[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

说明书

本发明公开了基于深度学习的心脏视图识别与左心室检测装置、系统，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。

技术领域

本发明属于检测技术领域，尤其涉及基于深度学习的心脏视图识别与左心室检测装置、系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着医疗技术的发展，出现了多种多样的医学影像资料，如何正确、快速、最大程度的利用这些医学影像资料来诊断疾病成为当今社会的一大热点。

机器学习技术使研究人员能够开发和利用复杂的模型来分类或预测各种异常或疾病或者进行医学病灶的识别和分割。如今，机器学习技术发展逐渐成熟与完善。深度学习是机器学习研究的一个新领域，其动机在于人脑的建立和模拟，以分析和研究神经网络，模拟人脑机制来解释数据。因此近年来，越来越多的研究者开始关注医学图像处理中的模式识别、分类以及分割等处理技术。

在临床应用中，超声心动图是医生判断心脏病症的一个重要手段。在临床治疗时，超声心动图中的左心室运动状态等特点是医生诊断心脏病的首要依据。通过分割左心室，可以计算射血分数等重要的医学指标。超声心动图中心尖二腔室、心尖三腔室和心尖四腔室都包含完整的左心室信息，但是因为超声探头探测的位置不同，不同的腔室中左心室的形态并不相同。由于病人之间的差异较大以及设备固有的缺陷，因此并不是所有的超声心动图都只清晰的呈现心室心房内外膜，大多数的超声心动图中存在左心室边界模糊、噪声干扰太强的问题。现有的分割算法不能准确的识别噪声和要分割部位，分割结果可能会出现并不需要的部位。比如我们需要分割左心室，但是最后的结果可能既包含左心室也包含左心室以外噪声干扰太强的部位，这样的分割结果不尽人意。

发明内容

为克服上述现有技术的不足，本发明提供了基于深度学习的心脏视图识别与左心室检测装置，能自动识别心尖二腔室、心尖三腔室、心尖四腔室，并在对应的视图中检测到左心室的位置。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

基于深度学习的心脏视图识别与左心室检测装置，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。

另一方面，为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

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；

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；