基于卷积神经网络的全自动胎儿心超影像三血管分割方法技术

本发明专利技术涉及医学图像处理技术，旨在提供一种基于卷积神经网络的全自动胎儿心超影像三血管分割方法。包括：(1)对胎儿心脏三血管切面超声影像进行标准化预处理和标定，准备训练集；(2)构建并训练卷积神经网络；(3)利用训练好的卷积神经网络对新的胎儿心脏三血管切面超声影像进行数据处理，得到分割结果。本发明专利技术借助于卷积神经网络来对胎儿心脏超声影像进行三血管分割，可以自动实现分割结果的导出。分割结果可用于胎儿先天性心脏病筛查，三血管分割准确率达到平均交并比不低于80％，符合临床应用可接受要求。

【技术实现步骤摘要】
基于卷积神经网络的全自动胎儿心超影像三血管分割方法
本专利技术涉及医学图像处理领域，具体涉及基于卷积神经网络的全自动胎儿心超影像三血管分割方法。
技术介绍
超声影像可以承担很多胎儿致命性畸形的筛查任务，特别是在筛查胎儿先天性心脏畸形方面。胎儿心脏超声影像的三血管切面是检查胎儿心脏的主要标准切面之一，三血管切面显示上腔静脉、主动脉、肺动脉三根血管和三个血管的正常顺序，如果三血管序列异常，表明胎儿先天性心脏异常。由于超声影像噪点多、模糊等特点，传统的图像分割方法在胎儿心脏超声影像上无法获得满意的结果。现阶段，胎儿心脏的超声影像检查主要通过超声专家人工检查，目前在胎儿心脏超声影像三血管切面上没有全自动分割方法。而人工判读具有工作量大、测定周期长、主观性强等缺点。因此急需建立好的三血管自动分割方法，提出一种能满足临床需求的全自动胎儿心脏超声影像三血管分割方法在临床医学应用上很有必要。
技术实现思路
本专利技术要解决的技术问题是，克服现有技术中的不足，提供一种基于卷积神经网络的全自动胎儿心超影像三血管分割方法。r>为解决上述技术问本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的全自动胎儿心超影像三血管分割方法，其特征在于，包括以下步骤：/n(1)对胎儿心脏三血管切面超声影像进行标准化预处理和标定，准备训练集；/n该步骤具体包括：/n(1.1)从医院的超声影像资料库中收集胎儿心脏三血管切面超声影像；/n(1.2)对收集到的超声影像进行图像标准化采样，图像大小为1024×768；/n(1.3)对预处理后的超声图像进行标定，通过人工方式按常规医学图像识别规则勾画出对应的上腔静脉、主动脉、肺动脉区域；/n(2)构建并训练卷积神经网络；/n该步骤具体包括：/n(2.1)从经过标定的超声图像中随机选取90％作为训练集，并对训练集进行数据增广；/n(2....

【技术特征摘要】
1.一种基于卷积神经网络的全自动胎儿心超影像三血管分割方法，其特征在于，包括以下步骤：
(1)对胎儿心脏三血管切面超声影像进行标准化预处理和标定，准备训练集；
该步骤具体包括：
(1.1)从医院的超声影像资料库中收集胎儿心脏三血管切面超声影像；
(1.2)对收集到的超声影像进行图像标准化采样，图像大小为1024×768；
(1.3)对预处理后的超声图像进行标定，通过人工方式按常规医学图像识别规则勾画出对应的上腔静脉、主动脉、肺动脉区域；
(2)构建并训练卷积神经网络；
该步骤具体包括：
(2.1)从经过标定的超声图像中随机选取90％作为训练集，并对训练集进行数据增广；
(2.2)构建卷积神经网络，用于学习训练；该卷积神经网络由多个卷积层、空洞卷积层、特征提取块和池化层交替实现；
(2.3)将步骤(2.1)中经数据增广的训练集输入步骤(2.2)中的卷积神经网络，对卷积神经网络中的参数进行训练；经过若干次训练后，得到学习后的网络权重参数；
(3)利用训练好的卷积神经网络对新的胎儿心脏三血管切面超声影像进行数据处理，得到分割结果；
该步骤具体包括：
(3.1)对新的超声影像进行图像标准化采样，获取大小为1024×768的图像；
(3.2)将步骤(3.1)所获图像数据输入经训练的卷积神经网络，通过卷积神经网络的迭代，应用对训练集训练学习的网络权重参数，输出图像逐点分类结果；
(3.3)根据步骤(3.2)所得到的图像逐点分类结果，得到对应的上腔静脉...

【专利技术属性】
技术研发人员：吴法，王守超，蔡祈文，
申请(专利权)人：浙江德尚韵兴医疗科技有限公司，
类型：发明
国别省市：浙江;33