基于語義技術與醫學圖像分割結合的心力衰竭檢測方法
【專利摘要】本發明公開了一種基于語義技術與醫學圖像分割結合的心力衰竭檢測方法，所述方法包括：通過對左心室磁共振圖像的內膜以及外膜進行分割，對分割結果進行計算，從而將圖像信息轉換成了三元組信息，將其存入到通過protégé建立的心力衰竭本體中，然后利用語義技術的強大推理功能，可以自動化的對心臟狀態進行檢測。本發明可以在幾乎不需要人工干預的情況下，對輸入的心臟磁共振圖像序列進行心肌質量的計算以及左室射血分數的計算。左心室內外膜的提取精度也得到很大的提高，能夠減少內外膜輪廓的提取受到乳頭肌以及偽影的影響而帶來的錯誤分割。
【專利說明】基于語義技術與醫學圖像分割結合的心力衰竭檢測方法
【技術領域】
[0001]本發明涉及數字家庭【技術領域】，具體涉及一種基于語義技術與醫學圖像分割結合的心力衰竭檢測方法。
【背景技術】
[0002]心力衰竭是公認的危害人類生命健康的重大疾病之一。據統計，在全球范圍內約有1200?1500的患者苦于心力衰竭的煎熬；在歐美近10億人口中心衰患者多達5% ;而美國心衰患者約500萬，每年新增50萬人；在中國現心衰患者則達400多萬，治療費用每年接近100億，這給國家以及社會帶來嚴重的經濟負擔。此外，盡管心力衰竭的治療取得飛速的發展，然而其死亡率依然居高不下，如在我國，心衰的住院率占同期心血管疾病的20%，但死亡率缺高達40% ;而NYHA II1-1V級的患者死亡率則高達30%?40%，嚴重威脅著人類的生命健康。此外根據統計，50%以上的心力衰竭患者均伴隨著左心室肥大的現象，以及異常的左室射血分數以及心肌質量，如果能從醫學圖像上對此做出檢測，那將會給心力衰竭的早期診斷和治療帶來很大的便利，也能減少大量人力物力的投入。
[0003]與本發明相關的技術主要有兩者:心臟左心室的自動化分割以及語義醫療技術。其中，心臟左心室的自動化分割方法主要是針對心臟的形狀特征以及灰度特征等特點研究，其中比較前沿的算法有基于聚類分析的分割方法、基于統計學的圖像分割方法、基于圖論的分割方法以及基于可形變模型以及微分方程的分割方法等。
[0004]基于聚類分析的分割方法一般會與基于圖像灰度特征的高斯混合模型(GaussianMixture model, GMM)結合,應用到心臟圖像的分割上。高斯混合模型是通過圖像灰度直方圖反映的某個灰度值出現的頻次來區分圖像中的前景區域以及背景區域的，而不同的區域對應不同的峰。對于復雜的圖像，尤其是醫學圖像由于其灰度的不均勻性，所以一般表現是多峰的。通過將直方圖的多峰特性看作是多個高斯分布的疊加，隨后采用聚類分析的方法將這些峰分離開去，例如使用K-means等，便可以解決圖像的分割的問題。
[0005]基于統計學的方法是應用統計學的方法進行數學建模，將數字圖像中各像素點的灰度看成具有一定概率分布的隨機變量，從而正確的分割圖像或從觀察到的圖像中恢復實際物體。從Bayes統計的角度出發，就是求出具有最大后驗概率的分布，其中著名的統計學模型有馬爾科夫隨機場(Markov Random Field,MRF)模型以及條件隨機場(Condit1nalRandom Field,CRF)模型。由于現實場景中的圖像因為像素點間的灰度聯系比較大，因此采用統計學的方法來進行分割會得到比較好的效果。而對于醫學圖像，由于統計學的分割需求計算量非常大而且由于很容易因相關性過強導致丟失邊緣細節信息，所以在灰度分布不均的醫學圖像上進行分割有很大的挑戰性。
[0006]基于圖論的分割方法源于聚類思想，其原理是把圖像看作帶權的圖G= (V, E), V是頂點集，E是圖的邊集，而G是指不同頂點組成的無序對(或有序對)所構成的集合，其中可以利用圖像灰度信息等來構造邊的權重值，構建完頂點集和邊集之后，通過尋找最優割集來完成圖像的分割。
【發明內容】
[0007]本發明要解決的技術問題主要有兩個:一者是通過何種方法能夠很好地提取出左心室磁共振圖像的內外膜輪廓并計算出左心室射血分數以及心肌質量的相對于心力衰竭診斷非常有用的信息；二者是在得到心臟磁共振圖像信息后，如何將其與語義技術結合，應用于心力衰竭的早期診斷之中。
[0008]本發明實施例提供了一種基于語義技術與醫學圖像分割結合的心力衰竭檢測方法，包括如下:
[0009]通過對左心室磁共振圖像的內膜以及外膜進行分割，對分割結果進行計算，從而將圖像信息轉換成了三元組信息，將其存入到通過prot6g6建立的心力衰竭本體中，然后利用語義技術的強大推理功能，可以自動化的對心臟狀態進行檢測。
[0010]所述方法包括:
[0011]首先輸入心臟磁共振圖像的序列，隨后需要將這一序列中的第一張圖作為樣本，需要通過人工的方式勾勒出心臟左室內膜區域；
[0012]然后，通過該樣本采用凸松弛算法計算出心臟內膜區域，隨后以該內膜區域作為主動輪廓模型的迭代初始曲線，從而提取出心臟左心室的外膜輪廓，通過得到的內外膜分割結果來計算心臟左心室的射血分數以及心肌質量等參數；
[0013]接著，通過prot6g6建立心力衰竭本體,然后將計算得到的射血分數以及心肌質量等參數通過三元組的形式儲存到該本體中，然后結合該本體中儲存的與該病人心力衰竭診斷相關的信息，從而推理得知該病人心力衰竭的病癥。
[0014]本發明具有如下有益效果，通過本發明，可以在幾乎不需要人工干預的情況下，對輸入的心臟磁共振圖像序列進行心肌質量的計算以及左室射血分數的計算。左心室內外膜的提取精度也得到很大的提高，能夠減少內外膜輪廓的提取受到乳頭肌以及偽影的影響而帶來的錯誤分割。最后，建立心力衰竭本體，結合計算得到的心肌質量以及左室射血分數等參數，通過本體的推理引擎，能夠自動化地對輸入的心臟磁共振圖像進行特征提取，然后結合病人的其他身體狀況信息，在幾乎不需要醫生的干涉下能夠做出醫療診斷，或者，能夠給醫生診斷提供非常有價值的參考意見(如做出心力衰竭病情診斷以及藥物建議等)。
【專利附圖】
【附圖說明】
[0015]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。
[0016]圖1是本發明實施例中的心臟左心室內外膜分割流程圖；
[0017]圖2是本發明實施例中的心力衰竭輔助醫療決策系統流程圖；
[0018]圖3是本發明實施例中的心力衰竭本體與對象屬性示意圖；
[0019]圖4是本發明實施例中的心力衰竭語義醫療診斷系統的接口結構圖。
【具體實施方式】[0020]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其它實施例，都屬于本發明保護的范圍。
[0021]本發明提出的基于語義技術與醫學圖像分割結合的心力衰竭檢測流程如下所示:首先輸入心臟磁共振圖像的序列，隨后需要將這一序列中的第一張圖作為樣本(即心臟短軸切圖心臟基部)，需要通過人工的方式勾勒出心臟左室內膜區域。然后，通過該樣本采用凸松弛算法計算出心臟內膜區域，隨后以該內膜區域作為主動輪廓模型的迭代初始曲線，從而提取出心臟左心室的外膜輪廓，通過得到的內外膜分割結果來計算心臟左心室的射血分數以及心肌質量等參數。接著，通過prot6g6建立心力衰竭本體，然后將計算得到的射血分數以及心肌質量等參數通過三元組的形式儲存到該本體中，然后結合該本體中儲存的與該病人心力裳竭診斷相關的?目息，從而推理得知該病人心力裳竭的病癥。其中圖1為心臟左心室內外膜分割的流程圖，而圖2所示為心力衰竭輔助醫療診斷系統的實現流程圖。
[0022](I)左心室內外膜提取方法
[0023]內膜的提取關鍵在于建立與樣本圖像的灰度特征以及距離特征對比的分布匹配方程。輸入的心臟磁共振圖像，其灰度特征以及距離特征與樣本相似性較高的部分將被保留下來，另外，為了防止提取區域受到乳頭肌以及偽影的影響，需要通過計算心臟磁共振圖像的梯度信息來獲取其邊緣信息，然后使得收斂的內膜區域受到邊緣特征、灰度特征以及距離特征的共同影響。心臟磁共振圖像中與樣本中的內膜區域灰度相似的地方將被提取出來；而距離向量使得只有接近內膜中心點一定范圍內的區域才有比較高的權重，這樣遠離該中心點的區域將被過濾；邊緣向量本專利采用梯度向量流力場模型，這樣只有比較靠近邊界的區域才會有比較高的權重。如此，由三者共同迭代求出的將是左室的內膜輪廓。
[0024]本專利的方法中比較重要的一點是，將通過改進凸松弛分布匹配算法獲取的內膜輪廓曲線作為主動輪廓模型對左心室外膜分割的初始曲線。因為主動輪廓模型的迭代效果容易受到初始曲線的影響，而內膜輪廓本身與外膜輪廓比較相近，通過內膜輪廓生成的初始曲線，可以使得主動輪廓模型能夠快速精確收斂到外膜區域。而對于外膜輪廓的提取，本專利關鍵點在于對主動輪廓模型的約束，這種約束分為局部弧形約束以及外力場參數自適應變換。局部弧形約束指的是為主動輪廓曲線中每個點在局部上，需要與其周圍的3~5個點形成局部圓形，以達到局部上圓滑的目的。同時，還需要加入4點修正，4點修正與局部弧形約束比較類似，確保每個點與其周圍最近兩點所在直線以及較近兩點所在直線的距離在一定范圍內，不過其最大不同是并不是曲線每個端點移動時進行判斷，而是在一次迭代結束(即所有點剛好運算完)時進行全局的修正。此外，還面臨一個問題是，在曲線碰到邊界上，由于外力的作用，曲線可能會收斂，但是，如果邊界比較復雜，即曲線附近邊界較多，由于外力參數為常數，故遇到相同的邊界時，會出現曲線的變化完全受控于內力的情況，從而導致曲線過收斂。為了解決這個問題，本專利為外力參數添加約束，該約束受到與輪廓線首次遇到的邊界的距離以及邊界的強度影響。如式2.1所示:
[0025]
【權利要求】
1.一種基于語義技術與醫學圖像分割結合的心力衰竭檢測方法，其特征在于，所述方法包括: 通過對左心室磁共振圖像的內膜以及外膜進行分割，對分割結果進行計算，從而將圖像信息轉換成了三元組信息，將其存入到通過prot6g6建立的心力衰竭本體中，然后利用語義技術的強大推理功能，可以自動化的對心臟狀態進行檢測。
2.如權利要求1所述的基于語義技術與醫學圖像分割結合的心力衰竭檢測方法，其特征在于，所述方法包括: 首先輸入心臟磁共振圖像的序列，隨后需要將這一序列中的第一張圖作為樣本，需要通過人工的方式勾勒出心臟左室內膜區域； 然后，通過該樣本采用凸松弛算法計算出心臟內膜區域，隨后以該內膜區域作為主動輪廓模型的迭 代初始曲線，從而提取出心臟左心室的外膜輪廓，通過得到的內外膜分割結果來計算心臟左心室的射血分數以及心肌質量等參數； 接著，通過prot6g6建立心力衰竭本體，然后將計算得到的射血分數以及心肌質量等參數通過三元組的形式儲存到該本體中，然后結合該本體中儲存的與該病人心力衰竭診斷相關的?目息，從而推理得知該病人心力裳竭的病癥。
【文檔編號】G06T7/00GK104036505SQ201410250982
【公開日】2014年9月10日 申請日期:2014年6月6日 優先權日:2014年6月6日
【發明者】蘇航, 馮荊平, 劉海亮, 楊艾琳 申請人:中山大學深圳研究院