一种基于人工智能的超声影像诊断方法技术

本发明专利技术公开一种基于人工智能的超声影像诊断方法，包括：步骤S1：采集患者的超声影像；步骤S2：自超声影像中提取器官影像和病灶影像；步骤S3：根据病灶影像生成形态评分，并根据器官影像和病灶影像生成位置评分；步骤S4：根据形态评分和位置评分生成综合评分；综合评分用于表征病灶的转移几率。本发明专利技术的有益效果在于：基于形态评分和位置评分综合预测疾病，以提高预测的准确度，可以有效地对各类病灶或器官的相关病变进行合理预测；基于图像处理方法实现了对大规模统计数据的统一转化，使得大规模采集到的数据能够在同一尺度下进行融合。基于图像特征从定量、客观、可解释地角度进行了有效的分析，具有进一步的分析价值，成果转化容易。容易。容易。

【技术实现步骤摘要】
一种基于人工智能的超声影像诊断方法


[0001]本专利技术涉及人工智能诊断
，具体涉及一种基于人工智能的超声影像诊断方法。

技术介绍

[0002]基于超声图像进行医学诊断具有无痛、方便的特点，是临床研究的重要趋势之一。超声科医生根据超声影像中提示的病灶位置、大小、形态学信息等特征信号做出医学诊断。但由于超声医生的严重缺乏以及经验参差不齐等问题，对于超声影像的解读会造成较大偏差，导致诊断结果误差很大、错诊漏诊率极高。临床需要标准化解释性强的辅助诊断手段。
[0003]近年来，由于算力及算法的不断提高，使得人工智能方法结合医学影像学研究取得了很多显著成绩。人工智能方法可以有效提取超声图像的特征并加以分析，如发现病灶(结节或肿瘤)、计算病灶大小、识别形态学特征、对肿瘤进行良恶性判别等，很多方面可以媲美甚至超过人类医生的准确率，具备很大的潜力。当前对于超声图像的利用主要停留在针对影像形态学指标做小样本的统计研究，即对原图或者分割图等进行简单预处理的数据，再直接运用机器学习、深度学习等人工智能方法，基于形态学特征进行影像诊断预测。该结果主要体现的是病灶本身的特点及预测评分，目前鲜少围绕对相关联病灶做预测，且无法提示评分依据。

技术实现思路

[0004]针对现有技术中存在的上述问题，现提供一种基于人工智能的超声影像诊断方法。
[0005]具体技术方案如下：
[0006]一种基于人工智能的超声影像诊断方法，包括：
[0007]步骤S1：采集患者的超声影像；
[0008]步骤S2：自所述超声影像中提取器官影像和病灶影像；
[0009]步骤S3：根据所述病灶影像生成形态评分，并根据所述器官影像和所述病灶影像生成位置评分；
[0010]步骤S4：根据所述形态评分和所述位置评分生成综合评分；
[0011]所述综合评分用于表征病灶的转移几率。
[0012]优选地，所述步骤S2包括：
[0013]步骤S21对多个所述超声影像进行预处理以去除无效超声影像；
[0014]步骤S22采用一第一图像分割方法自所述超声影像中提取所述器官影像，并采用一第二图像分割方法自所述超声影像中提取所述病灶影像。
[0015]优选地，所述步骤S22中的第一图像分割方法包括：
[0016]步骤S221：对所述超声影像进行预处理以生成预处理图像；
[0017]步骤S222：采用一网络识别模型自所述预处理图像中提取所述器官影像。
[0018]优选地，所述步骤S22中的第二图像分割方法包括：
[0019]采用一对象分割模型自所述超声影像中提取所述病灶影像；
[0020]所述对象分割模型包括：
[0021]特征金字塔网络，所述特征金字塔网络接收所述超声影像，并根据所述超声影像生成对象分割图像；
[0022]关系模块，所述关系模块接收所述对象分割图像，并根据所述对象分割图像生成前景增强图像；
[0023]解码模块，所述解码模块接收所述前景增强图像，并生成语义恢复图像；
[0024]优化模块，所述优化模块接收所述语义恢复图像并生成所述病灶影像。
[0025]优选地，所述步骤S3包括：采用一预先建立的二分类模型根据所述病灶影像生成形态评分；
[0026]所述二分类模型包括依次设置的：
[0027]特征提取层，所述特征提取层对所述超声影像进行卷积操作，随后进行四个残差块运算输出提取结果；
[0028]分类层，所述分类层根据所述提取结果生成所述形态评分。
[0029]优选地，所述步骤S3还包括：采用一位置识别方法根据所述器官影像和所述病灶影像生成位置评分；
[0030]所述位置识别方法包括：
[0031]步骤S31：根据所述超声影像和一预设的器官模板进行配准以生成配准图像；
[0032]步骤S32：自所述配准图像中提取位置信息；
[0033]步骤S33：采用一图算法模型根据所述位置信息生成所述位置评分。
[0034]优选地，所述图算法模型包括：
[0035]二分图子模块，所述二分图子模块根据所述位置信息生成二分图；
[0036]图卷积子模块，所述图卷积子模块中设置有多个图卷积层和一个分类池化层，用于提取所述二分图的结构特征；
[0037]分类子模块，所述分类子模块根据所述二分图的结构特征生成所述位置评分。
[0038]优选地，所述步骤S4还包括采用一可视化方法生成概率分布图。
[0039]上述技术方案具有如下优点或有益效果：基于形态评分和位置评分综合预测疾病，以提高预测的准确度，可以有效地对各类病灶或器官的相关病变进行合理预测；基于图像处理方法实现了对大规模统计数据的统一转化，使得大规模采集到的数据能够在同一尺度下进行融合。基于图像特征从定量、客观、可解释地角度进行了有效的分析，具有进一步的分析价值，成果转化容易。
附图说明
[0040]参考所附附图，以更加充分的描述本专利技术的实施例。然而，所附附图仅用于说明和阐述，并不构成对本专利技术范围的限制。
[0041]图1为本专利技术实施例的整体示意图；
[0042]图2为本专利技术实施例的步骤S2子步骤示意图；
[0043]图3为本专利技术实施例的第一图像分割方法示意图；
[0044]图4为本专利技术实施例的对象分割模型示意图；
[0045]图5为本专利技术实施例的二分类模型示意图；
[0046]图6为本专利技术实施例的位置识别方法示意图；
[0047]图7为本专利技术实施例的图算法模型示意图。
具体实施方式
[0048]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0049]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0050]下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。
[0051]目前人工智能结合超声影像的技术路线，主要集中在针对病灶形态学本身进行特征提取训练预测模型，而忽略了一些例如病灶生长区域、病灶间以及病灶到各器官间的距离等信息对于该疾病的重要影响。进而导致研究因素单一，预测结果与医学临床意义造成一定偏差，丧失对更加有用信息的进一步分析。
[0052]同时，由于人工智能算法本身属于“黑匣子”方法，即预测结果无法进行具体的指向性因素分析，因此同样在处理医学影像数据时也无法针对预测结果给出合理解释。医学诊断中的成因更为重要，且病因有时候是多方面共同作用的结果，预测结果的可解释性被迫且需要。
[0053]超声扫查作为甲状腺、肺部、乳腺、胰腺、肠胃等疾病的主要诊断手段，其存在由于扫描过程中的挤压造成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的超声影像诊断方法，其特征在于，包括：步骤S1：采集患者的超声影像；步骤S2：自所述超声影像中提取器官影像和病灶影像；步骤S3：根据所述病灶影像生成形态评分，并根据所述器官影像和所述病灶影像生成位置评分；步骤S4：根据所述形态评分和所述位置评分生成综合评分；所述综合评分用于表征病灶的转移几率。2.根据权利要求1所述的超声影像诊断方法，其特征在于，所述步骤S2包括：步骤S21对多个所述超声影像进行预处理以去除无效超声影像；步骤S22采用一第一图像分割方法自所述超声影像中提取所述器官影像，并采用一第二图像分割方法自所述超声影像中提取所述病灶影像。3.根据权利要求2所述的超声影像诊断方法，其特征在于，所述步骤S22中的第一图像分割方法包括：步骤S221：对所述超声影像进行预处理以生成预处理图像；步骤S222：采用一网络识别模型自所述预处理图像中提取所述器官影像。4.根据权利要求2所述的超声影像诊断方法，其特征在于，所述步骤S22中的第二图像分割方法包括：采用一对象分割模型自所述超声影像中提取所述病灶影像；所述对象分割模型包括：特征金字塔网络，所述特征金字塔网络接收所述超声影像，并根据所述超声影像生成对象分割图像；关系模块，所述关系模块接收所述对象分割图像，并根据所述对象分割图像生成前景增强图像；解码模块，所述解码模块接收所述...

【专利技术属性】
技术研发人员：吕晖，姚思琼，张维拓，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：