【技术实现步骤摘要】
一种PET三维图像左心室自动转向及分割的方法
[0001]本专利技术涉及医学影像领域和深度学习领域,尤其涉及一种基于深度学习网络的PET三维图像左心室自动转向及分割的方法。
技术介绍
[0002]PET心脏成像是目前临床诊断心肌存活等心血管疾病和疗效评价以及预后判断的有效手段,其可非介入式的提供心肌组织的功能活性信息来检测到尚未导致结构上变化的潜在病变,对心血管疾病的早期诊断具有重要意义。临床进行PET心脏检查时,由于心脏的长轴与人体长轴并不平行,需由医师进行相关操作将图像中的心脏旋转至临床诊断的标准短轴视图,并基于此视图进行后续的相关分析。临床分析时,需要对心脏的左心室结构进行分割操作,以分别提取左心室心室壁用以进行心室壁厚度分析和提取左心室心室腔用以计算左心室收缩及舒张时的容积并计算心脏射血系数用以评估心脏功能。
[0003]以上的相关操作通常需通过医师进行手动操作,这样的主观性操作重复性差且误差较高,对后续分析的准确性影响较大。为解决这些问题,研究人员曾提出相关的自动转向及分割的操作,然而相关算法对心脏左心室的 ...
【技术保护点】
【技术特征摘要】
1.一种PET三维图像左心室自动转向及分割的方法,其特征在于,将PET三维重建图像常规视图作为输入,利用训练好的PET三维图像左心室自动转向及分割模型进行全自动图像处理以获得左心室位于图像中心的标准视图以及左心室腔和心室壁的分割图像;其中,所述PET三维图像左心室自动转向及分割模型包括由卷积模块、多个残差
‑
卷积模块和下采样模块组成的编码器、空间变换网络、包含多个上采样模块及残差
‑
卷积模块的解码器;其中,编码器与解码器跳跃连接,所述PET三维图像左心室自动转向及分割模型训练包括以下步骤:步骤一:获取PET三维重建图像常规视图A、对应的转向后用于临床分析的标准视图B、在标准视图B中表示左心室腔及心室壁区域的分割标签以及利用刚性配准算法获得的常规视图A与标准视图B之间的配准参数组成训练数据映射组;其中,配准参数包含3个方向的平移参量和3个角度的旋转参量;步骤二:将常规视图A作为编码器的输入,通过卷积模块提取常规视图A的图像特征并将所获得的图像特征与原始的常规视图A进行通道拼接形成双通道特征T
‑
1;双通道特征T
‑
1通过多个残差
‑
卷积模块和下采样模块进行特征提取和下采样操作,获得N个图像特征依次表示为T
‑
2~ T
‑
N+1;其中,N为残差
‑
卷积模块和下采样模块的个数;步骤三:将最后一个图像特征T
‑
N+1通过全连接层展开为6维特征向量作为预测的配准参数X
‑
N+1,并依次通过等比例缩放形成对应图像特征T
‑
1~ T
‑
N输出特征尺度的预测的配准参数X
‑
1~ X
‑
N,其中旋转参量不变而平移参量等比例放大;步骤四:利用空间变换网络将预测的配准参数X
‑
1~ X
‑
N+1分别应用于图像特征T
‑
1~ T
‑
N+1中得到转向图像特征Z
‑
1~ Z
‑ꢀ
N+1;将转向图像特征Z
‑
N+1输...
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。