[发明专利]基于深度学习的心脏视图识别与左心室检测装置、系统

权利要求书

1.基于深度学习的心脏视图识别与左心室检测装置，其特征是，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

接收超声心动图；

采集超声心动图中心尖二腔室、心尖三腔室、心尖四腔室的医学图像；

标注不同视图中左心室的轮廓，制作为原始图像数据集；

对原始图像数据集进行预处理，获得实验数据集；

将实验数据集输入到经过深度学习的网络中得到心脏视图识别结果和左心室检测结果。

2.如权利要求1所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，深度学习的网络采用RetinaNet算法进行目标检测。

3.如权利要求1所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，具体的标注：输入至labelme软件中的图片，利用逐个画点方式描绘出左心室外膜，得到JSON文件，再将其转化为可视的label文件。

4.如权利要2所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，所述RetinaNet算法主要包括三个子模块:ResNet、FPN和两个FCN子网络；

首先将实验数据集输入到ResNet模块，利用ResNet模块提取图片特征，将其输入至FPN模块；

FPN模块接收ResNet除第一层外所有层的特征，将其组合形成最终的特征输入到FCN模块；

FCN模块包括两个子网络，分类子网络用于识别心脏视图类型，回归子网络用于检测描绘出左心室的位置。

5.如权利要求1所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，采集超声心动图中心尖二腔室、心尖三腔室、心尖四腔室的医学图像：首先从原始的超声心动图视频影像资料中选择包含完整左心室的心尖二腔室，心尖三腔室，心尖四腔室视频资料，然后分别将其导出为JPG图片文件。

6.如权利要求1所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，分别标注心尖二腔室、心尖三腔室、心尖四腔室这三种不同的心脏视图中左心室的轮廓，制作为原始图像数据集。

7.如权利要求1所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，将实验数据集输入到RetinaNet网络中，通过其中的分类子网络得到图片的识别结果，即图片属于心尖二腔室、心尖三腔室、心尖四腔室中的哪一种视图，通过回归子网络得到左心室检测结果。

8.如权利要求3所述的基于深度学习的心脏视图识别与左心室检测装置，其特征是，对每一张图片及对应的label进行数据预处理，包括：

随机翻转：以0.5的概率翻转输入图像和相应的label；

随机裁剪：将给定图像裁剪为随机大小和纵横比；

调整大小：将输入图像调整为给定大小。

9.基于深度学习的心脏视图识别与左心室检测系统，包括：检测装置、超声图像采集设备、显示设备，超声图像采集设备采集超声心动图并传输至检测装置的处理器，处理器的处理结果传输至显示设备进行显示；其特征是，所述处理器执行所述程序时实现以下步骤：

接收超声心动图；

采集超声心动图中心尖二腔室、心尖三腔室、心尖四腔室的医学图像；

标注不同视图中左心室的轮廓，制作为原始图像数据集；

对原始图像数据集进行预处理，获得实验数据集；

将实验数据集输入到经过深度学习的网络中得到心脏视图识别结果和左心室检测结果。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行以下步骤：

所述处理器执行所述程序时实现以下步骤：

接收超声心动图；

采集超声心动图中心尖二腔室、心尖三腔室、心尖四腔室的医学图像；

标注不同视图中左心室的轮廓，制作为原始图像数据集；

对原始图像数据集进行预处理，获得实验数据集；

将实验数据集输入到经过深度学习的网络中得到心脏视图识别结果和左心室检测结果。