一种甲状腺超声异常区域捕捉方法、系统及电子设备技术方案

本发明专利技术涉及一种甲状腺超声异常区域捕捉方法、系统及电子设备，所述方法包括：获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框；对N+1个检测框进行空间坐标注意力机制处理，得到待测检测框；将待测检测框输入长短期记忆网络模型，获得待测检测框的参数信息；根据待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息，获得当前帧的甲状腺超声影像中的异常区域的优化后的检测框，作为异常区域检测结果。本发明专利技术结合甲状腺结节的移动性，基于空间坐标注意力机制和长短期记忆网络模型对连续多帧的异常区域的检测框进行记忆和分析，实现了甲状腺超声异常区域的捕捉。域的捕捉。域的捕捉。

【技术实现步骤摘要】
一种甲状腺超声异常区域捕捉方法、系统及电子设备


[0001]本专利技术涉及图像处理与识别
，特别是涉及一种甲状腺超声异常区域捕捉方法、系统及电子设备。

技术介绍

[0002]甲状腺结节是指在甲状腺内的肿块，是临床常见的病症，可由多种病因引起。临床上有多种甲状腺疾病，如甲状腺退行性变、炎症、自身免疫以及新生物等都可以表现为结节。甲状腺结节可以单发，也可以多发，多发结节比单发结节的发病率高，但单发结节甲状腺癌的发生率较高。
[0003]现有的超声波诊断方式都是采用超声波对患者的甲状腺进行超声波扫描，可获得持续多帧的甲状腺超声影像，然后医生通过肉眼对甲状腺超声影像进行人工判断，确定异常区域。现有的紧靠肉眼诊断的方式对医生的经验要求较高，而且误判率也会很高。
[0004]如何采用图像识别技术实现甲状腺超声影像中异常区域的自动捕捉，获得异常区域的检测框信息反馈给医生，供医生诊断，以减小误判率，成为一个亟待解决的技术问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种甲状腺超声异常区域捕捉方法、系统及电子设备，以采用图像识别技术实现甲状腺超声影像中异常区域的自动捕捉。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种甲状腺超声异常区域捕捉方法，所述方法包括如下步骤：
[0008]获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框；
[0009]对N+1个所述检测框进行空间坐标注意力机制处理，得到待测检测框；
[0010]将所述待测检测框输入长短期记忆网络模型，获得待测检测框的参数信息；所述参数信息包括位置和面积；
[0011]根据所述待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息，获得当前帧的甲状腺超声影像中的所述异常区域的优化后的检测框，作为异常区域检测结果。
[0012]可选的，所述获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框，具体包括：
[0013]采用超声捕捉算法获取当前帧的甲状腺超声影像中的异常区域的初始检测框；
[0014]对所述初始检测框进行修正，获得当前帧的甲状腺超声影像中的异常区域的检测框，作为第N+1个检测框；
[0015]选取当前帧之前的第n帧的甲状腺超声影像中的所有检测框中与第n+1个检测框的交并比最大的检测框，作为第N+1
‑
n个检测框；n＝1，2，...，N。
[0016]可选的，对所述初始检测框进行修正，获得当前帧的甲状腺超声影像中的异常区
域的检测框，作为第N+1个检测框，具体包括：
[0017]判断所有初始检测框中是否存在大框套小框的状态，获得判断结果；
[0018]当所述判断结果表示是，则对处于大框套小框状态的两个初始检测框的面积进行加权平均处理，获得第N+1个检测框。
[0019]可选的，所述对N+1个所述检测框进行空间坐标注意力机制处理，得到待测检测框，具体包括：
[0020]将N+1个所述检测框输入第一一维卷积层，进行一维卷积处理，获得第一卷积结果；
[0021]将N+1个所述检测框输入第二一维卷积层，进行一维卷积处理，获得第二卷积结果；
[0022]将N+1个所述检测框输入相对位置编码器，进行相对位置编码，获得编码结果；
[0023]将所述第二卷积结果和所述编码结果进行点乘，获得点乘结果；
[0024]将所述第一卷积结果和所述点乘结果进行相加，获得相加结果；
[0025]对所述相加结果依次进行softmax函数计算和reshape函数计算，获得计算结果作为所述待测检测框。
[0026]可选的，所述根据所述待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息，获得当前帧的甲状腺超声影像中的所述异常区域的优化后的检测框的参数信息，作为异常区域检测结果，具体包括：
[0027]对所述待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息进行加权平均处理，获得当前帧的甲状腺超声影像中的所述异常区域的优化后的检测框的参数信息，作为异常区域检测结果。
[0028]一种甲状腺超声异常区域捕捉系统，所述系统应用于上述的方法，所述系统包括：
[0029]检测框获取模块，用于获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框；
[0030]待测检测框获取模块，用于对N+1个所述检测框进行空间坐标注意力机制处理，得到待测检测框；
[0031]参数信息获取模块，用于将所述待测检测框输入长短期记忆网络模型，获得待测检测框的参数信息；所述参数信息包括位置和面积；
[0032]检测框优化模块，用于根据所述待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息，获得当前帧的甲状腺超声影像中的所述异常区域的优化后的检测框的参数信息，作为异常区域检测结果。
[0033]一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0034]一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现上述的方法。
[0035]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0036]本专利技术公开一种甲状腺超声异常区域捕捉方法、系统及电子设备，所述方法包括：获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框；对N+1个所述检测框进行空间坐标注意力机制处理，得到待测检测框；将所述待测检
测框输入长短期记忆网络模型，获得待测检测框的参数信息；所述参数信息包括位置和面积；根据所述待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息，获得当前帧的甲状腺超声影像中的所述异常区域的优化后的检测框，作为异常区域检测结果。本专利技术结合甲状腺结节的移动性，基于空间坐标注意力机制和长短期记忆网络模型对连续多帧的异常区域的检测框进行记忆和分析，实现了甲状腺超声异常区域的捕捉。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本专利技术实施例提供的甲状腺超声异常区域捕捉方法的流程图；
[0039]图2为本专利技术实施例提供的甲状腺超声异常区域捕捉方法的原理图；
[0040]图3为本专利技术实施例提供的优化前后的甲状腺超声影像示例图；
[0041]图4为本专利技术实施例提供的空间坐标注意力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种甲状腺超声异常区域捕捉方法，其特征在于，所述方法包括如下步骤：获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框；对N+1个所述检测框进行空间坐标注意力机制处理，得到待测检测框；将所述待测检测框输入长短期记忆网络模型，获得待测检测框的参数信息；所述参数信息包括位置和面积；根据所述待测检测框的参数信息、当前帧及当前帧的前1帧的甲状腺超声影像中的检测框的参数信息，获得当前帧的甲状腺超声影像中的所述异常区域的优化后的检测框，作为异常区域检测结果。2.根据权利要求1所述的甲状腺超声异常区域捕捉方法，其特征在于，所述获取当前帧及当前帧的前N帧的甲状腺超声影像中的同一异常区域的检测框，组成N+1个检测框，具体包括：采用超声捕捉算法获取当前帧的甲状腺超声影像中的异常区域的初始检测框；对所述初始检测框进行修正，获得当前帧的甲状腺超声影像中的异常区域的检测框，作为第N+1个检测框；选取当前帧之前的第n帧的甲状腺超声影像中的所有检测框中与第n+1个检测框的交并比最大的检测框，作为第N+1
‑
n个检测框；n＝1，2，...，N。3.根据权利要求2所述的甲状腺超声异常区域捕捉方法，其特征在于，对所述初始检测框进行修正，获得当前帧的甲状腺超声影像中的异常区域的检测框，作为第N+1个检测框，具体包括：判断所有初始检测框中是否存在大框套小框的状态，获得判断结果；当所述判断结果表示是，则对处于大框套小框状态的两个初始检测框的面积进行加权平均处理，获得第N+1个检测框。4.根据权利要求1所述的甲状腺超声异常区域捕捉方法，其特征在于，所述对N+1个所述检测框进行空间坐标注意力机制处理，得到待测检测框，具体包括：将N+1个所述检测框输入第一一维卷积层，进行一维卷积处理，获得第一卷积结果；将N+1个所述检测框输入第二一维卷积层，进行一维卷积处理，获得第二卷积结果；将N+1个所述检测框输入相对位置编码器，进行相对位置编...

【专利技术属性】
技术研发人员：何敏亮，
申请(专利权)人：什维新智医疗科技上海有限公司，
类型：发明
国别省市：