基于AI模型的儿童心脏功能评估方法、系统和存储介质与流程

本技术涉及数据处理和数据传输领域，更具体的，涉及基于ai模型的儿童心脏功能评估方法、系统和存储介质。

背景技术：

1、儿童心脏功能评估是儿童心脏疾病诊断和治疗中的重要环节。目前，许多婴幼儿和儿童患有先天性心脏病，其心脏结构或接受手术治疗导致右心室长期承受压力和/或容积过载。随着越来越多的儿童存活到成年，右心室功能不全成为导致疾病发病率和死亡率增加的常见因素。儿童心脏功能评估涉及到对心脏各部分的定量和定性分析，以便及早发现和干预可能的异常情况。然而，现有的心脏功能评估技术往往针对的是成人，且聚焦于左心室功能的评估，右心室心室薄壁且形态复杂，右心室功能不良往往导致左心室功能异常。对于右心室的功能评估相对于左心室更为困难。

2、因此，针对儿童心脏功能评估中存在的问题，本发明提供了一种创新的基于人工智能模型的方法。与现有技术相比，本发明结合了深度学习算法和临床数据，能够更准确地评估儿童心脏功能，还通过自动化分析减少了对人工分析的依赖，实现了更有效和迅速的心脏功能评估。

技术实现思路

1、鉴于上述问题，本发明的目的是提供基于ai模型的儿童心脏功能评估方法、系统和存储介质，能够更有效更快速的对儿童心脏功能进行评估。

2、本发明第一方面提供了一种基于ai模型的儿童心脏功能评估方法，包括：

3、获取心脏超声视频数据；

4、对所述心脏超声视频数据进行预处理，得到预处理视频数据；

5、将所述预处理视频数据输入预设儿童心脏功能评估网络模型进行分析，对所述预处理视频数据进行图像分割，并根据分割后的图像数据进行计算得到右心室面积变化比例；

6、对右心室功能状态进行预测，得到右心室功能异常的概率值，结合所述右心室面积变化比例进行分析，得到右心室功能检测数据；

7、根据所述右心室功能检测数据进行分析，生成儿童心脏功能评估报告；

8、将所述儿童心脏功能评估报告发送至预设终端以进行显示。

9、本方案中，还包括：

10、获取历史儿童心脏超声视频数据和相关的临床数据；

11、对所述历史儿童心脏超声视频数据进行预处理，得到样本数据；

12、根据所述样本数据和所述相关的临床数据进行分析，建立预设儿童心脏功能评估网络模型。

13、本方案中，还包括：

14、根据所述心脏超声视频数据进行分析，判断所述心脏超声视频数据是否为预设格式；

15、若否，则对所述心脏超声视频数据进行格式转换，将所述心脏超声视频数据的数据格式转换为预设格式；反之，则不做任何处理。

16、本方案中，所述对所述心脏超声视频数据进行预处理，得到预处理视频数据，包括：

17、对所述心脏超声视频数据进行去噪处理；

18、对去噪后的心脏超声视频数据进行标准化处理，得到预处理视频数据；

19、判断所述预处理视频数据的视频帧数是否满足预设要求；

20、若否，则对所述预处理视频数据插入空白帧；

21、若是，则不做任何处理。

22、本方案中，所述对所述预处理视频数据进行图像分割，并根据分割后的图像数据进行计算得到右心室面积变化比例，包括：

23、通过嵌套u结构网络对所述预处理视频数据进行特征提取，得到第一特征数据；

24、根据所述第一特征数据对所述预处理视频数据中每一帧图像的右心室区域进行分割，得到右心室图像数据；

25、根据所述右心室图像数据进行分析，得到右心室面积变化曲线；

26、根据所述右心室面积变化曲线提取收缩帧和舒张帧的图像数据；

27、根据所述收缩帧和舒张帧的图像数据进行计算，得到右心室面积变化比例。

28、本方案中，所述对右心室功能状态进行预测，得到右心室功能异常的概率值，结合所述右心室面积变化比例进行分析，得到右心室功能检测数据，包括：

29、通过通道分离网络对所述预处理视频数据进行特征提取，得到第二特征数据；

30、将所述第二特征数据与数据库内异常样本数据的特征数据进行对比，得到右心室功能异常的概率值；

31、判断所述右心室功能异常的概率值是否大于预设阈值；

32、若是，则右心室功能异常；若否，则右心室功能正常；

33、根据功能异常的右心室图像数据和所述右心室面积变化比例进行分析，得到异常类型数据；

34、所述异常类型数据包括肺动脉高压和法洛四联症。

35、本方案中，所述根据所述右心室功能检测数据进行分析，生成儿童心脏功能评估报告，包括：

36、根据所述右心室功能检测数据进行分析，结合临床数据生成定量化的检测结果；

37、在数据库中筛选相同检测结果的样本数据，根据所述样本数据的治疗方案生成诊断建议；

38、将所述定量化的检测结果和所述诊断建议进行整合生成儿童心脏功能评估报告。

39、本发明第二方面提供了一种基于ai模型的儿童心脏功能评估系统，包括：

40、获取模块，用于获取心脏超声视频数据；

41、预处理模块，用于对所述心脏超声视频数据进行预处理，得到预处理视频数据；

42、数据分析模块，用于将所述预处理视频数据输入预设儿童心脏功能评估网络模型进行分析，对所述预处理视频数据进行图像分割，并根据分割后的图像数据进行计算得到右心室面积变化比例；对右心室功能状态进行预测，得到右心室功能异常的概率值，结合所述右心室面积变化比例进行分析，得到右心室功能检测数据；根据所述右心室功能检测数据进行分析，生成儿童心脏功能评估报告；

43、数据输出模块，用于将所述儿童心脏功能评估报告发送至预设终端以进行显示。

44、本方案中，还包括：

45、获取历史儿童心脏超声视频数据和相关的临床数据；

46、对所述历史儿童心脏超声视频数据进行预处理，得到样本数据；

47、根据所述样本数据和所述相关的临床数据进行分析，建立预设儿童心脏功能评估网络模型。

48、本方案中，还包括：

49、根据所述心脏超声视频数据进行分析，判断所述心脏超声视频数据是否为预设格式；

50、若否，则对所述心脏超声视频数据进行格式转换，将所述心脏超声视频数据的数据格式转换为预设格式；反之，则不做任何处理。

51、本方案中，所述对所述心脏超声视频数据进行预处理，得到预处理视频数据，包括：

52、对所述心脏超声视频数据进行去噪处理；

53、对去噪后的心脏超声视频数据进行标准化处理，得到预处理视频数据；

54、判断所述预处理视频数据的视频帧数是否满足预设要求；

55、若否，则对所述预处理视频数据插入空白帧；

56、若是，则不做任何处理。

57、本方案中，所述对所述预处理视频数据进行图像分割，并根据分割后的图像数据进行计算得到右心室面积变化比例，包括：

58、通过嵌套u结构网络对所述预处理视频数据进行特征提取，得到第一特征数据；

59、根据所述第一特征数据对所述预处理视频数据中每一帧图像的右心室区域进行分割，得到右心室图像数据；

60、根据所述右心室图像数据进行分析，得到右心室面积变化曲线；

61、根据所述右心室面积变化曲线提取收缩帧和舒张帧的图像数据；

62、根据所述收缩帧和舒张帧的图像数据进行计算，得到右心室面积变化比例。

63、本方案中，所述对右心室功能状态进行预测，得到右心室功能异常的概率值，结合所述右心室面积变化比例进行分析，得到右心室功能检测数据，包括：

64、通过通道分离网络对所述预处理视频数据进行特征提取，得到第二特征数据；

65、将所述第二特征数据与数据库内异常样本数据的特征数据进行对比，得到右心室功能异常的概率值；

66、判断所述右心室功能异常的概率值是否大于预设阈值；

67、若是，则右心室功能异常；若否，则右心室功能正常；

68、根据功能异常的右心室图像数据和所述右心室面积变化比例进行分析，得到异常类型数据；

69、所述异常类型数据包括肺动脉高压和法洛四联症。

70、本方案中，所述根据所述右心室功能检测数据进行分析，生成儿童心脏功能评估报告，包括：

71、根据所述右心室功能检测数据进行分析，结合临床数据生成定量化的检测结果；

72、在数据库中筛选相同检测结果的样本数据，根据所述样本数据的治疗方案生成诊断建议；

73、将所述定量化的检测结果和所述诊断建议进行整合生成儿童心脏功能评估报告。

74、本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于ai模型的儿童心脏功能评估方法程序，所述一种基于ai模型的儿童心脏功能评估方法程序被处理器执行时，实现如上述任一项所述的一种基于ai模型的儿童心脏功能评估方法的步骤。

75、本发明公开了基于ai模型的儿童心脏功能评估方法、系统和存储介质，本发明通过使用基于深度学习的图像分割和视频分类模型，使用儿童心脏超声视频作为输入，实现了对儿童心脏结构和功能的自动化分析和评估，实现对儿童心脏超声视频数据的快速、准确的诊断和分类，为儿童心脏病的早期筛查和治疗提供了有力支持。