申请/专利权人:东北大学;中国医科大学附属第一医院
申请日:2021-07-26
公开(公告)日:2024-04-16
公开(公告)号:CN113570569B
主分类号:G16H30/00
分类号:G16H30/00;G06T7/00
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2021.11.16#实质审查的生效;2021.10.29#公开
摘要:本发明提供一种基于深度学习的心脏室间隔抖动自动检测系统,涉及计算机视觉技术领域。该系统首先获取多个带SF标签的超声心动图作为样本数据集;然后初始化用于室间隔抖动检测的深度神经网络模型,并使用样本数据集预训练深度神经网络模型,得到预训练深度神经网络模型;用于室间隔抖动检测的深度神经网络模型包括左心室分割网络U‑Net和基于编解码器的SF诊断网络;最后加载预训练深度神经网络模型的模型参数和配置文件,分割待评估的超声心动图中的左心室,输出室间隔抖动判断结果。本发明的检测系统使用深度学习的方法自动分割左心室,并根据分割结果实现了SF的自动诊断,减少了临床诊断的时间,避免了医生主观经验造成的结果差异。
主权项:1.一种基于深度学习的心脏室间隔抖动自动检测系统,通过以下步骤实现对室间隔抖动的自动检测:获取多个带SF标签的超声心动图作为样本数据集;初始化用于室间隔抖动检测的深度神经网络模型,并使用样本数据集预训练深度神经网络模型,得到预训练深度神经网络模型;所述用于室间隔抖动检测的深度神经网络模型包括左心室分割网络U-Net和基于编解码器的SF诊断网络;所述左心室分割网络U-Net用于超声心动图中左心室的图像分割,基于编解码器的SF诊断网络的输入为经过STN模块进行角度矫正后的四腔心左心室分割图像序列,输出为SF诊断结果;加载预训练深度神经网络模型的模型参数和配置文件,分割待评估的超声心动图中的左心室,输出室间隔抖动判断结果。
全文数据:
权利要求:
百度查询: 东北大学;中国医科大学附属第一医院 一种基于深度学习的心脏室间隔抖动自动检测系统
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。