超声心脏反流自动捕捉方法、系统及超声成像设备技术方案

本发明专利技术涉及一种超声心脏反流自动捕捉方法、系统及超声成像设备，在进行心脏部位超声检测时，对检测数据进行心脏反流自动捕捉，包括：获取超声视频；每隔设定的T秒时间，截取前T秒超声视频流分别提取静态特征和动态特征；训练后的卷积神经网络模型根据静态特征和动态特征判断心脏是否存在心脏反流。本应用了本发明专利技术的超声设备在连续多普勒或脉冲多普勒模式下扫描心脏时，能够自动检测到心脏反流现象，准确度高具有高灵敏度的特点。

【技术实现步骤摘要】
超声心脏反流自动捕捉方法、系统及超声成像设备
本专利技术涉及超声成像
，具体是一种超声心脏反流自动捕捉方法、系统及超声成像设备。
技术介绍
虽然全球范围内风湿性心脏病的发病率较上世纪初已明显降低，但在我国成人心脏瓣膜病仍以风湿性为主。随着人口老龄化的加剧，退行性所致的心脏瓣膜损伤日益突出，其致死、致残率较高。相对于心脏瓣膜狭窄，瓣膜反流的手术率和致心力衰竭的发生率更为突出。超声心动图自上世纪中叶应用于临床以来，以其无创、可重复性强及实时性显示瓣膜形态结构及运动等特点，目前已经成为定性诊断和定量评估心脏瓣膜等疾病的首要检查手段。即使经食管实时三维超声等高级检查已经逐步应用于临床，但经胸常规超声检查仍是瓣膜评估最重要的方式。对于存在瓣膜反流的患者，评估反流严重程度时应多切面、多参数、多种检查方式综合运用。需要说明的是，肉眼直接观测瓣膜反流是目前应用最广的一种检查方式，但这毕竟是一种定性诊断手段，其定量价值受操作者主观性、速度量程、心内压力和容积等因素影响较大。目前还没有能够自动检测、捕捉超声影像中心脏反流的技术手段。如果判断心脏反流全部由操作人员人工完成，那么由于超声设备操作人员受训练程度不同、经验不同，往往导致对反流的判断差异很大。
技术实现思路
本专利技术的目的在于弥补超声心脏反流检查中全凭操作人员肉眼判断的问题，提供一种能够对超声进行心脏反流自动捕捉的方法和系统。该方法安全高效，能够实时在心动超声检查时发现并捕捉心脏反流，提高心脏反流疾病筛查的效率、灵敏度、以及一致性。减少医护人员工作负担，为之后的疾病精确诊断、定量分析、手术方案制定提供重要依据。作为本专利技术的第一个方面，提供一种超声心脏反流自动捕捉方法，包括：获取超声视频；每隔设定的T秒时间截取前T秒的超声视频；提取所述超声视频的静态特征和动态特征，所述静态特征包括从超声视频中单帧超声图像提取的图像参数信息，所述动态特征包括从超声视频中提取的光流信息；将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流。进一步的，所述从超声视频中提取单帧超声图像的图像参数信息，包括：将截取的超声视频拆分为独立的单帧超声图像；提取每帧超声图像的灰度信息、形态信息以及纹理信息。进一步的，从超声视频中提取的光流信息，包括：获取超声视频水平和竖直方向的光流中固定帧数的连续光流特征；通过光流通道化将选取的所述连续光流特征交叉堆叠成光流栈。进一步的，通过光流通道化将选取的所述连续光流特征交叉堆叠成光流栈，具体以下列形式交错合并：u＝[1；w],v＝[1；h],k＝[1；L],其中，w表示超声图像的宽度，h表示超声图像的高度，单位为像素，L为帧数，表示水平方向的移动矢量，表示垂直方向的移动矢量，k为自然数，IT(u，v，2k-1)表示奇数位的光流特征，IT(u，v，2k)表示偶数位的光流特征，通过光流通道化将连续光流特征交叉堆叠成总长为2L的光流栈。进一步地，将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流，具体为：将提取的静态特征输入卷积神经网络模型的静态网络支路，输出第一判断结果；将提取的动态特征输入卷积神经网络模型的动态网络支路，输出第二判断结果；所述静态网络支路与动态网络支路将各自的输出进行平均，输出是否存在心脏反流。或者，将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流，具体为：将提取的静态特征输入卷积神经网络模型的静态网络支路，输出第一判断结果；将提取的动态特征输入卷积神经网络模型的动态网络支路，输出第二判断结果；所述静态网络支路与动态网络支路将各自的输出根据加权输出法合并，输出是否存在心脏反流，所述加权输出法是指取两个支路的输出乘以权重因子后取平均值。进一步地，所述动态网络支路的权重大于静态网络支路的权重。进一步地，所述光流特征为稠密光流，所述稠密光流为连续两帧超声图像中的点位移向量场的集合。作为本专利技术的第二个方面，提供一种超声心脏反流自动捕捉系统，包括：获取单元，用于获取超声视频；截取单元，每隔设定的T秒时间截取前T秒的超声视频；提取单元，用于提取所述超声视频的静态特征和动态特征；所述静态特征包括从超声视频中单帧超声图像提取的图像参数信息，所述动态特征包括从超声视频中提取的光流信息；判断单元，用于将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流。作为本专利技术的第三个方面，提供了一种超声成像设备，包括：存储器，用于存储计算机程序；处理器，用于执行计算机程序以实现上述的超声心脏反流自动捕捉方法。本专利技术的优点是：本专利技术的心脏反流自动捕捉方法能够通过训练后的卷积神经网络模型实时检测超声视频流中包含的静态特征和动态特征，判断是否出现反流现象，检测准确度高，本专利技术使得普通超声从业人员在操作超声设备时不用依赖于个人经验，均可实时的发现可能存在的心脏反流现象，提高了医护人员的工作效率。进一步地，本专利技术的卷积神经网络模型为双流结构，包括静态网络支路和动态网络支路，提高了检测的准确度。进一步地，本专利技术的超声成像设备应用了上述系统和方法，在扫描心脏时，能够实时检测到心脏是否出现反流现象，检测准确度高，本专利技术使得普通超声从业人员在操作超声设备时不用依赖于个人经验，均可实时的发现可能存在的心脏反流现象，提高了医护人员的工作效率。附图说明附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术，但并不构成对本专利技术的限制。在附图中：图1是本专利技术一实施例中超声心脏反流自动捕捉系统的结构示意图。图2是本专利技术一实施例中超声心脏反流自动捕捉方法的流程示意图。图3是本专利技术一实施例静态网络支路与动态网络支路合并输出流程示意图。图4是本专利技术另一实施例静态网络支路与动态网络支路合并输出流程示意图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书本文档来自技高网...

【技术保护点】
1.一种超声心脏反流自动捕捉方法，其特征在于，包括：/n获取超声视频；/n每隔设定的T秒时间截取前T秒的超声视频；/n提取所述超声视频的静态特征和动态特征，所述静态特征包括从超声视频中单帧超声图像提取的图像参数信息，所述动态特征包括从超声视频中提取的光流信息；/n将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流。/n

【技术特征摘要】
1.一种超声心脏反流自动捕捉方法，其特征在于，包括：
获取超声视频；
每隔设定的T秒时间截取前T秒的超声视频；
提取所述超声视频的静态特征和动态特征，所述静态特征包括从超声视频中单帧超声图像提取的图像参数信息，所述动态特征包括从超声视频中提取的光流信息；
将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流。


2.如权利要求1所述的超声心脏反流自动捕捉方法，其特征在于，所述从超声视频中提取单帧超声图像的图像参数信息，包括：
将截取的超声视频拆分为独立的单帧超声图像；
提取每帧超声图像的灰度信息、形态信息以及纹理信息。


3.如权利要求1所述的超声心脏反流自动捕捉方法，其特征在于，从超声视频中提取的光流信息，包括：
获取超声视频水平和竖直方向的光流中固定帧数的连续光流特征；
通过光流通道化将选取的所述连续光流特征交叉堆叠成光流栈。


4.如权利要求3所述的超声心脏反流自动捕捉方法，其特征在于，通过光流通道化将选取的所述连续光流特征交叉堆叠成光流栈，具体以下列形式交错合并：




u＝[1；w],v＝[1；h],k＝[1；L],
其中，w表示超声图像的宽度，h表示超声图像的高度，单位为像素，L为帧数，表示水平方向的移动矢量，表示垂直方向的移动矢量，k为自然数，IT(u，v，2k-1)表示奇数位的光流特征，IT(u，v，2k)表示偶数位的光流特征，通过光流通道化将连续光流特征交叉堆叠成总长为2L的光流栈。


5.如权利要求1-4中任一项所述的超声心脏反流自动捕捉方法，其特征在于，将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流具体为：
将提取的静态特征输入卷积神经网络模型...

【专利技术属性】
技术研发人员：甘从贵，殷晨，赵明昌，莫若理，
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