个磁共振图像进行人工标记特征点。然后在对该神经网络进行训练的过程中,将预采集的多个磁共振图像作为该神经网络的输入,将标记了特征点的该多个磁共振图像作为该神经网络的输出。

可选的,神经网络为残差密度网络(Residual Dense Network,RDN)。

基于该可选方式,通过利用RDN,能够能够融合不同深度的局部及全局的特征,使得整个网络的特征均得到有效的利用,从而提高磁共振图像中特征点标记的准确性。

第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如第一方面或第一方面的任一可选方式所述的方法。

第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如第一方面或第一方面的任一可选方式所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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深圳先进技术研究院,未经深圳先进技术研究院许可,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/201910857479.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top