【技术实现步骤摘要】
一种针对先心病的超声多切面数据检测方法
本申请涉及深度学习的
，具体而言，涉及一种针对先心病的超声多切面数据检测方法以及系统。
技术介绍
先天性心脏病作为一种常见的先天性疾病。在诊断过程中，需要先通过听诊器听病人的心跳频率，借助心电图得出初步判断，然后使用超声多切面图观察心脏结构，并进行诊断。在目前基于超声多切面图的人工智能辅助检测的研究中，具有以下几个难点：(1)缺损(异常)区域辨识度低：在超声多切面图的上百帧图像中，并不是每帧图像都能看到先天性心脏病的缺损区域，医生需要结合整个周期的心脏和血流活动状态，才能判断是否具有缺损。并且缺损区域在超声多切面图上所占的区域很小，容易被超声自带的噪声所干扰。(2)数据高自由度：超声多切面图的影像数据与医学影像智能诊疗中常见的CT、MR等数据不同，为影像科医生人工采集的数据，没有固定的截面和采集顺序，因此得到的数据格式杂乱无章。
技术实现思路
本申请的目的在于：提出同时使用焦点区域和原始图像，对超声多切面图进行分类的方式，有效保留了原始...
【技术保护点】
1.一种针对先心病的超声多切面数据检测方法，其特征在于，所述方法包括：/n步骤1，检测超声多切面图中的焦点区域，所述焦点区域包括房间隔区域和/或室间隔区域；/n步骤2，根据所述超声多切面图和所述焦点区域，进行特征提取，提取出的所述特征用于对所述超声多切面图进行分类检测。/n
【技术特征摘要】
1.一种针对先心病的超声多切面数据检测方法，其特征在于，所述方法包括：
步骤1，检测超声多切面图中的焦点区域，所述焦点区域包括房间隔区域和/或室间隔区域；
步骤2，根据所述超声多切面图和所述焦点区域，进行特征提取，提取出的所述特征用于对所述超声多切面图进行分类检测。
2.如权利要求1所述的针对先心病的超声多切面数据检测方法，其特征在于，所述步骤1，具体包括：
步骤11，通过卷积、反卷积运算，生成所述超声多切面图的组合特征图，所述组合特征图包括深层特征图和浅层特征图；
步骤12，在所述组合特征图中，根据检测标注框和默认矩形框，采用预设匹配原则进行匹配，并结合非极大值抑制算法，生成所述焦点区域。
3.如权利要求1或2所述的针对先心病的超声多切面数据检测方法，其特征在于，所述方法，还包括：
步骤3，将多张超声多切面图对应的焦点区域，输入至池化层和全连接层，生成焦点向量；
步骤4，根据所述焦点向量和所述超声多切面图，进行特征提取，以对所述超声多切面图进行分类检测。
4.一种针对先心病的超声多切面数据检测系统，其特征在于，所述系统包括：多尺度检测网络和深层特征提取网络；
所述多尺度检测网络用于检测超声多切面图中的焦点区域，所述焦点区域包括房间隔区域和/或室间隔区域；
所述深层特征提取网络用于根据所述超声多切面图和所述焦点区域，进行特征提取，提取出的所述特征用于对所述超声多切面图进行分类检测。
5.如权利要求4所述的针对先心病的超声多切面数据检测系统，其特征在于，所述多尺度检测网络，具体包括：多尺度特征提取模块和焦点区域检测模块；
所述多尺度特征提取模块用于通过卷积、反卷积运算，生成所述超声多切面图的组合特征图，所述组合特征图包括深层特征图和浅层特征图；
所述焦点区域检测模块用于在所述组合特征图中，根据检测标注框和默认矩形框，采用预...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。