一种基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法技术

本发明专利技术公开了一种基于改进U

【技术实现步骤摘要】
一种基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法


[0001]本专利技术涉及图像处理
与医学辅助诊断领域，具体涉及一种基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法。

技术介绍

[0002]由于医学超声成像具有实时性的特点，该技术被广泛应用于肝脏肿瘤的消融术和微创治疗中的病灶识别及跟踪。然而，呼吸运动会使病灶及障碍位置发生改变，从而增加了准确避碍与病灶定位的难度。
[0003]基于超声图像目标识别与跟踪主要包括：1)超声图像中目标识别任务；2)超声图像中目标跟踪任务。超声图像的目标识别，就是在图中准确地绘制血管、肿瘤等有价值目标的轮廓，由于自动目标识别方法使用计算机自动提取目标轮廓，分割速度快，正逐渐替代传统的半自动及人工方法。然而超声图像具有斑点噪声大、目标不清、亮度低等特点，这会影响目标识别的准确性。此外，考虑到人体自然呼吸存在的影响，活体治疗中病灶及血管的位置会发生变化，这会影响超声图像目标的定位，从而影响目标跟踪的快速性和准确性。因此，实现准确且实时的超声图像目标识别与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法，其特征在于，肝脏血管超声图像目标识别与跟踪方法包括以下步骤：步骤1：超声图像序列预处理；步骤2：训练ROI提取模型，从步骤1的超声图像中分割出区域；步骤3：基于改进U-net网络实现步骤2的区域中目标的准确分割；步骤4：利用CNN-LSTM网络对步骤1的超声图像序列进行分类；步骤5：基于步骤3的分割结果及步骤4的分类结果，利用LSTM网络实现超声图像序列中目标位置的准确预测。2.根据权利要求1所述的基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法，其特征在于，所述的步骤1预处理方法具体为，采用直方图均衡化方法对肝脏血管超声图像数据进行处理，将原始图像的灰度值映射到[0，255]范围内。3.根据权利要求1所述的基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法，其特征在于，所述的步骤2的具体步骤为：步骤2.1：将预处理后的超声图像作为目标检测网络数据集，标注出每张图像中肝脏血管的位置，并保存为.xml格式文件作为标签训练；步骤2.2：对原有目标检测网络进行改进，选取聚焦损失函数作为分类网络的损失函数，并增加非极大值抑制进行预测边框的筛选，构建retinanet网络；步骤2.3：在训练集上对retinanet网络进行训练，得到准确的目标检测模型，应用训练好的目标检测模型对测试集进行测试，得到自动提取出的目标区域超声图像。4.根据权利要求1所述的基于改进U-net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法，其特征在于，所述的步骤3的具体步骤为：步骤3.1：将步骤2中得到的目标区域超声图像作为分割网络数据集，勾勒出每张图像中出现的肝脏血管边缘，并处理为二值图像，作为分割网络的标签，然后将图像...

【专利技术属性】
技术研发人员：赵悦，姜宇，金晶，李丹丹，沈毅，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：