[发明专利]基于卷积神经网络的心脏核磁共振图像关键点检测方法

权利要求书

1.一种基于卷积神经网络的心脏核磁共振图像关键点检测方法，其特征在于，包括以下步骤：

S1、采集待检测心脏核磁共振图像和训练原始图像，并对训练原始图像进行手工标注关键点处理，得到手工标注图像；

S2、对训练原始图像和手工标注图像进行数据增强处理，得到处理后的训练原始图像和手工标注图像；

S3、根据TensorFlow深度学习平台，搭建卷积神经网络，并通过处理后的训练原始图像和手工标注图像对卷积神经网络进行训练；

S4、将待检测心脏核磁共振图像输入训练完成的卷积神经网络，获取关键点概率图、左心室区域概率图和关键点中心距离回归值；

S5、将关键点概率图和关键点中心距离回归值进行融合，得到融合信息图，并根据左心室区域概率图将融合信息图中左心室区域内的误检关键点去除；

S6、将融合信息图中不在左心室和右心室之间的左右心室交叉点移除，根据局部最大值搜索方法，获取融合信息图中局部最大值，得到关键点检测结果。

2.根据权利要求1所述的基于卷积神经网络的心脏核磁共振图像关键点检测方法，其特征在于，所述步骤S1中对训练原始图像进行手工标注关键点处理的具体方法为：

A1、对训练原始图像中左心室顶端上间断点进行手工标注，得到第一标签K1；

A2、对训练原始图像中左心室顶端下间断点进行手工标注，得到第二标签K2；

A3、对训练原始图像中右心室中心点进行手工标注，得到第三标签K3；

A4、对训练原始图像中左右心室上交叉点进行手工标注，得到第四标签K4；

A5、对训练原始图像中左右心室下交叉点进行手工标注，得到第五标签K5；

A6、对训练原始图像中左心室区域进行手工标注，获取第六标签K6，得到手工标注图像。

3.根据权利要求1所述的基于卷积神经网络的心脏核磁共振图像关键点检测方法，其特征在于，所述步骤S2中对训练原始图像和手工标注图像进行数据增强处理的具体方法：将训练原始图像和手工标注图像进行随机裁剪、旋转、翻转和数据归一化处理。

4.根据权利要求3所述的基于卷积神经网络的心脏核磁共振图像关键点检测方法，其特征在于，所述随机裁剪的具体方法为：将训练原始图像和手工标注图像进行随机裁剪，得到若干尺寸为224×224的图像块；

所述旋转的具体方法为：将训练原始图像和手工标注图像顺时针旋转90度，得到顺时针旋转子图像；将训练原始图像和手工标注图像逆时针旋转90度，得到逆时针旋转子图像；

所述翻转的具体方法为：将训练原始图像和手工标注图像水平翻转，得到水平翻转子图像；将训练原始图像和手工标注图像垂直翻转，得到垂直翻转子图像；

所述数据归一化处理的具体公式为：

其中，I^*(x)为归一化后的图像像素值，I(x)表示图像的像素值，x表示图像的坐标值，I_min表示图像像素值的最小值，I_max表示图像像素值的最大值，I_mean(x)表示图像像素值的均值。