[发明专利]一种基于深度学习的射血分数估计方法、终端及存储介质

权利要求书

1.一种基于深度学习的射血分数估计方法，其特征在于，所述基于深度学习的射血分数估计方法包括：

接收心尖二腔序列和心尖四腔序列的输入，并对所述心尖二腔序列和所述心尖四腔序列进行预处理；

构建并优化联合学习网络，所述联合学习网络为三维全卷积神经网络，将预处理后的所述心尖二腔序列和所述心尖四腔序列输入到所述联合学习网络中，输出全序列的分割结果和运动估计结果；

基于训练好的所述联合学习网络对全序列进行分割，并对所述分割结果进行后处理；

基于二腔室和四腔室的左心室舒张末期和收缩末期的分割结果，通过Simpson双平面法计算两个时期的心脏容积，输出射血分数；

所述优化联合学习网络包括：第一阶段优化和第二阶段优化；

所述第一阶段优化包括：基于图像灰度特征的全序列心脏追踪和首尾帧心脏分割，第一阶段优化对网络参数进行迭代优化；

所述第二阶段优化包括：基于形状特征的全序列心脏分割和全序列心脏轮廓追踪，使用前向/反向形变场对首尾帧的金标准进行空间变换，得到中间帧心脏结构的伪标签，并与中间帧的分割结果计算一致性损失；

通过第一阶段的分割模型和追踪模型形成中间帧的心脏分割伪标签，从而利用更多的训练数据提高分割性能，更高的分割性能得到更加精准的心脏形状，从而提高第二阶段心脏形状追踪的性能，两个阶段不断迭代，相互促进；

所述后处理包括：二值图像补洞操作和最大连通域选择操作；

所述基于训练好的所述联合学习网络对全序列进行分割，并对所述分割结果进行后处理，之后还包括：

通过最近邻插值将所述分割结果的尺寸转化为原图像尺寸。

2.根据权利要求1所述的基于深度学习的射血分数估计方法，其特征在于，所述预处理包括：视频帧采样、图像尺寸归一化和图像灰度归一化。

3.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于深度学习的射血分数估计程序，所述基于深度学习的射血分数估计程序被所述处理器执行时实现如权利要求1-2任一项所述的基于深度学习的射血分数估计方法的步骤。

4.一种存储介质，其特征在于，所述存储介质存储有基于深度学习的射血分数估计程序，所述基于深度学习的射血分数估计程序被处理器执行时实现如权利要求1-2任一项所述的基于深度学习的射血分数估计方法的步骤。