[发明专利]稠密连接非对称层次网络训练方法及心脏运动场估计方法

摘要

本发明公开了一种稠密连接非对称层次网络训练方法及心脏运动场估计方法，针对心脏运动估计问题，利用稠密连接的编码‑解码的非对称深度学习网络，提取两幅相邻时间点Cine MR图像中左心室的多尺度特征，通过编码‑解码结构网络将不同尺度特征进行融合，以决策像素点的位移量。其中稠密连接网络的引入减轻了梯度消失现象，通过左心室特征的融合，更有效地利用了左心室特征，并且具备较少的网络参数。其中非对称的网络结构可以得到等间距的稀疏形变场，进一步利用B样条插值得到平滑的稠密形变场。在网络训练的目标函数中引入了形变场的扭曲能量约束，改善了形变场的平滑性，可以得到更稳定合理的心脏运动场，以用于心血管疾病的量化分析。

主权项

1.一种稠密连接非对称层次网络训练方法，其特征在于，包括如下步骤：步骤A1：构建稠密连接的编码‑解码的非对称深度学习网络；步骤A2：为所述非对称深度学习网络设置网络参数；步骤A3：输入相邻时间点的两幅Cine MR左心室图像；步骤A4：利用所述非对称深度学习网络，对所述相邻时间点的两幅Cine MR左心室图像进行多尺度特征提取，并根据所述网络参数计算稀疏形变场；步骤A5：利用B样条对所述稀疏形变场进行插值，构建稠密位移场；步骤A6：利用稠密位移场对所述相邻时间点的两幅Cine MR左心室图像中的源图像进行形变；步骤A7：计算形变后的源图像与目标图像之间的目标函数；步骤A8：判断迭代次数是否达到设置值，若是，则结束，得到稠密连接非对称层次网络，否则，转步至步骤A9；步骤A9：计算目标函数关于所述网络参数的导数，并据此调整所述网络参数，并返回步骤A2。