[发明专利]一种基于超声图像的室间隔抖动自动检测系统

权利要求书

1.一种基于超声图像的室间隔抖动自动检测系统，通过以下步骤实现对室间隔抖动的自动检测：

获取多个带SF标签的超声心动图作为样本数据集；

初始化用于室间隔抖动检测的深度神经网络模型，并使用样本数据集预训练深度神经网络模型，得到预训练深度神经网络模型；

所述用于室间隔抖动检测的深度神经网络模型包括左心室分割网络U-Net和基于编解码器的SF诊断网络；

加载预训练深度神经网络模型的模型参数和配置文件，分割待评估的超声心动图中的左心室，输出室间隔抖动判断结果。

2.根据权利要求1所述的一种基于超声图像的室间隔抖动自动检测系统，其特征在于：所述系统还通过包括原始超声心动图像和对应标签的微调数据集微调预训练的深度神经网络模型参数。

3.根据权利要求1所述的一种基于超声图像的二尖瓣环位移自动检测系统，其特征在于：所述获取的多个带SF标签的超声心动图为遵循医疗数位影像传输协定的dcm格式的超声心动图文件，或dcm格式的超声心动图文件解析后的单帧图像及其对应的SF标签。

4.根据权利要求1所述的一种基于超声图像的二尖瓣环位移自动检测系统，其特征在于：所述左心室分割网络U-Net用于超声心动图中左心室的图像分割，基于编解码器的SF诊断网络的输入为经过STN模块进行角度矫正后的四腔心左心室分割图像序列，输出为SF诊断结果。

5.根据权利要求4所述的一种基于超声图像的二尖瓣环位移自动检测系统，其特征在于：所述左心室分割网络U-Net由压缩路径和扩展路径组成；所述压缩路径与扩展路径均由5个块组成，压缩路径中每个块执行2个核为3×3的卷积操作以及1个2×2最大池化的降采样操作；压缩路径中各块输出的特征图经过复制裁剪操作，与输入到扩展路径对应块的特征图在通道维度合并；扩展路径由5个块组成，每个块执行1个核为2×2的反卷积操作以及2个核为3×3的卷积操作，第5个块在最后增加一个核为1×1的卷积操作用以输出左心室分割图像。

6.根据权利要求5所述的一种基于超声图像的二尖瓣环位移自动检测系统，其特征在于：所述基于编解码器的SF诊断网络由基于序列到序列的编解码器网络构成，总体框架为级联的ResNet-LSTM；其中，编码器网络使用删除最后一个全连接层的ResNet-18作为主干网络，并在此基础上添加三个尺寸分别为512，512，256的全连接层用以表征编码器图像特征；解码器网络基于LSTM网络，用于获得编码图像的时序特征；同时，使用左心室容积变化曲线作为辅助信息，经分枝网络处理后与LSTM输出时序特征进行融合，融合特征同时包含左心室分割图像信息和左心室容积变化信息；融合特征经过级联的2级尺寸分别为(256，2)的全连接层输出诊断结果。

7.根据权利要求1所述的一种基于超声图像的二尖瓣环位移自动检测系统，其特征在于：所述预训练深度神经网络模型的模型参数和配置文件包括一次性读入神经网络的图像数量，训练神经网络的迭代次数，并行计算的进程数量以及训练使用的设备及设备号。