胎儿超声标准切面图像检测方法、计算机设备和存储介质技术

本申请涉及一种胎儿超声标准切面图像检测方法、计算机设备和存储介质。该方法包括：获取原始胎儿超声切面图像；对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；将预处理后的胎儿超声切面图像输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。该方法能够提高胎儿超声标准切面图像检测的实用性。

【技术实现步骤摘要】
胎儿超声标准切面图像检测方法、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种胎儿超声标准切面图像检测方法、计算机设备和存储介质。
技术介绍
随着超声技术的发展和广泛应用，产前超声检查已成为产前诊断的重要组成部分。胎儿超声标准切面的准确获取对胎儿生物学测量和疾病诊断至关重要在临床实践中获得这些标准平面通常是依靠手工完成的。然而，在现有的胎儿超声标准切面图像的获取中，手动导航超声探头来找到标准平面是一项非常具有挑战性的任务，该任务需要大量的胎儿解剖学知识，对超声医师的要求相当高。而且，每次检查通常需要花费几十分钟或者更多的时间，即使对有经验的产前超声医师来说也是如此。最后，由于不同的医生水平和手法存在差异性，从而造成检查结果的准确性和一致性偏低。为了克服现有超声检查方法所存在的不足，许多研究者基于人工智能的标准切面检测方法，主要包括：陈浩等人提出的“采用复合神经网络框架的超声标准平面检测”中，作者采用一个复合神经网络T-RCNN，实现了对胎儿腹部标准平面、胎面轴向标准面、胎儿四腔心标准切面的检测。在图像数据上的平均精度为71.73，平均F1-score为68.13。该方法中，处理一张图像的时间达到1-2秒。在ChristianF.Baumgartner等人提出的“SonoNet:超声预留的胎儿标准扫描切面的实时检测和定位”方法中，实现了13个标准面的检测，平均精度为76.15％，平均F1-score为78.69。在“SonoEyeNet:通过眼动跟踪进行标准化胎儿超声平面检测”论文中，作者利用眼动跟踪技术提出了SonoEyeNet网络，实现了胎儿“上腹部水平横切面”的标准、非标准的分类，精度及F1-score分别为96.5和97.8的效果。然而，上述基于人工智能的标准切面识别方法仍然存在不可忽略的缺陷：(1)实时性难以满足临床试验要求；(2)精准度较低；(3)仅实现某一切面的抓取，辅助切面抓取意义不大。综上，当前胎儿超声标准切面图像检测的实用性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高实用性的胎儿超声标准切面图像检测方法、装置、计算机设备和存储介质。一种胎儿超声标准切面图像检测方法，所述方法包括：获取原始胎儿超声切面图像；对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。一种胎儿超声标准切面图像检测装置，包括：图像获取模块，用于获取原始胎儿超声切面图像；预处理模块，用于对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；检测模块，用于将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。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：获取原始胎儿超声切面图像；对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。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：获取原始胎儿超声切面图像；对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。上述胎儿超声标准切面图像检测方法、装置、计算机设备和存储介质，将胎儿超声切面图像在预处理后，通过具深度学习的目标检测模型对胎儿超声切面图像检测模组输出图像的切面名称、标准与否信息，可以有效解决目前靠有经验的超声医师手动抓取的切面的方法需要消耗大量的人力、物力及时间的问题。同时，由于该方法是全自动化和程序化的，超声医师在使用过程中不需要停下手动截取切面，仅需操控超声探头。即，标准切面的抓取是实时的，能够解决现有标准切面的抓取方法中存在的检查时间过长的问题，从而有效提高了胎儿超声标准切面图像检测的实用性。附图说明图1为一个实施例中胎儿超声标准切面图像检测方法的应用环境图；图2为一个实施例中胎儿超声标准切面图像检测方法的流程示意图；图3为一个实施例中目标检测处理模型的结构示意图；图4为另一个实施例中第一卷积分支的结构示意图；图5为一个实施例中基本模块的结构示意图；图6为一个实施例中胎儿超声切面数据的组成示意图；图7为一个实施例中标注的切面关键位置坐标示意图；图8为一个实施例中胎儿超声标准切面图像检测装置的结构框图；图9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。本申请提供的胎儿超声标准切面图像检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器获取原始胎儿超声切面图像；对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。其中，终端102可以但不限于是各种B超图像采集终端，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种胎儿超声标准切面图像检测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：步骤202，获取原始胎儿超声切面图像。具体地，通过胎儿超声切面图像采集模组采集胎儿超声切面图像。胎儿超声切面图像采集模组包括超声探测终端，所述超声探测终端应用于孕妇腹部，扫描获得胎儿超声切面图像，多个所述胎儿超声切面图像集合形成多个原始胎儿超声切面图像信息。其中，所述原始胎儿超声切面图像信息中的每一张原始胎儿超声切面图像可以是通过各不同厂商提供多种型号的二维超声设备获取。S204，对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据。具体地，预处理包括删除冗余信息处理、滤波去噪处理、归一化处理及图像随机增强处理等步骤。通过预处理，能够得到符合要求的胎儿超声切面图像。在其中一个实施例中，对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据，包括：删除所述原始本文档来自技高网...

【技术保护点】
1.一种胎儿超声标准切面图像检测方法，所述方法包括：/n获取原始胎儿超声切面图像；/n对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；/n将预处理后的胎儿超声切面图像输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。/n

【技术特征摘要】
1.一种胎儿超声标准切面图像检测方法，所述方法包括：
获取原始胎儿超声切面图像；
对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；
将预处理后的胎儿超声切面图像输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。


2.根据权利要求1所述的方法，其特征在于，将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果，包括：
将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，依次通过所述目标检测处理模型的骨干网络DLA34、DLAUp模块、IDAUp模块，第一卷积模块，第二卷积模块，第三卷积模块和全连接层，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。


3.根据权利要求1所述的方法，其特征在于，训练目标检测处理模型的步骤，包括：
获取胎儿超声切面数据训练集，所述胎儿超声切面数据包括胎儿设定部分超声切面图像，标注的切好面名称面信息，标准的标准与否信息；
对所述胎儿超声切面数据训练集的胎儿设定部分超声切面图像进行预处理，得到预处理后的胎儿超声切面数据训练集；
根据所述预处理后的胎儿超声切面数据训练集训练目标检测网络，得到训练好的目标检测网络。


4.根据权利要求2所述的方法，其特征在于，骨干网络DLA34包括依次连接的输入层、第一卷积块、第二卷积块、第三卷积块、第一卷积分支、第二卷积分支、第三卷积分支、第四卷积分支、第一卷积模块、第二卷积模块、第三卷积模块和全连接层；
所述目标检测处理模型还包括：连接所述骨干网络DLA34的第二卷积分支和所述第一卷积模块的第一相加层，连接所述骨干网络DLA34的第三卷积分支和所述第二卷积模块的第二相加层，以及连接所述骨干网络DLA34的第四卷积分支和所述第三卷积模块的第三相加层；
所述输入层为512*512*3像素的矩阵；
所述第一卷积块依次设置一层卷积层、标准化层、ReLU层，该卷积层的卷积核大小为7*7，卷积核个数为16，步长为1,输出大小为512*512*16；
所述第二卷积块依次设置一层卷积层、标准化层、ReLU层，该卷积层的卷积核大小为3*3，卷积核个数为16，步长为1，输出大小为512*512*16；
所述第三卷积块依次设置一层卷积层、标准化层、ReLU层，该卷积层的卷积核大小为3*3，卷积核个数为32，步长为2,输出大小为512*512*32；
所述第一卷积分支依次设置池化层、卷积层、批标准化层、第一基本模块、第二基本模块、相加层、卷积层、批标准化层、ReLU层，其中，第一基本模块和第二基本模块中的卷积核个数为64，大小为3*3；第一卷积分支输出大小为128*128*64；
所述第二卷积分支由第一分支和第二分支组成；第一分支的结构与第一卷积分支的结构相同，其输出大小为64*64*128；第二分支依次逻辑设置第一基本模块、第二基本模块、卷积层，...

【专利技术属性】
技术研发人员：李肯立，黄诗华，谭光华，李胜利，邢翔，朱宁波，文华轩，
申请(专利权)人：湖南大学，深圳市妇幼保健院，
类型：发明
国别省市：湖南;43