[发明专利]基于深度学习和形变模型超声心动图心室分割方法及装置有效
| 申请号： | 201711377852.2 | 申请日： | 2017-12-19 |
| 公开（公告）号： | CN108109151B | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 王宽全;董素宇;骆功宁;袁永峰;张恒贵 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T17/00;G06N3/04 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 杨立超 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习和形变模型的超声心动图心室分割方法和装置，是为了解决现有的人工标定边界的方式通常耗费大量的人力、物力，而且不同人标定的结果具有一定的差异性，导致对心室相关指标计算产生很大的负面影响的缺点而提出的，包括：使用人工标注过的训练数据对心室粗分割模型进行训练，得到粗分割训练结果；计算粗分割训练结果在每一个截面的中心点，根据所有中心点拟合出一条直线，并计算所有中心点在垂直于所述直线的方向到粗分割训练结果的外边缘的距离的平均值作为半径；根据计算得到的中心点和半径进行重采样，基于采样结果重构三维初始化模型；采用形变模型对心室粗分割结果进行精细分割。本发明适用于心室图像处理。 | ||
| 搜索关键词： | 基于 深度 学习 形变 模型 超声 心动 心室 分割 方法 装置 | ||
【主权项】：
1.一种基于深度学习和形变模型的超声心动图心室分割方法，其特征在于，包括如下步骤：步骤一、获取超心动图数据；步骤二、在所述超心动图数据中，人工标记心室内膜；步骤三、对标记了心室内膜的图像进行预处理，作为训练数据；步骤四、使用所述训练数据对心室粗分割模型进行训练，得到粗分割训练结果；步骤五、计算粗分割训练结果在每一个截面的中心点，根据所有中心点拟合出一条直线，并计算所有中心点在垂直于所述直线的方向到粗分割训练结果的外边缘的距离的平均值作为半径；步骤六、根据计算得到的中心点和半径进行重采样，基于采样结果重构三维初始化模型；步骤七、基于重构的三维初始化模型，采用形变模型对心室粗分割结果进行精细分割；步骤八、使用训练后的粗分割模型以及精细分割模型进行心室内膜分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711377852.2/，转载请声明来源钻瓜专利网。
- 上一篇：图像分割方法、终端
- 下一篇：医学图像分类和分割方法和装置
