一种基于深层全卷积神经网络的心脏左心室分割方法技术

本发明专利技术公开了一种基于深层全卷积神经网络的心脏左心室分割方法，该方法将深度学习的思想引入到心脏磁共振短轴图像左心室分割中，其过程主要分为训练和预测两个阶段：在训练阶段将预处理后的128×128大小的心脏磁共振图像作为输入，将人工处理好的标签作为网络的标签用于计算误差，随着训练迭代次数的增加，训练集误差和验证集误差逐渐下降；在测试阶段，将测试集中的数据输入到训练好的模型中，最终网络输出对每个像素的预测，生成分割结果。本发明专利技术从数据驱动的角度实现心脏磁共振短轴图像的分割，有效地解决了需要人工描绘轮廓的费时费力问题，可以克服传统图像分割算法的缺点，实现高精度和高鲁棒性的左心室分割。

A New Method of Cardiac Left Ventricular Segmentation Based on Deep Full Convolution Neural Network

The present invention discloses a method of cardiac left ventricular segmentation based on deep full convolution neural network. The method introduces the idea of deep learning into cardiac magnetic resonance short-axis image left ventricular segmentation. The process is divided into two stages: training and prediction: in the training stage, the pre-processed 128*128 size cardiac magnetic resonance image is used as input, and the label processed manually is used as label. As the number of training iterations increases, the error of training set and verification set decreases gradually. In the testing stage, the data in the test set is input into the trained model, and the network outputs the prediction of each pixel to generate segmentation results. The method realizes the segmentation of cardiac magnetic resonance short-axis image from the perspective of data-driven, effectively solves the time-consuming and laborious problem of manual contour description, overcomes the shortcomings of traditional image segmentation algorithm, and achieves high precision and high robustness of left ventricular segmentation.

【技术实现步骤摘要】
一种基于深层全卷积神经网络的心脏左心室分割方法
本专利技术属于医学图像分析
，具体涉及一种基于深层全卷积神经网络的心脏左心室分割方法。
技术介绍
近年来，心血管疾病已经成为人类生命健康的头号杀手之一，随着人民生活水平的提高和现代医学的快速发展，心血管疾病的早期诊断和风险评估成为了提高人类生活水平的重要条件。另外，随着医学技术的不断进步，能够对心脏进行动态成像的影像设备主要有磁共振成像(MagneticResonanceImaging，MRI)、计算机断层成像(X-RayComputerTomography，CT)和超声成像(UltrasonicImaging，US)等。心脏磁共振成像具有较好的软组织对比度、无放射性、无需注射或服用示踪剂、和能够任意平面进行成像的能力。然而定量地分析心脏整体和局部的功能包括心室容积、射血分数、心肌质量等临床参数，还需要依赖短轴影像中精确的左心室(LV)和右心室(RV)的心内膜和心外膜轮廓。如果这些轮廓需要手工描绘，那将是一项耗时且乏味的任务，而且容易引起观察者本身和观察者间的高度可变性。因此，需要一种快速、准确、可重复和完全自动化的心脏分割方法来本文档来自技高网...

【技术保护点】
1.一种基于深层全卷积神经网络的心脏左心室分割方法，包括如下步骤：(1)获取受试者的心脏磁共振短轴图像并采用人工方式在图像中手动标记出心脏左心室的轮廓线，并构造与心脏磁共振短轴图像大小相同的二值分割图像，该二值分割图像中心脏左心室轮廓及其内部像素值均为1，轮廓外部像素值均为0；(2)针对不同受试者采用步骤(1)的方法获得大量样本，每一样本包括受试者的心脏磁共振短轴图像及其对应的二值分割图像；将所有样本按比例划分为训练集、验证集和测试集；(3)利用训练集样本中的心脏磁共振短轴图像作为全卷积神经网络的输入，二值分割图像作为全卷积神经网络输出的真值标签，进而对该神经网络进行训练，最终训练完成后得到心...

【技术特征摘要】
1.一种基于深层全卷积神经网络的心脏左心室分割方法，包括如下步骤：(1)获取受试者的心脏磁共振短轴图像并采用人工方式在图像中手动标记出心脏左心室的轮廓线，并构造与心脏磁共振短轴图像大小相同的二值分割图像，该二值分割图像中心脏左心室轮廓及其内部像素值均为1，轮廓外部像素值均为0；(2)针对不同受试者采用步骤(1)的方法获得大量样本，每一样本包括受试者的心脏磁共振短轴图像及其对应的二值分割图像；将所有样本按比例划分为训练集、验证集和测试集；(3)利用训练集样本中的心脏磁共振短轴图像作为全卷积神经网络的输入，二值分割图像作为全卷积神经网络输出的真值标签，进而对该神经网络进行训练，最终训练完成后得到心脏左心室分割模型；(4)将测试集样本中的心脏磁共振短轴图像输入至心脏左心室分割模型，即可得到关于心脏左心室轮廓的二值分割图像，进而将该二值分割图像与测试集样本中的二值分割图像进行比对。2.根据权利要求1所述的心脏左心室分割方法，其特征在于：所述步骤(1)中获取受试者的心脏磁共振短轴图像，即通过磁共振仪器对受试者心脏同时做冠、矢、轴三个方向定位成像，成像范围从心底及大血管根部到心尖部，并从中筛选出心脏磁共振短轴图像。3.根据权利要求1所述的心脏左心室分割方法，其特征在于：所述步骤(1)中构造二值分割图像的具体操作过程为：对于手动标记出的心脏左心室轮廓线，将其表示成神经网络可识别的标记图，即一张与心脏磁共振短轴图像大小相同的二值分割图像，其中属于轮廓线及其内部的像素点为目标类且像素值均为1，轮廓线外部的像素点为背景类且像素值均为0；所述训练集、验证集和测试集中的样本数量比例为1:1:1。4.根据权利要求1所述的心脏左心室分割方法，其特征在于：所述步骤(3)中的全卷积神经网络包含一个残差网络Resnet50、四个预测层P1～P4和四个反卷积层D1～D4，所述残差网络Resnet50从输入到输出依次由一个卷积层C、一个池化层和四个残差阶段L1～L4级联而成，卷积层C的输入即为整个神经网络的输入，残差阶段L1和残差...

【专利技术属性】
技术研发人员：刘华锋，陈明强，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33