[发明专利]一种基于多视角协同关系的先天性心脏病辅助诊断方法

说明书

本发明公开了一种基于多视角协同关系的先天性心脏病辅助诊断方法。本发明步骤如下：1.医疗超声数据增强和数据预处理，获得待检测医疗图像；2.将所述的不同视角多帧超声图像分别输入至利用卷积神经网络训练的SSD检测器，进行精准定位，获得Top1的精准定位结果；3：将上述多视角的病灶图像帧C_i及彩色超声原图帧O_i进行组合构建数据组{C_i,O_i},其中i代表第i个样本组。4:将数据组送入MUVDN网络进行训练并获得训练后的MUVDN二分类网络。本发明且具有较高的鲁棒性。减少了单一视角下伪影及噪声对诊断的影响，有效地提升了网络分类的准确率。

技术领域

本发明涉及医学图像处理及模式识别领域，尤其涉及一种基于多视角协同关系的先天性心脏病辅助诊断方法。

技术背景

先天性心脏病是一种先天性畸形疾病，包括房间隔缺失、室间隔缺失等。根据资料统计，先天性心脏病的发病率占出生活婴的0.4％～1％，导致中国每年新增先天性心脏病患者15～20万。特别是在医疗技术匮乏的区域，70％的先心病患者在2岁后由于未进行手术介入而死于并发症。目前利用超声心动图进行早期检查及诊断是减少死亡率的主要诊断方法，然而利用超声心动图检测存在超声设备限制及噪声影响等多种问题，这极大地降低了医生观察病灶区域情况的准确度及有效性，同时导致了超声科医生工作效率低下、诊断准确率下降。

近年来随着计算机技术以及深度神经网络的发展，利用计算机辅助检测(ComputerAidedDiagnosis)辅助影像科医生定位分类病灶区域的研究方向成为了主流的研究热点，特别是利用深度卷积神经网络的自学习性、记忆性等能力来起到辅助诊断的作用。

目前国内外在基于计算机辅助检测的病灶检测研究方向上也开展了许多探索和研究工作，现有技术主要利用单一视角的超声图像进行病灶区域的定位以及分类研究，并且也没有专门针对先天性心脏病病灶检测的研究方法。在先天性心脏病的检测当中，伪影和大量噪声是影响病灶检测精度的首要问题。基于上述情况，直接利用现有的图像检测方法存在定位不准确、分类效果不佳以及误诊率高等问题。

发明内容

为了解决上述问题，本发明提供了一种基于多视角协同关系的先天性心脏病辅助诊断方法，所述方法提出了一种基于超声多视图的检测网络模型MUVDN，MUVDN模型融合了局部特征与全局特征和多视图学习有效地提高了病灶检测的准确率和召回率。

该诊断方法能够从不同视角上定位病灶区域，并且基于病灶区域利用多视角内在关系综合检测病灶区域的患病情况。

为了实现上述目的，本发明采用以下技术方案

一种基于多视角协同关系的先天性心脏病辅助诊断方法，包括以下步骤：

步骤1：医疗超声数据增强和数据预处理，获得待检测医疗图像。具体子步骤包括：

1-1.获取受试者的心脏多视角彩色多普勒超声图像并由专业超声科医生进行病灶区域的手工标记；

1-2.对待标记的数据进行数据增强操作，包括翻转、平移等技术；

步骤2：将所述的不同视角多帧超声图像分别输入至利用卷积神经网络训练的SSD检测器，对心脏病灶区域进行精准定位，并利用非极大值抑制算法获得Top1的精准定位结果；

2-1.在多视角多帧的彩色多普勒超声图像上进行感兴趣区域的定位；

2-2.基于感兴趣区域的坐标信息，通过裁剪操作从原图中提取病灶特征，得到多视角的局部病灶图像；

步骤3：将上述多视角的病灶图像帧C_i及彩色超声原图帧O_i进行组合构建数据组{C_i,O_i},其中i代表第i个样本组。并将所有数据组划分为训练集、测试集；