基于人工智能的超声影像视频自动追踪方法和设备技术

本发明专利技术公开了一种基于人工智能的超声影像视频自动追踪方法和设备，通过神经网络的训练和使用，实现超声影像中目标位置的自动识别和跟踪，节省了医生手动标记的时间，且目标位置获取准确快速，可以在实时跟踪的同时结合当前的造影图像即时生成TIC曲线，提升了超声影像中目标识别和追踪的效率和准确性。

Automatic tracking method and equipment of ultrasonic image video based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的超声影像视频自动追踪方法和设备
本专利技术涉及神经网络
，特别涉及一种基于人工智能的超声影像视频自动追踪方法和设备。
技术介绍
在常见的超声图像检查过程中，譬如肾脏和肝脏等脏器，对于可疑肿块、囊肿、血管瘤等病变组织需要借用造影分析其性质，通过分析病变组织内造影的时间强度曲线(TIC，TimeIntensityCurve)的变化特征来分析病灶位置的良恶性。在现有的分析过程中，一般都是由医生手动标注疑似的病变组织，然后每一帧计算其造影图像强度得出对应的TIC曲线，而传统的方法局限于医生手动标注感兴趣的目标，导致效率较低，而且每一帧标注的目标位置可能随着探头的移动或角度的变换，以及器官自身的搏动而使计算结果有所偏差，因此最终的结果存在一定的误差，影响计算的准确率。
技术实现思路
本专利技术实施例的目的在于提供一种基于人工智能的超声影像视频自动追踪方法、超声设备及存储介质，以解决现有技术中通过医生手动标注计算会导致的计算效率和准确率低的问题。为了解决上述技术问题，本申请的实施例采用了如下技术方案：一种基于神经网络的超声影像追踪方法，包括：获取待处理超声影像的第N帧图像作为所述待处理超声影像的起始帧图像；将所述第N帧图像作为第一神经网络的输入参数，确定所述第一神经网络的输出参数，所述第一神经网络的输出参数为目标在所述第N帧图像中的第一位置信息，其中，所述第一神经网络为已训练的用于识别超声影像中目标位置的神经网络；将所述第一位置信息作为第二神经网络的第一输入参数，将所述待处理超声影像的第N+1帧图像作为第二神经网络的第二输入参数，通过所述第二神经网络追踪所述目标在所述第N+1帧中的第二位置信息，其中，N为正整数，所述第二神经网络为已训练的用于识别图像之间相似性的神经网络。进一步，所述确定所述第一神经网络的输出参数，包括：获取所述第一神经网络输出的所述目标在第N帧图像中的至少一个位置信息；确定每个所述位置信息对应的置信度；根据所述置信度大于第一阈值的位置信息确定所述目标在所述第N帧图像中的第一位置信息。进一步，所述第一位置信息至少包括以下信息：所述目标在所述第N帧图像中中心点的坐标、所述目标在所述第N帧图像中的长度和宽度。进一步，将所述待处理超声影像的第N+1帧图像作为第二神经网络的第二输入参数，包括：在所述第N+1帧图像上确定第一搜索区域，其中，所述第一搜索区域的中心点坐标为所述目标在第N帧图像的中心点坐标，所述第一搜索区域的大小为所述目标在所述在第N帧图像中的大小的预设倍数；将所述第一搜索区域作为所述第二输入参数。进一步，所述通过所述第二神经网络追踪所述目标在所述第N+1帧中的第二位置信息，包括：通过所述第二神经网络在所述第一搜索区域中确定与所述第N帧中所述第一位置信息处的图像具有相似性的子区域；将所述子区域的位置信息确定为所述目标在所述第N+1帧中的所述第二位置信息。进一步，所述通过所述第二神经网络在所述第一搜索区域中确定与所述第N帧中所述第一位置信息处的图像具有相似性的子区域，包括：计算所述第一搜索区域中的各个像素点与所述第N帧中所述第一位置信息处的图像中心点之间的距离；将所述第一搜索区域中所有所述距离小于第二阈值的像素点组成的区域确定为所述与所述第N帧中所述第一位置信息处的图像具有相似性的子区域。进一步，所述通过所述第二神经网络追踪所述目标在所述第N+1帧中的第二位置信息，包括：计算所述第一搜索区域中各个点与所述目标在所述第N帧图像中中心点之间的相似性得分，将所述相似性得分最高的点的坐标作为所述第N+1帧图像中目标中心点的坐标；确定所述目标在所述第N+1帧图像中的长度和宽度，其中，所述目标在所述第N+1帧图像中的长度和宽度与所述目标在所述第N帧图像中的长度和宽度相同；确定所述第N+1帧图像中目标中心点的坐标、所述目标在所述第N+1帧图像中的长度和宽度作为所述目标在第N+1帧图像中的位置信息进行输出。本专利技术实施例还公开了一种神经网络的训练方法，包括：获取第一超声样本影像，所述超声样本影像中标注有目标的位置；根据所述超声样本影像训练第一神经网络，训练后的所述第一神经网络用于识别超声影像中的所述目标的第一位置信息；获取第二神经网络，所述第二神经网络为用于计算两帧图像的相似度的网络；获取第二超声样本影像，所述第二超声样本影像中标注有相邻两帧中所述目标的位置；根据所述第二超声样本影像训练所述第二神经网络，训练后的所述第二神经网络用于根据前一帧中所述目标所处的位置识别得到所述目标在当前帧中的位置。本专利技术实施例还公开了一种超声设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器在执行所述存储器上的计算机程序时实现上述的基于人工智能的超声影像视频自动追踪方法的步骤。本专利技术实施例还公开了一种存储介质，其特征在于，所述存储介质上存储有计算机程序，在所述计算机程序被处理器执行时，执行上述的基于人工智能的超声影像视频自动追踪方法。本专利技术实施例的有益效果在于：通过神经网络的训练和使用，实现超声影像中目标位置的自动识别和跟踪，节省了医生手动标记的时间，且目标位置获取准确快速，可以在实时跟踪的同时结合当前的造影图像即时生成TIC曲线，提升了超声影像中目标识别和追踪的效率和准确性。附图说明图1为本专利技术第一实施例中超声影像处理方法的流程图；图2为本专利技术第二实施例中神经网络的训练方法流程图；图3为本专利技术第二实施例中目标标注示意图；图4为本专利技术第二实施例中第二神经网络结构示意图；图5为本专利技术第三实施例中超声设备的结构示意图。具体实施方式此处参考附图描述本申请的各种方案以及特征。应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。本说明书可使用词本文档来自技高网...

【技术保护点】
1.一种基于人工智能的超声影像视频自动追踪方法，其特征在于，包括：/n获取待处理超声影像的第N帧图像作为所述待处理超声影像的起始帧图像；/n将所述第N帧图像作为第一神经网络的输入参数，确定所述第一神经网络的输出参数，所述第一神经网络的输出参数为目标在所述第N帧图像中的第一位置信息，其中，所述第一神经网络为已训练的用于识别超声影像中目标位置的神经网络；/n将所述第一位置信息作为第二神经网络的第一输入参数，将所述待处理超声影像的第N+1帧图像作为第二神经网络的第二输入参数，通过所述第二神经网络追踪所述目标在所述第N+1帧中的第二位置信息，其中，N为正整数，所述第二神经网络为已训练的用于识别图像之间相似性的神经网络。/n

【技术特征摘要】
1.一种基于人工智能的超声影像视频自动追踪方法，其特征在于，包括：
获取待处理超声影像的第N帧图像作为所述待处理超声影像的起始帧图像；
将所述第N帧图像作为第一神经网络的输入参数，确定所述第一神经网络的输出参数，所述第一神经网络的输出参数为目标在所述第N帧图像中的第一位置信息，其中，所述第一神经网络为已训练的用于识别超声影像中目标位置的神经网络；
将所述第一位置信息作为第二神经网络的第一输入参数，将所述待处理超声影像的第N+1帧图像作为第二神经网络的第二输入参数，通过所述第二神经网络追踪所述目标在所述第N+1帧中的第二位置信息，其中，N为正整数，所述第二神经网络为已训练的用于识别图像之间相似性的神经网络。


2.根据权利要求1所述的方法，其特征在于，所述确定所述第一神经网络的输出参数，包括：
获取所述第一神经网络输出的所述目标在第N帧图像中的至少一个位置信息；
确定每个所述位置信息对应的置信度；
根据所述置信度大于第一阈值的位置信息确定所述目标在所述第N帧图像中的第一位置信息。


3.根据权利要求1所述的方法，其特征在于，所述第一位置信息至少包括以下信息：所述目标在所述第N帧图像中中心点的坐标、所述目标在所述第N帧图像中的长度和宽度。


4.根据权利要求3所述的方法，其特征在于，将所述待处理超声影像的第N+1帧图像作为第二神经网络的第二输入参数，包括：
在所述第N+1帧图像上确定第一搜索区域，其中，所述第一搜索区域的中心点坐标为所述目标在第N帧图像的中心点坐标，所述第一搜索区域的大小为所述目标在所述在第N帧图像中的大小的预设倍数；
将所述第一搜索区域作为所述第二输入参数。


5.根据权利要求4所述的方法，其特征在于，所述通过所述第二神经网络追踪所述目标在所述第N+1帧中的第二位置信息，包括：
通过所述第二神经网络在所述第一搜索区域中确定与所述第N帧中所述第一位置信息处的图像具有相似性的子区域；
将所述子区域的位置信息确定为所述目标在所述第N+1帧中的所述第二位置信息。


6.根据权利要求5所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：殷晨，赵明昌，
申请(专利权)人：无锡祥生医疗科技股份有限公司，
类型：发明
国别省市：江苏;32