一种心脏图像分割方法、装置、介质和设备制造方法及图纸

本发明专利技术公开了一种心脏图像分割方法、装置、介质和设备，涉及医学图像处理技术领域。该方法包括：获取有标签的bSSFP CMR作为源域图像和无标签的LGE CMR图像作为目标域图像；基于变分编码器构建VAMCEI模型；使用CycleGAN实现源域和目标域的双向转换，实现源域和目标域在图像表观的对齐；分别将真源域和假源域图像、真目标域和假目标域图像配对，并将其输入到VAMCEI模型中，实现对齐特征和注释图像的分割监督学习；以目标域VAMCEI模型和源域VAMCEI模型作为教师模型，使用知识蒸馏学习两个模型在同一个体的目标域图像或伪源域图像上的预测概率，最终使用训练好的学生模型进行心脏图像分割。

【技术实现步骤摘要】

本申请涉及医学图像处理，特别涉及一种心脏图像分割方法、装置、介质和设备。

技术介绍

1、深度学习在医学影像处理领域已经取得了非常显著的成就，尤其是图像分割、病灶识别和疾病诊断等。然而深度学习模型训练过程中往往需要大量带有标注信息的数据，这对于语义分割而言尤为困难。

2、为克服此困难，研究人员尝试将在具有丰富标注信息的图像域(又称为源域)训练好的模型直接迁移到没有标注信息或者只有极少标注信息的图像域(又称为目标域)上。如lge cmr(lge：late gadolinium enhancement，亮血钆延迟增强；cmr：cementcardiacmagnetic resonance，心脏磁共振)图像增强梗塞心肌，使其与周围的健康组织相比显示出独特的亮度，是无创评估心肌梗死和纤维化的重要技术，能够清晰地描绘存活心肌梗死的区域，在mi的诊断和治疗过程中起到至关重要的作用，其对应标注信息往往却难以获得。与之相反，bssfp cmr(使用平衡稳态自由进动balanced steady-state free precession脉冲序列进行的心脏磁共振成本文档来自技高网...

【技术保护点】

1.一种心脏图像分割方法，其特征在于，包括：

2.如权利要求1所述的心脏图像分割方法，其特征在于，所述分割网络VAMCEI使用变分编码器作为源域和目标域共享的特征提取模块，在变分编码器VAE优化过程中，使用显式全局特征对齐、显式局部特征对齐以及隐式特征对齐三个对齐项对齐源域和目标域的隐变量分布；

3.如权利要求2所述的心脏图像分割方法，其特征在于，所述分割网络VAMCEI的训练过程包括：

4.如权利要求1所述的心脏图像分割方法，其特征在于，所述对学生模型进行训练过程中使用的损失函数为：

5.如权利要求1所述的心脏图像分割方法，其特征在于，所...

【技术特征摘要】

1.一种心脏图像分割方法，其特征在于，包括：

2.如权利要求1所述的心脏图像分割方法，其特征在于，所述分割网络vamcei使用变分编码器作为源域和目标域共享的特征提取模块，在变分编码器vae优化过程中，使用显式全局特征对齐、显式局部特征对齐以及隐式特征对齐三个对齐项对齐源域和目标域的隐变量分布；

3.如权利要求2所述的心脏图像分割方法，其特征在于，所述分割网络vamcei的训练过程包括：

4.如权利要求1所述的心脏图像分割方法，其特征在于，所述对学生模型进行训练过程中使用的损失函数为：

5.如权利要求...

【专利技术属性】
技术研发人员：崔恒飞，李妍，王一凡，郑凡，夏勇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：