[发明专利]双心室量化方法、装置、电子设备及存储介质

权利要求书

1.一种双心室量化方法，其特征在于，所述方法包括：

获取目标原始图像，所述目标原始图像为心脏的核磁共振图像；

采用预设的分割网络对所述目标原始图像进行分割，得到目标多通道概率图像；

将所述目标多通道概率图像输入到预设的深度回归网络中进行计算，以得到所述心脏的目标全面量化数据，所述目标全面量化数据包括心腔直径、心肌壁厚度和心室面积；

所述方法还包括获取预设的深度回归网络，所述获取预设的深度回归网络，包括：

步骤1：获取样本图像，所述样本图像为心脏的核磁共振图像，以及对所述样本图像进行预处理，得到预处理样本图像；

步骤2：采用第一分割网络对所述预处理样本图像进行分割，得到样本四通道概率图像；

步骤3：将所述样本四通道概率图像输入到所述N层卷积神经网络中进行计算，得到预测值；

步骤4：将所述预测值与目标真值进行均方差运算，得到校正值，所述目标真值为通过预设的真值生成函数确定出的真值，所述目标真值与所述预测值相对应；

步骤5：通过所述校正值对所述第一分割网络进行校正，得到第二分割网络，将所述第一分割网络替换为所述第二分割网络；

重复M次执行步骤2至步骤5，在重复M次执行步骤2至步骤5的过程中，若预设参数处于预设的参数范围时，则将所述N层卷积神经网络作为所述预设的深度回归网络。

2.根据权利要求1所述的方法，其特征在于，所述预设的深度回归网络包括N层卷积神经网络，所述将所述目标多通道概率图像输入到预设的深度回归网络中进行计算，以得到所述心脏的目标全面量化数据，包括：

将所述目标多通道概率图像输入到所述N层卷积神经网络的第一层进行计算，得到第一计算结果，其中，N为大于1的正整数；

将所述第一计算结果输入到所述N层卷积神经网络的第二层进行计算，得到第二计算结果，直至将第N-1结算结果输入到所述N层卷积神经网络的第N层进行计算，得到所述心脏的目标全面量化数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括获取预设的真值生成函数，所述获取预设的真值生成函数包括：

获取具有心脏轮廓标注的原始图像，所述具有心脏轮廓标注的原始图像包括多个轮廓点；

将所述具有心脏轮廓标注的原始图像进行处理，得到掩膜图；

采用预设的获取方式从所述掩膜图中获取心脏的重心坐标，所述重心坐标包括左心室的重心坐标和右心室的重心坐标；

获取所述多个轮廓点中的每个轮廓点与对应的重心坐标之间的距离和角度；

根据所述每个轮廓点与对应的重心坐标之间的距离和角度，采用插值法确定出所述预设的真值生成函数，所述预设的真值生成函数为角度与距离之间的函数。

4.根据权利要求3所述的方法，其特征在于，所述采用预设的获取方式从所述掩膜图中获取心脏的重心坐标，包括：

通过第一预设函数确定从所述掩膜图中获取轮廓点集合；

根据所述轮廓点集合，采用第二预设函数确定出所述重心坐标。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述目标多通道概率图像包括：背景区域图像、左/右心腔图像和左心肌图像。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

对所述目标原始图像进行重采样，得到重采样图像；

对所述重采样图像进行0均值1方差的归一化处理，得到预处理图像。