颅脑超声图像并行分割方法及装置制造方法及图纸

本申请涉及一种颅脑超声图像并行分割方法及装置。该方法包括：获取目标颅脑超声图像；将目标颅脑超声图像输入并行化的特征提取模型得到目标特征图；将目标特征图输入并行化的结构组织提取模型得到目标结构组织候选框；基于目标结构组织候选框从目标特征图中提取目标结构组织图；通过结构组织分类模型，对目标结构组织图对应的目标颅脑结构组织进行分类得到相应目标结构组织类别；通过结构组织分割模型，根据目标结构组织类别从目标结构组织图中分割出目标颅脑结构组织，得到结构组织分割子图；根据结构组织分割子图得到目标颅脑超声图像对应的颅脑结构组织分割图。采用本方法能够提高颅脑超声图像分割准确性。

【技术实现步骤摘要】
颅脑超声图像并行分割方法及装置
本申请涉及超声检查
，特别是涉及一种颅脑超声图像并行分割方法及装置。
技术介绍
超声成像技术由于操作简单，安全无损，成本低等优点，在降低婴儿先天畸形率、孕产妇死亡率及胎儿死亡率等方面具有重要价值，是当前公认的产前诊断和出生缺陷筛查的首选影像检查方法。胎儿颅脑中解剖结构的存在与否以及形态是否正常是胎儿产前疾病诊断的基本依据。临床上广泛采用人工分割的方法对颅脑超声图像进行分割，由于超声图像具有边缘模糊、对比度低等固有特点，极其依赖医生的专业技能和丰富的经验。因此，如何自动且精准的分割颅脑超声图像中的结构组织已成为人们迫切需要解决的问题。目前，通用的图像分割技术包括Unet(一种深度学习分割网络)及其变种对于目标大小差异较大的情况，分割效果较差。对于胎儿颅脑超声图像而言，由于待分割的解剖结构在形态、大小等方面具有巨大的差异，通用的分割技术往往对细小的解剖结构存在漏检的问题，由此，存在颅脑超声图像的分割准确性低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高颅脑超声图像的分割准确性的颅脑超声图像并行分割方法及装置。一种颅脑超声图像并行分割方法，所述方法包括：获取目标颅脑超声图像；将所述目标颅脑超声图像输入并行化的特征提取模型得到目标特征图；将所述目标特征图输入并行化的结构组织提取模型得到目标结构组织候选框；基于所述目标结构组织候选框从所述目标特征图中提取目标结构组织图；通过结构组织分类模型，对所述目标结构组织图对应的目标颅脑结构组织进行分类得到相应目标结构组织类别；通过结构组织分割模型，根据所述目标结构组织类别从所述目标结构组织图中分割出所述目标颅脑结构组织，得到结构组织分割子图；根据所述结构组织分割子图得到所述目标颅脑超声图像对应的颅脑结构组织分割图。一种颅脑超声图像并行分割装置，所述装置包括：获取模块，用于获取目标颅脑超声图像；特征提取模块，用于将所述目标颅脑超声图像输入并行化的特征提取模型得到目标特征图；候选框提取模块，用于将所述目标特征图输入并行化的结构组织提取模型得到目标结构组织候选框；结构组织提取模块，用于基于所述目标结构组织候选框从所述目标特征图中提取目标结构组织图；结构组织分类模块，用于通过结构组织分类模型，对所述目标结构组织图对应的目标颅脑结构组织进行分类得到相应目标结构组织类别；结构组织分割模块，用于通过结构组织分割模型，根据所述目标结构组织类别从所述目标结构组织图中分割出所述目标颅脑结构组织，得到结构组织分割子图；超声图像分割模块，用于根据所述结构组织分割子图得到所述目标颅脑超声图像对应的颅脑结构组织分割图。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上述各方法实施例中的步骤。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上述各方法实施例中的步骤。上述颅脑超声图像并行分割方法、装置、计算机设备和存储介质，通过并行化的特征提取模型对目标颅脑超声图像进行特征提取得到目标特征图，通过并行化的结构组织提取模型从目标特征图中定位用于提取目标结构组织图的目标结构组织候选框，并根据目标结构组织候选框从目标特征图中提取目标结构组织图，通过结构组织分类模型对该目标结构组织图中的目标颅脑结构组织进行分类，得到目标结构组织类别，并通过结构组织分割模型，根据该目标结构组织类别从目标结构组织图中分割出目标颅脑结构组织，得到相应的结构组织分割子图，进而通过将结构组织分割子图映射为与目标颅脑超声图像尺寸一致的颅脑结构组织分割图，以完成对目标颅脑超声图像的分割。这样，通过提取目标颅脑超声图像中颅脑结构组织的特征，基于特征定位颅脑结构组织的位置，基于位置识别相应颅脑结构组织所对应的目标结构组织类别，并按照目标结构组织类别分割出各目标颅脑结构组织，得到准确的颅脑结构组织分割图，能够降低结构组织大小对分割结果的影响，也即能够提高颅脑超声图像的分割准确性。进一步地，通过模型执行上述颅脑超声图像分割流程中的特征提取、结构组织定位、结构组织分类与分割等操作，能够进一步提高颅脑超声图像分割准确性。附图说明图1为一个实施例中颅脑超声图像并行分割方法的流程示意图；图2为一个实施例中并行化卷积操作的原理示意图；图3为一个实施例中基于颅脑超声图像并行分割方法从颅脑超声图像中定位出颅脑结构组织的结果示意图；图4为一个实施例中颅脑超声图像分割的原理示意图；图5为一个实施例中基于颅脑超声图像并行分割方法分割得到的颅脑结构组织分割图的效果示意图；图6为一个实施例中颅脑结构组织的面积与周长的测量结果示意图；图7为一个实施例中颅脑超声图像并行分割装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在一个实施例中，如图1所示，提供了一种颅脑超声图像并行分割方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：步骤102，获取目标颅脑超声图像。其中，目标颅脑超声图像是待分割颅脑结构组织的颅脑超声图像。目标颅脑超声图像可以是胎儿颅脑超声图像，如胎儿正常颅脑超声图像，具体可以是胎儿颅脑切面图像。在本实施例中，胎儿颅脑切面图像包括颅顶部横切面图像，透明膈腔水平横切面图像，小脑水平横切面图像，丘脑横切面图像，侧脑室水平横切面图像等。具体地，服务器通过超声图像采集设备采集目标颅脑超声图像。超声图像采集设备采集目标颅脑超声图像，并将所采集的目标颅脑超声图像发送至服务器。在一个实施例中，服务器接收超声图像采集设备采集并发送的初始颅脑超声图像，并对所接收的初始颅脑超声图像进行预处理，得到相应的目标颅脑超声图像。其中，预处理操作包括图像尺寸缩放、图像归一化处理与图像增强操作中的一种或多个。在一个实施例中，服务器获取初始颅脑超声图像，按照预设缩放条件对该初始颅脑超声图像进行尺寸缩放，对尺寸缩放后的初始颅脑超声图像进行归一化处理，并对归一化处理后的初始颅脑超声图像进行随机增强操作，得到目标颅脑超声图像。其中，预设缩放条件比如将初始颅脑超声图像的图像短边缩放至500像素，并按照等比缩放方式对图像长边进行缩放。按照等比缩放方式能够确定缩放后的图像长边＝(图像长边/图像短边)*500。服务器利用线性函数对尺寸缩放后的初始颅脑超声图像进行归一化处理，得到归一化处理后的初始颅脑超声图像。随机增强操作包括随机水平翻转、随机垂直翻转、随机增加图像的饱和度、对本文档来自技高网...

【技术保护点】
1.一种颅脑超声图像并行分割方法，其特征在于，所述方法包括：/n获取目标颅脑超声图像；/n将所述目标颅脑超声图像输入并行化的特征提取模型得到目标特征图；/n将所述目标特征图输入并行化的结构组织提取模型得到目标结构组织候选框；/n基于所述目标结构组织候选框从所述目标特征图中提取目标结构组织图；/n通过结构组织分类模型，对所述目标结构组织图对应的目标颅脑结构组织进行分类得到相应目标结构组织类别；/n通过结构组织分割模型，根据所述目标结构组织类别从所述目标结构组织图中分割出所述目标颅脑结构组织，得到结构组织分割子图；/n根据所述结构组织分割子图得到所述目标颅脑超声图像对应的颅脑结构组织分割图。/n

【技术特征摘要】
1.一种颅脑超声图像并行分割方法，其特征在于，所述方法包括：
获取目标颅脑超声图像；
将所述目标颅脑超声图像输入并行化的特征提取模型得到目标特征图；
将所述目标特征图输入并行化的结构组织提取模型得到目标结构组织候选框；
基于所述目标结构组织候选框从所述目标特征图中提取目标结构组织图；
通过结构组织分类模型，对所述目标结构组织图对应的目标颅脑结构组织进行分类得到相应目标结构组织类别；
通过结构组织分割模型，根据所述目标结构组织类别从所述目标结构组织图中分割出所述目标颅脑结构组织，得到结构组织分割子图；
根据所述结构组织分割子图得到所述目标颅脑超声图像对应的颅脑结构组织分割图。


2.根据权利要求1所述的方法，其特征在于，所述将所述目标颅脑超声图像输入并行化的特征提取模型得到目标特征图，包括：
通过特征提取模型对所述目标颅脑超声图像进行特征提取，得到相应的目标特征图；针对所述特征提取模型中所涉及的每个卷积层，按照下述并行化的卷积操作进行卷积；
所述并行化的卷积操作包括：
将待卷积的特征图拆分为多个第一特征子图；
对所述多个第一特征子图并行地进行卷积操作得到相应的多个特征值；
根据所述多个特征值得到卷积后的特征图。


3.根据权利要求1所述的方法，其特征在于，所述将所述目标特征图输入并行化的结构组织提取模型得到目标结构组织候选框，包括：
针对所述目标特征图中的每个像素点，分别生成第一预设数量的、且尺寸互不相同的第一候选框；
从所述目标特征图中提取与所述第一候选框对应的第二特征子图；
通过结构组织提取模型，并行地预测每个第二特征子图中包含颅脑结构组织的概率值，以及所述每个第二特征子图对应的第二候选框，按照所述概率值从所述第二候选框中筛选第二预设数量的初始结构组织候选框，并按照所述初始结构组织候选框之间的交并比，从所述初始结构组织候选框中筛选目标结构组织候选框。


4.根据权利要求3所述的方法，其特征在于，所述通过结构组织提取模型，并行地预测每个第二特征子图中包含颅脑结构组织的概率值，以及所述每个第二特征子图对应的第二候选框，包括：
启动第三预设数量的第一线程，通过所述第一线程并行地预测相应第二特征子图中包括颅脑结构组织的概率值；
启动第四预设数量的第二线程，通过所述第二线程并行地预测相应第二特征子图的坐标值，根据每个第二特征子图的坐标值确定相应的第二候选框。
...

【专利技术属性】
技术研发人员：李肯立，马来发，李胜利，谭光华，赵蕾，文华轩，朱宁波，
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