[发明专利]高分辨率心机运动模式分析装置和方法

权利要求书

1.一种高分辨率心机运动模式分析装置，包括：

超分辨率处理单元，所述超分辨率处理单元接收原始心脏图像，通过聚焦感兴趣的区域ROI的超分辨率神经网络对图像进行超分处理，得到超分辨率的图像，其中所述聚焦ROI的超分辨率神经网络包括：ROI检测神经网络，用于接收原始心脏图像，利用最大池化残差块和输入尺度自由残差神经网络进行处理，输出ROI区域图像；超分辨率图像生成器G，用于接收ROI区域图像，从ROI区域图像的低分辨率图像估计出超分辨率图像；预训练的视觉几何组VGG和图像鉴别器D，用于根据真实有效的高分辨率图像找出超分辨率图像，图像鉴别器D、预训练的视觉几何组VGG与超分辨率图像生成器G同时训练以生成感知上逼真的图像特征，通过感兴趣的区域的检测，所述训练旨在解决：

其中和是可训练参数，l^G和l^D是G和D的损失函数，I_lr为感兴趣的区域的低分辨率图像，I_hr为真实有效的高分辨率图像；以及

运动分析单元，运动分析单元通过深度学习框架提取经超分辨率处理的图像中的局部和全局运动特征，

其中所述深度学习框架包括运动特征提取单元，用于从采用长短期记忆LSTM-RNN网络提取局部运动特征并使用先进光流方法导出全局运动特征，所述长短期记忆LSTM-RNN网络以时序图像块作为输入，所述长短期记忆LSTM-RNN网络以滑动窗口的方式运行，在滑动窗口经过ROI的所有像素后，在所有像素上提取局部运动信息，在LSTM-RNN网络的最后一模块组装一个高维向量，所述高维向量生成包括像素的运动轨迹的三维图像块，

其中深度学习框架将所述局部和全局运动特征与晚期钆增强LGE图像相关联，所属深度学习框架被训练后，能够在没有LGE图像的情况下预测心肌梗死MI位置、大小和透壁性。

2.如权利要求1所述的高分辨率心机运动模式分析装置，其特征在于，所述超分辨率图像生成器G使用超分辨率残差网络。

3.如权利要求1所述的高分辨率心机运动模式分析装置，其特征在于，所述深度学习框架包括：

心脏腔室定位单元，使用Zelier和Fergus网络模型从输入的图像序列中定位心脏腔室。

4.如权利要求3所述的高分辨率心机运动模式分析装置，其特征在于，所述深度学习框架还包括判别网络，使用堆叠自动编码器来联合学习局部运动特征和全局运动特征，以提供心脏腔室内每个像素的有效运动特征表示。

5.如权利要求4所述的高分辨率心机运动模式分析装置，其特征在于，所述判别网络还包括分类器，用于识别心肌像素运动异常。

6.如权利要求1所述的高分辨率心机运动模式分析装置，其特征在于，所述原始心脏图像是心脏电影核磁图像扫描序列。