超声心动图心脏参数计算以及心肌应变测量方法、装置制造方法及图纸

本公开涉及一种超声心动图心脏参数计算以及心肌应变测量方法、装置，其中，所述方法通过训练后的神经网络执行处理，所述处理至少包括：通过对心脏超声视频进行分类处理，得到切面分类结果；通过对所述切面分类结果进行图像分割，得出分割结果；根据所述分割结果，得到心脏参数和心肌应变。本公开实施例中，通过训练后的神经网络对心脏超声视频进行自动切面分类处理和图像分割，并进一步自动得出心脏参数和心肌应变的测量结果，从而有效地减少医生的工作量，提高了工作效率。

Calculation of cardiac parameters and measurement of myocardial strain by echocardiography

【技术实现步骤摘要】
超声心动图心脏参数计算以及心肌应变测量方法、装置
本公开涉及计算机图像处理领域，尤其涉及一种超声心动图心脏参数计算以及心肌应变测量方法、装置。
技术介绍
近年来，以深度学习神经网络为代表的人工智能技术经历了飞跃式发展，其在医学影像处理领域的应用目前也成为研究的热点。超声心动图作为一种常用的医学检查方法，也开始被作为深度学习模型的分析对象，然而，相关技术中无法进行超声心动图的心脏参数自动测量和心肌应变自动计算。
技术实现思路
有鉴于此，本公开提出了一种超声心动图心脏参数计算以及心肌应变测量方法、装置。根据本公开的一方面，提供了一种超声心动图心脏参数计算以及心肌应变测量方法，所述方法通过训练后的神经网络执行处理，所述处理至少包括：通过对心脏超声视频进行分类处理，得到切面分类结果；通过对所述切面分类结果进行图像分割，得出分割结果；根据所述分割结果，得到心脏参数和心肌应变。在一种可能的实现方式中，所述训练后的神经网络包括：分类网络及分割网络。在一种可能的实现方式中，所述通过对心脏超声视本文档来自技高网...

【技术保护点】
1.一种超声心动图心脏参数计算以及心肌应变测量方法，其特征在于，所述方法通过训练后的神经网络执行处理，所述处理至少包括：/n通过对心脏超声视频进行分类处理，得到切面分类结果；/n通过对所述切面分类结果进行图像分割，得出分割结果；/n根据所述分割结果，得到心脏参数和心肌应变。/n

【技术特征摘要】
1.一种超声心动图心脏参数计算以及心肌应变测量方法，其特征在于，所述方法通过训练后的神经网络执行处理，所述处理至少包括：
通过对心脏超声视频进行分类处理，得到切面分类结果；
通过对所述切面分类结果进行图像分割，得出分割结果；
根据所述分割结果，得到心脏参数和心肌应变。


2.根据权利要求1所述的方法，其特征在于，所述训练后的神经网络包括：分类网络及分割网络。


3.根据权利要求2所述的方法，其特征在于，所述通过对心脏超声视频进行分类处理，得到切面分类结果，包括：
获取心脏超声原始图像；
将所述超声原始图像中各切面序列转化为具有相同分辨率、相同帧数的切面视频；
将所述切面视频输入到所述分类网络，得到切面分类结果。


4.根据权利要求2所述的方法，其特征在于，所述通过对所述切面分类结果进行图像分割，得出分割结果，包括：
通过对所述切面分类结果进行筛选，得到指定切面；
所述指定切面包括：心尖两腔心二维切面、心尖三腔心二维切面、心尖四腔心二维切面中的至少一种；
通过所述分割网络对所述指定切面进行分割处理，得出分割结果；
所述分割结果包括：左心室内膜、左心室外膜、左心房内膜、右心室内膜、右心室外膜的轮廓中的至少一种。


5.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据所述分割结果，得到心脏参数和心肌应变，包括：
根据所述分割结果，计算心脏参数；<...

【专利技术属性】
技术研发人员：陈晓天，罗志鹏，张培芳，吴振洲，
申请(专利权)人：北京安德医智科技有限公司，
类型：发明
国别省市：北京;11