本申请涉及超声技术领域，尤其涉及一种基于超声图像的卵泡信息提取方法和相关装置，用于解决如何提高超声图像中对多个卵泡识别的准确度并提高卵泡信息提取模型的泛化程度的问题。在本申请中，对超声图像经过直方图均值化得到第一图像，更清楚地显示出卵泡边缘。将第一图像输入编码器模块得到第一特征后，再经过多尺度多路融合模块得到第二特征；再将第二特征输入形状流模块得到第三特征，使卵泡边缘更清晰；将第三特征与第二特征输入解码器模块，得到掩码图像，并基于掩码图像对卵泡的数量和/或卵泡的尺寸信息提取并显示。由此提高了卵泡识别的准确度，且多尺度多路融合模型提高了高低维特征的融合能力，因此还提高卵泡信息提取模型的泛化程度。息提取模型的泛化程度。息提取模型的泛化程度。
【技术实现步骤摘要】
基于超声图像的卵泡信息提取方法和相关装置
[0001]本申请涉及超声
，尤其涉及一种基于超声图像的卵泡信息提取方法和相关装置。
技术介绍
[0002]在对卵泡的超声图像进行处理时，获得的超声图像较模糊且有噪音，并且卵巢结构复杂，卵泡大小、数量参差不齐，导致卵泡的识别模型难以泛化。在超声图像中，除卵泡外有其他低回声区，如血管、囊肿等，容易造成误识别。虽然在相关技术中，基于卷积神经网络的深度学习算法提高了分割的准确度，但是针对多个、杂乱的卵泡分布有很高的误检率。因此如何提高超声图像中对多个卵泡识别的准确度并提高卵泡信息提取模型的泛化程度是当前需要解决的问题。
技术实现思路
[0003]本申请公开了一种基于超声图像的卵泡信息提取方法和相关装置，用于解决如何提高超声图像中对多个卵泡识别的准确度并提高卵泡信息提取模型的泛化程度的问题。
[0004]第一方面，本申请提出了一种基于超声图像的卵泡信息提取方法，所述方法包括：
[0005]获取针对卵泡的超声图像；
[0006]将所述超声图像进行直方图均值化后得到第一图像；
[0007]采用编码器模块对所述第一图像进行特征提取操作，得到第一特征；
[0008]采用多尺度多路融合模块对所述第一特征进行特征提取操作，得到第二特征；
[0009]采用形状流模块对所述第二特征进行特征提取操作，得到第三特征；
[0010]采用解码器模块处理所述第二特征和所述第三特征，得到卵泡的掩码图像；
[0011]基于所述掩码图像提取卵泡的数量和/或卵泡的尺寸信息。
[0012]可选的，所述将所述超声图像进行直方图均值化后得到第一图像，具体包括：
[0013]获取所述超声图像中像素点的灰度值；
[0014]基于所述超声图像的灰度值将所述超声图像映射至指定灰度范围中，得到所述第一图像。
[0015]可选的，所述编码器模块包括偶数个编码器，每个编码器提取出一个层次的第一子特征，所述第一特征包括所有编码器提取的各个层次的第一子特征；
[0016]所述多尺度多路融合模块包括多个稠密块通道和多层次特征融合模块，各所述稠密块通道包括依序串联的多个第一稠密块模块，所述多层次特征融合模块包括第二稠密块模块和第三稠密块模块，所述第三稠密块模块输出的特征路数与所述编码器的数量相同；所述第一稠密块模块、所述第二稠密块模块和所述第三稠密块模块分别包括两个稠密块，所述两个稠密块用于交换各自提取的特征信息；
[0017]所述采用多尺度多路融合模块对所述第一特征进行特征提取操作，得到第二特征，具体包括：
[0018]将相邻两层次的第一子特征输入对应的稠密块通道，得到各个稠密块通道提取的与各层次的第一子特征分别对应的第一中间特征；
[0019]采用所述多层次特征融合模块中的第二稠密块模块处理不同层次的第一子特征对应的第一中间特征，得到第二中间特征；
[0020]采用所述第三稠密块模块处理所述第二中间特征，以及最低层次的第一中间特征和最高层次的第一中间特征，得到与每路编码器对应的第二子特征，所述第二特征包括各个第二子特征。
[0021]可选的，所述第二特征中包括n+1路第二子特征，n+1为偶数，所述形状流模块包括n组流处理单元，每组流处理单元包括残差模块和门卷积模块，其中：
[0022]首个流处理单元的残差模块的输入为最高层次的第二子特征，门卷积模块的输入为首个流处理单元的残差模块的输出和次高层次的第二子特征；
[0023]除首个流处理单元之外的每个流处理单元，所述流处理单元的残差模块的输入为上个流处理单元的门卷积模块的输出，所述流处理单元的门卷积模块的输入为相对上一个流处理单元的下一层次的第二子特征和所述流处理单元的残差模块的输出；
[0024]最后一个流处理单位的门卷积模块的输出为所述第三特征。
[0025]可选的，所述第二特征中包括n+1路第二子特征，所述解码器模块包括多个解码器，首个解码器的输入为所述形状流模块的输出以及最高层次的第二子特征，首个解码器之外的每个解码器的输入为上一个解码器的输出以及比上一解码器的第二子特征的层次低一个层次的第二子特征，最后一个解码器的输出为所述卵泡的掩码图像。
[0026]可选的，所述基于所述掩码图像提取卵泡的数量和卵泡的尺寸信息，具体包括：
[0027]将所述掩码图像转化为二值图像；
[0028]基于轮廓提取方法提取各个卵泡的轮廓，并得到提取的卵泡的数量；
[0029]基于各个卵泡的轮廓得到各个卵泡的尺寸信息。
[0030]可选的，所述基于轮廓提取方法提取各个卵泡的轮廓，并得到提取的卵泡的数量，具体包括：
[0031]根据分水岭算法确定所述二值图像的闭合区域，并使用点位按照指定顺序描绘出所述闭合区域的轮廓；
[0032]将所述轮廓的数量作为提取到的卵泡的数量。
[0033]可选的，所述基于各个卵泡的轮廓得到各个卵泡的尺寸信息，具体包括：
[0034]根据所述轮廓确定所述闭合区域内任意两点之间最长的第一距离，将所述第一距离作为长径；
[0035]在所述长径的垂直方向上，根据所述轮廓确定所述闭合区域内任意两点之间最长的第二距离，将所述第二距离作为短径；
[0036]将所述轮廓、所述长径、所述短径映射在所述超声图像上，并标注出所述长径距离。
[0037]第二方面，本申请提出一种超声设备，包括：
[0038]存储器，用于存储处理器可执行指令；
[0039]处理器，被配置为执行所述指令，以实现如本申请第一方面中提供的任一方法。
[0040]第三方面，本申请一实施例还提供了一种计算机可读存储介质，当所述计算机可
读存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行如本申请第一方面中提供的任一方法。
[0041]第四方面，本申请实施例中提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如本申请第一方面中提供的任一方法。
[0042]本申请的实施例提供的技术方案至少带来以下有益效果：
[0043]在本申请中，通过直方图均值化对超声图像处理得到第一图像，使得卵泡边缘更清晰，并提高了神经网络收敛的速度，将第一图像输入神经网络的编码器模块得到第一特征；再将第一特征输入多尺度多路融合模块进行特征融合，从而得到第二特征降低了低回声区的影响并提高了高低维特征的融合能力；再将第二特征输入形状流模块中，对卵泡的边缘信息进行处理，得到第三特征，将第三特征与第二特征输出解码器模块，得到待显示的掩码图像。将最后基于掩码图像对卵泡的数量和/或卵泡的尺寸信息进行提取并显示。由于本申请在多尺度多路融合模块中交换对不同层次的第一特征的特征提取结果，提高了高低维特征的融合能力，因此对于卵巢结构复杂、卵泡数量多且边缘参差不齐的超声图像也能得到较准确地结果，进而提高了本申请卵泡信息提取模型的泛化程度。...
【技术保护点】
【技术特征摘要】
1.一种基于超声图像的卵泡信息提取方法，其特征在于，所述方法包括：获取针对卵泡的超声图像；将所述超声图像进行直方图均值化后得到第一图像；采用编码器模块对所述第一图像进行特征提取操作，得到第一特征；采用多尺度多路融合模块对所述第一特征进行特征提取操作，得到第二特征；采用形状流模块对所述第二特征进行特征提取操作，得到第三特征；采用解码器模块处理所述第二特征和所述第三特征，得到卵泡的掩码图像；基于所述掩码图像提取卵泡的数量和/或卵泡的尺寸信息。2.根据权利要求1所述的方法，其特征在于，所述将所述超声图像进行直方图均值化后得到第一图像，具体包括：获取所述超声图像中像素点的灰度值；基于所述超声图像的灰度值将所述超声图像映射至指定灰度范围中，得到所述第一图像。3.根据权利要求1所述的方法，其特征在于，所述编码器模块包括偶数个编码器，每个编码器提取出一个层次的第一子特征，所述第一特征包括所有编码器提取的各个层次的第一子特征；所述多尺度多路融合模块包括多个稠密块通道和多层次特征融合模块，各所述稠密块通道包括依序串联的多个第一稠密块模块，所述多层次特征融合模块包括第二稠密块模块和第三稠密块模块，所述第三稠密块模块输出的特征路数与所述编码器的数量相同；所述第一稠密块模块、所述第二稠密块模块和所述第三稠密块模块分别包括两个稠密块，所述两个稠密块用于交换各自提取的特征信息；所述采用多尺度多路融合模块对所述第一特征进行特征提取操作，得到第二特征，具体包括：将相邻两层次的第一子特征输入对应的稠密块通道，得到各个稠密块通道提取的与各层次的第一子特征分别对应的第一中间特征；采用所述多层次特征融合模块中的第二稠密块模块处理不同层次的第一子特征对应的第一中间特征，得到第二中间特征；采用所述第三稠密块模块处理所述第二中间特征，以及最低层次的第一中间特征和最高层次的第一中间特征，得到与每路编码器对应的第二子特征，所述第二特征包括各个第二子特征。4.根据权利要求1所述的方法，其特征在于，所述第二特征中包括n+1路第二子特征，n+1为偶数，所述形状流模块包括n组流处理单元，每组流处理单元包括残差模块和门卷积模块，其中：首个流处理单元的残差模块的输入为最高层次的第二子特征，门卷积模块的输入为...
【专利技术属性】
技术研发人员：郭颂，王鹏博，王淑梅，陈哲，时俊楠，
申请(专利权)人：青岛海信医疗设备股份有限公司，
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。