颈动脉手持超声图像分割方法、系统及装置制造方法及图纸

本发明专利技术公开了一种基于神经结构搜索网络的颈动脉手持超声图像分割方法、系统及装置，所述方法包括：获取颈动脉手持超声图像，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图像；将预定尺寸的颈动脉手持超声图像输入预先训练好的hnasnet模型，通过所述hnasnet模型同时进行网络结构与单元结构的搜索，输出对所述颈动脉手持超声图像的语义分割结果。本发明专利技术能够辅助医生分析超声图像，解放医生的工作负担，具有十分重要的现实意义。

【技术实现步骤摘要】
颈动脉手持超声图像分割方法、系统及装置
本专利技术涉及人工智能
，尤其是涉及一种基于神经结构搜索网络的颈动脉手持超声图像分割方法、系统及装置。
技术介绍
电子计算机断层扫描(ComputedTomography，简称为CT)是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查；根据所采用的射线不同可分为：X射线CT(X-CT)以及γ射线CT(γ-CT)等。超声(Ultrasound，简称为US)医学是声学、医学、光学及电子学相结合的学科。凡研究高于可听声频率的声学技术在医学领域中的应用即超声医学。US-CT图像是医生对患者病情进行初步筛查的重要手段，US-CT图像的优点是比X-CT图像获取成本更低，没有电磁辐射，对患者更安全，缺点是成像没有X-CT清晰。手持超声设备是近年来新发展起来的便携式超声设备，其优点是价格比医院的大型超声设备便宜，携带更加方便，小型机构或个人更容易获得，操作更加简单，缺点是成像没有大型超声设备清晰。US-CT图像的意义在于初步筛查，手持超声图像的意义更是如此。如果超声筛查能够社区化和个人化，可以极大程度缓解大型三甲医院的负荷，也可以极大程度减少患者的时间成本和经济负担。因此，目前急需一种对US-CT图像进行语义分析的技术方案。
技术实现思路
本专利技术的目的在于提供一种基于神经结构搜索网络的颈动脉手持超声图像分割方法、系统及装置，旨在解决现有技术中的上述问题。本专利技术提供一种基于神经结构搜索网络的颈动脉手持超声图像分割方法，包括：获取颈动脉手持超声图像，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图像；将预定尺寸的颈动脉手持超声图像输入预先训练好的hnasnet模型，通过所述hnasnet模型同时进行网络结构与单元结构的搜索，输出对所述颈动脉手持超声图像的语义分割结果。本专利技术提供一种基于神经结构搜索网络的颈动脉手持超声图像分割系统，包括：预处理模块，用于获取颈动脉手持超声图像，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图像；语义分割模块，用于将预定尺寸的颈动脉手持超声图像输入预先训练好的hnasnet模型，通过所述hnasnet模型同时进行网络结构与单元结构的搜索，输出对所述颈动脉手持超声图像的语义分割结果。本专利技术实施例还提供一种基于神经结构搜索网络的颈动脉手持超声图像分割设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述基于神经结构搜索网络的颈动脉手持超声图像分割方法的步骤。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述基于神经结构搜索网络的颈动脉手持超声图像分割方法的步骤。采用本专利技术实施例，根据手持超声设备采集的US-CT图像，通过模型能够输出像素级别的语义分割结果，该语义分割结果能够辅助医生分析超声图像，解放医生的工作负担，具有十分重要的现实意义。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例的颈动脉手持超声图像分割方法的流程图；图2是本专利技术实施例的训练hnasnet模型原始图像的示意图；图3是本专利技术实施例的原始图像第一种处理方式的示意图；图4是本专利技术实施例的原始图像第二种处理方式的示意图；图5是本专利技术实施例的现有技术中的pnasnet模型的示意图；图6是本专利技术实施例的pnasnet模型输出的较好结果的示意图；图7是本专利技术实施例的pnasnet模型输出的较差结果的示意图；图8是本专利技术实施例的pnasnet模型输出的空扫结果的示意图；图9是本专利技术实施例的hnasnet模型的示意图；图10是本专利技术实施例的网络结构与单元结构的示意图；图11是本专利技术实施例的颈动脉手持超声图像分割系统的示意图；图12是本专利技术实施例的颈动脉手持超声图像分割设备的示意图。具体实施方式下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。方法实施例根据本专利技术实施例，提供了一种基于神经结构搜索网络的颈动脉手持超声图像分割方法，图1是本专利技术实施例的颈动脉手持超声图像分割方法的流程图，在本专利技术实施例中，需要用到训练好的hnasnet模型，该模型是一个深度神经网络模型，要获得该hnasnet模型，首先要有数据集。原始图像是手持超声设备采集的长和宽不固定的US-CT灰度图像，共20460张，其中17771张用作训练集和验证集，2689张用作测试集。数据类型是uint8，值域是0-255，其中一张原始图像如图2，该灰度图像的高度是1004像素，宽度是1712像素。原始标签是专家用标注工具标注的分类标签，标注工具会生成JSON文件。图2对应的标签文件内容如下所示：{"shapes":[{"label":"Plaque",本文档来自技高网...

【技术保护点】
1.一种基于神经结构搜索网络的颈动脉手持超声图像分割方法，其特征在于，包括：/n获取颈动脉手持超声图像，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图像；/n将预定尺寸的颈动脉手持超声图像输入预先训练好的hnasnet模型，通过所述hnasnet模型同时进行网络结构与单元结构的搜索，输出对所述颈动脉手持超声图像的语义分割结果。/n

【技术特征摘要】
1.一种基于神经结构搜索网络的颈动脉手持超声图像分割方法，其特征在于，包括：
获取颈动脉手持超声图像，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图像；
将预定尺寸的颈动脉手持超声图像输入预先训练好的hnasnet模型，通过所述hnasnet模型同时进行网络结构与单元结构的搜索，输出对所述颈动脉手持超声图像的语义分割结果。


2.根据权利要求1所述的方法，其特征在于，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图像具体包括：
将获取的颈动脉手持超声图像的尺寸处理为96*96的尺寸；或者，
将获取的颈动脉手持超声图像的尺寸处理为128*128的尺寸后，将128*128尺寸的颈动脉手持超声图像分割为多张96*96的图像。


3.根据权利要求1所述的方法，其特征在于，通过所述hnasnet模型同时进行网络结构与单元结构的搜索具体包括：
对于根据公式1-3确定的网络结构，设置12个单元，采用4、8、16、32的下采样空间，即特征图空间维度的尺寸为原始图像的4、8、16、32倍，通过最后一个单元采用空洞空间卷积池化金字塔ASPP方法提取特征：









其中，l代表第l层，s代表下采样空间s，sHl代表l和s条件下的隐藏层输出，代表下采样，s→s代表同采样，2s→s代表上采样，β代表下采样、同采样和上采样的权重，Cell()代表单元结构，第l层的单元输出与第l-1层的隐藏层输出Hl-1、第l-2层的隐藏层输出Hl-2和第l层的单元参数α有关；
对于根据公式4-7确定的单元结构，采用稠密连接的方式，在单元内部共设置有5个隐藏层，对于某个隐藏层它的输入与前面所有单元内部隐藏层输出相连，同时与前面最近2个单元的隐藏层输出相连，对于某一个隐藏层H，共有8种可选择操作，在这些操作中可重复地选取2个操作，作为一个隐藏层H的两个分支，其中，8种可选择操作具体包括：3*3深度可分离卷积、5*5深度可分离卷积、3*3步长2空洞卷积、5*5步长2空洞卷积、3*3平均池化、3*3最大池化、直接连接、断开连接：












其中，l代表第l层，i代表第i块，j代表第j块，0≤j＜i≤5，代表第i个隐藏层的输出，代表第j个与相连的隐藏层，Oj→i代表8种可选择操作之一，代表做连续松弛操作后的代表块j到块i、8个操作中的第k个操作的权重。


4.根据权利要求2所述的方法，其特征在于，输出对所述颈动脉手持超声图像的语义分割结果具体包括：
输出对所述颈动脉手持超声图像的96*96*4的语义分割结果。


5.一种基于神经结构搜索网络的颈动脉手持超声图像分割系统，其特征在于，包括：
预处理模块，用于获取颈动脉手持超声图像，对所述颈动脉手持超声图像进行尺寸处理，得到预定尺寸的颈动脉手持超声图...

【专利技术属性】
技术研发人员：杜强，毛冠乔，郭雨晨，聂方兴，张兴，唐超，
申请(专利权)人：北京小白世纪网络科技有限公司，
类型：发明
国别省市：北京;11