[发明专利]一种基于超声图像结合深度学习的心脏血流向量成像方法

说明书

本发明提供了一种基于超声图像结合深度学习的心脏血流向量成像方法，包括：获取超声设备经彩色编码后的二维彩色多普勒超声心动图像；提取左心室区域；对左心室区域进行彩色血流信息补偿；并使用速度标尺提取径向速度分量；使用训练的U‑Net模型识别左心室区域的左心室内膜轮廓；对二维彩色多普勒超声心动图像重建超声心动图序列；使用由超声模拟图像重新训练的PWC‑Net模型对左心室内膜进行运动跟踪，确定左心室内膜的切向速度；结合径向速度与左心室内膜切向速度，使用连续性方程计算血液质点切向速度;使用径向速度分量和切向速度分量合成左心室血液的流场，对流场进行可视化，其中，可视化的方法包括绘制速度矢量图和平面流线图。

技术领域

本发明涉及医疗信息技术领域，特别是一种基于超声图像结合深度学习的心脏血流向量成像方法。

背景技术

心脏血流速度是心脏疾病诊断的一种重要依据。现有技术中的血流向量成像技术一种核心方法是流体力学的连续性方程求解切向速度分量。这种方法获取主要计算信息的手段存在的缺点主要有：必须要获取原始射频信号进行分析和计算得到径向速度分量，具有设备限制性、通用性差。该技术需要获取左心室心内膜的轮廓信息，采用的是临床医生手动勾勒的方法，虽然比较精确，但是影响了整体计算效率，并且每个医生的轮廓勾勒会有所不同，出现结果差异。同时该技术中获取左心室心内膜的运动信息的方式是通过散斑跟踪，其计算比较耗时，影响计算效率。

发明内容

本发明解决的技术问题是：克服现有技术在数据获取过程中需要人为干预和计算耗时等问题，提供了一种基于超声图像结合深度学习的心脏血流向量成像方法。

本发明的技术解决方案是：

为了解决上述技术问题，本发明提供了一种基于超声图像结合深度学习的心脏血流向量成像方法，包括：

获取超声设备经彩色编码后的二维彩色多普勒超声心动图像；

提取所述二维彩色多普勒超声心动图像中的左心室区域；

对所述左心室区域进行彩色血流信息补偿；

对补偿后的图像，使用速度标尺提取径向速度分量；

使用训练的U-Net模型识别所述左心室区域的左心室内膜轮廓；

对所述二维彩色多普勒超声心动图像重建超声心动图序列；

使用由超声模拟图像重新训练的PWC-Net模型对左心室内膜进行运动跟踪，确定左心室内膜的切向速度；

结合径向速度分量和左心室心内膜切向速度，带入到连续性方程方程中，得到左心室血液质点的切向速度分量；

使用径向速度分量和切向速度分量合成左心室血液的流场，对流场进行可视化，其中，可视化的方法包括绘制速度矢量图和平面流线图。

可选地，所述对所述左心室区域进行彩色信息血流信息补偿的步骤，包括：

使用一维线性插值方法对左心室中彩色血流信息的红色和蓝色区域之间的空隙处进行彩色血流信息补偿。

可选地，使用速度标尺提取径向速度分量的步骤，包括：

使用超声图像数据中的血液质点的RGB分量与速度标尺上点的RGB分量做匹配，定位在速度标尺上与当前血液质点最匹配的点，记录最匹配的点在速度标尺上的距离，距离从蓝色区域的最低端算起；

通过距离与径向速度的分段线性函数，获得径向速度并作平滑处理，其中，平滑处理包括中值滤波和高斯滤波处理，所述血液质点为图像上的像素点。

可选地，所述使用训练的U-Net模型所述识别所述左心室区域的左心室内膜轮廓的步骤，包括：