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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD