基于深度学习和MRI图像的心室功能指标预测方法,属于医学图像处理领域.传统的心室指标预测方法主要依赖于人工分割每个相位的心室肌肉部分,然后在此基础上进行测算.这种方式需要耗费大量的人力和时间,并且存在严重的人为差异.一种基于深度学习和MRI图像的心室功能指标预测方法,所述方法通过以下步骤实现:临床方式获取心脏核磁共振影像;人工勾勒心室轮廓并计算相关的心室功能指标;对心脏MRI图像进行预处理;采用深度学习方法对心脏核磁共振数据进行特征表示;采用机器学习方法训练心室功能指标预测模型;采用训练好的模型对步骤一获取的心脏核磁共振影像进行心室功能指标预测.本发明能快速、准确、自动化的预测心室功能指标来辅助临床心脏疾病的诊断.
发明专利
CN201610388764.1
2016.06.02
CN106096632A
2016-11-09
王宽全 骆功宁 安然 董素宇 张恒贵
哈尔滨工业大学
G06K9/62(2006.01)I,G,G06,G06K,G06K9
G06K9/62(2006.01)I,G06N5/00(2006.01)I,G,G06,G06K,G06N,G06K9,G06N5,G06K9/62,G06N5/00
一种基于深度学习和MRI图像的心室功能指标预测方法,其特征在于:所述方法通过以下步骤实现:步骤一、临床方式获取心脏核磁共振影像;步骤二、人工勾勒心室轮廓并计算相关的心室功能指标;步骤三、对心脏MRI图像进行预处理;步骤四、采用深度学习方法对心脏核磁共振数据进行特征表示;步骤五、采用机器学习方法训练心室功能指标预测模型;步骤六、采用训练好的模型对步骤一获取的心脏核磁共振影像进行心室功能指标预测.