[发明专利]一种左心室全参数及置信度的量化方法

说明书

本发明公开了一种左心室全参数及置信度的量化方法，所述方法包括获取待处理的心脏图像；通过已训练的量化模型提取所述心脏图像对应的左心室参数集以及各参数置信度。本发明通过具有特征随机丢失层的量化模型输出左心室参数集以及各参数置信度，通过在特征随机丢失层确定参数的模型不确定性，根据模型不确定性确定各左心室参数的参数置信度，输出并显示左心室参数集以及各参数置信度，这样可以对各左心室参数的准确性给出参考数据，对于医师是否参考以及采纳各左心室参数具有重要作用。

技术领域

本发明涉及医学图像处理技术领域，特别涉及一种左心室全参数及置信度的量化方法。

背景技术

目前，心脏病已经成为全球范围内患病率和死亡率最高的疾病之一，对患者的生活质量造成极大的影像，对各个国家的医疗体系造成重大的负担。根据最新的统计表明，整个欧洲区域，超过50%的人口死亡是由心血管疾病造成；在美国，心血管疾病造成了越三分之一的人口死亡，冠心病是心血管疾病死亡的主要原因；在我国，心血管疾病死亡人数位居城乡居民总死亡原因的首位，高于肿瘤和其他疾病。心血管疾病是全球的主要死因，2015年有1790万人死于心血管疾病，到2030年将增至2360万以上。

心脏核磁共振图像是医学辅助诊断心血管疾病的重要手段。心脏结构可以分为四个腔室，即左、右心室和左、右心房，共同参与人体的两大系统循环。在这四个腔室中，左心室是全身血液循环的泵体，左心室的功能指标，如：左心室收缩期和舒张期的容积，左心室每搏血液输出量和左心室射血分数等都是临床诊断心脏性疾病的重要参考。所以，准确对左心室进行全参数（心室面积，心肌面积，心室内径，心肌壁厚度）量化，对于临床心脏疾病的诊断和治疗具有重要的作用。

为了得到上述左心室的全参数，目前临床上主要依赖主观视觉观察大量三维时间序列CMR影像，并手动进行左心室分割、测量的方式获取左心室的全参数指标。然而，在实际临床中，由于不同患者心脏结构特征的不同表现、CMR影像成像技术造成的图像低对比度、数据中存在的各类噪声等，会使得手动分割和测量的左心室全参数的准确性低。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种左心室全参数及置信度的量化方法。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种左心室全参数及置信度的量化方法，所述方法包括：

获取待处理的心脏图像；

通过已训练的量化模型提取所述心脏图像对应的左心室参数集以及各参数置信度，其中，所述量化模型基于预设网络模型输出的预测参数集、各预测参数置信度以及预测参数集对应的真实参数集训练的。

所述左心室全参数及置信度的量化方法，其中，所述量化模型训练过程具体包括：

通过预设网络模型，提取左心室图像训练组中各左心室图像的预测参数集以及各预测参数置信度；

基于所述左心室图像训练组中的各左心室图像对应的预测参数集、各预测参数置信度以及真实参数集，确定所述左心室图像训练组对应的损失函数；

基于所述损失函数训练所述预设网络模型进行训练，以得到所述量化模型。

所述左心室全参数及置信度的量化方法，其中，所述左心室图像训练组包括若干左心室图像；所述基于所述左心室图像训练组中的各左心室图像对应的预测参数集、各预测参数置信度以及真实参数集，确定所述左心室图像训练组对应的损失函数具体包括：

对于左心室图像训练组中的每一左心室图像，根据该左心室图像对应的预测参数集、真实参数集以及各预测参数置信度计算该左心室图像的第一损失函数；

根据计算得到的所有第一损失函数计算所述左心室图像训练组对应的损失函数。