申请/专利权人:中国医学科学院北京协和医院
申请日:2020-10-29
公开(公告)日:2021-08-27
公开(公告)号:CN112259227B
主分类号:G16H50/20(20180101)
分类号:G16H50/20(20180101);G16H30/40(20180101);G16H30/20(20180101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.08.27#授权;2021.02.09#实质审查的生效;2021.01.22#公开
摘要:本发明公开了一种评估SLE病人心肌受累的量化指标的计算方法和系统,所述方法包括以下步骤:对SLE病人心脏的原始T1mapping图像数据和原始CINE图像数据进行预处理,得到预处理T1mapping图像数据和预处理CINE图像数据;将预处理T1mapping图像数据输入到预先训练好的T1mapping图像特征提取模型中以提取T1mapping图像特征,并且将预处理CINE图像数据输入到预先训练好的CINE图像特征提取模型中以提取CINE图像特征;以及基于T1mapping图像特征和CINE图像特征计算出用于评估SLE病人心肌受累的多个量化指标。本发明采用深度学习技术通过未增强的T1mapping图像和CINE图像计算出用于评估SLE病人心肌受累的量化指标,以此能够准确诊断SLE患者的心肌受累,避免了使用LGE图像进行诊断给SLE患者肾脏造成损伤。
主权项:1.一种评估SLE病人心肌受累的量化指标的计算方法,其特征在于,包括以下步骤:步骤1、对SLE病人心脏的原始T1mapping图像数据和原始CINE图像数据进行预处理,得到预处理T1mapping图像数据和预处理CINE图像数据;步骤2、将所述预处理T1mapping图像数据输入到预先训练好的T1mapping图像特征提取模型中以提取T1mapping图像特征,并且将所述预处理CINE图像数据输入到预先训练好的CINE图像特征提取模型中以提取CINE图像特征;以及步骤3、基于所述T1mapping图像特征和所述CINE图像特征计算出用于评估所述SLE病人心肌受累的多个量化指标,其中,所述T1mapping图像特征提取模型基于卷积神经网络构建而成,并且所述CINE图像特征提取模型基于长短期记忆神经网络构建而成,所述T1mapping图像特征提取模型和所述CINE图像特征提取模型的训练至少包括以下步骤:收集若干病例的心脏的LGE图像训练数据、T1mapping图像训练数据以及CINE图像训练数据,每个病例的心脏均存在心肌病变;对所述LGE图像训练数据的心肌病变区域进行人工标注以得到LGE标签数据;对所述LGE标签数据、所述T1mapping图像训练数据以及所述CINE图像训练数据进行预处理;以及利用预处理后的所述LGE标签数据、所述T1mapping图像训练数据以及所述CINE图像训练数据训练所述卷积神经网络和所述长短期记忆神经网络,以得到所述T1mapping图像特征提取模型和所述CINE图像特征提取模型。
全文数据:
权利要求:
百度查询: 中国医学科学院北京协和医院 一种评估SLE病人心肌受累的量化指标的计算方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。