申请/专利权人:中山大学
申请日:2020-03-09
公开(公告)日:2024-03-26
公开(公告)号:CN111281387B
主分类号:A61B5/055
分类号:A61B5/055;A61B5/00;G06T7/11
优先权:
专利状态码:有效-授权
法律状态:2024.03.26#授权;2020.07.10#实质审查的生效;2020.06.16#公开
摘要:本申请提供了一种基于人工神经网络的左心房与心房瘢痕的分割方法及装置,包括:利用人工神经网络的自学习能力,建立心脏医学图像的图像特征与左心房和心房瘢痕分割结果之间的对应关系;获取患者的当前心脏医学图像的当前图像特征;通过所述对应关系,确定与所述当前图像特征对应的当前左心房和心房瘢痕分割结果;具体地,确定与所述图像特征对应的当前左心房和心房瘢痕分割结果,包括:将所述对应关系中与所述当前图像特征相同的图像特征所对应的左心房和心房瘢痕分割结果,确定为所述当前左心房和心房瘢痕分割结果。提升了左心房和心房瘢痕的分割效率,分割结果更准确。
主权项:1.一种基于人工神经网络的左心房与心房瘢痕的分割方法,其特征在于,包括:利用人工神经网络的自学习能力,建立心脏医学图像的图像特征与左心房和心房瘢痕分割结果之间的对应关系;具体地,获取用于建立所述图像特征与所述左心房和心房瘢痕分割结果之间的对应关系的样本数据;分析所述图像特征的特性及其规律,根据所述特性及其规律,确定所述人工神经网络的网络结构及其网络参数;使用所述样本数据,对所述网络结构和所述网络参数进行训练和测试,确定所述图像特征与所述左心房和心房瘢痕分割结果的所述对应关系;其中,所述网络结构为Icascade-GAN网络结构,所述Icascade-GAN网络结构包含级连生成网络和级连判别网络;所述级连生成网络用于通过注意力机制对左心房和心房瘢痕空间位置关系进行建模,包括用于实现对左心房分割的编码-解码子网络和用于实现对心房瘢痕分割的多尺度空洞子网络;所述级连判别网络通过与所述级连生成网络进行对抗学习,降低图像特征的类别不平衡,所述级连判别网络包括局部判别器和全局判别器;在级连判别网络判断的过程中,首先基于全局判别器产生单个概率值实现对整个分割图的判别;然后,基于全局判别器的信息,局部判别器生成一个置信图,以对分割图的局部区域进行识别;所述图像特征,包括:心房特征和心房瘢痕特征,和由按设定规律自所述心房特征、所述心房瘢痕特征中提取的特征组成的一维或两维以上的综合特征;其中,所述心房特征,包括:心房区域图像像素值;所述心房瘢痕特征,包括:心房瘢痕区域图像像素值;获取患者的当前心脏医学图像的当前图像特征;通过所述对应关系,确定与所述当前图像特征对应的当前左心房和心房瘢痕分割结果;具体地,确定与所述图像特征对应的当前左心房和心房瘢痕分割结果,包括:将所述对应关系中与所述当前图像特征相同的图像特征所对应的左心房和心房瘢痕分割结果,确定为所述当前左心房和心房瘢痕分割结果。
全文数据:
权利要求:
百度查询: 中山大学 基于人工神经网络的左心房与心房瘢痕的分割方法及装置
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。