基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法技术

本发明专利技术公开了一种基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，同时结合传统的快速迭代软阈值收缩算法(FISTA)的收敛理论以及深度学习的灵活性泛化性优势，并利用注意力机制来提取全局特征，利用神经网络来替代传统FISTA中的软阈值收缩步骤，从而替代掉传统方法中特定的正则化形式，同时在迭代网络中增加了一个可学习的动量积累步骤来替代FISTA中的动量积累步骤，从而实现更好的重建精度和更快的重建速度。实现更好的重建精度和更快的重建速度。实现更好的重建精度和更快的重建速度。

【技术实现步骤摘要】
基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法


[0001]本专利技术属于无创心脏电生理成像
，具体涉及一种基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法。

技术介绍

[0002]目前社会上因心律失常引发的心血管疾病已经成为影响全世界人类健康甚至导致死亡的主要疾病之一，根据美国心脏协会和世界卫生组织统计，每年因心律失常造成的心脏疾病死亡的人数接近千万，而医疗水平如此发达的美国每年依然有接近38万死于冠心病，在美国每年死亡人数中的占比达到了惊人的17％左右；而根据中国心血管病报告中的内容显示，我国的形势同样严峻，现存的心血管疾病患者的人数数以亿计且其发病率和死亡率依旧在增加，目前已经超过癌症在内的其它所有疾病导致的死亡率。因此，发展心脏疾病的诊断技术具有重要意义。
[0003]由于心脏上的电位比较难以直接测量，因此临床上往往通过心电图这类方式对心脏异常情况做简单的初步诊断。医生通过对不同导联心电图的特征信息观察以及根据多年的临床经验可以大致推断出心脏疾病类型和模糊的病灶点位置。但是这仅仅是一个简单的定性评估，而在临床术中诊断治疗时，某些频发性的心律失常需要非常精确的病灶点位置信息，而仅根据体表心电图的判断显然不能完全满足临床上的需求。而侵入式的电位标测系统需要侵入病人心脏测量心脏表面电位，寻找确定需要消融的点，这会对身体造成损伤，有一定程度的风险；不仅如此，临床上借助这类系统往往也只是局部测量以及部分心脏重建，这不利于心脏电信号的完整呈现。
[0004]因此基于体表心电信号的深度信息，并结合病人的生理信息，简单且无创地获得心脏电位信息具有非常重要的临床意义。

技术实现思路

[0005]为了解决心肌跨膜电位的无创重建问题，提出了一种基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，本专利技术是采用以下技术方案来实现的：
[0006]本专利技术公开了一种基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，具体步骤如下：
[0007]1)获得病人的体表高导联电极位置和躯干增强CT的平扫图像，所述的高导联数设置为256导联、120导联、64导联中的任意一种；
[0008]2)根据获得的躯干CT图像的胸腔部分平扫图像，得到病人的心脏
‑
躯干几何模型；
[0009]3)基于上述所得的心脏
‑
躯干几何模型，并根据电信号在心肌上的传导过程，得到体表高导联电位和心肌跨膜电位的映射关系φ＝Hu，φ表示体表电位，u表示心肌跨膜电位，H表示传递矩阵；
[0010]4)在病人标记的体表电极位置获得高导联心电信号，并对信号进行滤波去噪，基
线校准，得到预处理后的体表电位信号；
[0011]5)根据步骤3)中得到的映射关系，基于传递矩阵H和步骤4)中预处理后的体表电位信号，心肌跨膜电位进行初始化得到低精度的初始解；
[0012]6)构建基于全局特征的快速迭代软阈值收缩算法网络，其包括梯度下降步骤、软阈值收缩步骤、全局特征提取步骤和动量积累步骤，基于步骤5)中初始化得到低精度的初始解，通过该网络的迭代重建得到高精度的心肌跨膜电位序列。
[0013]作为进一步地改进，本专利技术所述的步骤2)中：通过MATLAB软件对步骤1)中采集得到的多张躯干CT图像的胸腔部分中进行左右心室和心外膜轮廓的标记，结合3D slicer软件标记的体表电极位置，进一步得到心脏
‑
躯干有限元网格模型。
[0014]作为进一步地改进，本专利技术所述的步骤3)中：通过边界元方法计算得到传递矩阵H。
[0015]作为进一步地改进，本专利技术所述的步骤5)中：初始化得到低精度的初始解的初始化方式为：
[0016]u0＝Q
init
φ
[0017][0018]其中，u
train
和φ
train
表示训练集中心肌跨膜电位和体表64导联心电数据，b表示正则化参数，I表示单位矩阵。
[0019]作为进一步地改进，本专利技术所述的步骤6)中：心肌跨膜电位重建问题转化成以下的最小化优化问题：
[0020][0021]其中，u是需要重建的心肌跨膜电位，λ表示正则化参数，Ψ表示任意形式的转换算子，是Graph算子，Gradient算子，Nonlocal算子中的任意一种，l1范数表示稀疏先验信息的约束形式；
[0022]通过进一步迭代软阈值收缩算法的推导，该优化问题转化为下面两个子问题：
[0023][0024][0025]通过动量积累步骤对两个子问题迭代过程进行加速，进一步讲该问题转化为：
[0026]r
k
＝y
k
‑
α
k
H
T
(Hy
k
‑
φ)
[0027][0028][0029][0030]其中，其中，t
k
是计算过程引入的中间变量，y
k
表示过去两次迭代的重建值u
k
‑1和u
k
‑2的线性组合，同时也是下一次迭代开始的输入。
[0031]作为进一步地改进，本专利技术所述的步骤6)中：基于全局特征的快速迭代软阈值收缩算法网络的具体流程包括如下四个步骤：
[0032]6.1梯度下降步骤：该步骤重复出现在网络中的每一个阶段中，对应的是传统FISTA中的梯度下降步骤：
[0033]r
k
＝y
k
‑
α
k
H
T
(Hy
k
‑
φ)；
[0034]其中y
k
表示上一个阶段的输出，这个步骤保留了由心脏
‑
躯干模型得到的转换矩阵H，即保留了心脏相关的生理信息，对网络收敛起到了很关键的作用；
[0035]6.2软阈值收缩步骤：该步骤中利用神经网络结构来替代从r
k
到u
k
的过程，该步骤的计算过程如下式：
[0036][0037]其中，soft()表示软阈值收缩算子，γ
k
表示正则化参数，和表示非线性转换算子，在该步骤中利用Conv
‑
BN
‑
ReLU
‑
Conv的神经网络结构单元来替代算子而算子则是算子的正交对称形式；
[0038]并在网络中引入残差结构，可以将其转化为残差的形式：
[0039][0040]u
k
＝r
k
+Res
k
；
[0041]其中，Res
k
表示u
k
和r
k
之间的差值，即软阈值收缩步骤所学到的信息；
[0042]6.3全局特征提取步骤：该步骤充分利用心肌跨膜电位的非局部先验信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，具体步骤如下：1)获得病人的体表高导联电极位置和躯干增强CT的平扫图像，所述的高导联数设置为256导联、120导联、64导联中的任意一种；2)根据获得的躯干CT图像的胸腔部分平扫图像，得到病人的心脏
‑
躯干几何模型；3)基于上述所得的心脏
‑
躯干几何模型，并根据电信号在心肌上的传导过程，得到体表高导联电位和心肌跨膜电位的映射关系φ＝Hu，φ表示体表电位，u表示心肌跨膜电位，H表示传递矩阵；4)在病人标记的体表电极位置获得高导联心电信号，并对信号进行滤波去噪，基线校准，得到预处理后的体表电位信号；5)根据步骤3)中得到的映射关系，基于传递矩阵H和步骤4)中预处理后的体表电位信号，心肌跨膜电位进行初始化得到低精度的初始解；6)构建基于全局特征的快速迭代软阈值收缩算法网络，其包括梯度下降步骤、软阈值收缩步骤、全局特征提取步骤和动量积累步骤，基于步骤5)中初始化得到低精度的初始解，通过该网络的迭代重建得到高精度的心肌跨膜电位序列。2.根据权利要求1中所述的基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，其特征在于，所述的步骤2)中：通过MATLAB软件对步骤1)中采集得到的多张躯干CT图像的胸腔部分中进行左右心室和心外膜轮廓的标记，结合3D slicer软件标记的体表电极位置，进一步得到心脏
‑
躯干有限元网格模型。3.根据权利要求1中所述的基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，其特征在于，所述的步骤3)中：通过边界元方法计算得到传递矩阵H。4.根据权利要求1中所述的基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，其特征在于，所述的步骤5)中：初始化得到低精度的初始解的初始化方式为：u0＝Q
init
φ其中，u
train
和φ
train
表示训练集中心肌跨膜电位和体表64导联心电数据，b表示正则化参数，I表示单位矩阵。5.根据权利要求1中所述的基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，其特征在于，所述的步骤6)中：心肌跨膜电位重建问题转化成以下的最小化优化问题：其中，u是需要重建的心肌跨膜电位，λ表示正则化参数，Ψ表示任意形式的转换算子，是Graph算子，Gradient算子，Nonlocal算子中的任意一种，l1范数表示稀疏先验信息的约束形式；
通过进一步迭代软阈值收缩算法的推导，该优化问题转化为下面两个子问题：通过进一步迭代软阈值收缩算法的推导，该优化问题转化为下面两个子问题：通过动量积累步骤对两个子问题迭代过程进行加速，进一步讲该问题转化为：r
k
＝y
k
‑
α
k
H
T
(Hy
k
‑
φ)φ)φ)其中，其中，t
k
是计算过程引入的中间变量，y
k
...

【专利技术属性】
技术研发人员：刘华锋，程麟胜，
申请(专利权)人：浙江大学，
类型：发明
国别省市：