[发明专利]一种提高多个心脏视图左心室分割精确度的系统及装置

说明书

本发明提供了一种基于深度学习的提高多个心脏视图左心室分割精确度的系统及装置，包括：数据采集模块，被配置为：采集若干个不同视图的超声心动图的图片数据，形成原始图像数据集；采集待处理的超声心动图为待分割数据；预处理模块，被配置为：对原始图像数据集进行预处理形成实验数据集；训练模块，被配置为：构建深度神经网络训练模型，将实验数据集输入到训练模型中进行训练，当训练模型中的损失函数值不再降低时，训练模型停止训练并保存模型参数；数据处理模块,被配置为：将待处理的超声心动图输入到保存模型参数的训练模块，得到心脏内外膜分割结果；提高了对于不同心室图像处理的训练精度，进而提高心脏视图分割精确度。

技术领域

本发明属于医学检测技术领域，具体涉及一种基于深度学习的提高多个心脏视图左心室分割精确度的系统及装置。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，并不必然构成在先技术。

随着医疗技术的发展，出现了多种多样的医学影像资料，如何正确、快速、最大程度的利用这些医学影像资料来诊断疾病成为当今社会的一大热点。

机器学习技术使研究人员能够开发和利用复杂的模型来分类或预测各种异常或疾病或者进行医学病灶的识别和分割。如今，机器学习技术发展逐渐成熟与完善。深度学习是机器学习研究的一个新领域，其动机在于人脑的建立和模拟，以分析和研究神经网络，模拟人脑机制来解释数据。因此近年来，越来越多的研究者开始关注医学图像处理中的模式识别、分类以及分割等处理技术。

在临床应用中，超声心动图是医生判断心脏病症的一个重要手段。在临床治疗时，超声心动图中的左心室运动状态等特点是医生诊断心脏病的首要依据。通过分割左心室，可以计算射血分数等重要的医学指标。临床超声诊断流程中主要是超声心动图中心尖二腔室、心尖三腔室和心尖四腔室都包含完整的左心室信息，但是因为超声探头探测的位置不同，不同的腔室中左心室的形态并不相同。同时超声心动图中还包含很多噪声，现有的分割算法并不能准确的分割左心室。因此提供一种提高医学解剖结构分割精确度的措施显得尤为重要。这将很大程度减少医生的工作量并提高诊断的准确性。

发明内容

为了解决上述问题，本发明提出一种基于深度学习分割方法的左心室心肌层分割系统及装置，该系统能自动分割不同视图下的左心室心肌层。

第一方面，本发明提供了一种基于深度学习的提高多个心脏视图左心室分割精确度的系统，包括：

数据采集模块，被配置为：采集若干个不同视图的超声心动图的图片数据，形成原始图像数据集；采集待处理的超声心动图为待分割数据；

预处理模块，被配置为：对原始图像数据集进行预处理形成实验数据集；

训练模块，被配置为：构建深度神经网络训练模型，将实验数据集输入到训练模型中进行训练，当训练模型中的损失函数值不再降低时，训练模型停止训练并保存模型参数。

数据处理模块,被配置为：将待分割数据输入到保存模型参数的训练模块，得到心脏内外膜分割结果。

第二方面，本发明还提供了一种基于深度学习的提高多个心脏视图左心室分割精确度的装置，包括：RetinaNet网络和如第一方面所述的提高心脏视图分割精确度的系统，将待分割数据输入到RetinaNet网络中得到不同心脏视图识别结果和左心室检测结果，并将检测结果输入到提高心脏视图分割精确度的系统的分割网络进行分割。

与现有技术对比，本发明具备以下有益效果：

1、本发明的提出了一种基于深度学习的不同心脏视图下的左心室心肌层分割系统，该系统采用预处理模块和训练模块，形成实验数据集和待处理数据，能够自动分割出心肌层内外膜，不需要医生手动勾勒，减少医生工作流程。

2、本发明的训练模块将分割和检测结合起来，提高了对于不同心室图像处理的训练精度，进而提高心脏视图分割精确度。