基于稀疏位置测量的利用神经网络的左心房形状重建制造技术

本发明专利技术题为“基于稀疏位置测量的利用神经网络的左心房形状重建”。本发明专利技术公开了一种方法，所述方法包括在处理器中接收给定类型的器官的几何形状的示例表示。在训练阶段，利用所述示例表示来训练神经网络模型。在建模阶段，将所训练的神经网络模型应用于在所述给定类型的器官中采集的位置测量的集合，以生成所述器官的三维模型。

Shape reconstruction of left atrium using neural network based on sparse position measurement

【技术实现步骤摘要】
基于稀疏位置测量的利用神经网络的左心房形状重建相关申请的交叉引用本申请要求2018年7月30日提交的美国临时专利申请62/711,814的权益，该临时专利申请的公开内容以引用方式并入本文。
本专利技术整体涉及心脏标测，并且具体地涉及解剖学心脏标测图的计算方法。
技术介绍
一些临床规程采用复杂的计算方法来生成器官诸如心腔的解剖学表示。例如，美国专利申请公布2014/0152653描述了用于处理得自心内超声成像导管的二维超声图像的方法，所述方法提供改善的图像质量并且能够生成心脏的三维合成图像。二维超声图像与相关信息诸如时间或心电图一起获得和存储。可结合处理与心脏的特定状况或构型相关的图像以降低图像噪声并且增加分辨率。可处理图像以识别结构边缘，并且可使用结构边缘的位置来生成结构的动画渲染图像。可在若干图像上对结构位置进行平均处理，以去除由运动产生的噪声、畸变和模糊。又如，美国专利申请公布2017/0046616描述了配备有所谓子网络模块的三维深度卷积神经网络结构(DCNNA)的应用，所述子网络模块在三维放射学体积进行高计算代价本文档来自技高网...

【技术保护点】
1.一种方法，包括：/n在处理器中，接收给定类型的器官的几何形状的示例表示；以及/n在训练阶段，利用所述示例表示来训练神经网络模型；以及/n在建模阶段，将所训练的神经网络模型应用于在所述给定类型的器官中采集的位置测量的集合，以生成所述器官的三维模型。/n

【技术特征摘要】
20180730 US 62/711814;20190702 US 16/4597601.一种方法，包括：
在处理器中，接收给定类型的器官的几何形状的示例表示；以及
在训练阶段，利用所述示例表示来训练神经网络模型；以及
在建模阶段，将所训练的神经网络模型应用于在所述给定类型的器官中采集的位置测量的集合，以生成所述器官的三维模型。


2.根据权利要求1所述的方法，其中所述位置测量的集合包括在所述器官中的、在导管的一条或多条路径上的位置测量。


3.根据权利要求1所述的方法，其中训练所述神经网络模型包括训练所述神经网络模型以生成光滑的重建。


4.根据权利要求3所述的方法，其中生成所述光滑的重建包括最小化正则化函数，所述正则化函数包括所述神经网络模型的仅第一层的权重的导数。


5.根据权利要求1所述的方法，其中接收所述示例表示包括接收至少一个示例表示模态，所述示例表示模态选自由处理后的电解剖标测图和处理后的医学图像构成的表示模态的组。


6.根据权利要求1所述的方法，其中应用所训练的神经网络模型包括将所训练的神经网络模型应用于由至少一个测量系统测量的位置，所述测量系统选自由电解剖标测系统和医学成像模态构成的测量系统的组。


7.根据权利要求1所述的方法，其中所述器官...

【专利技术属性】
技术研发人员：A巴拉姆，M巴泰，
申请(专利权)人：韦伯斯特生物官能以色列有限公司，
类型：发明
国别省市：以色列;IL