本公开涉及一种超声造影影像分类方法及装置、电子设备和存储介质。所述超声造影影像分类方法包括：获取包含分类对象的超声造影影像和分类场景，所述分类场景用于指示对分类的速度和/或精度的要求；根据所述分类场景，对所述超声造影影像进行分类对象的状态分类，确定所述分类对象的至少一个状态分类结果，所述状态分类结果包括：正常状态或非正常状态；根据所述至少一个状态分类结果，确定所述分类对象的状态。通过上述过程，解决了超声造影分析对使用场景要求高、适应性差的问题，在进行状态分类时，通过至少一个状态分类结果来确定分类对象的状态，提高了对分类对象的状态识别的准确度。确度。确度。
【技术实现步骤摘要】
一种超声造影影像分类方法及装置、电子设备和存储介质
[0001]本公开涉及超声造影领域，尤其涉及一种超声造影影像分类方法及装置、电子设备和存储介质。
技术介绍
[0002]右心声学造影(transthoracic contrast echocardiography)，也称为超声造影，是用来判断心脏收缩功能的一项检查。在进行超声检查前，应用造影剂使血管内血液中产生大量微小气泡，此类气泡可被血液逐渐溶解吸收，但当进行心脏超声检查时，由于超声的特性无法通过气体，所以在超声检查影像学上体现为强回声，通过观察强回声光团，通过右心室的时间来判断右心收缩能力。
[0003]目前公认的右心声学造影诊断依据为：观察静息状态以及瓦氏动作停止后3
‑
6个心动周期内左心内有无微泡显影并记录显影微泡的量。通常，医生会肉眼观察左心腔出现微泡的时刻和微泡的最大数量来确定患者是否存在右向左分流。这就容易受到速度量程和医生主观经验的影响，从而高估或低估实际疾病的严重程度，甚至造成误诊。
技术实现思路
[0004]有鉴于此，本公开提出了一种超声造影影像分类技术方案。
[0005]根据本公开的一方面，提供了一种超声造影影像分类方法，包括：获取包含分类对象的超声造影影像和分类场景，所述分类场景用于指示对分类的速度和/或精度的要求；根据所述分类场景，对所述超声造影影像进行分类对象的状态分类，确定所述分类对象的至少一个状态分类结果，所述状态分类结果包括：正常状态或非正常状态；根据所述至少一个状态分类结果，确定所述分类对象的状态。
[0006]在一种可能的实现方式中，所述根据所述分类场景，对所述超声造影影像进行分类对象的状态分类，确定所述分类对象的至少一个状态分类结果，包括：将所述超声造影影像输入与所述分类场景对应的神经网络；根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果；其中，所述神经网络通过包含所述分类对象的训练影像进行训练，所述训练影像中的分类对象通过至少一个状态分类结果进行标注。
[0007]在一种可能的实现方式中，在所述分类场景为速度优先的分类场景的情况下，所述将所述超声造影影像输入与所述分类场景对应的神经网络，包括：对所述超声造影影像进行造影图像抽取；将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征；所述根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果，包括：根据所述时序特征，确定所述分类对象的第一状态分类结果；所述根据所述至少一个状态分类结果，确定所述分类对象的状态，包括：根据所述第一状态分类结果，确定所述分类对象的状态。
[0008]在一种可能的实现方式中，在所述分类场景为速度和精度均衡的分类场景的情况下，所述将所述超声造影影像输入与所述分类场景对应的神经网络，包括：对所述超声造影
影像进行造影图像抽取；将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征；将所述造影图像输入第二图像分支神经网络，提取所述超声造影影像的静态特征；所述根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果，包括：根据所述时序特征，确定所述分类对象的第一状态分类结果；根据所述静态特征，确定所述分类对象的第二状态分类结果；所述根据所述至少一个状态分类结果，确定所述分类对象的状态，包括：根据所述第一状态分类结果和所述第二状态分类结果，确定所述分类对象的状态分类结果。
[0009]在一种可能的实现方式中，在所述分类场景为精度优先的分类场景的情况下，所述将所述超声造影影像输入与所述分类场景对应的神经网络，包括：对所述超声造影影像进行造影图像抽取；将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征；将所述造影图像输入第二图像分支神经网络，提取所述超声造影影像的静态特征；对所述超声造影影像进行光流图像抽取，将所述光流图像输入光流分支神经网络，提取所述超声造影影像的运动特征；所述根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果，包括：根据所述时序特征，确定所述分类对象的第一状态分类结果；根据所述静态特征，确定所述分类对象的第二状态分类结果；根据所述运动特征，确定所述分类对象的第三状态分类结果；所述根据所述至少一个状态分类结果，确定所述分类对象的状态，包括：根据所述第一状态分类结果、所述第二状态分类结果和所述第三状态分类结果，确定所述分类对象的状态分类结果。
[0010]在一种可能的实现方式中，所述对所述超声造影影像进行光流图像抽取，将所述光流图像输入光流分支神经网络，提取所述超声造影影像的运动特征，包括：从所述超声造影影像中抽取光流序列；在所述光流序列中的对应位置抽取光流图像，所述对应位置为光流序列中与超声造影影像中抽取的造影图像相同的位置；在所述光流序列中抽取所述光流图像的前N帧光流图像和后M帧光流图像，得到多帧光流图像；将所述多帧光流图像输入到残差网络中，得到残差网络的全局最大池化层输出的多个特征向量；将所述多个特征向量进行拼接，得到拼接特征；将所述拼接特征输入到卷积网络中进行特征融合操作，得到融合特征，作为运动特征。
[0011]在一种可能的实现方式中，所述从所述超声造影影像中抽取光流序列，包括：使用Farneback算法从所述超声造影影像中抽取光流序列。
[0012]根据本公开的另一方面，提供了一种超声造影影像分类装置，包括：数据获取模块，用于获取包含分类对象的超声造影影像和分类场景，所述分类场景用于指示对分类的速度和/或精度的要求；状态分类模块，用于根据所述分类场景，对所述超声造影影像进行分类对象的状态分类，确定所述分类对象的至少一个状态分类结果，所述状态分类结果包括：正常状态或非正常状态；状态确定模块，用于根据所述至少一个状态分类结果，确定所述分类对象的状态。
[0013]在一种可能的实现方式中，所述状态分类模块，包括：影像输入子模块，用于将所述超声造影影像输入与所述分类场景对应的神经网络；状态分类子模块，用于根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果；其中，所述神经网络通过包含所述分类对象的训练影像进行训练，所述训练影像中的分类对象通过至少一个状态分类结果进行标注。
[0014]在一种可能的实现方式中，在所述分类场景为速度优先的分类场景的情况下，所述影像输入子模块，用于对所述超声造影影像进行造影图像抽取，将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征；所述状态分类子模块，用于根据所述时序特征，确定所述分类对象的第一状态分类结果；所述状态确定模块，用于根据所述第一状态分类结果，确定所述分类对象的状态。
[0015]在一种可能的实现方式中，在所述分类场景为速度和精度均衡的分类场景的情况下，所述影像输入子模块，用于对所述超声造影影像进行造影图像抽取，将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征，将所述造影图像输入第二图像分支神经网络，提取所述超声造影影像的静态特征；所述状态分类子模块，用于根本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种超声造影影像分类方法，其特征在于，包括：获取包含分类对象的超声造影影像和分类场景，所述分类场景用于指示对分类的速度和/或精度的要求；根据所述分类场景，对所述超声造影影像进行分类对象的状态分类，确定所述分类对象的至少一个状态分类结果，所述状态分类结果包括：正常状态或非正常状态；根据所述至少一个状态分类结果，确定所述分类对象的状态。2.根据权利要求1所述的方法，其特征在于，所述根据所述分类场景，对所述超声造影影像进行分类对象的状态分类，确定所述分类对象的至少一个状态分类结果，包括：将所述超声造影影像输入与所述分类场景对应的神经网络；根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果；其中，所述神经网络通过包含所述分类对象的训练影像进行训练，所述训练影像中的分类对象通过至少一个状态分类结果进行标注。3.根据权利要求2所述的方法，其特征在于，在所述分类场景为速度优先的分类场景的情况下，所述将所述超声造影影像输入与所述分类场景对应的神经网络，包括：对所述超声造影影像进行造影图像抽取；将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征；所述根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果，包括：根据所述时序特征，确定所述分类对象的第一状态分类结果；所述根据所述至少一个状态分类结果，确定所述分类对象的状态，包括：根据所述第一状态分类结果，确定所述分类对象的状态。4.根据权利要求2所述的方法，其特征在于，在所述分类场景为速度和精度均衡的分类场景的情况下，所述将所述超声造影影像输入与所述分类场景对应的神经网络，包括：对所述超声造影影像进行造影图像抽取；将所述造影图像输入第一图像分支神经网络，提取所述超声造影影像的时序特征；将所述造影图像输入第二图像分支神经网络，提取所述超声造影影像的静态特征；所述根据所述神经网络的输出，确定所述分类对象的至少一个状态分类结果，包括：根据所述时序特征，确定所述分类对象的第一状态分类结果；根据所述静态特征，确定所述分类对象的第二状态分类结果；所述根据所述至少一个状态分类结果，确定所述分类对象的状态，包括：根据所述第一状态分类结果和所述第二状态分类结果，确定所述分类对象的状态分类结果。5.根据权利要求2所述的方法，其特征在于，在所述分类场景为精度优先的分类场景的情况下，所述将所述超声造影影像输入与所述分类场景对应的神经网络，包括：对所述超声造影影像进行造影图像抽取；将所述造影图像输入第一图像...
【专利技术属性】
技术研发人员：叶菁，张培芳，邓玉姣，陈晓天，蒲海涛，吴振洲，
申请(专利权)人：北京安德医智科技有限公司，
类型：发明
国别省市：
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。