申请/专利权人：武汉大学

申请日：2020-08-10

公开（公告）日：2023-08-18

公开（公告）号：CN112070685B

主分类号：G06T5/00

分类号：G06T5/00;G06T7/00;G06T7/246;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.08.18#授权;2020.12.29#实质审查的生效;2020.12.11#公开

摘要：本发明公开了一种HIFU治疗系统的动态软组织运动预测的方法，首先进行HIFU图像序列的预处理；构造图像序列与标签序列的预测映射关系；构建数据集并对训练集进行在线数据增强；搭建HIFU治疗系统的动态软组织运动预测模型并进行训练，通过评估指标优化网络得出最优模型；得到最优模型后，将测试集输入到网络中，进行动态软组织医学图像序列运动预测和性能评价。本发明采用堆叠卷积长短时记忆网络结合时间包装器的组合模式为网络模型处理医学图像序列提供了基础数据条件并且能充分利用HIFU图像序列的时空信息，能够对HIFU治疗系统动态软组织进行具有精确轮廓的运动预测。

主权项：1.一种HIFU治疗系统的动态软组织运动预测的方法，其特征在于，包括以下步骤：步骤1：对HIFU源图像序列数据进行预处理，对得到的图像序列数据缩放至统一尺寸，进一步对图像序列数据进行灰度化处理，对标签序列数据Label进行二值化处理；其中，记预处理后的源图像序列数据为图像序列数据Image，标签序列数据Label为经专家手工分割的掩膜图像序列数据；步骤2：构造图像序列数据Image与标签序列数据Label的预测映射关系，图像序列某一帧图像Imagei对应下一帧的标签Labeli+1；步骤3：构建包括训练集、验证集和测试集的医学图像序列数据集，并对其中的训练集进行在线数据增强；步骤4：搭建HIFU治疗系统的动态软组织运动预测网络模型，采用堆叠卷积长短时记忆网络结合时间包装器的组合模式来有效利用医学图像序列的时空信息，并根据设定的训练策略训练动态软组织运动预测网络模型参数；其中，搭建HIFU治疗系统的动态软组织运动预测网络模型的过程具体如下：所述预测网络模型包含输入模块、特征图模块、输出模块、编码器模块和解码器模块；在U-Net网络中，在编码模块和解码模块各尺度中用堆叠卷积长短时记忆网络ConvLSTM代替常规LSTM的操作，每一个卷积长短时记忆网络层ConvLSTM都包含BN层、卷积长短时记忆网络ConvLSTM以及使用激活函数激活；与此同时，在各尺度间的池化操作和上采样操作中加入了时间包装器TimeDistributed层，采用带时间包装器TimeDistributed层的池化与上采样过程来适配堆叠卷积长短时记忆网络ConvLSTM的数据格式，并通过时间包装器TimeDistributed层按顺序处理医学图像序列每一帧图像以确保时间一致性，保证了对医学图像序列中时序信息的正确使用；对同一尺度采用跳过连接操作进行高级语义信息和低级特征信息的融合；步骤5：将测试集数据输入训练好的动态软组织运动预测网络模型，生成相应的动态软组织运动预测结果图，将预测结果图与真实结果图相比较，得到HIFU治疗系统的动态软组织运动预测的结果和性能指标。

全文数据：

权利要求：

百度查询： 武汉大学 HIFU治疗系统的动态软组织运动预测的方法

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