本申请公开了一种切面质量分级方法、装置及一种超声设备和计算机可读存储介质，该方法包括：根据超声图像预设的不同质量等级和不同的切面类别构建分类树；获取目标超声图像，并利用训练完成的神经网络模型基于分类树逐层进行分类预测，得到目标超声图像的目标质量等级和目标切面类别；若目标质量等级大于或等于超声设备的预设切面质量等级，则将目标超声图像确定为目标切面类别对应的标准切面图像。本申请提供的切面质量分级方法，提高了切面分类和质量等级分类的准确度，同时满足了不同级别医院对于标准切面图像精细化质控的需求。医院对于标准切面图像精细化质控的需求。医院对于标准切面图像精细化质控的需求。
【技术实现步骤摘要】
一种切面质量分级方法、装置及超声设备和存储介质
[0001]本申请涉及超声图像处理
，更具体地说，涉及一种切面质量分级方法、装置及一种超声设备和一种计算机可读存储介质。
技术介绍
[0002]在相关技术中，对目标超声图像进行直接分类并计算其质量等级分数。不同资质的医生或不同等级的医院的对于标准切面图像的质量标准具有差异性，例如70
‑
80分为基本及格标准切面图像，80
‑
90分为及格切面，90
‑
100分为标准切面图像，级别较高的医院现有的标准切面图像质控要求要达到90分以上，而级别较低的医院的标注切面质控要求只需达到70分以上。在现有技术中，标准切面图像的质量等级分数阈值固定，在此方案中，若不同等级的医院都以70分为质量等级分数阈值，会造成高级医院的医生在使用标准切面图像自动获取功能的时候会获取低于90分的切面图像，从而不能满足对标准切面图像精细化质控的需求。若将质量等级分数阈值设置为90分，由于低级别医院的医生资质技术有限，会造成低级别医院的医生在使用标准切面图像自动获取功能时很难找到达到要求的切面图像。
[0003]由此可见，在现有技术中，没有考虑到不同资质的医生或不同等级的医院的对于标准切面图像质量标准的差异性，不能很好满足不同级别医院对于标准切面图像精细化质控的需求。
技术实现思路
[0004]本申请的目的在于提供一种切面质量分级方法、装置及一种超声设备和一种计算机可读存储介质，提高了切面分类和计算质量等级分数的准确度，同时满足了不同级别医院对于标准切面图像精细化质控的需求。
[0005]为实现上述目的，本申请提供了一种切面质量分级方法，包括：
[0006]根据超声图像预设的不同质量等级和不同的切面类别构建分类树；其中，所述分类树中最后一层节点表示不同的质量等级，其他层节点表示不同的切面类别，同一划分标准得到的切面类别位于同一层；
[0007]获取目标超声图像，并利用训练完成的神经网络模型基于所述分类树逐层进行分类预测，得到所述目标超声图像的目标质量等级和目标切面类别；
[0008]若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的标准切面图像。
[0009]其中，还包括：
[0010]获取训练集；其中，所述训练集包括多个训练超声图像、对应的切面类别和质量等级；
[0011]基于所述分类树利用所述训练集训练初始的神经网络模型，得到训练完成的神经网络模型。
[0012]其中，所述获取目标超声图像，包括：
[0013]获取超声成像系统的数据流，并将所述数据流中的每一帧图像依次作为目标超声图像进行目标切面类别和目标质量等级的预测。
[0014]其中，若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的标准切面图像，包括：
[0015]若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的候选标准切面图像；
[0016]将所述目标切面类别下质量等级最高的候选标准切面图像确定为所述目标切面类别对应的标准切面图像。
[0017]其中，所述利用训练完成的神经网络模型基于所述分类树逐层进行分类预测，得到所述目标超声图像的目标质量等级和目标切面类别，包括：
[0018]将所述目标超声图像输入训练完成的神经网络模型中，预测得到所述分类树中根节点下的第一层的各切面类别对应的概率，将第一层预测得到概率最大的切面类别作为第一层预测得到的切面类别；
[0019]利用训练完成的神经网络模型对上一层预测得到的切面类别下各切面类别进行分类预测，将预测得到概率最大的切面类别作为下一层预测得到的切面类别，直至预测得到倒数第二层中概率最大的切面类别，将倒数第二层中概率最大的切面类别确定为所述目标超声图像的目标切面类别；
[0020]利用训练完成的神经网络模型对倒数第二层中概率最大的切面类别下各质量等级进行分类预测，得到所述目标超声图像的目标质量等级。
[0021]其中，若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的标准切面图像，包括：
[0022]若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的候选标准切面图像；
[0023]根据各层预测得到的切面类别对应的概率和预测得到的目标质量等级对应的概率计算所述目标超声图像的质量等级分数；
[0024]将所述目标切面类别下质量等级分数最高的候选标准切面图像确定为所述目标切面类别对应的标准切面图像。
[0025]其中，所述根据各层预测得到的切面类别对应的概率和预测得到的目标质量等级对应的概率计算得到所述目标超声图像的质量等级分数，包括：
[0026]根据各层预测得到的切面类别对应的概率和预测得到的目标质量等级对应的概率进行加权运算得到所述目标超声图像的质量等级分数。
[0027]其中，所述根据各层预测得到的切面类别对应的概率和预测得到的目标质量等级对应的概率进行加权运算得到所述目标超声图像的质量等级分数，包括：
[0028]确定预测得到的目标质量等级对应的最低质量等级分数和分数跨度；
[0029]将各层预测得到的切面类别对应的概率和预测得到的目标质量等级对应的概率的乘积确定为权值；
[0030]将所述权值与所述分数跨度的乘积与所述最低质量等级分数的和确定为所述目标超声图像的质量等级分数。
[0031]为实现上述目的，本申请提供了一种切面质量分级装置，包括：
[0032]构建模块，用于根据超声图像预设的不同质量等级和不同的切面类别构建分类树；其中，所述分类树中最后一层节点表示不同的质量等级，其他层节点表示不同的切面类别，同一划分标准得到的切面类别位于同一层；
[0033]预测模块，用于获取目标超声图像，并利用训练完成的神经网络模型基于所述分类树逐层进行分类预测，得到所述目标超声图像的目标质量等级和目标切面类别；
[0034]确定模块，用于当所述目标质量等级大于或等于超声设备的预设切面质量等级时，将所述目标超声图像确定为所述目标切面类别对应的标准切面图像。
[0035]为实现上述目的，本申请提供了一种超声设备，包括：
[0036]存储器，用于存储计算机程序；
[0037]处理器，用于执行所述计算机程序时实现如上述切面质量分级方法的步骤。
[0038]为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述切面质量分级方法的步骤。
[0039]通过以上方案可知，本申请提供的一种切面质量分级方法，包括：根据超声图像预设的不同质量等级和不同的切面类别构本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种切面质量分级方法，其特征在于，包括：根据超声图像预设的不同质量等级和不同的切面类别构建分类树；其中，所述分类树中最后一层节点表示不同的质量等级，其他层节点表示不同的切面类别，同一划分标准得到的切面类别位于同一层；获取目标超声图像，并利用训练完成的神经网络模型基于所述分类树逐层进行分类预测，得到所述目标超声图像的目标质量等级和目标切面类别；若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的标准切面图像。2.根据权利要求1所述切面质量分级方法，其特征在于，还包括：获取训练集；其中，所述训练集包括多个训练超声图像、对应的切面类别和质量等级；基于所述分类树利用所述训练集训练初始的神经网络模型，得到训练完成的神经网络模型。3.根据权利要求1所述切面质量分级方法，其特征在于，所述获取目标超声图像，包括：获取超声成像系统的数据流，并将所述数据流中的每一帧图像依次作为目标超声图像进行目标切面类别和目标质量等级的预测。4.根据权利要求1所述切面质量分级方法，其特征在于，若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的标准切面图像，包括：若所述目标质量等级大于或等于超声设备的预设切面质量等级，则将所述目标超声图像确定为所述目标切面类别对应的候选标准切面图像；将所述目标切面类别下质量等级最高的候选标准切面图像确定为所述目标切面类别对应的标准切面图像。5.根据权利要求1至4中任一项所述切面质量分级方法，其特征在于，所述利用训练完成的神经网络模型基于所述分类树逐层进行分类预测，得到所述目标超声图像的目标质量等级和目标切面类别，包括：将所述目标超声图像输入训练完成的神经网络模型中，预测得到所述分类树中根节点下的第一层的各切面类别对应的概率，将第一层预测得到概率最大的切面类别作为第一层预测得到的切面类别；利用训练完成的神经网络模型对上一层预测得到的切面类别下各切面类别进行分类预测，将预测得到概率最大的切面类别作为下一层预测得到的切面类别，直至预测得到倒数第二层中概率最大的切面类别，将倒数第二层中概率最大的切面类别确定为所述目标超声图像的目标切面类别；利用训练完成的神经网络模型对倒数第二层中概率最大的切面类别下各质量等级进行分类预测，得到所述目标超声图像的目标质量等级。6.根据权利要求5所述切面质量分级方法...
【专利技术属性】
技术研发人员：梁伟霞，彭易苗，
申请(专利权)人：深圳开立生物医疗科技股份有限公司，
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。