申请/专利权人：复旦大学

申请日：2022-03-17

公开（公告）日：2024-06-25

公开（公告）号：CN114767163B

主分类号：A61B8/06

分类号：A61B8/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明公开了一种基于超声心动图的儿童先天性心脏病智能诊断系统。该系统包括用于自动预测患者是否有心脏缺损的超声心动视频关键帧选取模块，用于提供患者心脏缺损准确位置的先天性心脏缺陷定位检测模块，前者是基于ResNet设计的分类网络；后者是基于Faster‑RCNN设计的检测网络；以超声心动图的灰色和彩色超声图同时作为系统的输入；本发明还包括有5025名儿童的大规模超声心动图集，建立的基于超声心动图的深度学习模型，可以同时诊断常见的先天性心脏缺陷。实验结果表明，当输入单个超声心动图的标准切面时，在外部独立验证集上对三种常见先天性心脏病的诊断达到100%的敏感性和特异性。

主权项：1.一种基于超声心动图的儿童先天性心脏病智能诊断系统，其特征在于，具体包括：超声心动视频关键帧选取模块，先天性心脏缺陷定位检测模块，以超声心动图的两种模态—灰色和彩色超声图同时作为系统的输入；其中：1所述超声心动视频关键帧选取模块，用于自动预测患者是否有心脏缺损，并给出相应的置信值；该选取模块是基于ResNet设计的分类网络模型；该分类网络模型有34层，由三个部分组成：第一部分是输入头，由7*7卷积层、BN层、Relu层和池化层组成；经过输入头之后，将六个通道的输入数据转换为64个通道的特征图；第二部分由四个结构相似的残差块组成；所述残差块内部是一系列卷积、BN、Relu级联，在两个卷积层之间添加有一个跳跃链接，这使得在训练期间更容易将梯度传递回早期层，并加速了模型的收敛；第三部分是分类头，由全局平均池化、全连接层和Softmax功能组成；其中：全局平均池化是计算特征图每个通道内所有像素的平均值，由以下等式给出： 其中，w和h是特征图的宽度和高度，fx，y表示特征图上x，y处的值；全连接层将特征图的通道数转换为分类的类别数；Softmax函数用以下等式映射到[0,1]之间的神经元输出： 其中，xi表示全连接层中的第i个神经元的输出值，Si表示SoftMax函数之后xi的映射值，这可以看作模型认为患者属于第i类的概率值；2所述先天性心脏缺陷定位检测模块，用于提供患者心脏缺损的准确位置；该先天性心脏缺陷定位检测模块是基于Faster-RCNN设计的检测网络模型；检测网络模型由三部分组成：特征提取网络、候选框生成网络和输出头部分；其中：所述特征提取网络，采用预先训练好的VGG或Resnet模型，用于生成高级特征；所述候选框生成网络，用于生成一系列矩形候选框，每个候选框都有一个置信度分数，表示框中存在心脏缺损的概率；对一系列矩形候选框通过非最大值抑制算法进一步筛选，最后，剩下的候选框和特征提取网络生成的高级特征被发送到输出头进行最终输出；所述输出头，包括两个平行的分支：第一个分支使用全连接层和Softmax函数来预测候选框中的缺陷类型，另一个分支输出检测框的位置。

全文数据：

权利要求：

百度查询： 复旦大学 基于超声心动图的儿童先天性心脏病智能诊断系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD