胎儿股骨测量方法、装置、计算机设备及可读存储介质制造方法及图纸

本发明专利技术适用于计算机领域，提供了一种胎儿股骨测量方法、装置、计算机设备以及可读存储介质，其中所述方法包括：接收胎儿股骨图像；根据所述胎儿股骨图像以及预设的基于卷积神经网络建立的股骨图像‑股骨端点概率热图模型确定股骨端点概率热图；根据所述股骨端点概率热图确定胎儿股骨图像中的股骨端点；根据所述股骨端点计算胎儿股骨长度。本发明专利技术实施提供的胎儿股骨测量方法通过建立基于卷积神经网络建立的股骨图像‑股骨端点概率热图模型，使得在直接输入胎儿股骨图像后，直接获取胎儿股骨端点概率热图，从而进一步确定胎儿图像中股骨端点的位置，有效地提高了现有技术中测量胎儿股骨长度的效率以及准确率。

Fetal femur measurement methods, devices, computer equipment and readable storage media

The invention is applicable to the computer field and provides a method, device, computer equipment and readable storage medium for fetal femur measurement. The method includes: receiving the image of fetal femur; determining the probability thermogram of femoral end point according to the image of fetal femur and the preset probability thermogram model of femoral end point based on convolution neural network; and determining the probability thermogram of femoral end point according to the method. The probabilistic thermogram of the femoral endpoint is described to determine the femoral endpoint in the femoral image of the fetus, and the femoral length of the fetus is calculated according to the femoral endpoint. The method of fetal femur measurement provided by the invention can directly obtain the probabilistic thermogram of the femoral end point of the fetus after directly inputting the image of the femur of the fetus, thereby further determining the position of the femoral end point in the image of the fetus and effectively improving the measurement of the femoral length of the fetus in the existing technology by establishing the probability thermogram model of the femoral end point based on the convolution neural network. Efficiency and accuracy.

【技术实现步骤摘要】
胎儿股骨测量方法、装置、计算机设备及可读存储介质
本专利技术涉及计算机领域，特别是涉及一种胎儿股骨测量方法、装置、计算机设备及可读存储介质。
技术介绍
胎儿产前超声检查作为产前检查的首要影像学方式，以其无创性，实时性以及低成本在临床产前诊断中具有重要意义，而其中胎儿生物学参数测量(双顶径、头围、腹围、股骨长)是评估胎儿生长发育状况的重要内容。胎儿股骨长测量作为胎儿生长参数测量的重要一项内容，目前测量手段主要是通过医生手动测量。然而，由于超声图像成像质量较差，产前检查超声医生扫查手法各异，测量结果的精确度高度依赖于临床医生的经验，而且测量耗时较长，工作效率较低。可见，现有技术中，测量胎儿股骨的方法还存在着测量准确率低、效率低的技术问题。
技术实现思路
本专利技术实施例提供一种胎儿股骨测量方法，旨在解决现有技术中测量胎儿股骨的方法存在的测量准确率低、效率低的技术问题。本专利技术实施例提供一种胎儿股骨测量方法，所述方法包括以下步骤：接收胎儿股骨图像；根据所述胎儿股骨图像以及预设的基于卷积神经网络建立的股骨图像-股骨端点概率热图模型确定股骨端点概率热图，所述股骨端点概率热图用于表示所述股骨图像中本文档来自技高网...

【技术保护点】
1.一种胎儿股骨测量方法，其特征在于，所述方法包括以下步骤：接收胎儿股骨图像；根据所述胎儿股骨图像以及预设的基于卷积神经网络建立的股骨图像‑股骨端点概率热图模型确定股骨端点概率热图，所述股骨端点概率热图用于表示所述股骨图像中股骨端点在各位置的概率值，所述基于卷积神经网络建立的股骨图像‑股骨端点概率热图模型通过预先采集的多个胎儿股骨图像样本经过卷积神经网络训练生成；根据所述股骨端点概率热图确定胎儿股骨图像中的股骨端点；根据所述股骨端点计算胎儿股骨长度。

【技术特征摘要】
1.一种胎儿股骨测量方法，其特征在于，所述方法包括以下步骤：接收胎儿股骨图像；根据所述胎儿股骨图像以及预设的基于卷积神经网络建立的股骨图像-股骨端点概率热图模型确定股骨端点概率热图，所述股骨端点概率热图用于表示所述股骨图像中股骨端点在各位置的概率值，所述基于卷积神经网络建立的股骨图像-股骨端点概率热图模型通过预先采集的多个胎儿股骨图像样本经过卷积神经网络训练生成；根据所述股骨端点概率热图确定胎儿股骨图像中的股骨端点；根据所述股骨端点计算胎儿股骨长度。2.根据权利要求1所述的方法，其特征在于，所述生成预设的基于卷积神经网络建立的股骨图像-股骨端点概率热图模型的步骤，具体包括：获取多个胎儿股骨图像样本；获取所述多个胎儿股骨图像样本的目标概率热图；根据所述第一胎儿股骨图像样本以及含有可变参数的卷积神经网络模型确定所述第一胎儿股骨图像样本的第一响应概率热图；计算所述第一响应概率热图以及与所述第一胎儿股骨图像样本对应的第一目标概率热图之间的第一损失差异；判断多个胎儿股骨图像样本的损失差异是否满足预设的条件；当判断所述多个胎儿股骨图像样本的损失差异不满足预设的条件时，调整所述卷积神经网络模型中的可变参数，并返回至所述根据所述第一胎儿股骨图像样本以及含有可变参数的卷积神经网络模型确定所述第一胎儿股骨图像样本的第一响应概率热图的步骤；当判断所述多个胎儿股骨图像样本的损失差异满足预设的条件时，将当前所述含有可变参数的卷积神经网络模型确定为预设的基于卷积神经网络建立的股骨图像-股骨端点概率热图模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一胎儿股骨图像样本以及含有可变参数的卷积神经网络模型确定所述第一胎儿股骨图像的第一响应概率热图的步骤，具体包括：根据第一胎儿股骨图像样本中各个像素点的灰度值生成第一胎儿股骨图像样本矩阵，所述第一胎儿股骨图像样本矩阵的数值范围为0～255，对应第一胎儿股骨图像中相应像素点的灰度值；根据含有可变参数的第一卷积核处理所述第一胎儿股骨图像样本矩阵，生成第一特征矩阵，所述卷积核为正矩阵形式；池化处理所述第一特征矩阵，以使第一特征矩阵维数降低；根据含有可变参数的第二卷积核处理所述降维第一特征矩阵，生成胎儿股骨端点第二特征矩阵；池化处理所述第二特征矩阵，以使第二特征矩阵维数进一步降低；根据含有可变参数的第三卷积核处理所述降维第二特征矩阵，生成胎儿股骨端点第三特征矩阵；池化处理所述第三特征矩阵，以使第三特征矩阵维数进一步降低；根据含有可变参数的第一全连接层模型处理所述第三特征矩阵，生成第一响应概率矩阵；根据所述第一响应矩阵确定第一相应概率热图。4.根据权利要求3所述的方法，其特征在于，在所述根据所述第一胎儿股骨图像样本中各个像素点的灰度值生成第一胎儿股骨图像样本矩阵的步骤前，还包括：将所述第一胎儿股骨图像样本进行处理，获取第一胎儿...

【专利技术属性】
技术研发人员：倪东，李然，汪天富，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44