[发明专利]心脏MR图像自动分割方法、装置、电子设备和存储介质

权利要求书

1.一种心脏MR图像自动分割方法，其特征在于，所述方法包括：

对训练集中的心脏MR图像数据进行感兴趣区域提取，并进行数据增强，其中，所述对训练集中的心脏MR图像数据进行感兴趣区域提取具体包括：S1.取出所述心脏MR图像的中间层的MRI图像，将所述MRI图像的中心作为第一参考点R1，以R1为中心提取110*110像素大小的图片；

S2.对提取出的110*110像素大小图片进行分割，得出多个连通区域，计算每个所述连通区域的面积和连通区域质心到R1的距离，若连通区域面积大于预设面积且距离小于预设距离，则将该连通区域的质心列为第一候选点；判断是否有第一候选点，若有，则找出所有第一候选点中距离R1最近的点作为第一血池质心s1；若没有，则以第一参考点R1作为第一血池质心s1；以s1为中心提取110*110像素大小的图片，中间层的感兴趣区域提取完毕；

S3. 开始心尖层方向的分割，将上一层的第一血池质心s1作为第二参考点R2，以第二参考点R2为中心提取110*110像素大小的图片；

S4.对提取出的110*110像素大小图片进行分割，得出多个连通区域，计算每个连通区域的面积和连通区域质心到第二参考点R2的距离，若连通区域面积大于所述预设面积且距离小于所述预设距离，则将该连通区域的质心列为第二候选点；判断是否有第二候选点，若有，则找出所有第二候选点中距离第二参考点R2最近的点作为第二血池质心s2；若没有，则以第二参考点R2作为第二血池质心s2；以s2为中心提取110*110像素大小的图片，心尖层的感兴趣区域提取完毕；判定心尖层方向有没有剩余未分割的图片，如果有则继续S3、S4步骤，如果没有则结束心尖层方向的分割；

S5.开始心底层方向的分割，将上一层的血池质心作为第三参考点R3，以R3为中心提取110*110像素大小的图片；

S6.对提取出的110*110像素大小图片进行分割，得出多个连通区域，计算每个连通区域的面积和连通区域质心到R3的距离，若连通区域面积大于预设面积且距离小于预设距离，则将该连通区域的质心列为第三候选点；判断是否有第三候选点，若有，则找出所有第三候选点中距离R3最近的点作为第三血池质心s3；若没有，则以第三参考点R3作为第三血池质心s3，以s3为中心提取110*110像素大小的图片，当前心底层的感兴趣区域提取完毕；判断心底层方向是否有剩余未分割的图片，如果有则继续S5,S6步骤，如果没有则结束心底层方向的分割；

基于所述数据增强后的数据，进行Dilated-DenseNet网络模型训练，所述模型训练包括调整所述Dilated-DenseNet网络的参数，其中，所述Dilated-DenseNet网络包括8层Dense Layer，网络中每一层Dense Layer都和前面所有的Dense Layer有直接的连接，包含前面层传递来的特征信息，每一层的特征图总数为本层新增的特征图数量与其前一层的特征图数量之和；

所述Dilated-DenseNet网络的输入层为110*110像素大小左心室感兴趣区域单通道图像，进行一次5*5的卷积操作连接第一层Dense Layer；第一层Dense Layer首先进行批量标准化操作，然后通过ReLU激活函数，再由扩张率为1、卷积核大小为3的空洞卷积连接第二层Dense Layer；第二层Dense Layer在连接下一层的时候采取批量标准化、ReLU激活函数、3×3空洞卷积计算，只是此时所用空洞卷积的扩张率为2，随着层数不断加深，扩张率进行相应的翻倍，整个网络中图像大小不变，恒为110*110像素，在到达第八层Dense Layer后，进行Softmax操作连接输出层，最终输出层为110*110像素的左心室内外膜的掩膜区域和背景图像；

判断所述网络模型是否满足收敛条件，若否则重复进行Dilated-DenseNet网络模型训练，直到调整后的Dilated-DenseNet网络模型符合收敛条件，所述判断所述网络模型是否满足收敛条件具体为判断模型训练得到的图像分割结果是否优于调整参数之前的结果；

对测试集的心脏MR图像数据进行感兴趣区域提取，并以最终网络模型对预处理的图像数据进行分割，得到图像分割结果。

2.根据权利要求1所述的心脏MR图像自动分割方法，其特征在于，所述数据增强包括如下步骤：

对训练集中的MR图像数据进行预定方向的旋转和/或翻转，得到预定倍数的数据。