【技术实现步骤摘要】
基于深度神经网络和形态相似度的先心病分类系统及方法
本专利技术涉及医疗
，具体涉及一种基于深度神经网络和形态相似度的先心病分类系统及方法。
技术介绍
先天性心脏病是先天性畸形中最常见的一类，约占各种先天畸形的28％，指在胚胎发育时期由于心脏及大血管的形成障碍或发育异常而引起的解剖结构异常，或出生后应自动关闭的通道未能闭合的情形。根据血液动力学结合病理生理变化，先天性心脏病可分为发绀型或者非发绀型，也可根据有无分流分为三类：无分流类(如肺动脉狭窄、主动脉缩窄)、左至右分流类(如房间隔缺损、室间隔缺损、动脉导管未闭)和右至左分流(如法洛氏四联症、大血管错位)类。现有的先心病分类方法主要针对正常结构的心脏病进行全心脏和大血管分割，或者对先天性心脏病进行简单的血池和心肌的分割，然而还没有相关的技术能够进行先心病自动分类。
技术实现思路
为了弥补现有技术中存在的不足，本专利技术提供了一种基于深度神经网络和形态相似度的先心病分类系统，能够对医疗图像进行先心病的自动分类，有利于提高医生的工作效率。本专利技术为了达到上述目的，采用的技术方案如下：基于深度神经网络和形态相似度的先...
【技术保护点】
1.基于深度神经网络和形态相似度的先心病分类系统，其特征在于，包括：影像分割模块，用于分割医疗图像中的心房心室以及大血管初始部分区域得到第一分割影像，以及分割医疗图像中的血池区域及其边界得到第二分割影像；房室与心肌形态特征分析模块，用于分析及输出左心房、左心室、右心房、右心室、心肌中的个体或组合之间的房室与心肌形态特征，所述房室与心肌形态特征包括但不限于房室体积、房室体积比、长轴方向、短轴方向、长轴短轴比、心肌与房室连接处的厚度；连接特征分析模块，用于分析所述第一分割影像及所述第二分割影像中的心房与心室、心室与大血管之间的连接关系，输出连接特征；血管形态提取模块，用于提取所...
【技术特征摘要】
1.基于深度神经网络和形态相似度的先心病分类系统，其特征在于，包括：影像分割模块，用于分割医疗图像中的心房心室以及大血管初始部分区域得到第一分割影像，以及分割医疗图像中的血池区域及其边界得到第二分割影像；房室与心肌形态特征分析模块，用于分析及输出左心房、左心室、右心房、右心室、心肌中的个体或组合之间的房室与心肌形态特征，所述房室与心肌形态特征包括但不限于房室体积、房室体积比、长轴方向、短轴方向、长轴短轴比、心肌与房室连接处的厚度；连接特征分析模块，用于分析所述第一分割影像及所述第二分割影像中的心房与心室、心室与大血管之间的连接关系，输出连接特征；血管形态提取模块，用于提取所述第二分割影像除去所述第一分割影像心房心室后血池部分对应的血管形态；模板存储模块，用于存储先心病分类中所有血管形态的模板；大血管形态特征分析模块，用于比对所述血管形态提取模块提取的血管形态与所述模板存储模块内的模板，输出匹配的大血管形态特征；综合分析模块，用于获取所述房室与心肌形态特征、所述连接特征与所述大血管形态特征，并根据预设的分类规则得出先心病的分类结果。2.如权利要求1所述的基于深度神经网络和形态相似度的先心病分类系统，其特征在于，还包括：区域提取模块，用于提取医疗图像中的心脏及其周边血管的区域影像，并将该区域影像输送至影像分割模块。3.如权利要求2所述的基于深度神经网络和形态相似度的先心病分类系统，其特征在于：所述影像分割模块包括3DU-net网络单元及2DU-net网络单元，所述3DU-net网络单元用于转换所述区域影像的尺寸并将转换后的区域影像进行分割得到所述第一分割影像，所述2DU-net网络单元用于获取医疗图像的2D切片并将该2D切片进行分割得到第二分割影像。4.如权利要求1-3任一项所述的基于深度神经网络和形态相似度的先心病分类系统，其特征在于：所述血管形态提取模块包括框架提取单元、框架采样单元及归一化单元，所述框架提取单元用于从所述第二分割影像中去除所述第一分割影像的房室的血池部分从而提取血管并优化血管框架线，所述框架采样单元用于采取所述血管框架线上的若干框架点，所述归一化单元用于计算所述框架点和所述模板对应数据的相似度并输出匹配的图像。5.一种应用权利要求1-4任一项所述的基于深度神经网络和形态相似度的先心病分类系统的方法，其特...
【专利技术属性】
技术研发人员：庄建，史弋宇，黄美萍，袁海云，贾乾君，徐小维，董羽颢，岑坚正，
申请(专利权)人：广东省人民医院广东省医学科学院，广东省心血管病研究所，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。