心脏超声图像关键点约束校准方法、装置/设备/系统、可读存储介质及程序产品与流程

本发明涉及医用超声报告分析，特别是一种心脏超声图像关键点约束校准方法、装置/设备/系统、可读存储介质及程序产品。

背景技术：

1、在现有技术中，超声心动图作为一种无创诊断技术，对于评估心脏的结构和功能具有不可替代的作用。它在心血管疾病的诊断和治疗中扮演着核心角色。与传统的超声检查相比，超声心动图不仅关注器官的形态和病变，更侧重于心脏的运动性能。这种性能评估涉及对心室壁在不同心动周期下的形态变化、运动轨迹以及功能状态的详细分析，通过这些分析，可以生成一系列客观的数值指标，如左室射血分数等，为临床决策提供重要依据。

2、目前，尽管超声心动图技术在心脏运动分析方面取得了显著进步，但其关键点追踪技术仍面临诸多挑战。传统的追踪算法，例如基于斑点追踪的方法，尽管在某些情况下能够实现关键点的定位，但在遇到图像遮挡、噪声干扰或图像质量不足时，其准确性和可靠性会大幅下降。此外，这些方法往往需要依赖于医师的经验和判断，这不仅效率低下，而且容易受到主观因素的影响。

3、近年来，随着深度学习技术的兴起，基于神经网络的关键点检测模型被引入超声心动图分析，这一技术通过学习大量的标注数据，实现了关键点位置的自动预测，显著提升了追踪的自动化程度和准确性。然而，这些模型在处理连续帧图像时，仍然难以避免关键点位置预测的不连续性和跳跃现象，尤其是在心脏运动受到干扰的情况下，预测误差可能会显著增加。这些问题的存在，限制了超声心动图在临床应用中的准确性和可靠性，亟须一种新的技术方案来解决这些挑战。

技术实现思路

1、为了解决上述问题，本发明提供了一种心脏超声图像关键点约束校准方法、装置/设备/系统、可读存储介质及程序产品

2、为了达到上述目的，本发明提供一种心脏超声图像关键点约束校准方法，包括：采用预先训练的神经网络关键点模型，对输入的心脏超声序列图像进行关键点预测定位，得到每个时相图像中多个的初始预测坐标；

3、计算多个时相图像中每个关键点位置的变化趋势，基于这些趋势构建一个关键点正弦运动预测模型；

4、将关键点的初始预测坐标与正弦运动模型预测的关键点坐标进行比较，当两者坐标偏差超过预设阈值时，启动正弦运动模型内的误差约束修正模块；

5、其中，约束修正模块利用正弦函数计算关键点位置的修正量，并结合预测的关键点坐标生成修正后的关键点坐标作为最终输出。

6、进一步的技术方案是，所述神经网络关键点模型的训练过程包括以下步骤：

7、ⅰ.在超声心动图图像中，预先确定并划定室壁的解剖区域，并在这些区域内明确定义关键点及其相互之间的连接关系；

8、ⅱ.对收集到的超声心动图序列图像进行精确标注，标注出关键点的确切位置构建一个训练数据集；

9、ⅲ.使用关键点检测神经网络结构，学习并识别超声心动图序列图像中关键点的分布模式和运动规律；

10、ⅳ.完成模型训练，实现对新输入的心脏超声序列图像中关键点自动检测和轨迹预测。

11、进一步的技术方案是，所述关键点正弦运动模型的构建过程包括以下步骤：

12、ⅰ.在神经网络关键点模型的基础上，分析连续帧超声心动图图像中关键点位置的变化趋势，以识别和预测心脏运动的周期性特征；

13、ⅱ.利用心脏搏动速度和超声心动图的帧频率信息，建立所述正弦运动模型，用以模拟心脏收缩舒张过程中关键点的预期位置变化。

14、进一步的技术方案是，所述启动误差约束修正模块，具体步骤包括：

15、ⅰ.计算t-2、t-1、t连续三个时相图像中各关键点的加权平均加速度矢量a和加权平均速度矢量v；

16、ⅱ.使用加权平均速度矢量v和加权平均加速度矢量a，根据公式s＝v*dt+(a*dt^2)/2计算t+1时刻关键点的预测位移量s，

17、其中，dt为相邻时相图像的时间间隔；

18、ⅲ.结合当前t时刻关键点坐标point(t)和预测位移量s计算t+1时刻关键点的预测坐标point(t+1)，

19、其中，point(t+1)＝point(t)+s；

20、ⅳ.计算t+1时刻关键点的预测坐标point(t+1)与t+1时刻关键点的运动预测模型预测坐标point(model)之间的坐标差异ds，

21、其中，ds＝pont(model)-point(t+1)；

22、ⅴ.通过约束函数计算位移量修正值r，该函数为r＝w0*log(s*w1+1)+b，

23、其中，w0、w1、w2为超参数，且w0＝1，w1＝2,b＝6；

24、ⅵ.根据预测坐标point(t+1)和修正值r计算最终约束校正后的关键点point(modify)的坐标作为最终输出，其中，point(modify)＝point(t+1)+r。

25、进一步的技术方案是，所述预设阈值的设定包括但不限于以下因素：

26、ⅰ.心脏运动的生理参数，心室率200次/分钟以下；

27、ⅱ.超声心动图的成像特性，超声心动图的帧频率在20-100帧/秒；

28、ⅲ.在连续两帧时相图像中，关键点位置的移动距离小于1cm。

29、为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述任意一项所述方法的步骤。

30、为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述任意一项所述方法的步骤。

31、为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机程序产品，包括计算机程序/指令，其该计算机程序/指令被处理器执行时实现上述任意一项所述方法的步骤。

32、本发明所设计的心脏超声图像关键点约束校准方法、装置/设备/系统、可读存储介质及程序产品，显著提升了心脏超声图像分析的准确性和可靠性，该方法不仅能够准确预测关键点位置，减少遮挡和噪声干扰带来的追踪误差，还通过自动化校准机制确保了关键点追踪的连续性和平滑性。同时，考虑心脏运动的生理特性，使得修正后的关键点位置更加符合心脏的正常收缩舒张过程，提高了诊断结果的生理合理性，降低了对人工操作的依赖，增强了诊断的客观性和一致性，为心血管疾病的诊断和治疗提供了强有力的支持。

技术特征：

1.一种心脏超声图像关键点约束校准方法，其特征在于，包括：

2.根据权利要求1所述的心脏超声图像关键点约束校准方法，其特征在于，所述神经网络关键点模型的训练过程包括以下步骤：

3.根据权利要求2所述的心脏超声图像关键点约束校准方法，其特征在于，所述关键点正弦运动模型的构建过程包括以下步骤：

4.根据权利要求1所述的心脏超声图像关键点约束校准方法，其特征在于，所述启动误差约束修正模块，具体步骤包括：

5.根据权利要求4所述的心脏超声图像关键点约束校准方法，其特征在于，所述预设阈值的设定包括但不限于以下因素：

6.一种计算机装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-5中任意一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。

8.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。

技术总结本发明涉及一种心脏超声图像关键点约束校准方法、装置/设备/系统、可读存储介质及程序产品，该方法不仅能够准确预测关键点位置，减少遮挡和噪声干扰带来的追踪误差，还通过自动化校准机制确保了关键点追踪的连续性和平滑性。同时，考虑心脏运动的生理特性，使得修正后的关键点位置更加符合心脏的正常收缩舒张过程，提高了诊断结果的生理合理性，降低了对人工操作的依赖，增强了诊断的客观性和一致性，为心血管疾病的诊断和治疗提供了强有力的支持。技术研发人员：陈峰,李江华,蔡华满,何灵勇,林垒,梅金宝,唐武斌受保护的技术使用者：宁波市科技园区明天医网科技有限公司技术研发日：技术公布日：2024/6/13