【技术实现步骤摘要】
双心室量化方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
，具体涉及一种双心室量化方法、装置、电子设备及存储介质。
技术介绍
[0002]核磁共振成像是检测心脏疾病的重要成像手段之一。从核磁共振图像中进行心室量化有助于心脏疾病的早期诊断和治疗。近些年来，学术界主要在左心室量化方面展开了大量的研究。
[0003]由于目前工作主要集中在左心室，而想要进行全面准确的计算机辅助诊断，最理想的情况是可以对双心室进行量化。现有的对双心室进行量化的方案为四心室体积计算，但在全面量化方面，其量化的全面性较低，导致量化的效果降低。
技术实现思路
[0004]本申请实施例提供一种双心室量化方法、装置、电子设备及存储介质，能够提升对心室量化时的全面性。
[0005]本申请实施例的第一方面提供了一种双心室量化方法，其中，该方法包括：
[0006]获取目标原始图像，所述目标原始图像为心脏的核磁共振图像；
[0007]采用预设的分割网络对所述目标原始图像进行分割，得到目标多通道概率图...
【技术保护点】
【技术特征摘要】
1.一种双心室量化方法，其特征在于，所述方法包括：获取目标原始图像，所述目标原始图像为心脏的核磁共振图像；采用预设的分割网络对所述目标原始图像进行分割，得到目标多通道概率图像；将所述目标多通道概率图像输入到预设的深度回归网络中进行计算，以得到所述心脏的目标全面量化数据，所述目标全面量化数据包括心腔直径、心肌壁厚度和心室面积；所述方法还包括获取预设的深度回归网络，所述获取预设的深度回归网络，包括：步骤1：获取样本图像，所述样本图像为心脏的核磁共振图像，以及对所述样本图像进行预处理，得到预处理样本图像；步骤2：采用第一分割网络对所述预处理样本图像进行分割，得到样本四通道概率图像；步骤3：将所述样本四通道概率图像输入到所述N层卷积神经网络中进行计算，得到预测值；步骤4：将所述预测值与目标真值进行均方差运算，得到校正值，所述目标真值为通过预设的真值生成函数确定出的真值，所述目标真值与所述预测值相对应；步骤5：通过所述校正值对所述第一分割网络进行校正，得到第二分割网络，将所述第一分割网络替换为所述第二分割网络；重复M次执行步骤2至步骤5，在重复M次执行步骤2至步骤5的过程中，若预设参数处于预设的参数范围时，则将所述N层卷积神经网络作为所述预设的深度回归网络。2.根据权利要求1所述的方法，其特征在于，所述预设的深度回归网络包括N层卷积神经网络，所述将所述目标多通道概率图像输入到预设的深度回归网络中进行计算，以得到所述心脏的目标全面量化数据，包括：将所述目标多通道概率图像输入到所述N层卷积神经网络的第一层进行计算，得到第一计算结果，其中，N为大于1的正整数；将所述第一计算结果输入到所述N层卷积神经网络的第二层进行计算，得到第二计算结果，直至将第N
‑
1结算结果输入到所述N层卷积神经网络的第N层进行计算，得到所述心脏的目标全面量化数据。3.根据权利要求1所述的方法，其特征在于，所述方法还包括获取预设的真值生成函数，所述获取预设的真值生成函数包括：获取具有心脏轮廓标注的原始图像，所述具有心脏轮廓标注的原始图像包括多个轮廓点；将所述具有心脏轮廓标注的原始图像进行处理，得到掩膜图；采用预设的获取方式从所述掩膜图中获取心脏的重心坐标，所述重心坐标包括左心室的重心坐标和右心室的重心坐标；获取所述多个轮廓点中的每个轮廓点与对应的重心坐标之间的距离和角度；根据所述每个轮廓点与对应的重心坐标之间的距离和角度，采用插值法确定出所述预设的真值生成函数，所述预设的真值生成函数为角度与距离之间的函数。4.根据权利要求3所述的方法，其特征在于，所述采用预设的获取方式从所述掩膜图中获取心脏的重心坐标，包括：通过第一预设函数确定从所述掩膜图中获取轮廓点集合；
根据所述轮廓点集合，采用第二预设函数确定出所述重心坐标。5.根据权利要求1至4任一项所述的方法，其特征在于，所述目标多通道概率图像包括：背景区域图像、左/右心腔图像和左心肌图像。6.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：对所述目标原始图像进行重采样，得到重采样图像；对所述重采样图像进行0均值1方差的归一化处理，得到预处理图像。7.一种双心室量化装置，其特征在于，所述装置包括：第一获取单元，用于获取目标原始图像，所述目标原始图像为心脏的核磁共振图像；分割单元，用于采用预设的分割网络对所述目标原始图像进行分割，得到目标多通道概率图像；计算单元，用于将所述目标多通道概率图像输入到预设的深度回...
【专利技术属性】
技术研发人员：王文集，胡志强，李嘉辉，闫桢楠，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：
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。