[发明专利]基于深度神经网络的CT左心室短轴图像分割方法、装置、计算机设备和存储介质

权利要求书

1.基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，包括：

获取CT影像中的左心室短轴图像；

将所述左心室短轴图像输入深度神经网络模型，得到所述左心室短轴图像的边界分割结果。

2.根据权利要求1所述的基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，所述深度神经网络模型的训练路径包括收缩路径和扩张路径：

所述收缩路径包括9个编码块，每个编码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个ReLU激活层，前8个编码块后利用一个2×2最大池化层进行下采样；

所述扩张路径包括8个解码块，每个解码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个ReLU激活层，每个解码块前利用一个2×2反卷积层进行上采样；

所述收缩路径和扩张路径中对应块的特征图按照通道维度进行跳跃连接。

3.根据权利要求2所述的基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，所述深度神经网络模型的每个块中，并入残差结构；所述扩张路径中，前7次上采样操作添加有用作深监督的辅助路径，并加入给不同通道赋予不同的权重的注意力机制。

4.根据权利要求3所述的基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，所述注意力机制包括通道域注意力机制和空间域注意力机制。

5.根据权利要求1所述的基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，所述神经网络模型的训练图像集获取方式为：

采集得到多幅左心室短轴图像，组成初始图像集；

训练过程中每次迭代时，将初始图像集中的每幅左心室短轴图像通过随机旋转、随机缩放和随机剪切得到增强图像。

6.根据权利要求5所述的基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，所述随机旋转的角度范围为-5°～5°，所述随机缩放的比例范围为0.90到1.10，所述随机剪切的角度范围为-5°～5°。

7.根据权利要求5所述的基于深度神经网络的CT左心室短轴图像分割方法，其特征在于，所述基于深度神经网络的CT左心室短轴图像分割方法还包括：

获取CT影像中左心室心腔最大帧X，并在左心室心腔最大帧X中标记心尖点A与二尖瓣中心点B；

平行于心尖点A与二尖瓣中心点B的连线，且垂直于CT扫描平面对CT影像进行切割，得到长轴切面序列；

获取所述长轴切面序列中左心室心腔最大帧Y，并在左心室心腔最大帧Y中标记得到心尖点A'与二尖瓣中心点B'；

垂直于心尖点A'与二尖瓣中心点B'连线，对所述长轴切面序列进行切割，得到短轴切面序列，其中短轴切面序列包括多幅左心室短轴图像。

8.基于深度神经网络的CT左心室短轴图像分割装置，其特征在于，包括：

第一模块，用于获取CT影像中的左心室短轴图像；

第一模块，用于将所述左心室短轴图像输入深度神经网络模型，得到所述左心室短轴图像的边界分割结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。