一种心肌质量计算方法、系统及电子设备技术方案

本申请涉及一种心肌质量计算方法、系统及电子设备。所述方法包括：步骤a：采用深度神经网络模型对原始医学影像进行全图心肌分割；步骤b：根据所述全图心肌分割结果提取心肌感兴趣区域；步骤c：采用深度神经网络模型对所述心肌感兴趣区域进行区域心肌分割；步骤d：根据所述全图或者区域心肌分割结果计算心肌质量。本申请通过结合图像处理和深度神经网络进行心肌质量计算，可以大幅降低误差，整体提高了心肌质量计算的精度和通用性。

A Method, System and Electronic Equipment for Calculating Myocardial Mass

【技术实现步骤摘要】
一种心肌质量计算方法、系统及电子设备
本申请属于心肌质量计算
，特别涉及一种心肌质量计算方法、系统及电子设备。
技术介绍
左心室肥厚(LVH)是心血管事件的独立预测因子。左心室质量(LVM)增加者发生心血管事件的风险随之逐步升高。也有证据表明：伴LVH的高血压患者，心脑血管意外的发生率随着LVM的下降而降低，由于LVM直接与预后相关，因此，准确地测定LVM非常重要。心电图与超声心动图较早用于诊断LVH，近年来心脏磁共振成像、电子计算机断层扫描等技术亦能精确地测定LVM，然而各种检测方法的敏感性、特异性及临床应用各不相同。
技术实现思路
本申请提供了一种心肌质量计算方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本申请提供了如下技术方案：一种心肌质量计算方法，包括：步骤a：采用深度神经网络模型对原始医学影像进行全图心肌分割；步骤b：根据所述全图心肌分割结果提取心肌感兴趣区域；步骤c：采用深度神经网络模型对所述心肌感兴趣区域进行区域心肌分割；步骤d：根据所述全图或者区域心肌分割结果计算心肌质量。本申请实施例采取的技术方案还包括：在所述步骤a中，所述深度神经网络模型为1个3D神经网络，所述对原始医学影像进行全图心肌分割具体为：将所述原始医学影像输入训练好的3D神经网络，得到预测概率图P；对预测概率图P进行二值化处理，得到全图心肌分割结果。本申请实施例采取的技术方案还包括：在所述步骤a中，所述深度神经网络模型为3个2D神经网络，所述3个2D神经网络分别为矢状面、冠状面、横截面2D神经网络；所述对原始医学影像进行全图心肌分割具体为：分别沿原始医学影像的垂直矢状面、冠状面、横截面方向，依次将每个截面分别输入训练好的矢状面、冠状面、横截面2D神经网络，分别得到矢状面、冠状面、横截面方向的3D概率图PA、PB、PC；分别对所述3D概率图PA、PB、PC中的每个点求平均概率图PFusion(x,y,z)＝1/3*∑[PA(x,y,z)+PB(x,y,z)+PC(x,y,z)]；对所述平均概率图PFusion进行二值化处理，得到全图心肌分割结果。本申请实施例采取的技术方案还包括：在所述步骤b中，所述根据全图心肌分割结果提取心肌感兴趣区域具体包括：步骤b1：遍历全图心肌分割结果的每个点，计算点(x,y,z)在每一维上的最小值与最大值[xmin,xmax],[ymin,ymax],[zmin,zmax]；步骤b2：得到全图心肌分割结果的边框，该边框的8个点分别为[xmin,ymin,zmin]、[xmin,ymin,zmax]、[xmin,ymax,zmin]、[xmin,ymax,zmax]、[xmax,ymin,zmin]、[xmax,ymin,zmax]、[xmax,ymax,zmin]、[xmax,ymax,zmax]；步骤b3：根据设定的扩大范围将边框的8个点分别向外扩大；步骤b4：根据扩大后的边框，获得左下角和右上角的坐标分别为[xmin,ymin,zmin]、[xmax,ymax,zmax]；步骤b5：根据左下角和右上角的坐标进行裁切，得到原始医学影像中的心肌感兴趣区域。本申请实施例采取的技术方案还包括：在所述步骤d中，所述根据全图或者区域心肌分割结果计算心肌质量具体包括：步骤d1：对全图或者区域心肌分割结果进行后处理；步骤d2：计算心肌物理体积步骤d3：计算心肌质量m＝Vpy·ρ。本申请实施例采取的另一技术方案为：一种心肌质量计算系统，包括：全图心肌分割模块：用于采用深度神经网络模型对原始医学影像进行全图心肌分割；区域提取模块：用于根据所述全图心肌分割结果提取心肌感兴趣区域；区域心肌分割模块：用于采用深度神经网络模型对所述心肌感兴趣区域进行区域心肌分割；心肌质量计算模块：用于根据所述全图或者区域心肌分割结果计算心肌质量。本申请实施例采取的技术方案还包括：所述深度神经网络模型为1个3D神经网络，所述全图心肌分割模块对原始医学影像进行全图心肌分割具体为：将所述原始医学影像输入训练好的3D神经网络，得到预测概率图P；对预测概率图P进行二值化处理，得到全图心肌分割结果。本申请实施例采取的技术方案还包括：所述深度神经网络模型为3个2D神经网络，所述3个2D神经网络分别为矢状面、冠状面、横截面2D神经网络；所述全图心肌分割模块对原始医学影像进行全图心肌分割具体为：分别沿原始医学影像的垂直矢状面、冠状面、横截面方向，依次将每个截面分别输入训练好的矢状面、冠状面、横截面2D神经网络，分别得到矢状面、冠状面、横截面方向的3D概率图PA、PB、PC；分别对所述3D概率图PA、PB、PC中的每个点求平均概率图PFusion(x,y,z)＝1/3*∑[PA(x,y,z)+PB(x,y,z)+PC(x,y,z)]；对所述平均概率图PFusion进行二值化处理，得到全图心肌分割结果。本申请实施例采取的技术方案还包括：所述区域提取模块根据全图心肌分割结果提取心肌感兴趣区域具体包括：遍历全图心肌分割结果的每个点，计算点(x,y,z)在每一维上的最小值与最大值[xmin,xmax],[ymin,ymax],[zmin,zmax]；得到全图心肌分割结果的边框，该边框的8个点分别为[xmin,ymin,zmin]、[xmin,ymin,zmax]、[xmin,ymax,zmin]、[xmin,ymax,zmax]、[xmax,ymin,zmin]、[xmax,ymin,zmax]、[xmax,ymax,zmin]、[xmax,ymax,zmax]；根据设定的扩大范围将边框的8个点分别向外扩大；根据扩大后的边框，获得左下角和右上角的坐标分别为[xmin,ymin,zmin]、[xmax,ymax,zmax]；根据左下角和右上角的坐标进行裁切，得到原始医学影像中的心肌感兴趣区域。本申请实施例采取的技术方案还包括：所述心肌质量计算模块根据全图或者区域心肌分割结果计算心肌质量具体包括：对全图或者区域心肌分割结果进行后处理；计算心肌物理体积计算心肌质量m＝Vpy·ρ。本申请实施例采取的又一技术方案为：一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的心肌质量计算方法的以下操作：步骤a：采用深度神经网络模型对原始医学影像进行全图心肌分割；步骤b：根据所述全图心肌分割结果提取心肌感兴趣区域；步骤c：采用深度神经网络模型对所述心肌感兴趣区域进行区域心肌分割；步骤d：根据所述全图或者区域心肌分割结果计算心肌质量。相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的心肌质量计算方法、系统及电子设备通过结合图像处理和深度神经网络进行心肌质量计算，相对于现有技术，可以大幅降低误差，整体提高了心肌质量计算的精度和通用性。附图说明图1是本申请实施例的心肌质量计算方法的流程图；图2是本申请实施例的心肌质量计算系统的结构示意图；图3是本申请实施例提供的心肌质量计算方法的硬件设备结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图本文档来自技高网...

【技术保护点】
1.一种心肌质量计算方法，其特征在于，包括：步骤a：采用深度神经网络模型对原始医学影像进行全图心肌分割；步骤b：根据所述全图心肌分割结果提取心肌感兴趣区域；步骤c：采用深度神经网络模型对所述心肌感兴趣区域进行区域心肌分割；步骤d：根据所述全图或者区域心肌分割结果计算心肌质量。

【技术特征摘要】
1.一种心肌质量计算方法，其特征在于，包括：步骤a：采用深度神经网络模型对原始医学影像进行全图心肌分割；步骤b：根据所述全图心肌分割结果提取心肌感兴趣区域；步骤c：采用深度神经网络模型对所述心肌感兴趣区域进行区域心肌分割；步骤d：根据所述全图或者区域心肌分割结果计算心肌质量。2.根据权利要求1所述的心肌质量计算方法，其特征在于，在所述步骤a中，所述深度神经网络模型为1个3D神经网络，所述对原始医学影像进行全图心肌分割具体为：将所述原始医学影像输入训练好的3D神经网络，得到预测概率图P；对预测概率图P进行二值化处理，得到全图心肌分割结果。3.根据权利要求1所述的心肌质量计算方法，其特征在于，在所述步骤a中，所述深度神经网络模型为3个2D神经网络，所述3个2D神经网络分别为矢状面、冠状面、横截面2D神经网络；所述对原始医学影像进行全图心肌分割具体为：分别沿原始医学影像的垂直矢状面、冠状面、横截面方向，依次将每个截面分别输入训练好的矢状面、冠状面、横截面2D神经网络，分别得到矢状面、冠状面、横截面方向的3D概率图PA、PB、PC；分别对所述3D概率图PA、PB、PC中的每个点求平均概率图PFusion(x,y,z)＝1/3*∑[PA(x,y,z)+PB(x,y,z)+PC(x,y,z)]；对所述平均概率图PFusion进行二值化处理，得到全图心肌分割结果。4.根据权利要求1至3任一项所述的心肌质量计算方法，其特征在于，在所述步骤b中，所述根据全图心肌分割结果提取心肌感兴趣区域具体包括：步骤b1：遍历全图心肌分割结果的每个点，计算点(x,y,z)在每一维上的最小值与最大值[xmin,xmax],[ymin,ymax],[zmin,zmax]；步骤b2：得到全图心肌分割结果的边框，该边框的8个点分别为[xmin,ymin,zmin]、[xmin,ymin,zmax]、[xmin,ymax,zmin]、[xmin,ymax,zmax]、[xmax,ymin,zmin]、[xmax,ymin,zmax]、[xmax,ymax,zmin]、[xmax,ymax,zmax]；步骤b3：根据设定的扩大范围将边框的8个点分别向外扩大；步骤b4：根据扩大后的边框，获得左下角和右上角的坐标分别为[xmin,ymin,zmin]、[xmax,ymax,zmax]；步骤b5：根据左下角和右上角的坐标进行裁切，得到原始医学影像中的心肌感兴趣区域。5.根据权利要求4所述的心肌质量计算方法，其特征在于，在所述步骤d中，所述根据全图或者区域心肌分割结果计算心肌质量具体包括：步骤d1：对全图或者区域心肌分割结果进行后处理；步骤d2：计算心肌物理体积步骤d3：计算心肌质量m＝Vpy·ρ。6.一种心肌质量计算系统，其特征在于，包括：全图心肌分割模块：用于采用深度神经网络模型对原始医学影像进行全图心肌分割；区域提取模块：用于根据所述全图心肌分割结果提取心肌感兴趣区域；区域心肌分割模块：用于采用深度神经网络模型对所...

【专利技术属性】
技术研发人员：李璟，马骏，兰宏志，郑凌霄，徐志伟，
申请(专利权)人：深圳向往之医疗科技有限公司，
类型：发明
国别省市：广东,44