【技術實現步驟摘要】
本申請涉及人工智能和三維重建，特別是涉及一種基于模板的心臟結構重建神經網絡訓練、心臟結構重建方法及產品。
技術介紹
1、超聲心動圖是心臟檢查中最常用的成像手段之一。在超聲心動圖上獲取心臟結構的三維模型能夠幫助醫生更加準確地量化分析患者心臟功能，例如測量心室容積，射血分數等。然而超聲影像噪聲多，采樣稀疏，直接從超聲心動圖上獲取心臟結構的三維模型較為困難。
2、在超聲心動圖上標注解剖學結構位置，并根據這些位置坐標轉換到三維坐標系中的點云來進行重建是一種有效的方法。目前針對超聲心動圖的心臟結構重建方法主要是基于知識的重建算法(knowledge?based?reconstruction,kbr),該方法利用分段平滑表面細分算法(piece-wise?smooth?subdivision?surface,psss)使一個模板mesh擬合3d點云。然而該方法需要對模板mesh每條邊的特征進行標注，這不僅需要專業的知識，而且費時費力。另一方面，kbr算法在每一次重建過程中都需要多輪迭代優化，耗時較長。
3、隨著深度學習技術的發展，神經網絡等技術也被用到基于點云的表面重建上。現有的方法利用隱函數擬合+mesh(三維網格)提取的方法對點云進行表面重建。這些方法首先利用神經網絡擬合物體在三維空間中的隱函數(例如sighed/unsined?distancefunction，occupancy?function),然后在隱函數的基礎上使用marching?cube等算法提取出mesh。然而這些方法不能直接得到目標物體的三維模
技術實現思路
1、本申請的目的是提供一種心臟結構重建神經網絡訓練、心臟結構重建方法及產品，可直接得到目標心臟結構的三維模型，且不需要在每一次重建過程中都進行多輪迭代優化。
2、為實現上述目的，本申請提供了如下方案：
3、第一方面，本申請提供了一種心臟結構重建神經網絡訓練方法，所述心臟結構重建神經網絡訓練方法包括：
4、獲取心臟結構三維模板和心臟結構的三維點云數據；所述心臟結構三維模板為三角網格結構；
5、將所述心臟結構三維模板與所述三維點云數據進行空間配準，得到配準數據；
6、以所述配準數據為輸入，目標心臟結構三維模型為輸出，訓練心臟結構重建神經網絡，得到心臟結構重建神經模型；所述心臟結構重建神經網絡包括點云編碼器、三角網格結構編碼器、特征融合模塊以及三角網格變形模塊。
7、可選地，所述點云編碼器用于提取輸入的配準數據中的三維點云數據的特征，得到點云特征；
8、所述三角網格結構編碼器用于提取輸入的配準數據中的心臟結構三維模板的特征，得到模板特征；
9、所述特征融合模塊用于將所述點云特征融合到所述模板特征中，得到融合特征；
10、所述三角網格變形模塊用于：
11、根據所述融合特征預測所述心臟結構三維模板中各頂點的偏移量；
12、根據所述偏移量對所述心臟結構三維模板的各頂點進行移動，得到目標心臟結構三維模型。
13、可選地，所述點云編碼器包括通道維度的多層感知機；
14、所述三角網格結構編碼器包括圖卷積網絡；
15、所述三角網格變形模塊包括圖卷積網絡。
16、可選地，所述心臟結構重建神經模型的損失函數包括：均方誤差損失、點云中的點到三角網格距離誤差以及體積誤差。
17、可選地，所述獲取心臟結構三維模板和心臟結構的三維點云數據，具體包括：
18、獲取心臟結構三維模板；所述心臟結構三維模板為三角網格結構；所述三角網格結構包括：頂點矩陣、邊矩陣和面矩陣；
19、獲取超聲心動圖數據和對應的三維空間信息；
20、根據所述三維空間信息將所述超聲心動圖數據轉換為三維點云數據。
21、可選地，在所述獲取心臟結構三維模板和心臟結構的三維點云數據之后，還包括：
22、將所述心臟結構三維模板和所述三維點云數據進行歸一化，并記錄平移距離和縮放比例。
23、在第二方面，本申請提供了一種心臟結構重建方法，所述心臟結構重建方法包括：
24、獲取待重建心臟結構的三維點云數據；
25、將所述待重建心臟結構的三維點云數據輸入心臟結構重建神經模型，得到心臟結構重建模型；所述心臟結構重建神經模型為利用上述任一項所述的心臟結構重建神經網絡訓練方法訓練得到的。
26、在第三方面，本申請提供了一種計算機設備，包括：存儲器、處理器以存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序以實現上述任一項所述的心臟結構重建神經網絡訓練方法或心臟結構重建方法。
27、在第四方面，本申請提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現上述任一項所述的心臟結構重建神經網絡訓練方法或心臟結構重建方法。
28、在第五方面，本申請提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現上述任一項所述的心臟結構重建神經網絡訓練方法或心臟結構重建方法。
29、根據本申請提供的具體實施例，本申請公開了以下技術效果：
30、本申請提供了一種心臟結構重建神經網絡訓練、心臟結構重建方法及產品，首先，獲取心臟結構三維模板和心臟結構的三維點云數據；然后將心臟結構三維模板與三維點云數據進行空間配準，得到配準數據；再以配準數據為輸入，目標心臟結構三維模型為輸出，訓練心臟結構重建神經網絡，得到心臟結構重建神經模型，從而使用深度學習技術，在訓練好模型之后，每次只需要一次推理即可得到目標心臟結構三維模型，解決了現有kbr的方法在每一次建模中都需要多輪迭代，耗時較長的問題，而且現有技術中，基于隱函數的方法不是直接得到三維模型，而是需要經過一個提取的過程，增加了誤差，而本申請使用神經網絡直接得到目標心臟結構三維模型，不需要提取過程。
本文檔來自技高網...【技術保護點】
1.一種心臟結構重建神經網絡訓練方法，其特征在于，所述心臟結構重建神經網絡訓練方法包括：
2.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，
3.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，
4.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，所述心臟結構重建神經模型的損失函數包括：均方誤差損失、點云中的點到三角網格距離誤差以及體積誤差。
5.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，所述獲取心臟結構三維模板和心臟結構的三維點云數據，具體包括：
6.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，
7.一種心臟結構重建方法，其特征在于，所述心臟結構重建方法包括：
8.一種計算機設備，包括：存儲器、處理器以存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-6中任一項所述的心臟結構重建神經網絡訓練方法或權利要求7所述的心臟結構重建方法。
9.一種計算機可讀
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-6中任一項所述的心臟結構重建神經網絡訓練方法或權利要求7所述的心臟結構重建方法。
...【技術特征摘要】
1.一種心臟結構重建神經網絡訓練方法，其特征在于，所述心臟結構重建神經網絡訓練方法包括：
2.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，
3.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，
4.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，所述心臟結構重建神經模型的損失函數包括：均方誤差損失、點云中的點到三角網格距離誤差以及體積誤差。
5.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，所述獲取心臟結構三維模板和心臟結構的三維點云數據，具體包括：
6.根據權利要求1所述的心臟結構重建神經網絡訓練方法，其特征在于，
7.一種心臟結構重...
【專利技術屬性】
技術研發人員：石軍，王朝暉，朱子琦，趙敏帆，陳俊仕，安虹，
申請(專利權)人：中國科學技術大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。