[发明专利]心房间隔闭塞患者心脏医学影像分割方法及系统

说明书

本发明涉及一种心房间隔闭塞患者心脏医学影像分割方法，包括：采集心房间隔闭塞患者心脏MRI数据集，利用光谱分析方法处理该MRI数据集；将处理过的MRI数据集进行数据增强，并将数据增强后的MRI数据集进行二元分类的分割，得到被正确划分的MRI数据集；对被正确划分的MRI训练数据集，采用迁移学习方法微调卷积神经网络模型，以提取对后续医学影像分割有用的特征；利用提取的对医学影像分割有用的特征设计U‑Net架构，并利用U‑Net架构完成端到端的像素到像素的医学影像分割。本发明还涉及一种心房间隔闭塞患者心脏医学影像分割系统。本发明能够提高心血管MRI检查中的诊断效率，准确分割心脏医学影像，高效实现端到端的对心脏MRI图像的目标和背景分类。

技术领域

本发明涉及一种心房间隔闭塞患者心脏医学影像分割方法及系统。

背景技术

在房间隔缺损(ASD)医学图像分析中，由于来自左心房的隔膜缺损引起的血液流入，右心房显示出严重肿胀，并导致两个心房中的血容量不平衡。磁共振成像(MagneticResonance Imaging，MRI)通常用于诊断这种心脏病，然而，金属房间隔封堵器的引入在其放置的区域造成了重影效应，导致不正确的活动轮廓分割。

Kucera等人已经实现了在心脏的短轴和长轴视图上可靠的活动轮廓3D模型，他提出了一种基于区域的外力来分割左心室。Sarti等提出了一种基于区域的分割模型方法，实现了灰度级统计分布的先验知识，他们使用水平集方法驱动曲线演化，以便相对于图像像素的统计分布规律获得目标的最大似然分割。Boukerroui等人提出了另一种基于区域的分割方法，基于自适应分割算法，其中加权函数考虑本地和全局统计。Mishra等人提出了基于遗传算法(GA)求解优化问题的短轴视图分割方法中左心室的另一种主动轮廓分割模型。随后，Mignotte和Meunier提出了多尺度方法进行轮廓优化。Mitchell等人在瞬态超声图像中执行三维主动外观模型(AAM)分割。Bosch等人提出了一种基于其前身AAM的主动外观运动模型(AAMM)，并开发用于在完整的心动周期中分割左心室，其他完善的分割方法涉及人工神经网络，模糊多尺度边缘检测器和基于卡尔曼滤波器的跟踪方法。

经典的snake模型最初是由Kass、Witkin和Terzopolous提出的，用于将由边缘检测器产生的噪声滤波器响应合成为图像中感知边缘的连贯描绘。这样，可以建立分离具有不同灰度级特性的两个图像区域的边界。半自动分割方法用于基于MR图像分割心脏腔室，通过Kass蛇算法实现，该算法涉及用于分割的基于区域的方法。其可以克服在超声成像中常见的具有差的边界清晰度的分割物体的问题，但对于边界清晰度不明显的分割物体没办法完成MRI图像的分割。同时传统的方法(活动轮廓模型)不能够准确分割一些特殊的MRI图像，比如做过心脏手术并安装过金属支架或金属网的患者，他们的心脏MRI图像中金属物体会以阴影的形式呈现。同时传统的方法，没办法更好地解决研究中训练数据规模相对较小的情况。

发明内容

有鉴于此，有必要提供一种心房间隔闭塞患者心脏医学影像分割方法及系统。

本发明提供一种心房间隔闭塞患者心脏医学影像分割方法，该方法包括如下步骤：a.采集心房间隔闭塞患者心脏MRI数据集，利用光谱分析方法处理该MRI数据集；b.将由光谱分析方法处理过的MRI数据集进行数据增强，并将数据增强后的MRI数据集进行二元分类的分割，得到被正确划分的MRI数据集；c.对被正确划分的MRI训练数据集，采用迁移学习方法微调卷积神经网络模型，以提取对后续医学影像分割有用的特征；d.利用提取的对医学影像分割有用的特征设计U-Net架构，并利用U-Net架构完成端到端的像素到像素的医学影像分割。

其中，所述的步骤b具体包括：

采用数据增强的方法对MRI数据集进行数据增强，水平和垂直滑动，随机裁切，增加颜色抖动和高斯噪声；

对数据增强后的MRI数据集进行分割，将分割视为二元分类，即0和1，1代表被正确地划分，0代表被错误地划分。