一种心脏磁共振图像处理方法及系统技术方案

本发明专利技术公开了一种心脏磁共振图像处理方法及系统，该方法包括：从获取到的心脏磁共振图像中确定出心脏电影序列；通过预设分割神经网络模型对心脏电影序列中的各序列分别进行分割得到目标分割区域；基于目标分割区域在对应序列中截取固定尺寸的立方体图像数据，将立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据；通过预设提取神经网络从所述待提取立方体图像数据中提取特征信息，通过预设提取神经网络根据特征信息确定出初步分类结果；将各序列对应的初步分类结果加权融合得到融合结果，并将所述融合结果输入到预设分类器中得到分类结果，实现兼顾心脏磁共振图像的普及性和分类准确度，有助于医生更快速地确定患者情况

【技术实现步骤摘要】
一种心脏磁共振图像处理方法及系统


[0001]本专利技术属于图像处理
，具体涉及一种心脏磁共振图像处理方法及系统
。

技术介绍

[0002]心脏磁共振是医学上一个重要工具，能够帮助医生准确诊断病情，但心脏核磁扫描参数较为复杂，需要在数据预处理阶段去掉不同扫描参数带来的干扰，磁共振图像难以规避由于参数不一致
、
技术人员操作不一致导致的心肌信号不均一，现有技术中心脏核磁扫描的新型序列的普及性较低与对比剂及患者配合度的依赖是心脏核磁共振多参数增强扫描使用于所有患者的一大限制，其难以普及所有患者，其依赖钆剂对比剂的使用，部分患者对其无法难受，且完整的心脏核磁共振扫描时间过长，部分患者无法顺利完成，绝大部分患者只能完成基础序列，例如平扫心脏电影序列的扫描，但心脏电影序列的扫描现有技术中无法扫描出准确信息，分类结果准确度较低
。
[0003]因此，如何提高心脏磁共振图像中基础序列的分类准确度，以使医生更准确地确定患者情况，提高心脏核磁共振的普及性，是本领域技术人员有待解决的技术问题
。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中心脏磁共振图像无法兼顾普及性和分类准确度的技术问题
。
[0005]为实现上述技术目的，一方面，本专利技术提供了一种心脏磁共振图像处理方法，该方法包括：
[0006]从获取到的心脏磁共振图像中确定出心脏电影序列，所述心脏电影序列包括第一序列
、
第二序列和第三序列；
[0007]通过预设分割神经网络模型对所述心脏电影序列中的各序列分别进行分割得到目标分割区域；
[0008]基于所述目标分割区域在对应序列中截取固定尺寸的立方体图像数据，并将所述立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据；
[0009]通过预设提取神经网络从所述待提取立方体图像数据中提取特征信息，并通过所述预设提取神经网络根据所述特征信息确定出初步分类结果；
[0010]将各序列对应的初步分类结果进行加权融合得到融合结果，并将所述融合结果输入到预设分类器中得到分类结果
。
[0011]进一步地，所述通过预设分割神经网络模型包括有4组卷积层的收缩路径和对应的4组上采样层的扩张路径，且每一组卷积层均使用预设激活函数和最大池化操作
。
[0012]进一步地，在将所述立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据后，还包括将所述待提取立方体图像数据按照舒张末
‑
收缩末
‑
舒张末的顺序进行排列
。
[0013]进一步地，所述特征信息具体包括时相特征和三维特征，所述时相特征具体为心
脏收缩运动和舒张运动的运动特征信息
。
[0014]进一步地，所述预设提取神经网络具体为长短期记忆神经网络模型，且所述预设提取神经网络为预先通过训练数据训练好的，所述训练数据包括训练特征信息以及与其对应的训练类别，且所述训练数据包括预设比例的训练组和验证组
。
[0015]进一步地，所述加权融合中的加权参数为预先根据所述训练数据训练出来的参数，所述初步分类结果具体为所述心脏电影序列中单个序列对应的各类别的概率
。
[0016]进一步地，所述融合结果具体为心脏电影序列对应的各类别的概率
。
[0017]另一方面，本专利技术还提供了一种心脏磁共振图像处理系统，所述系统包括：
[0018]获取模块，用于从获取到的心脏磁共振图像中确定出心脏电影序列，所述心脏电影序列包括第一序列
、
第二序列和第三序列；
[0019]分割模块，用于通过预设分割神经网络模型对所述心脏电影序列中的各序列分别进行分割得到目标分割区域；
[0020]截取模块，用于基于所述目标分割区域在对应序列中截取固定尺寸的立方体图像数据，并将所述立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据；
[0021]提取模块，用于通过预设提取神经网络从所述待提取立方体图像数据中提取特征信息，并通过所述预设提取神经网络根据所述特征信息确定出初步分类结果；
[0022]分类模块，用于将各序列对应的初步分类结果进行加权融合得到融合结果，并将所述融合结果输入到预设分类器中得到分类结果
。
[0023]本专利技术提供的一种心脏磁共振图像处理方法及系统，与现有技术相比，本方法从获取到的心脏磁共振图像中确定出心脏电影序列，所述心脏电影序列包括第一序列
、
第二序列和第三序列；通过预设分割神经网络模型对所述心脏电影序列中的各序列分别进行分割得到目标分割区域；基于所述目标分割区域在对应序列中截取固定尺寸的立方体图像数据，并将所述立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据；通过预设提取神经网络从所述待提取立方体图像数据中提取特征信息，并通过所述预设提取神经网络根据所述特征信息确定出初步分类结果；将各序列对应的初步分类结果进行加权融合得到融合结果，并将所述融合结果输入到预设分类器中得到分类结果，实现了兼顾心脏磁共振图像的普及性和分类准确度，有助于医生更方便快速地确定患者情况
。
附图说明
[0024]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0025]图1所示为本说明书实施例提供的心脏磁共振图像处理方法的流程示意图；
[0026]图2所示为本说明书实施例提供的心脏磁共振图像处理系统的结构示意图
。
具体实施方式
[0027]为了使本领域普通技术人员更好地理解本说明书中的技术方案，下面将结合本申
请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0028]如图1所示为本说明实施例提供的心脏磁共振图像处理方法的流程示意图，虽然本说明提供了如下实施例或附图中所示的方法操作步骤或装置结构，但基于常规或无需创造性劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元，在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构
。
所述的方法或模块结构在实际中的装置
、
服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种心脏磁共振图像处理方法，其特征在于，所述方法包括：从获取到的心脏磁共振图像中确定出心脏电影序列，所述心脏电影序列包括第一序列
、
第二序列和第三序列；通过预设分割神经网络模型对所述心脏电影序列中的各序列分别进行分割得到目标分割区域；基于所述目标分割区域在对应序列中截取固定尺寸的立方体图像数据，并将所述立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据；通过预设提取神经网络从所述待提取立方体图像数据中提取特征信息，并通过所述预设提取神经网络根据所述特征信息确定出初步分类结果；将各序列对应的初步分类结果进行加权融合得到融合结果，并将所述融合结果输入到预设分类器中得到分类结果
。2.
如权利要求1所述的心脏磁共振图像处理方法，其特征在于，所述通过预设分割神经网络模型包括有4组卷积层的收缩路径和对应的4组上采样层的扩张路径，且每一组卷积层均使用预设激活函数和最大池化操作
。3.
如权利要求1所述的心脏磁共振图像处理方法，其特征在于，在将所述立方体图像中的目标分割区域填充预设值的灰度值得到待提取立方体图像数据后，还包括将所述待提取立方体图像数据按照舒张末
‑
收缩末
‑
舒张末的顺序进行排列
。4.
如权利要求1所述的心脏磁共振图像处理方法，其特征在于，所述特征信息具体包括时相特征和三维特征，所述时相特征具体为心脏收缩运动和舒张运动的运动特征信息
。5.
...

【专利技术属性】
技术研发人员：李珮瑶，刁凯悦，刘诺舟，邵辞量，严心怡，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：