[发明专利]基于心脏MRI的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置

说明书

本发明提供一种基于心脏MRI的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置，所述心脏分割模型训练方法通过标准差滤波器对像素灰度变化不大的剩余背景部分进行抑制，突出左心室、右心室和心肌，进一步通过canny边缘检测和圆形霍夫变换获取左心室心肌壁中心位置并绘制矩形掩膜，基于矩形掩膜对二维图像进行裁剪作为训预设神经网络模型的输入进行训练，能够极大抑制背景干扰，促进神经网络训练快速收敛。所示病理分类模型训练方法基于心脏分割模型对心动周期内各帧心脏磁共振成像短轴切分得到的二维图像进行分割后，计算分类特征值，并基于多个样本的分类特征值和病理分类构建随机森林以得到心脏病理分类模型，实现自动化病理分类。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于心脏MRI(Magnetic ResonanceImaging，磁共振成像)的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置。

背景技术

心脏是人体最重要的器官之一，是循环系统中的主要器官，为血液流动提供动力。心血管疾病(Cardiovascular Disease，CVD)，也被称为循环系统疾病，是全身性血管病变或系统性血管病变在心脏的表现，具有高患病率、高致残率和高死亡率的特点，已经成为人类最普遍的死亡原因。CVD的诊断通常在症状的晚期进行，而晚期干预的成本高昂，且治疗效果大大降低，因此在早期对心脏功能进行定量评估和诊疗至关重要。心脏功能分析在临床心脏病学中对患者管理、疾病诊断、风险评估和治疗决策发挥着重要作用。可以通过推导心室容积、卒中容积、射血分数和心肌质量等临床参数，定量分析整体和局部心脏功能。这些参数的计算前提是对左心室(Left Ventricle，LV)和右心室(Right Ventricle，RV)的心内膜和心外膜轮廓的精确描绘。

目前临床上评价心脏功能的影像技术主要包括超声心动图、心脏核素成像、多层螺旋计算机断层扫描(Multislice Computed Tomography，MSCT)、心脏磁共振成像(Cardiac Magnetic Resonance Imaging，CMRI)等。通常情况下，从医学影像中描绘重要器官和结构的工作由放射科医生手动完成，然而放射科医生人工分析所需的工作量极大，并且需要耗费很长时间，其结果也可能因人而异。比如不同的放射科医生受各自主观的经验、所处环境、工作状态等影响，对同一区域的勾画结果也是不能百分百复现的。进一步在此基础上所进行的病理分类也会产生偏差。

心脏MRI通常为三维数据，需要逐层进行切片分析，一个心动周期内产生的图像数据量较大，并且每一张图中都存在大量的背景。现有的分割算法在训练过程中面对大量的数据不易收敛，同时，由于心脏MRI图中背景部分占比较高，训练得到的模型权重会更偏向于对背景的识别，使得识别效果并不理想。

发明内容

本发明实施例提供了一种基于心脏MRI的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置，以解决分割模型在训练过程中收敛较慢且识别效果较差的问题。

本发明的技术方案如下：

一方面，本发明提供一种磁共振成像心脏分割模型训练方法，包括：

获取训练样本集，所述训练样本集至少包括对多个样本在一个心动周期内的心脏核磁共振成像三维数据逐帧进行短轴切片得到多个二维图像，以及各二维图像上关于左心室、右心室、心肌和剩余背景的分割标签；

对所述二维图像进行标准化处理得到标准图，采用标准差滤波器对一个心动周期内相同位置切片对应的各帧标准图进行滤波，在该位置切片对应的各标准图中获取像素点灰度沿心动周期变化的标准差低于设定值的像素点灰度置零，得到各二维图像对应的滤波图；

对各滤波图进行canny边缘检测并通过圆形霍夫变换获取左心室心肌壁中心位置及其最大似然圆环；

对各二维图像对应的最大似然圆环绘制矩形掩膜并以所述矩形掩膜为中心将对应的二维图像裁剪为设定尺寸；