【技术实现步骤摘要】
一种基于超声成像构建三维心脏模型的方法
本专利技术涉及超声图像的三维建模
，具体涉及一种基于超声成像构建三维心脏模型的方法。
技术介绍
心血管疾病是全世界发病率和死亡率最高的疾病，对生命健康构成了严重威胁。而对该疾病的早期发现以及对诊断过程中无创性的要求一直是医学界的一个难题。心脏是人体循环系统的主要器官，是集电生理学、动力学、血液流体力学等于一身的极其复杂的综合系统。心脏疾病的诊断和仿真不断被深入研究，早期的研究主要集中于心脏逆问题上，通过已有的超声数据来分析和研究心脏疾病产生原因以及病情发展。而现在的研究重点主要集中在心脏正问题上，通过三维心脏建模将真实的心脏的生理学和物理学特性转化为一种三维数学模型，使被检查的心脏结构显示为三维效果立体图像，从而获得比二维图像更多的诊断信息。基于超声的三维立体模型在心血管方面的应用，主要是对心脏的整体性结构和功能性结构进行检测，提供内部结构、血流变化、瓣膜显示，并且能够实时的跟踪整个心脏周期组织的变化情况等，在心血管疾病的定性和诊断方面起到了重要作用，对心血管疾病...
【技术保护点】
1.一种基于超声成像构建三维心脏模型的方法，其特征在于：包括如下步骤：/nS1、超声图像预处理：导入心脏超声图像数据集，对数据集进行特征点重标定处理，然后分离心脏各个部位的数据集，针对每个数据集进行去除超声斑纹噪声处理；/nS2、图像分割和边缘轮廓特征提取；/nS3、心脏模型三维重建：进行心脏各部位的三维建模，然后将构建的单个心脏部位模型进行合成处理，构建完整的心脏三维模型；/nS4、三维心脏模型的可视化。/n
【技术特征摘要】
1.一种基于超声成像构建三维心脏模型的方法，其特征在于：包括如下步骤：
S1、超声图像预处理：导入心脏超声图像数据集，对数据集进行特征点重标定处理，然后分离心脏各个部位的数据集，针对每个数据集进行去除超声斑纹噪声处理；
S2、图像分割和边缘轮廓特征提取；
S3、心脏模型三维重建：进行心脏各部位的三维建模，然后将构建的单个心脏部位模型进行合成处理，构建完整的心脏三维模型；
S4、三维心脏模型的可视化。
2.根据权利要求1所述的一种基于超声成像构建三维心脏模型的方法，其特征在于：在步骤S1中，所述数据集分为左心房数据集、左心室数据集、右心房数据集、右心室数据集、窦房结数据集、房室结数据集、主动脉数据集、肺动脉数据集、肺静脉数据集、上下腔静脉数据集。
3.根据权利要求1所述的一种基于超声成像构建三维心脏模型的方法，其特征在于：在步骤S2中，采用全卷积神经网络学习算法进行心脏超声图像的分割和边缘轮廓特征提取，具体步骤为：
S1、全卷积：将心脏超声图像进行卷积和池化处理，卷积过程使用16层的VGGNet结构，VGGNet有8个卷积段，前5个段有2到3个卷积层，每个段以最大池化层结束，用于压缩图像大小；后3段将传统的全连接层转化为卷积层；
其中，全卷积神经网络模型参数设置为：卷积核尺寸为3*3，卷积步长设定为一个像素，窗口尺寸为2*2，步长设定为2个像素，后3段卷积核尺寸为1*1，卷积步长设定为一个像素，每段卷积层内的卷积核数量相同，具体设置为：64、64、128、128、256、256、256、512、512、512、512、512、512、4096、4096、1000；
S2、反卷积：输入的心脏超声图像经过卷积与池化操作后，图像大小不断减小，其分辨率也逐渐变低；反卷积过程需要镜像16层VGGNet，将从网络中提取的特征图恢复到原始图像的大小和位置，并进行像素分类，直接输出图像分割的结果；
S3、训练迭代过程：采用跳跃结构进行迭代训练，将不同池化层的结果进行反卷积，叠加多层图像采样数据来补充图像特征细节，用以优化最终输出的心脏超声图像分割结果，完成边缘特征提取。
4.根据权利要求3所述的一种基于超声成像构建三维心脏模型的方法，其特征在于：所述步骤S3的训练迭代过程，采用反向传播链式求导法则，通过最小化损失函数对权值进行更新，得到全卷积神经网络最优的权值参数，用以优化分割结果，算法如下：
S1、设置损失函数：
其中，n为总的样本数量；Xi和分别代表属于和不属于目标区域的样本i的像素的集合；表示属于目标区域的像素网络模型输出值的集合；表示不属于目标区域的像素网络模型输出值集合；ck表示第...
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。