一种基于长短时记忆网络的多任务微泡轨迹追踪方法技术

本发明专利技术涉及基于超声微泡轨迹追踪进行血管医学成像领域，尤其涉及一种基于长短时记忆网络的多任务微泡轨迹追踪方法。本发明专利技术首先结合血管血流运动学特征，仿真符合微泡在血流中运动的轨迹数据；其次设计基于长短时记忆网络的多任务轨迹追踪方法并行完成肾脏超声微泡轨迹的分类绑定和回归任务；最后为应对基于长短时记忆网络的多任务模型从训练场景迁移到新场景推理轨迹产生的偏差问题，使用自质量评估优化算法微调模型，适配新场景。与传统的方法相比，（1）该方法缓解了对医学超声微泡数据的依赖度；（2）与传统串行处理方法相比该方法耗时更短，效率更高；（3）利用少量新场景数据，结合SQE评估算法即可调优模型，满足新场景下的推理需求。的推理需求。的推理需求。

【技术实现步骤摘要】
Evaluation，SQE）优化算法，应对长短时记忆多任务模型从训练场景迁移到新场景推理轨迹预测偏差问题，提升模型泛化能力。本专利技术能加快微泡轨迹追踪时间效率，优化传统串行流程计算效率低和非线性追踪准确度不足的问题；基于非线性运动得到的仿真数据，缓解了对医学微泡轨迹数据的依赖；结合SQE评估算法，使用少量新场景数据即可完成模型微调，提升了模型泛化能力。
[0006]为了实现上述内容，本专利技术采用如下技术方案：一种基于长短时记忆网络的多任务微泡轨迹追踪方法，后续将长短时记忆多任务简写为LSTM
‑
MT（Long Short
‑
Term Memory Multi
‑
Task），方法包括以下步骤：步骤1：根据想要模拟的血管类型，确定仿真数据模拟场景，基于非线性运动公式得到微泡正确轨迹。依据得到的微泡正确轨迹，设计线性直线运动仿真生成对应正确轨迹的用于LSTM
‑
MT网络分类训练的微泡错误轨迹；步骤2：将步骤1仿真得到的微泡正确轨迹和微泡错误轨迹切分处理长度为5的轨迹段，轨迹段包含微泡序列和候选微泡两部分，微泡序列由4个连续正确微泡组成，需指出正确轨迹段的候选微泡由微泡序列最后1个微泡非线性运动得到，错误轨迹段的候选微泡由微泡序列最后1个微泡线性直线运动得到。根据步骤1设计思路，得到的正确轨迹段和错误轨迹段数量比例维持为1：1；步骤3：将步骤2中得到的轨迹段前4个正确微泡组成的微泡序列输入LSTM
‑
MT网络的LSTM端，依赖LSTM对序列数据的学习能力，提取时序特征；轨迹段第一部分微泡序列的最后1个微泡和候选微泡构成的微泡输入网络的全连接层端，训练并保存得到的LSTM
‑
MT模型；步骤4：处理新场景轨迹，使用步骤2相同操作，切分得到由微泡序列和1个候选微泡组成的轨迹段。基于步骤3得到的LSTM
‑
MT模型推理新场景轨迹段，使用SQE算法评估经过模型预测后得到的待评估轨迹段，依据评估分数微调模型适配新场景，得到调优LSTM
‑
MT模型。
[0007]进一步地，步骤1具体包括：步骤11：设定临床超声图片尺寸为800像素，单个超声图像像素尺寸为0.0192mm，依据两个尺寸相乘结果，限定微泡轨迹的初始点物理位置在[0mm，15mm]范围内；步骤12：依据血管血流运动学特征，设定大血管内的微泡初始速度范围为[1mm/s，5mm/s]，初始相位角范围为[0Π，1Π]，初始角速度范围为
±
[5Π/s，10Π/s]；设定微血管内微泡的初始速度范围为[1mm/s，4mm/s]，初始相位角范围为[0Π，1Π]，初始角速度范围为[
‑
10Π/s，10Π/s]；步骤13：根据需要仿真的血管种类，选择步骤12对应场景，得到符合要求的轨迹随机初始点，基于非线性运动模型迭代仿真微泡正确轨迹，其中非线性运动模型公式如下：
其中，每个微泡均使用5个特征维度进行表示，x
n
表示第n个微泡的横轴物理坐标，z
n
表示第n个微泡的纵轴物理坐标，v
n
表示第n个微泡的瞬时速度，表示第n个微泡的运动相位角，ω
n
表示第n个微泡的运动角速度，sin表示数学正弦函数，cos表示数学余弦函数，非线性运动公式表示基于第n个微泡非线性迭代得到第n+1个微泡，x
n+1
表示基于第n个微泡的横轴物理坐标非线性运动迭代得到的第n+1个微泡的横轴物理坐标，z
n+1
表示基于第n个微泡的纵轴物理坐标非线性运动迭代得到的第n+1个微泡的纵轴物理坐标，表示第n+1个微泡的运动相位角，由第n个微泡的运动相位角加上角度变化值得到，v
n+1
表示第n+1个微泡的瞬时速度，ω
n+1
表示第n+1个微泡的运动角速度，因为采集时间间隔很短且血管血流速度短时间内会相对恒定，所以维持速瞬时速度和运动角速度不变，Δt表示超声探头采集两帧超声图像的时间间隔，按照超声探头标准扫描频率50Hz进行换算，设定Δt=0.2秒，为了充分模拟临床超声检测到的血管轨迹长度存在波动的情况，设定仿真轨迹长度在5到12之间（包含长度5和长度12），每种长度对应数量8000条用于训练；步骤14：基于步骤13得到的微泡正确轨迹，从轨迹第4个正确微泡开始，至到正确轨迹最后1个点，设计线性直线运动来仿真产生一一对应正确轨迹点的用于LSTM
‑
MT网络分类训练的微泡错误轨迹。其中线性直线运动公式如下：其中，每个微泡均使用5个特征维度进行表示，x
n
表示第n个微泡的横轴物理坐标，z
n
表示第n个微泡的纵轴物理坐标，v
n
表示第n个微泡的瞬时速度，表示第n个微泡的运动相位角，ω
n
表示第n个微泡的运动角速度，线性直线运动公式表示基于第n个微泡线性直线运动迭代得到第n+1个微泡，x
n+1
表示基于第n个微泡的横轴物理坐标线性直线运动迭代得到的第n+1个微泡的横轴物理坐标，z
n+1
表示基于第n个微泡的纵轴物理坐标线性直线运动迭代得到的第n+1个微泡的纵轴物理坐标，表示第n+1个微泡的运动相位角，此处直线运动公式设计在迭代过程中故意忽略角度因素影响，所以运动相位角维持不变，v
n+1
表示第n+1个微泡的瞬时速度，ω
n+1
表示第n+1个微泡的运动角速度，因为采集时间间隔很短且血管血流速度短时间内会相对恒定，所以维持速瞬时速度和运动角速度不变，Δt表示超声探头采集两帧超声图像的时间间隔，按照超声探头标准扫描频率50Hz进行换算，设定Δt=0.2秒，为保证网络分类训练正负比例为1：1，设定一条微泡正确轨迹会伴生一条微泡错误轨迹，即每一条正确轨迹都对应有一条错误轨迹，微泡正确轨迹所有点都由非线性运动迭代
得到，微泡错误轨迹前4个微泡和伴生微泡正确轨迹一致，从第5个微泡开始，微泡错误轨迹第t（5≤t≤12）微泡都由微泡正确轨迹第t
‑
1个微泡线性直线运动得到，重复操作形成和对应微泡正确轨迹长度相同的微泡错误轨迹。
[0008]进一步地，步骤2具体包括：步骤21：设定步骤14中得到轨迹长度范围为[5，12]，每种长度对应数量为8000条，微泡正确轨迹切分为长度为5的正确轨迹段，对于长度为L（5≤L≤12）的微泡正确轨迹，设定k表示此微泡正确轨迹中的一个微泡，k取值满足1≤k≤L
ꢀ‑ꢀ
4，则按长度为5可将轨迹切分为（k，k+1，k+2，k+3，k+4）相同形式的若干条正确轨迹段，每条正确轨迹段划分为微泡序列和正确候选微泡两部分，微泡序列由前4个连续正确微泡组成，由步骤13阐述可知正确轨迹段的正确候选微泡为微泡序列最后1个微泡非线性运动得到；步骤22：类似步骤21将微泡错误轨迹切分为长度为5的错误轨迹段，对于长度为L（5≤L≤12）的伴生微泡错误轨迹，设定k表示属于此微泡错误轨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于长短时记忆网络的多任务微泡轨迹追踪方法，其特征在于，包括以下步骤：步骤1：根据血管类型确定仿真数据模拟场景，基于非线性运动公式得到微泡正确轨迹，依据得到的微泡正确轨迹，设计线性直线运动仿真生成对应微泡正确轨迹的用于网络分类训练的微泡错误轨迹；步骤2：将步骤1仿真得到的微泡正确轨迹和微泡错误轨迹都切分处理为长度为5的轨迹段，轨迹段第一部分为4个连续正确微泡组成的微泡序列，第二部分为1个候选微泡；步骤3：基于长短时记忆网络对序列数据的学习能力，设计长短时记忆多任务（Long Short
‑
Term Memory Multi
‑
Task，LSTM
‑
MT）网络，该网络能同时完成回归和分类预测，将步骤2中得到的轨迹段4个连续正确微泡组成的微泡序列部分输入LSTM
‑
MT网络的LSTM端，将轨迹段第一部分微泡序列的最后1个微泡和候选微泡构成的微泡对一并输入LSTM
‑
MT网络的全连接层端，训练并评估得到LSTM
‑
MT模型；步骤4：基于步骤2将新场景轨迹同样切分处理为多个轨迹段，使用步骤3得到的模型推理轨迹段，依据模型推理分类结果确定轨迹段第一部分微泡序列的轨迹延展点，将输入网络的微泡序列和轨迹延展点拼接为待评估轨迹段，累计n条待评估轨迹段，使用自质量评估（Self Quality Evaluation，SQE）算法评估，依据评估分数调优模型适配新场景，最终得到调优LSTM
‑
MT模型。2.根据权利要求1所述的一种基于长短时记忆网络的多任务微泡轨迹追踪方法，其特征在于，所述根据血管类型确定仿真数据模拟场景，其中，统一设定血管中微泡的初始横纵位置范围[0mm，15mm]，依据血管血流运动学特征，设定大血管内的微泡初始速度范围为[1mm/s，5mm/s]，初始相位角范围为[0Π，1Π]，初始角速度范围为
±
[5Π/s，10Π/s]，设定微血管内微泡的初始速度范围为[1mm/s，4mm/s]，初始相位角范围为[0Π，1Π]，初始角速度范围为[
‑
10Π/s，10Π/s]。3.根据权利要求1所述的一种基于长短时记忆网络的多任务微泡轨迹追踪方法，其特征在于，所述的基于非线性运动公式得到微泡正确轨迹，非线性运动公式如下：其中，每个微泡均使用5个特征维度进行表示，x
n
表示第n个微泡的横轴物理坐标，z
n
表示第n个微泡的纵轴物理坐标，v
n
表示第n个微泡的瞬时速度，φ
n
表示第n个微泡的运动相位角，ω
n
表示第n个微泡的运动角速度，sin表示数学正弦函数，cos表示数学余弦函数，Δt表示超声探头采集两帧超声图像的时间间隔，按照超声探头标准扫描频率50Hz进行换算，设定Δt=0.2秒，非线性运动公式表示基于第n个微泡非线性运动迭代得到第n+1个微泡。4.根据权利要求1所述的一种基于长短时记忆网络的多任务微泡轨迹追踪方法，其特征在于，所述依据得到的微泡正确轨迹，设计线性直线运动仿真生成对应微泡正确轨迹的用于网络分类训练的微泡错误轨迹，线性直线运动公式如下：
其中，每个微泡均使用5个特征维度进行表示，x
n
表示第n个微泡的横轴物理坐标，z
n
表示第n个微泡的纵轴物理坐标，v
n
表示第n个微泡的瞬时速度，φ
n
表示第n个微泡的运动相位角，ω
n
表示第n个微泡的运动角速度，Δt表示超声探头采集两帧超声图像的时间间隔，按照超声探头标准扫描频率50Hz进行换算，设定Δt=0.2秒，线性直线运动公式表示基于第n个微泡线性直线运动迭代得到第n+1个微泡，为保证网络分类训练正负比例为1：1，设定一条微泡正确轨迹会伴生一条微泡错误轨迹，即每一条正确轨迹都对应有一条错误轨迹。5.根据权利要求1所述的一种基于长短时记忆网络的多任务微泡轨迹追踪方法，其特征在于，所述的将步骤1仿真得到的微泡正确轨迹和微泡错误轨迹都切分处理为长度为5的轨迹段，轨迹段第一部分为4个连续正确微泡组成的微泡序列，第二部分为1个候选微泡，对于长度为L（5≤L≤12）的微泡正确轨迹，设定k表示此微泡正确轨迹中的一个微泡，k取值满足1≤k≤L
ꢀ‑ꢀ
4，则按长度为5可将微泡正确轨迹切分为（k，k+1，k+2，k+3，k+4）相同形式的若干条正确轨迹段，对于长度为L（5≤L≤12）的伴生微泡错误轨迹，设定k表示属于此微泡错误轨迹中的一个微泡，k取值满足1≤k≤L
ꢀ‑ꢀ
4，首先保证按照长度为4从微泡错误轨迹伴生的微泡正确轨迹中取出（k，k+1，k+2，k+3）...

【专利技术属性】
技术研发人员：彭博，邵永杰，王一帆，周文俊，
申请(专利权)人：成都迈创立科技有限公司，
类型：发明
国别省市：