一种基于机器学习的心脏CT图像几何校准方法及系统

专利主权项内容

1.一种基于机器学习的心脏CT图像几何校准方法，其特征在于，包括以下步骤：在心脏体外动态模拟实验平台上获取不同扫描参数和心率下的心脏CT动态扫描图像，并将其作为待校准图像数据库；获取与心脏CT动态扫描图像期相一致的CT机静态扫描获得的心脏CT图像或高速摄影仪对心脏模型进行多方位拍摄的二维图像，将其作为标准图像数据库；当CT机静态扫描获得的心脏CT图像作为标准图像数据库时，通过待校准图像数据库训练第一基于机器学习的心脏CT图像几何校准模型；并将待校准心脏原始CT图像输入第一基于机器学习的心脏CT图像几何校准模型中，获得校准后的心脏CT图像；其中，所述第一基于机器学习的心脏CT图像几何校准模型包括：相互连接的多模态自编码器与解码器；当高速摄影仪对心脏模型进行多方位拍摄的二维图像作为标准图像数据库时，通过待校准图像数据库训练第二基于机器学习的心脏CT图像几何校准模型；并将待校准心脏动态扫描CT图像输入第二基于机器学习的心脏CT图像几何校准模型后输出三维校正向量场，将三维校正向量场叠加在待校准心脏CT动态扫描图像后获得校准后的心脏CT图像；其中，所述第二基于机器学习的心脏CT图像几何校准模型的构建包括：根据待校准图像数据库自动重建待校正的心脏三维几何模型，并根据标准图像数据库自动重建标准的心脏三维几何模型，构建出基于深度学习的三维自动重建模型；对待校准的心脏三维几何模型和标准的心脏三维几何模型进行空间配准，构建出基于深度学习的几何配准模型；将待校准的心脏三维几何模型和配准后的标准的心脏三维几何模型输入多模态自编码器与解码器构成的无监督机器学习模型中，获得三维校正向量场，构建出基于机器学习的三维校正模型。