[发明专利]一种基于CMR双向循环网络的心衰自动分级方法

说明书

本发明涉及一种基于CMR双向循环网络的心衰自动分级方法，属于图像分析技术领域，步骤：S1：获取心脏左心室短轴的核磁共振电影并预处理；S2：预处理后的图像序列将分别以顺序及逆序的方式同时输入到双向循环判断神经网络中进行训练及判断；S3：对双向循环判断神经网络模型进行参数训练，其中训练集的制作依据临床诊断出的I/II/III/IV四个心衰等级，将I和II级心衰归为轻度心衰，III与IV级归为重度心衰；S4：将预处理好的图像序列输入到训练好的双向循环判断神经网络中，并且根据提取的运动影像特征实现心衰的轻重分级。本发明通过对心衰进行自动分级，对提高临床诊断时效性，降低主观因素导致的误诊率。

技术领域

本发明属于图像分析技术领域，涉及一种基于CMR双向循环网络的心衰自动分级方法。

背景技术

在众多影像学手段中，心脏磁共振(Cardiac Magnetic Resonance,CMR)的软组织对比度最高，其通过多参数、多平面、多序列成像可同时对心脏的解剖结构、运动功能和组织特征学改变等进行“一站式”观察。值得注意的是，心脏病多为进行性疾病，其在形成和发展过程中提供了多个可用于诊断和治疗的窗口期。精确对心脏病患者进行心衰分级，对提高该病治疗效果，降低医疗成本有着重大意义。目前，心衰分级的客观检查手段如心电图、负荷试验、X射线、超声心动图等来分析心脏病变的严重程度。

发明内容

有鉴于此，本发明的目的在于利用人工智能技术分析海量的医学影像数据，通过CMR对心脏进行一站式观察，精准智能完成心衰轻重的两个级别分级。由于心衰患者的心功能会发生改变，因此本发明提出双向循环深度判断网络，通过分析心脏正反向运动的特点，利用CMR的短轴序列完成端到端的心衰轻重分级。该技术的突破对提高临床诊断时效性，降低主观因素导致的误诊率，实现不同病人的精准智能诊疗有重要意义。

为达到上述目的，本发明提供如下技术方案：

一种基于CMR双向循环网络的心衰自动分级方法，包括以下步骤：

S1：获取心脏左心室短轴的核磁共振电影并预处理；

S2：预处理后的图像序列将分别以顺序及逆序的方式同时输入到双向循环判断神经网络中进行训练及判断；

S3：对双向循环判断神经网络模型进行参数训练，其中训练集的制作依据临床诊断出的I/II/III/IV四个心衰等级，将I和II级心衰归为轻度心衰，III与IV级归为重度心衰；

S4：将预处理好的图像序列输入到训练好的双向循环判断神经网络中，并且根据提取的运动影像特征实现心衰的轻重分级。

进一步，步骤S1中，所述核磁共振电影，每个电影序列有25帧图像，并对图像尺寸进行归一化为100*100像素。

进一步，步骤S2中所述双向循环判断神经网络包括正向运动判断网络和反向运动判断网络，正向运动判断网络接收顺序输入的心脏短轴电影，正向运动判断网络中含有二维的卷积神经网络用来提取图像中的空间信息，其提取的特征将输入到长短记忆LSTM网络中，用以建立心脏正向运动的时间关系；反向运动判断网络将接收逆序输入的心脏短轴电影，反向运动判断网络也是由卷积神经网络和长短轴记忆网络组成，但为了加大正向运动和反向运动时提取特征的组间距离，其结构少两层卷积神经网络。

进一步，步骤S3中，将每帧图像裁剪到100*100，将含有25帧图像的左室短轴电影以及对应的二分类标签提供给双向循环网络，二分类标签即轻度心衰和重度心衰；其中正向运动分析网络的输入为正向顺序，即输入顺序为第1,2,3…，25帧，反向运动分析网络的输入顺序为逆向，即输入顺序为第25,24,23，…,1帧，最后两支网络所提取的特征将融合到一起，利用sigmoid作为最后输出层的激活函数，进行心衰轻重程度的自动分级。

进一步，步骤S3中，使用训练集对双向循环判断网络参数利用随机梯度下降法进行优化。