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。

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