CN116797618B 基于多模态mri心脏图像的多阶段分割方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116797618B(45)授权公告日2025.07.01

(21)申请号202310844284.1

(22)申请日2023.07.11

(65)同一申请的已公布的文献号申请公布号CN116797618A

(43)申请公布日2023.09.22

(73)专利权人西安电子科技大学

地址710071陕西省西安市雁塔区太白南

路2号

(72)发明人余航谢子川周绥平刘志恒解立志

G06T7/13(2017.01)

G06T7/00(2017.01)

GO6V10/774(2022.01)GO6V10/82(2022.01)

GO6N3/0464(2023.01)GO6N3/08(2023.01)

(56)对比文件

CN116229071A,2023.06.06

US2022309674A1,2022.09.29审查员来文燕

(74)专利代理机构陕西电子工业专利中心

61205专利代理师侯琼

(51)Int.CI.

GO6T7/12(2017.01)权利要求书2页说明书7页附图2页

(54)发明名称

基于多模态MRI心脏图像的多阶段分割方法

(57)摘要

CN116797618B本发明公开了一种基于多模态MRI心脏图像的多阶段分割方法，主要解决现有技术不适用于多模态以及无法有效融合跨模态之间特征的问题。包括：1)根据原始MRI数据生成心脏轮廓标注数据集，并进行归一化；2)构建心脏MRI轮廓分割模型，并利用归一化后数据集训练得到融合三种模态数据的深度学习模型，获取一阶段分割结果；3)将原始数据与一阶段分割结果矩阵相乘，进行通道堆叠后生成二阶段数据集；4)搭建心室-心肌分割模型并利用二阶段数据集进行训练；5)通过前向模型推理得到二阶段分割结果，即最终分割结果。本发明能够有效利用多模态优

CN116797618B

开始阶段一的整体心脏轮廓分割

开始阶段一的整体心脏轮廓分割

处理心脏标签，值大于0的像素置为1.背景0值不变，新的标签命名为GT1,原标签命名为GT2

对心脏MRI的三种模态数据进行归一化处理，分别得到M1、M2、M3三种数据

建立心脏MRI轮廓分割模型并训练

将三种模态数据分别输入至所述心脏MRI轮廓分割模型，

预测结果为Predl,损失值通过Pred1与GT1得出

开始阶段二的左心室、右心室、心肌分割

将所述提到的M1、M2、M3三种数据分别与Pred1相乘，

将得到的三种数据进行通道堆叠，命名为M

建立心室-心肌分割模型并训练

将M数据输入至所述心室-心肌分割模型，预测结果为Pred2.损失值通过Pred2与所述GT2得出

CN116797618B权利要求书1/2页

2

1.一种基于多模态MRI心脏图像的多阶段分割方法，其特征在于，构建多个具有多尺度特征提取能力的模型，并采用层间融合策略对其提取的多模态特征进行融合，此外，采用多阶段分割方式得到最终分割结果；实现步骤包括如下：

(1)将原始三维核磁共振影像MRI数据及其对应的三维标注数据均拆分为二维图像数据；其中原始三维核磁共振影像MRI数据拆分后生成数据集

D?=[[xm;1,xm?1,xm?1],[xm;2,xm?2,xm?2],……[xmi,xm?i,xm;],……[xm,x,xm?,xm?yv]],该数据集中包含N个样本，其中第i个样本[xm;,xm?,xm;]包含三种MRI模态，分别对应BSSFP、LGE、T2;三维标注数据拆分后得到二阶段标注数据集GT2;

(2)在数据集D?中标注数据的三类区域值分别为1、2、3,背景值为0,所述三类区域分别为左心室、右心室和心肌；将数据对应标签中所有值大于0的像素值置为1,得到心脏轮廓的标注数据，令数据集D?中第i个样本[xm;,Xm;,xX;]对应的标注数据为y,获取数据集D?中所有样本在对应的标注数据，构成一阶段标注数据集GT1;

(3)对数据集D?中样本的每个像素值进行归一化处理，得到归一化后的数据样本；

(4)构建心脏MRI轮廓