基于经食管超声心动图的左心室射血分数计算方法与装置

本发明涉及图像处理，具体而言，涉及一种基于经食管超声心动图的左心室射血分数计算方法与装置。

背景技术：

1、超声心动图发展过程中先后有众多的指标用于评估左室收缩功能。左心室（以下简称左室）射血分数，指每个心动周期从左室泵出的血液占左室舒张末期容积的比例，是目前临床工作中最常用且最重要的评估左室收缩功能的指标。左室射血分数是通过计算左室舒张末期容积和收缩末期容积差值的绝对值相比舒张末期容积的百分比得出。计算公式为：左室射血分数（%）=[（舒张末期容积-收缩末期容积）/舒张末期容积]×100%。

2、超声心动图左室射血分数的自动计算具有重要意义，它能克服手工计算中存在的诸多不足，如经验依赖性、操作者差异性及耗费时间等。超声心动图主要分为经胸超声心动图和经食管超声心动图两大类。目前经胸超声心动图左室射血分数的自动计算方法较为普遍，但经食管超声心动图左室射血分数的自动计算方法尚不成熟。

3、经胃左室短轴切面是经食管超声心动图测量左室射血分数最常用方法之一，具有非侵入性、适用范围广、测量结果可靠、操作可重复 、可反应实时变化等优势。经胃左室短轴切面超声心动图左室射血分数的计算，首先要测量左室舒张末期容积和收缩末期容积这两个指标。对于经胃左室短轴切面超声心动图，目前惯用方法是采用m型超声结合teichholz公式法来计算。teichholz公式为，其中，v表示左室容积（ml），d表示心室内径（cm）。

4、m型超声（以下简称m超）需要操作人员在二维超声心动图中指定经过超声探头和左室短轴切面中左室直径中点的取样线位置，再手动标记m线上左室舒张末期与收缩末期的左室前壁和下壁心内膜位置，根据teichholz公式得到舒张末期容积与收缩末期容积。m超取样线的选取，舒张末期内径与收缩末期内径的选取等操作均高度依赖于操作人员的主观经验，容易受到超声图像质量以及操作者之间差异性等因素的影响，并且以上操作的可重复性较低，耗费的时间成本较高。

技术实现思路

1、鉴于此，本发明提出了一种基于经食管超声心动图的左心室射血分数计算方法与装置，旨在解决现有左室射血分数的计算结果准确性较低的问题。

2、本发明第一方面提出了一种基于经食管超声心动图的左心室射血分数计算方法，包括：

3、步骤1，获取待计算射血分数的超声心动图的感兴趣区域超声图像，并将该感兴趣区域超声图像输入到预先训练好的图像分割模型中，输出左室预测结果二值图像；

4、步骤2，根据所述左室预测结果二值图像生成左室像素面积变化曲线，并利用所述左室像素面积变化曲线定位舒张末期帧图像和收缩末期帧图像；

5、步骤3，利用所述舒张末期帧图像和收缩末期帧图像确定左室舒张末期内径物理距离和左室收缩末期内径物理距离，并根据所述左室舒张末期内径物理距离和所述左室收缩末期内径物理距离计算出左室舒张末期容积与左室收缩末期容积，进而计算得到左室射血分数。

6、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述步骤1中，获取经胃左室短轴切面超声心动图中的感兴趣区域超声图像，将所述感兴趣区域超声图像和相应的左室二值掩膜图像作为样本数据集，预训练深度神经网络模型，得到图像分割模型。

7、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述步骤1中的图像分割模型的预训练过程包括：

8、获取 m例经胃左室短轴切面超声心动图 e i，其中 i表示第 i例， e i包含 n i帧二维超声图像，共获得 k帧二维原始超声图像 i j；其中， m i 、n i均为正整数；

9、对于各帧所述二维原始超声图像 i j，利用一个具有扇形区域的二值图像 b j与 i j相乘，共得到 k帧感兴趣区域超声图像 j j；

10、对于各帧所述感兴趣区域超声图像 j j，获取 k帧左室二值掩膜图像 l j， l j中，左室区域的像素值是255，除左室区域之外的像素的值为0，将 k帧 j j和 k帧 l j分别缩小为图像和，将 k帧和作为样本数据集，生成图像分割模型。

11、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述二值图像 b j的宽度和高度分别为 w j和 h j，所述扇形区域的像素值为1，除所述扇形区域之外的像素的值为0，所述扇形区域的圆心坐标为( x j, y j)， x j= α j w j，0.1≤ α j≤ 0.9， y j= β j h j，0 ≤ β j≤0.8，所述扇形区域的半径为 r j， r j = γ j h j，0.2 ≤ γ j≤ 0.8，所述扇形区域的角度为 θ j，80°≤ θ j≤130°。

12、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述步骤1包括：

13、对于待计算射血分数的超声心动图 g， g包含 n帧二维超声图像 f，利用一个具有扇形区域的二值图像 b f与 f相乘，共得到 n帧感兴趣区域超声图像 j f；其中，40 ≤ n≤300， f的宽度和高度分别为 w f和 h f；

14、将 j f缩小为，加载所述图像分割模型，将超声心动图的 n帧感兴趣区域超声图像逐帧输入所述图像分割模型，输出 n帧左室预测结果二值图像，并将处理为放大后的左室预测结果二值图像 q，q的宽度和高度分别为 w q和 h q， w q= w f, h q= h f。

15、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述 b f的宽度和高度分别为 w bf和 h bf， w bf= w f， h bf= h f, b f中，所述扇形区域的像素值为1，除所述扇形区域之外的像素值为0，所述扇形区域的圆心坐标为( x f, y f)， x f= α f w bf，0.1≤ α f≤ 0.9， y f= β f h bf，0 ≤ β f≤ 0.8，所述扇形区域的半径为 r f， r f = γ f h bf，0.2 ≤ γ f≤ 0.8，所述扇形区域的角度为 θ f，80°≤ θ f≤ 130°。

16、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述步骤2包括：

17、对于所述左室预测结果二值图像 q，分别计算 q的各帧图像中像素值为255的像素点的数量，得到各帧图像的左室像素面积，绘制左室像素面积随帧数变化的曲线 s，并对所述左室像素面积随帧数变化的曲线 s进行平滑处理得到平滑曲线，将平滑曲线上位置相邻的一个极大值 smax和一个极小值 smin分别作为舒张末期的左室像素面积和左室收缩末期的左室像素面积， smax> smin  >0，极大值 smax对应的横坐标为 u，极小值 smin对应的横坐标为 v， 0<u≤n，0<v≤n， q u和 q v分别为舒张末期帧图像和收缩末期帧图像。

18、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述步骤3包括：

19、分别确定 q u和 q v中左室区域的最小外接圆 c u和 c v，根据 c u的圆心坐标与所述扇形区域的圆心坐标( x f, y f)的连线 l u与 q u的左室区域的边缘的两个交点之间的距离，得到左室舒张末期内径像素距离 ded1；根据 c v的圆心坐标与所述扇形区域的圆心坐标( x f, y f)的连线 l v与 q v的左室区域的边缘的两个交点之间的距离，得到左室收缩末期内径像素距离 des1；

20、提取所述待计算射血分数的超声心动图 g的像素间距 g p，将所述左室舒张末期内径像素距离 d ed1和左室收缩末期内径像素距离 d es1，分别与所述像素间距 g p相乘，得到左室舒张末期内径实际距离 d ed2和左室收缩末期内径实际距离 d es2，根据 d ed2和 d es2分别计算得到左室舒张末期容积与左室收缩末期容积，进而计算得到左室射血分数。

21、进一步地，上述基于经食管超声心动图的左心室射血分数计算方法中，所述左室舒张末期容积、左室收缩末期容积与左室射血分数分别根据下式（1）-（3）确定：

22、                      （1）

23、其中， edv表示左室舒张末期容积， d ed2表示左室舒张末期内径实际距离；

24、                       （2）

25、其中， esv表示左室收缩末期容积， d es2表示左室收缩末期内径实际距离；

26、lvef=[(edv-esv)/edv]×100%          （3）

27、其中，lvef表示左室射血分数。

28、本发明第二方面还提出了一种基于经食管超声心动图的左心室射血分数计算左室预测结果二值图像生成模块，用于获取待计算射血分数的超声心动图的感兴趣区域超声图像，并将该感兴趣区域超声图像输入到预先训练好的图像分割模型中，输出左室预测结果二值图像；

29、舒张末期帧和收缩末期帧图像确定模块，用于根据所述左室预测结果二值图像生成左室像素面积变化曲线，并利用所述左室像素面积变化曲线定位舒张末期帧图像和收缩末期帧图像；

30、左室射血分数确定模块，用于根据所述舒张末期帧图像和收缩末期帧图像确定左室舒张末期内径物理距离和左室收缩末期内径物理距离，并根据所述左室舒张末期内径物理距离和所述左室收缩末期内径物理距离计算出左室舒张末期容积与左室收缩末期容积，进而计算得到左室射血分数。

31、本发明第三方面提供了一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述任一项所述的基于经食管超声心动图的左心室射血分数计算方法。

32、本发明第四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上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于经食管超声心动图的左心室射血分数计算方法。

33、本发明将超声视频图像按照顺序输入到训练好的深度神经网络图像分割模型中，输出左室预测结果二值图像，根据左室预测结果二值图像即可得到每个图像所对应的心室轮廓，根据左室预测结果二值图像定位舒张末期帧图像和收缩末期帧图像后，结合舒张末期帧图像和收缩末期帧图像与左室轮廓模拟m超心内径的计算方法计算出左室舒张末期内径物理距离和所述左室收缩末期内径物理距离后计算出左室舒张末期容积和收缩末期容积，进而计算出左心室射血分数，提高了操作的可重复性，降低了计算复杂度的同时大大提高了计算结果的准确度。