超声图像的识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，应用于智慧医疗领域中，提供一种超声图像的识别方法、装置、设备及存储介质，用于提高超声图像的识别准确性。超声图像的识别方法包括：对待检测部位超声图像依次进行病灶区域提取和病灶区域像素腐蚀得到病灶图像数据；对病灶图像数据分别进行斑点结构检测和线结构检测得到待处理图像数据；对待处理图像数据依次进行骨架特征提取和垂线特征分类，得到骨架垂线特征和非骨架垂线特征，并对骨架垂线特征进行彗星尾征检测得到彗星尾征识别信息；对非骨架垂线特征依次进行基于统计特性的钙化检测和钙化类型分类得到钙化识别信息，得到目标图像识别信息。此外，本发明专利技术还涉及区块链技术，待检测部位超声图像可存储于区块链中。可存储于区块链中。可存储于区块链中。

【技术实现步骤摘要】
超声图像的识别方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能的图像处理领域，尤其涉及一种超声图像的识别方法、装置、设备及存储介质。

技术介绍

[0002]由于超声成像是利用超声声束扫描人体，通过对反射信号的接收、处理，以获得体内器官的图，超声成像方法常用来判断脏器的位置、大小和形态，以确定病灶的范围和物理性质，因而，对于超声成像的身体部位超声图像的识别也是关注点。目前，一般采用的是对身体部位超声图像进行结节边缘识别、结节边缘分割和结节特征分类的方法。
[0003]但是，上述方法存在以下问题：分析的特征单一，对于散斑噪声严重、结节边缘模糊和对比度低等因素造成的身体部位超声图像的图像识别难度大，从而，导致了超声图像的识别准确性低。

技术实现思路

[0004]本专利技术提供一种超声图像的识别方法、装置、设备及存储介质，用于提高超声图像的识别准确性。
[0005]本专利技术第一方面提供了一种超声图像的识别方法，包括：
[0006]获取待检测部位超声图像，对所述待检测部位超声图像依次进行病灶区域提取和病灶区域像素腐蚀，得到病灶图像数据；
[0007]对所述病灶图像数据分别进行斑点结构检测和线结构检测，得到待处理图像数据，所述待处理图像数据包括斑点区域数据和脊线数据；
[0008]对所述待处理图像数据依次进行骨架特征提取和垂线特征分类，得到骨架垂线特征和非骨架垂线特征，并对所述骨架垂线特征进行彗星尾征检测，得到彗星尾征识别信息；
[0009]对所述非骨架垂线特征依次进行基于统计特性的钙化检测和钙化类型分类，得到钙化识别信息，并将所述彗星尾征识别信息和所述钙化识别信息确定为目标图像识别信息。
[0010]可选的，在本专利技术第一方面的第一种实现方式中，所述对所述非骨架垂线特征依次进行基于统计特性的钙化检测和钙化类型分类，得到钙化识别信息，并将所述彗星尾征识别信息和所述钙化识别信息确定为目标图像识别信息，包括：
[0011]获取所述非骨架垂线特征对应的非骨架垂线图像分割数据，通过所述斑点区域数据和所述脊线数据，对所述非骨架垂线图像分割数据进行筛选，得到多个备选区域；
[0012]通过预置的基于统计特性的分离融合机制，对所述多个备选区域依次进行钙化区域识别和钙化类型分析，得到钙化识别信息；
[0013]将所述彗星尾征识别信息和所述钙化识别信息进行合并，得到目标图像识别信息。
[0014]可选的，在本专利技术第一方面的第二种实现方式中，所述通过预置的基于统计特性
的分离融合机制，对所述多个备选区域依次进行钙化区域识别和钙化类型分析，得到钙化识别信息，包括：
[0015]通过预置的基于统计特性的分离融合机制，计算所述多个备选区域中多个目标超像素区域的融合值和分离值，并根据所述融合值和所述分离值确定目标差值；
[0016]将所述目标差值与预设阈值进行对比分析，得到分析结果，并根据所述分析结果从所述多个备选区域中确定目标钙化区域；
[0017]获取所述目标钙化区域的钙化长度，并通过所述钙化长度确定所述目标钙化区域的钙化类型；
[0018]将所述目标钙化区域和所述钙化类型进行合并，得到钙化识别信息。
[0019]可选的，在本专利技术第一方面的第三种实现方式中，所述通过预置的基于统计特性的分离融合机制，计算所述多个备选区域中多个目标超像素区域的融合值和分离值，并根据所述融合值和所述分离值确定目标差值，包括：
[0020]通过预置的基于统计特性的分离融合机制，将所述多个备选区域中的多个目标超像素区域进行融合，得到已融合区域，对所述已融合区域进行似然度计算，得到融合值；
[0021]通过所述多个备选区域，对所述已融合区域进行分离，得到分离后的区域，对所述分离后的区域进行基于分布估值
‑
钙化概率的和值计算，得到分离值；
[0022]计算所述融合值和所述分离值的差值，得到目标差值。
[0023]可选的，在本专利技术第一方面的第四种实现方式中，所述对所述病灶图像数据分别进行斑点结构检测和线结构检测，得到待处理图像数据，所述待处理图像数据包括斑点区域数据和脊线数据，包括：
[0024]对所述病灶图像数据依次进行病灶区域斑点检测和强度筛选，得到斑点区域数据；
[0025]对所述病灶图像数据依次进行特征提取、海森矩阵计算和筛选，得到目标特征信息组；
[0026]通过所述目标特征信息组构建线状结构得到脊线数据，并将所述斑点区域数据和所述脊线数据确定为待处理图像数据。
[0027]可选的，在本专利技术第一方面的第五种实现方式中，所述获取待检测部位超声图像，对所述待检测部位超声图像依次进行病灶区域提取和病灶区域像素腐蚀，得到病灶图像数据，包括：
[0028]获取待检测部位超声图像，对所述待检测部位超声图像进行脱敏，得到预处理后的待检测部位超声图像；
[0029]对所述预处理后的待检测部位超声图像依次进行病灶区域分割、病灶区域掩膜和像素向内腐蚀，得到病灶图像数据。
[0030]可选的，在本专利技术第一方面的第六种实现方式中，所述对所述待处理图像数据依次进行骨架特征提取和垂线特征分类，得到骨架垂线特征和非骨架垂线特征，并对所述骨架垂线特征进行彗星尾征检测，得到彗星尾征识别信息，包括：
[0031]对所述待处理图像数据依次进行目标边界点检测和骨架特征提取，得到骨架特征；
[0032]对所述骨架特征进行基于垂线特征的分类，得到骨架垂线特征和非骨架垂线特
征；
[0033]对所述骨架垂线特征进行遍历和横线识别，得到横线特征信息；
[0034]按照预设彗星尾征检测策略，将所述横线特征信息与所述骨架垂线特征进行对比分析，得到彗星尾征识别信息。
[0035]本专利技术第二方面提供了一种超声图像的识别装置，包括：
[0036]像素腐蚀模块，用于获取待检测部位超声图像，对所述待检测部位超声图像依次进行病灶区域提取和病灶区域像素腐蚀，得到病灶图像数据；
[0037]第一检测模块，用于对所述病灶图像数据分别进行斑点结构检测和线结构检测，得到待处理图像数据，所述待处理图像数据包括斑点区域数据和脊线数据；
[0038]第二检测模块，用于对所述待处理图像数据依次进行骨架特征提取和垂线特征分类，得到骨架垂线特征和非骨架垂线特征，并对所述骨架垂线特征进行彗星尾征检测，得到彗星尾征识别信息；
[0039]分类确定模块，用于对所述非骨架垂线特征依次进行基于统计特性的钙化检测和钙化类型分类，得到钙化识别信息，并将所述彗星尾征识别信息和所述钙化识别信息确定为目标图像识别信息。
[0040]可选的，在本专利技术第二方面的第一种实现方式中，所述分类确定模块包括：
[0041]筛选单元，用于获取所述非骨架垂线特征对应的非骨架垂线图像分割数据，通过所述斑点区域数据和所述脊线数据，对所述非骨架垂线图像分割数据进行筛选，得到多个备选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声图像的识别方法，其特征在于，所述超声图像的识别方法包括：获取待检测部位超声图像，对所述待检测部位超声图像依次进行病灶区域提取和病灶区域像素腐蚀，得到病灶图像数据；对所述病灶图像数据分别进行斑点结构检测和线结构检测，得到待处理图像数据，所述待处理图像数据包括斑点区域数据和脊线数据；对所述待处理图像数据依次进行骨架特征提取和垂线特征分类，得到骨架垂线特征和非骨架垂线特征，并对所述骨架垂线特征进行彗星尾征检测，得到彗星尾征识别信息；对所述非骨架垂线特征依次进行基于统计特性的钙化检测和钙化类型分类，得到钙化识别信息，并将所述彗星尾征识别信息和所述钙化识别信息确定为目标图像识别信息。2.根据权利要求1所述的超声图像的识别方法，其特征在于，所述对所述非骨架垂线特征依次进行基于统计特性的钙化检测和钙化类型分类，得到钙化识别信息，并将所述彗星尾征识别信息和所述钙化识别信息确定为目标图像识别信息，包括：获取所述非骨架垂线特征对应的非骨架垂线图像分割数据，通过所述斑点区域数据和所述脊线数据，对所述非骨架垂线图像分割数据进行筛选，得到多个备选区域；通过预置的基于统计特性的分离融合机制，对所述多个备选区域依次进行钙化区域识别和钙化类型分析，得到钙化识别信息；将所述彗星尾征识别信息和所述钙化识别信息进行合并，得到目标图像识别信息。3.根据权利要求2所述的超声图像的识别方法，其特征在于，所述通过预置的基于统计特性的分离融合机制，对所述多个备选区域依次进行钙化区域识别和钙化类型分析，得到钙化识别信息，包括：通过预置的基于统计特性的分离融合机制，计算所述多个备选区域中多个目标超像素区域的融合值和分离值，并根据所述融合值和所述分离值确定目标差值；将所述目标差值与预设阈值进行对比分析，得到分析结果，并根据所述分析结果从所述多个备选区域中确定目标钙化区域；获取所述目标钙化区域的钙化长度，并通过所述钙化长度确定所述目标钙化区域的钙化类型；将所述目标钙化区域和所述钙化类型进行合并，得到钙化识别信息。4.根据权利要求3所述的超声图像的识别方法，其特征在于，所述通过预置的基于统计特性的分离融合机制，计算所述多个备选区域中多个目标超像素区域的融合值和分离值，并根据所述融合值和所述分离值确定目标差值，包括：通过预置的基于统计特性的分离融合机制，将所述多个备选区域中的多个目标超像素区域进行融合，得到已融合区域，对所述已融合区域进行似然度计算，得到融合值；通过所述多个备选区域，对所述已融合区域进行分离，得到分离后的区域，对所述分离后的区域进行基于分布估值
‑
钙化概率的和值计算，得到分离值；计算所述融合值和所述分离值的差值，得到目标差值。5.根据权利要求1所述的超声图像的识别方法，其特征在于，所述对所述病灶图像数据分别进行斑点结构检测和线结构检测，得到待处理图像数据，...

【专利技术属性】
技术研发人员：郭岑，陈超，徐埌，黄凌云，刘玉宇，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：