CN119418135A 基于心血管图像的智能预警方法、装置、设备及介质 （浙江大学）

本发明公开了基于心血管图像的智能预警光流计算、ROI动态跟踪及运动分解得到当前运法，能够结合心血管图像所提取的结构维度特度数据再输入至分类模型得到可靠性更高的分2基于预设的图像预处理策略对所述心血管图像集中基于预设的图像分割模型对所述预处理心血管图像集进行预设目标对象的分离及结基于预设的质心光流计算模型及ROI动态跟踪模型对所述目标对象分离结果集进行光通过对所述当前动态跟踪分析结果进行运动分解，得到对应的当前运动曲线输出结获取与服务器通讯连接的智能穿戴设备所上传、且与所述待评估用户信将所述结构维度特征、所述当前运动曲线输出结果及所述用户体将所述心血管图像集中各心血管图像基于图像采集时间的升序顺序进行将所述排序后心血管图像集中每一帧心血管图像进行图像裁剪、针对所述预处理心血管图像集中每一帧预处理心血管图像，基于应的改进型智能剪刀模型对所述预处理心血管图像进行预设目标对象的目标对象分离结若确定所述预设目标对象为心脏腔室，则获取心室射血射血分数评估模型对每一帧预处理心血管图像的目标对象分离结果确定对应的第一维度若确定所述预设目标对象为血管，则获取血管狭窄率评估评估模型对每一帧预处理心血管图像的目标对象分离结果确定对应的第二维度结构子特3图像分割模型对应的改进型智能剪刀模型对所述预处理心血管图像进行预设目标对象的基于所述改进型智能剪刀模型及所述预处理心血管图像中各像素点对应的像素点综的质心光流计算模型及ROI动态跟踪模型对所述目标对象分离结果集进行光流计算及ROI基于所述质心光流计算模型及所述目标对象分离结果集对应的图像帧时序排列顺序，确定与所述目标对象分离结果集中排列首位的目标对象分离结对所述目标光流场的感兴趣区域中各像素光流进行ROI动态跟踪，得到与所述目标光获取所述当前动态跟踪分析结果中感兴趣区域对应确定与感兴趣区域对应的所述当前运动曲线输将所述综合输入特征数据中的所述结构维度特征及所述用户体征数据组成第一维度将所述当前运动曲线输出结果输入至所述分类模型中的第二维度分述第二维度分类子模型从预设运动曲线输出结果集中确定与所述当前运动曲线输出结果标维度分类输出结果作为第二维度分类输出基于预先构建的第一知识图谱确定与所述第一维度分类输出结果对应的第一维度风将所述第一维度风险预警信息及所述第二维度风险预警信息自动填充至预警信息提心血管图像集获取单元，用于响应于心血管图像识别指令，获4结构特征提取单元，用于基于预设的图像分割模型动态跟踪分析单元，用于基于预设的质心光流计算模型及ROI动态跟踪模型对所述目运动曲线输出单元，用于通过对所述当前动态跟踪分析结果进行运智能预警信息生成单元，用于将所述结构维度特征、述用户体征数据组成综合输入特征数据，并输入至预先训练的分类模型得到分类输出结9.一种计算机设备，所述计算机设备包括存储器实现如权利要求1_7中任一项所述的基于心血管序，当所述计算机程序被处理器执行时实现如权利要求1_7任一项所述的基于心血管图像5结构特征，并未同时考虑集合图像的其他多维度特征或其他来源用户特征综合进行分析，基于预设的图像预处理策略对所述心血管图像集中各心血管图像进行图像预处基于预设的图像分割模型对所述预处理心血管图像集进行预设目标对象的分离基于预设的质心光流计算模型及ROI动态跟踪模型对所述目标对象分离结果集进6动态跟踪分析单元，用于基于预设的质心光流计算模型及ROI动态跟踪模型对所设备执行所述计算机程序时实现如上述第一方面所述的基于心血管图像的智分离结果集以及结构维度特征；基于预设的质心光流计算模型及ROI动态跟踪模型对目标型得到分类输出结果，并基于分类输出结果生成智能预警提示信息发送至智能穿戴设备。动曲线输出结果及智能穿戴设备采集上传的用户体征数据组成多维度数据综合后再输入7管图像的智能预警方法的应用场景示意图；图2为本发明实施例提供的基于心血管图像的8并以用户识别唯一编号和目标时间段作为检索条件在服务器的超声心动图像库中获取到的，故先可以将所述心血管图像集中各心血管图像基于图像采集时间的升序顺序进行排度归一化处理（即将降噪后心血管图像中每一像素的灰度值调整至0~1的范围内得到与基于图像分割模型对所述预处理心血管图像集中每一帧预处理心血管图像进行预设目标9分割模型对应的改进型智能剪刀模型对所述预处理心血管图像进行预设目标对象的目标图像对应的目标对象分离结果组成所述目标对象分离结所述心室射血分数评估模型对每一帧预处理心血管图像的目标对象分离结果确定对应的管狭窄率评估模型对每一帧预处理心血管图像的目标对象分离结果确定对应的第二维度[0028]在确定了所述预处理心血管图像集中每一帧预处理心血管图像对应的目标对象对应的目标对象分离结果结合心室射血分数评估模型来确定每一目标对象分离结果对应L表示目标对象分离结果对应的第一维度结构子特征（也可以理解为目标[0029]在确定了所述预处理心血管图像集中每一帧预处理心血管图像对应的目标对象的目标对象分离结果结合血管狭窄率评估模型来确定每一目标对象分离结果对应的第二D2）标对象分离结果对应的血管狭窄率D正常管径表示目标对象分离结果对应的血管正常管径表示目标对象分离结果对应的血管狭窄管径（一般从目标对象分离结果对应血管区域中具有最小管径的位置获取到血管狭窄管径因每一帧预处理心血管图像中每一像素对应的实际长度是已知的，故可以基于目标对象分离结果来确定血管区域中各处的血管管径，从而确定目标对象分离结果对应的血管正常管径及血管狭窄管径。参照上述过程，在确定了每一帧预处理心血管图像的目标对象分离结果分别对应的第二维度结构子特征，可以基于第二综合评估策略对应的求平均值运算（其与第一综合评估策略对应的求平均值运算相同）对各第二维度结构子特征进行求平均值，所得到的第二平均值结果作为第二维度结构式，不仅可以快速获取目标对象的准确外轮廓，还可以基于目标对象分离结果在预处理心血管图像中对的图像区域提取到准确的结构维度特征。S1312、基于所述改进型智能剪刀模型及所述预处理心血管图像中各像素点对应接边权重设定模型如卷积神经网络得到两个像素点之间的连接边权重值得到的外轮廓[0033]S140、基于预设的质心光流计算模型及ROI动态跟踪模型对所述目标对象分离结中的多个目标对象分离结果进行光流计算及ROI动态跟踪，从而得到当前动态跟踪分析结述目标光流场的感兴趣区域对应的所述当前动态跟踪分[0036]在本实施例中，在基于质心光流计算模型及ROI动态跟踪模型（ROI的全称是位的目标对象分离结果中该质心像素点及相邻像素点在后续多帧预处理心血管图像所对基于该质心像素点的各相邻像素点的位移的加权求和结果来确定该质心像素点的目标光[0037]在获取了与所述目标对象分离结果集中排列首位的目标对象分离结果中每一像即计算获取到感兴趣区域中各像素点对应的目标光流场的平均矢量并作为所述当前动态果对应的平均矢量与该平面直角坐标系所在平面的夹角所述当前动态跟踪分析结果进行位移等并根据分解得到的分运动参数（如上述示例中沿平面直角坐标系中X轴方向的分获取所述当前动态跟踪分析结果中感兴趣区域在预设运动方向上的正交分解结前动态跟踪分析结果沿平面直角坐标系中X轴正方向的分位移，或确定了当前动态跟踪分输出结果生成智能预警提示信息发送至所述智对应的目标维度分类输出结果作为第二维度分类输[0048]将所述当前运动曲线输出结果输入至所述分类模型中的第二维度分类子模型进平方根即可且上述两个运动曲线之间的欧几里得距离越小则具有越大的相似度。风险预警信息基于第一知识图谱可以确定所述第一维度分类输出结果对应的第一维度估用户在目标时间段内的智能预警提示信息可以及时被待评估用户的设备分析结果对应的运动曲线输出结果及智能穿戴设备采集上传的用户体征数据组成多维度图像预处理单元120、结构特征提取单元130、动态跟踪分析单元140、运动曲线输出单元并以用户识别唯一编号和目标时间段作为检索条件在服务器的超声心动图像库中获取到[0056]图像预处理单元120，用于基于预设的图像预处理策略对所述心血管图像集中各的，故先可以将所述心血管图像集中各心血管图像基于图像采集时间的升序顺序进行排度归一化处理（即将降噪后心血管图像中每一像素的灰度值调整至0~1的范围内得到与[0061]结构特征提取单元130，用于基于预设的图像分割模型对所述预处理心血管图像集进行预设目标对象的分离及结构特征提取，得到目标对象分离结果集以及结构维度特基于图像分割模型对所述预处理心血管图像集中每一帧预处理心血管图像进行预设目标型对应的改进型智能剪刀模型对所述预处理心血管图像进行预设目标对象的目标对象分应的目标对象分离结果组成所述目标对象分离结心室射血分数评估模型对每一帧预处理心血管图像的目标对象分离结果确定对应的第一窄率评估模型对每一帧预处理心血管图像的目标对象分离结果确定对应的第二维度结构子特征，并根据各第二维度结构子特征及预设的第二综合评估策略得到第二维度结构特[0065]在确定了所述预处理心血管图像集中每一帧预处理心血管图像对应的目标对象对应的目标对象分离结果结合心室射血分数评估模型来确定每一目标对象分离结果对应[0066]在确定了所述预处理心血管图像集中每一帧预处理心血管图像对应的目标对象的目标对象分离结果结合血管狭窄率评估模型来确定每一目标对象分离结果对应的第二基于所述改进型智能剪刀模型及所述预处理心血管图像中各像素点对应的像素边权重设定模型如卷积神经网络得到两个像素点之间的连接边权重值得到的外轮廓提中的多个目标对象分离结果进行光流计算及ROI动态跟踪，从而得到当前动态跟踪分析结基于所述质心光流计算模型及所述目标对象分离结果集对应的图像帧时序排列顺序，确定与所述目标对象分离结果集中排列首位的目标对象分离结果对应的目标光流对所述目标光流场的感兴趣区域中各像素光流进行ROI动态跟踪，得到与所述目标光流场的感兴趣区域对应的所述当前动态跟踪分析[0072]在本实施例中，在基于质心光流计算模型及ROI动态跟踪模型（ROI的全称是位的目标对象分离结果中该质心像素点及相邻像素点在后续多帧预处理心血管图像所对基于该质心像素点的各相邻像素点的位移的加权求和结果来确定该质心像素点的目标光[0073]在获取了与所述目标对象分离结果集中排列首位的目标对象分离结果中每一像即计算获取到感兴趣区域中各像素点对应的目标光流场的平均矢量并作为所述当前动态果对应的平均矢量与该平面直角坐标系所在平面的夹角所述当前动态跟踪分析结果进行位移等并根据分解得到的分运动参数（如上述示例中沿平面直角坐标系中X轴方向的分获取所述当前动态跟踪分析结果中感兴趣区域在预设运动方向上的正交分解结前动态跟踪分析结果沿平面直角坐标系中X轴正方向的分位移，或确定了当前动态跟踪分将所述综合输入特征数据中的所述结构维度特征及所述用户体征数据组成第一于所述第二维度分类子模型从预设运动曲线输出结果集中确定与所述当前运动曲线输出基于预先构建的第一知识图谱确定与所述第一维度分类输出结果对应的第一维将所述第一维度风险预警信息及所述第二维度风险预警信息自动填充至预警信[0084]将所述当前运动曲线输出结果输入至所述分类模型中的第二维度分类子模型进平方根即可且两个运动曲线之间的欧几里得距离越小则具有越大的相似度。风险预警信息基于第一知识图谱可以确定所述第一维度分类输出结果对应的第一维度估用户在目标时间段内的智能预警提示信息可以及时被待评估用户的设备分析结果对应的运动曲线输出结果及智能穿戴设备采集上传的用户体征数据组成多维度设备集成了本发明实施例所提供的任一种基于心血管图像的智[0090]该存储介质403可存储操作系统4031和计算机程序4032。该计算机程序4032包括序4032被处理器402执行时，可使得处理器402执行上述的基于心血管图像的智能预警方于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，[0095]应当理解，在本发明实施例中，处理器402可以是中央处理单元（Central[0096]本领域