超声图像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种超声图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取超声图像数据集；对超声图像数据集进行预处理，得到预处理图像数据集；将预处理图像数据集输入至预设图像处理网络，得到对应的特征图；将特征图分别输入至预设目标检测网络和预设分割网络，通过预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过预设分割网络确定各图像中目标组织的大小；将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。采用本方法能实现组织器官实时且自动的识别、分割、跟踪和大小测量，有效辅助医生对组织器官如(甲状腺及其周围主要颈部组织)进行准确筛查和诊断。

【技术实现步骤摘要】
超声图像处理方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种超声图像处理方法、装置、计算机设备和存储介质。
技术介绍
随着医疗技术的发展，超声检查由于无辐射、价格低廉，可以实时动态检查，已成被广泛应用于疾病的筛查诊断中。例如，以甲状腺疾病检查为例，超声检查已成为评估甲状腺疾病检查首选的影像学方法，在利用超声成像进行超声诊断的过程中，超声医师首先需要获取甲状腺的超声扫查视频，得到甲状腺的超声声像图，识别甲状腺腺体及颈部重要的组织结构，检查甲状腺腺体大小及内部回声是否异常，然后，做出分析和诊断。然而，上述超声诊断方案存在很大问题，第一，甲状腺腺体及颈部周围组织的辨认和测量均是依赖于医生的临床经验和解剖结构知识，相当耗费时间成本和人力成本，以致于得到诊断结果的速度慢，且诊断结果的给出多依赖于医生的个人经验，诊断结果缺少客观性、一致性和重复性。第二，超声图像容易受到散斑噪声和回波扰动的影响，使图像模糊、不均匀，如甲状腺的周围的组织结构复杂，甲状腺与周围组织分界欠清晰，会影响诊断的准确性。第三，超声图像的获得高度地依赖操作者，不同医院间、不同机器间、不同医生间对于同个病人所采集到的图像可能不同。这种图像的差异性也会影响甲状腺疾病的诊断。综上所述，现有的超声诊断方案无法有效地辅助医生根据组织器官的超声图像实现对组织器官(如甲状腺及其周围主要颈部组织)的准确筛查诊断。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够辅助医生根据组织器官的超声图像数据对组织器官(如甲状腺及其周围主要颈部组织)进行准确筛查诊断的超声图像处理方法、装置、计算机设备和存储介质。一种超声图像处理方法，所述方法包括：获取超声图像数据集；对超声图像数据集进行预处理，得到预处理图像数据集；将预处理图像数据集输入至预设图像处理网络，得到对应的特征图；将特征图分别输入至预设目标检测网络和预设分割网络，通过预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过预设分割网络确定各图像中目标组织的大小；将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。在其中一个实施例中，将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量包括：获取当前帧图像中目标组织的类别和位置；基于当前帧图像中目标组织的类别和位置，通过卡尔曼滤波处理预测下一帧图像中目标组织的位置；判断前后帧图像中的目标组织是否为同一目标组织；为同一目标组织分配相同的标识数据，统计目标组织的类别数据和数量。在其中一个实施例中，判断前后帧图像中的目标组织是否为同一目标组织包括：计算前后帧图像中的目标组织间的马氏距离、余弦距离和交并比，判断前后帧图像中的目标组织是否为同一目标组织。在其中一个实施例中，将预处理图像数据集输入至预设图像处理网络，得到对应的特征图包括：将预处理图像数据集输入至预设特征提取网络，提取出对应的初始特征图；将初始特征图输入至预设区域建议网络，得到各初始特征图对应的建议窗口；将建议窗口映射到预设区域建议网络最后一层的初始特征图，并通过ROIAlign层处理，得到固定尺寸的特征图。在其中一个实施例中，将预处理图像数据集输入至预设特征提取网络，提取出对应的初始特征图包括：将预处理图像数据集输入至骨干网ResNet-50，抽取对应的特征数据；采用特征金字塔层对抽取出的特征数据进行特征融合，得到对应的初始特征图。在其中一个实施例中，通过预设分割网络确定各图像中目标组织的大小包括：获取单位长度像素个数以及预设分割网络输出的特征图对应的分割掩码；根据特征图对应的分割掩码和单位长度像素个数，计算各图像中目标组织的所包含的像素数量；根据各图像中目标结构的所包含的像素数量和预设像素比例数据，确定各图像中目标组织的大小。在其中一个实施例中，对超声图像数据集进行预处理，得到预处理图像数据集包括：对超声图像数据集依次进行缩放处理、归一化处理以及随机增强处理，得到预处理图像数据集。一种超声图像处理装置，所述装置包括：数据集获取模块，用于获取超声图像数据集；数据预处理模块，用于对超声图像数据集进行预处理，得到预处理图像数据集；特征图获取模块，用于将预处理图像数据集输入至预设图像处理网络，得到对应的特征图；特征图处理模块，用于将特征图分别输入至预设目标检测网络和预设分割网络，通过预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过预设分割网络确定各图像中目标组织的大小；目标跟踪模块，用于将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取超声图像数据集；对超声图像数据集进行预处理，得到预处理图像数据集；将预处理图像数据集输入至预设图像处理网络，得到对应的特征图；将特征图分别输入至预设目标检测网络和预设分割网络，通过预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过预设分割网络确定各图像中目标组织的大小；将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取超声图像数据集；对超声图像数据集进行预处理，得到预处理图像数据集；将预处理图像数据集输入至预设图像处理网络，得到对应的特征图；将特征图分别输入至预设目标检测网络和预设分割网络，通过预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过预设分割网络确定各图像中目标组织的大小；将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。上述超声图像处理方法、装置、计算机设备和存储介质，对超声图像数据集进行相应处理，得到固定尺寸的特征图，再将特征图分别输入至预设目标检测网络和预设分割网络，便能识别出各图像中目标组织的类别、位置，并测量出目标组织的大小，利用已训练的目标跟踪网络对各图像中目标组织的类别和位置输入进行目标跟踪，便能得到目标组织的类别数据和数量。整个方案，能够实现组织器官(如甲状腺及其周围主要颈部组织)实时且自动的识别、分割、跟踪和大小测量，在提高结果处理的速度的同时，保证了数据的准确度，能够有效辅助医生实现对组织器官(如甲状腺及其周围主要颈部组织)的准确筛查和诊断。附图说明图1为一个实施例中超声图像处理方法的应用环境图；图2为一个实施例中超声图像处理方法的流程示意图；图3为另一个实施例中本文档来自技高网...

【技术保护点】
1.一种超声图像处理方法，其特征在于，所述方法包括：/n获取超声图像数据集；/n对所述超声图像数据集进行预处理，得到预处理图像数据集；/n将所述预处理图像数据集输入至预设图像处理网络，得到对应的特征图；/n将所述特征图分别输入至预设目标检测网络和预设分割网络，通过所述预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过所述预设分割网络确定各图像中目标组织的大小；/n将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。/n

【技术特征摘要】
1.一种超声图像处理方法，其特征在于，所述方法包括：
获取超声图像数据集；
对所述超声图像数据集进行预处理，得到预处理图像数据集；
将所述预处理图像数据集输入至预设图像处理网络，得到对应的特征图；
将所述特征图分别输入至预设目标检测网络和预设分割网络，通过所述预设目标检测网络识别出各图像中目标组织的类别和位置，以及通过所述预设分割网络确定各图像中目标组织的大小；
将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量。


2.根据权利要求1所述的方法，其特征在于，所述将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪，得到目标组织的类别数据和数量包括：
获取当前帧图像中目标组织的类别和位置；
基于当前帧图像中目标组织的类别和位置，通过卡尔曼滤波处理预测下一帧图像中所述目标组织的位置；
判断前后帧图像中的目标组织是否为同一目标组织；
为同一目标组织分配相同的标识数据，统计目标组织的类别数据和数量。


3.根据权利要求2所述的方法，其特征在于，所述判断前后帧图像中的目标组织是否为同一目标组织包括：
计算前后帧图像中的目标组织间的马氏距离、余弦距离和交并比，判断前后帧图像中的目标组织是否为同一目标组织。


4.根据权利要求1所述的方法，其特征在于，将所述预处理图像数据集输入至预设图像处理网络，得到对应的特征图包括：
将所述预处理图像数据集输入至预设特征提取网络，提取出对应的初始特征图；
将所述初始特征图输入至预设区域建议网络，得到各初始特征图对应的建议窗口；
将所述建议窗口映射到所述预设区域建议网络最后一层的初始特征图，并通过ROIAlign层处理，得到固定尺寸的特征图。


5.根据权利要求4所述的方法，其特征在于，所述将所述预处理图像数据集输入至预设特征提取网络，提取出对应的初始特征图包括：

【专利技术属性】
技术研发人员：李肯立，李胜利，伍湘琼，谭光华，文华轩，朱宁波，陈志伦，
申请(专利权)人：长沙大端信息科技有限公司，
类型：发明
国别省市：湖南;43