[发明专利]一种心脏运动估计方法、系统及终端设备

说明书

本发明适用于图像处理技术领域，提供了一种心脏运动估计方法、系统及终端设备，方法包括构建基础网络模型，基础网络模型为稠密连接混合孔洞卷积的深度学习网络；根据左心室样本图像获取图像特征对集合；将图像特征对集合输入基础网络模型进行训练，获得左心室对应关系学习网络；获取第一目标图像和第二目标图像；分别对第一目标图像和第二目标图像进行采样，获得子图像片数据集；将子图像片数据集输入左心室对应关系学习网络，获得子图像片之间的对应关系；根据子图像片之间的对应关系，使用形变函数估计心脏运动场。通过本发明可以在不分割心肌层的前提下，得到稳定合理的心脏运动场。

技术领域

本发明涉及图像处理领域，尤其涉及一种心脏运动估计方法、系统及终端设备。

背景技术

心脏MRI(Magnetic resonance Imaging，核磁共振图像)已被广泛用于分析心脏的运动估计，心脏运动估计是估计不同时间点的心脏图像心脏之间的形变函数，这种连续运动场可以描述心脏在任意时刻的状态，包括心输出量、射血分数、心肌应变等指标，检测心脏上病变位置以及病变周围组织的变化情况，对冠心病的发现和治疗提供重要帮助。

传统的心脏运动估计方法中，是在心动周期，基于MRI使用非侵入性网格标记，然后通过追踪网格估计左心室区域的运动。然而，网格标记会在心动周期中逐渐消失，在图像序列的最后阶段难以识别。与上述的标记的MRI相比，通过Cine MRI(Cine Magneticresonance，核磁共振电影图像)，可以得到相对清晰的心脏解剖结构。

虽然，Cine MRI更适用于心脏运动估计，但Cine MRI中，心肌呈现高度均匀性，使得不同时间点上的心肌轮廓上采样点之间的对应关系难以确定，进而难以估计心脏运动模型。

发明内容

本发明的主要目的在于提出一种心脏运动估计方法、系统及终端设备，以解决现有技术中基于心脏Cine MRI难以确定心肌轮廓上采样点之间的对应关系，难以进行心脏运动模型估计的问题。

为实现上述目的，本发明第一方面提供一种心脏运动估计方法，包括：构建基础网络模型，所述基础网络模型为稠密连接混合孔洞卷积的深度学习网络；

获取图像特征对集合；

将所述图像特征对集合输入所述基础网络模型进行训练，获得左心室对应关系学习网络；

获取第一目标图像和第二目标图像；

其中，所述第一目标图像和所述第二目标图像为不同时间点对同一目标获取的左心室图像；

分别对所述第一目标图像和所述第二目标图像进行采样，获得子图像片数据集；

将所述子图像片数据集输入所述左心室对应关系学习网络，获得子图像片之间的对应关系；

根据所述子图像片之间的对应关系，使用形变函数估计心脏运动场。

结合本发明第一方面，本发明第一实施方式中，所述获取图像特征对集合，包括：

基于同一样本，选取不同时间点的两幅左心室样本图像；

在所述两幅左心室样本图像中，获取局部图像块对，并根据所述局部图像块对获取所述图像特征对；

根据具有图像对应关系的图像特征对和不具有图像对应关系的图像特征对，构成所述图像特征对集合。

结合本发明第一方面的第一实施方式，本发明第二实施方式中，在所述两幅左心室样本图像中，获取局部图像块对，并根据所述局部图像块对获取所述图像特征对，包括：

获取所述两幅左心室样本图像中的对应点对关系；

根据所述对应点对关系，获取具有对应关系的两个点和不具有对应关系的两个点；