[发明专利]一种升主动脉图像的自动提取方法和装置

权利要求书

1.一种升主动脉图像的自动提取方法，其特征在于，包括：

获取第一数据集，其中，所述第一数据集包括若干个升主动脉的影像学数据，且每个影像学数据在各层面的升主动脉区域均已被标注；

根据已标注的各影像学数据，提取所有升主动脉区域以及每个升主动脉区域各自对应的坐标信息，并构建第二数据集；

根据所述第二数据集，构建图像提取模型；其中，所述图像提取模型设置了五个下采样结构、两个上采样结构、三个卷积集和激活函数层；其中，所述激活函数层采用logistics函数；

获取待测影像学数据，并将所述待测影像学数据输入至所述图像提取模型，获得所述待测影像学数据的升主动脉图像。

2.如权利要求1所述的一种升主动脉图像的自动提取方法，其特征在于，所述图像提取模型还包括损失函数层，所述损失函数层的构建方法为：根据所述图像提取模型的预测框的坐标数据、所述预测框的宽高数据、所述预测框的置信度数据和所述图像提取模型的各分类损失数据，构建所述损失函数层。

3.如权利要求1所述的一种升主动脉图像的自动提取方法，其特征在于，所述根据所述第二数据集，构建图像提取模型，具体为：将所述第二数据集划分为训练集和验证集；通过所述训练集，构建第一模型；通过所述训练集和所述验证集对所述第一模型进行迭代优化，直至所述第一模型收敛，获得图像提取模型；其中，在每次迭代优化中，通过所述训练集和所述验证集对所述第一模型的所有超级参数和所有普通参数进行更新，继而更新所述第一模型对应的权重文件。

4.如权利要求3所述的一种升主动脉图像的自动提取方法，其特征在于，所述图像提取模型的收敛条件为：所述图像提取模型的损失函数小于第一预设值，或所述图像提取模型的损失函数的变化小于第二预设值。

5.如权利要求1至4任意一项所述的一种升主动脉图像的自动提取方法，其特征在于，在所述获取第一数据集之前，还包括：通过人工标注各层面的升主动脉区域的影像学数据，获得第一数据集；

或者，通过机器学习算法自动标注各层面的升主动脉区域的影像学数据，获得第一数据集。

6.一种升主动脉图像的自动提取装置，其特征在于，包括获取模块、数据集构建模块、模型构建模块和提取模块；其中，

所述获取模块用于获取第一数据集，其中，所述第一数据集包括若干个升主动脉的影像学数据，且每个影像学数据在各层面的升主动脉区域均已被标注；

所述数据集构建模块用于根据已标注的各影像学数据，提取所有升主动脉区域以及每个升主动脉区域各自对应的坐标信息，并构建第二数据集；

所述模型构建模块用于根据所述第二数据集，构建图像提取模型；其中，所述图像提取模型设置了五个下采样结构、两个上采样结构、三个卷积集和激活函数层；其中，所述激活函数层采用logistics函数；

所述提取模块用于获取待测影像学数据，并将所述待测影像学数据输入至所述图像提取模型，获得所述待测影像学数据的升主动脉图像。

7.如权利要求6所述的一种升主动脉图像的自动提取装置，其特征在于，所述图像提取模型还包括损失函数层，所述损失函数层的构建方法为：根据所述图像提取模型的预测框的坐标数据、所述预测框的宽高数据、所述预测框的置信度数据和所述图像提取模型的各分类损失数据，构建所述损失函数层。

8.如权利要求6所述的一种升主动脉图像的自动提取装置，其特征在于，所述模型构建模块根据所述第二数据集，构建图像提取模型，具体为：所述模型构建模块将所述第二数据集划分为训练集和验证集；通过所述训练集，构建第一模型；通过所述训练集和所述验证集对所述第一模型进行迭代优化，直至所述第一模型收敛，获得图像提取模型；其中，在每次迭代优化中，通过所述训练集和所述验证集对所述第一模型的所有超级参数和所有普通参数进行更新，继而更新所述第一模型对应的权重文件。