[发明专利]基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法

权利要求书

1.一种基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，包括以下步骤：

1)IVUS视频数据编码和关键帧位置标注，得到片段级通用特征曲线和标注序列；

2)将步骤1)得到的片段级通用特征曲线和标注序列输入到以循环网络为基础的带注意力机制的双向门控算法网络中，通过多次的迭代不断训练网络参数，训练得到的循环网络模型；

3)对验证片段进行n次增强，评估步骤2)中得到的循环网络模型，得到n份验证结果，加权平均得到最终验证结果，重复步骤1)和步骤2)，得到可用于片段级血管IVUS图像序列自动检索的对抗增强网络；

4)使用步骤3)中训练得到的对抗增强网络，计算未标注的IVUS图像序列的每一帧为关键帧的概率，生成每个滑窗对应的关键帧概率曲线图，并由此整合成完整图像序列关键帧概率曲线图；

5)在步骤4)整合得到的完整图像序列关键帧概率曲线中，用滑动窗口对结果平滑，以滑窗内概率曲线的局部最高点，作为关键帧。

2.根据权利要求1所述的基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，步骤1)中，IVUS视频数据编码和关键帧位置标注，具体包括：

1.1)对参数不同的数据采集探头仪器采集到的IVUS视频进行通用特征编码；

1.2)利用ECG标注原始IVUS视频关键帧所处位置，生成标注序列，并以滑窗的方法将步骤1.1)编码后的IVU和标注序列切分成段级数据，对编码前后的IVUS进行图像预处理和数据超增强，得到片段级通用特征曲线。

3.根据权利要求2所述的基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，步骤1.1)中，所述的通用特征编码包括：像素绝对值编码和旋转角度编码。

4.根据权利要求3所述的基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，所述的像素绝对值编码采用Abs difference Encoding编码，具体包括：第n帧图像和第n+1帧图像中像素差值绝对值之和；

x′_n＝∑_i∑_jabs((A_n+1(i，j)-A_n(i，j))) (1)；

其中，A为IVUS图像像素矩阵，下标n为第n帧，下标n+1为第n+1帧，i、j分别为像素矩阵A的第i行、第j列，x′_n为第n+1帧和第n帧IVUS图像像素差值绝对值之和。

5.根据权利要求3所述的基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，所述的旋转角度编码采用RA编码，具体包括：

对第n帧图像和第n+1帧图像进行模糊，在(-15°，15°)区间内以0.5°步长旋转第n+1帧图像，并按照公式(1)得到一个旋转后的n+1帧图像和第n帧像素差绝对值之和的曲线；

θ＝arg min_{θ′∈[-15°，15°]}(∑_i∑_jabs((r(x_n+1，θ′)-x_n))，θ′) (2)；

其中，x_n为第n帧IVUS图像数据，x_n+1为第n+1帧IVUS图像数据，r(x_n+1，θ′)表示将第n+1帧IVUS图像旋转θ′角度，θ′∈[-15°，15°]，θ为图像旋转前后像素差取最小值时对应的旋转角度。

6.根据权利要求3所述的基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，步骤1.2)中，滑窗的方法的滑窗尺寸包含3个及以上心跳周期。

7.根据权利要求3所述的基于ECG和对抗增强门控循环网络多源血管内超声关键帧自动检索方法，其特征在于，步骤5)中，用长度为10～20的窗口对结果平滑，以前后10～20帧滑窗内概率曲线的局部最高点，作为关键帧。