一种基于卷积神经网络的髋关节超声图像质量评估方法技术

本发明专利技术涉及图像处理技术领域，具体是涉及一种基于卷积神经网络的髋关节超声图像质量评估方法。本发明专利技术将被评估髋关节超声图像输入到卷积神经网络中，卷积神经网络分析被评估髋关节超声图像中的伪影信息和其所包括的各个髋关节结构信息，之后卷积神经网络根据分析结果，输出评估总分值，最后根据评估总分值判断被评估髋关节超声图像是否为标准超声切面图像。从上述分析可知，本发明专利技术采用卷积神经网络评估髋关节超声图像是否为标准超声切面图像以减少人工评估的干预，从而提高了评估结果的准确性。另外，采用卷积神经网络也能够提高评估效率。估效率。估效率。

【技术实现步骤摘要】
一种基于卷积神经网络的髋关节超声图像质量评估方法


[0001]本专利技术涉及图像处理
，具体是涉及一种基于卷积神经网络的髋关节超声图像质量评估方法。

技术介绍

[0002]由于婴儿髋关节未骨化的特性、且超声成像相比X线、CT等具有无辐射、低成本和便携性等特点，因此超声成为婴儿髋关节的首选检查方法，使用超声进行双侧髋关节检查，进而诊断DDH。超声检查时首先需要获取髋关节冠状切面图、横切面图和后外侧横切图(也就是用于做超声检查的髋关节超声图像要包括髋关节冠状切面图、横切面图和后外侧横切图这三个切面图才能用于做超声检查)。然而，由于髋关节解剖结构多样(包括平直的髂骨体、髂骨下缘点、盂唇、关节囊、滑膜皱襞、骨顶、股骨头、干骺端、盂唇、骨缘等结构)，且髋关节是一个可以多个方向运动的关节，因此难以获得统一的标准切面。临床上，一直由经验丰富的超声医生来评定新手医生扫描的超声切面质量，评定的结果比较主观，且非常耗时。如何减轻超声医生的工作压力，提高超声切面的质量，成为了临床检验的现实需求。
[0003]根据临床的质量控制准则，髋关节超声切面能够清晰显示的解剖结构越多，表示图像质量越好，能够完全显示5个解剖结构的髋关节超声图像为标准切面。医生通过检查超声切面中关键解剖结构的个数来对切面质量进行评分，再根据评分结果判断该超声切面(髋关节超声图像)是否是标准超声切面。上述判断髋关节超声图像是否为标准超声切面这一图像质量均是通过人工主观判断，从而降低了评估髋关节超声图像质量的准确性。
[0004]综上所述，现有技术评估髋关节超声图像质量的准确性较差。
[0005]因此，现有技术还有待改进和提高。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供了一种基于卷积神经网络的髋关节超声图像质量评估方法，解决了现有技术评估髋关节超声图像质量准确性较差的问题。
[0007]为实现上述目的，本专利技术采用了以下技术方案：
[0008]第一方面，本专利技术提供一种基于卷积神经网络的髋关节超声图像质量评估方法，其中，包括：
[0009]对被评估髋关节超声图像应用已训练的卷积神经网络，得到已训练的所述卷积神经网络输出的评估总分值，所述评估总分值用于表征所述被评估髋关节超声图像中的各个髋关节结构信息和伪影信息；
[0010]依据所述评估总分值，得到针对所述被评估髋关节超声图像的评估结果，所述评估结果用于表征所述被评估髋关节超声图像接近标准超声切面图像的程度。
[0011]在一种实现方式中，所述对被评估髋关节超声图像应用已训练的卷积神经网络，得到已训练的所述卷积神经网络输出的评估总分值，所述评估总分值用于表征所述被评估髋关节超声图像中的各个髋关节结构信息和伪影信息，包括：
[0012]确定构成已训练的所述卷积神经网络的全局特征提取模块、局部结构特征提取模块、质量分析模块；
[0013]将所述被评估髋关节超声图像输入至所述全局特征提取模块，得到所述全局特征提取模块输出的针对所述被评估髋关节超声图像的整体特征信息，所述整体特征信息用于表征所述被评估髋关节超声图像的各个髋关节结构信息和伪影信息；
[0014]将所述整体特征信息输入至所述局部结构特征提取模块，得到所述局部结构特征提取模块输出的各个髋关节结构特征图；
[0015]将所述整体特征信息和各个所述髋关节结构特征图输入至所述质量分析模块，得到所述质量分析模块输出的评估总分值。
[0016]在一种实现方式中，所述依据所述评估总分值，得到针对所述被评估髋关节超声图像的评估结果，所述评估结果用于表征所述被评估髋关节超声图像接近标准超声切面图像的程度，包括：
[0017]确定所述标准超声切面图像所对应的标准分值；
[0018]依据所述评估总分值和所述标准分值，得到针对所述被评估髋关节超声图像的评估结果。
[0019]在一种实现方式中，已训练的卷积神经网络的训练方式，包括：
[0020]确定构成所述卷积神经网络的全局特征提取模块、局部结构特征提取模块；
[0021]将样本髋关节超声图像输入至所述全局特征提取模块的卷积层结构，得到所述卷积层结构输出的针对所述样本髋关节超声图像的整体样本特征信息；
[0022]将所述整体样本特征信息输入至所述全局特征提取模块的反向卷积层，得到所述反向卷积层的输出结果；
[0023]将所述反向卷积层的输出结果与所述卷积层结构的第一卷积层输出的浅层特征相减，得到所述样本髋关节超声图像的样本伪影信息；
[0024]依据所述样本伪影信息与所述样本髋关节超声图像的真实伪影信息，得到图像质量损失函数；
[0025]依据所述图像质量损失函数，训练所述全局特征提取模块；
[0026]将所述整体样本特征信息输入至所述局部结构特征提取模块，得到所述局部结构特征提取模块输出的各个髋关节结构样本特征图；
[0027]依据各个所述髋关节结构样本特征图和所述样本髋关节超声图像的各个髋关节结构真实特征图，得到髋关节结构损失函数；
[0028]依据所述髋关节结构损失函数，训练所述局部结构特征提取模块。
[0029]在一种实现方式中，所述将所述整体样本特征信息输入至所述局部结构特征提取模块，得到所述局部结构特征提取模块输出的各个髋关节结构样本特征图，包括：
[0030]将所述整体样本特征信息输入至所述局部结构特征提取模块的正向第一卷积层，得到所述正向第一卷积层输出的子特征；
[0031]将所述正向第一卷积层输出的子特征与所述卷积层结构的第二卷积层输出的浅层特征进行拼接，得到拼接结果；
[0032]对所述拼接结果应用正向卷积计算，得到各个髋关节结构样本特征图。
[0033]在一种实现方式中，所述依据所述样本伪影信息与所述样本髋关节超声图像的真
实伪影信息，得到图像质量损失函数，包括：
[0034]确定所述样本髋关节超声图像宽度方向的所述样本伪影信息与所述真实伪影信息之差的平方值，记为宽度方向损失值；
[0035]确定所述样本髋关节超声图像长度方向的所述样本伪影信息与所述真实伪影信息之差的平方值，记为长度方向损失值；
[0036]依据所述宽度方向损失值和所述长度方向损失值，确定图像质量损失函数。
[0037]在一种实现方式中，所述依据各个所述髋关节结构样本特征图和所述样本髋关节超声图像的各个髋关节结构真实特征图，得到髋关节结构损失函数，包括：
[0038]确定所述髋关节结构真实特征图与所述髋关节结构样本特征图的比值，记为结构特征图比值；
[0039]确定所述结构特征图比值的对数值；
[0040]确定所述结构特征图比值的对数值与所述髋关节结构样本特征图之积，记为乘积结果；
[0041]依据所述髋关节结构真实特征图与所述乘积结果之差的绝对值，得到髋关节结构损失函数。
[0042]第二方面，本专利技术实施例还提供一种基于卷积神经网络的髋关节超本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的髋关节超声图像质量评估方法，其特征在于，包括：对被评估髋关节超声图像应用已训练的卷积神经网络，得到已训练的所述卷积神经网络输出的评估总分值，所述评估总分值用于表征所述被评估髋关节超声图像中的各个髋关节结构信息和伪影信息；依据所述评估总分值，得到针对所述被评估髋关节超声图像的评估结果，所述评估结果用于表征所述被评估髋关节超声图像接近标准超声切面图像的程度。2.如权利要求1所述的基于卷积神经网络的髋关节超声图像质量评估方法，其特征在于，所述对被评估髋关节超声图像应用已训练的卷积神经网络，得到已训练的所述卷积神经网络输出的评估总分值，所述评估总分值用于表征所述被评估髋关节超声图像中的各个髋关节结构信息和伪影信息，包括：确定构成已训练的所述卷积神经网络的全局特征提取模块、局部结构特征提取模块、质量分析模块；将所述被评估髋关节超声图像输入至所述全局特征提取模块，得到所述全局特征提取模块输出的针对所述被评估髋关节超声图像的整体特征信息，所述整体特征信息用于表征所述被评估髋关节超声图像的各个髋关节结构信息和伪影信息；将所述整体特征信息输入至所述局部结构特征提取模块，得到所述局部结构特征提取模块输出的各个髋关节结构特征图；将所述整体特征信息和各个所述髋关节结构特征图输入至所述质量分析模块，得到所述质量分析模块输出的评估总分值。3.如权利要求1所述的基于卷积神经网络的髋关节超声图像质量评估方法，其特征在于，所述依据所述评估总分值，得到针对所述被评估髋关节超声图像的评估结果，所述评估结果用于表征所述被评估髋关节超声图像接近标准超声切面图像的程度，包括：确定所述标准超声切面图像所对应的标准分值；依据所述评估总分值和所述标准分值，得到针对所述被评估髋关节超声图像的评估结果。4.如权利要求1所述的基于卷积神经网络的髋关节超声图像质量评估方法，其特征在于，已训练的卷积神经网络的训练方式，包括：确定构成所述卷积神经网络的全局特征提取模块、局部结构特征提取模块；将样本髋关节超声图像输入至所述全局特征提取模块的卷积层结构，得到所述卷积层结构输出的针对所述样本髋关节超声图像的整体样本特征信息；将所述整体样本特征信息输入至所述全局特征提取模块的反向卷积层，得到所述反向卷积层的输出结果；将所述反向卷积层的输出结果与所述卷积层结构的第一卷积层输出的浅层特征相减，得到所述样本髋关节超声图像的样本伪影信息；依据所述样本伪影信息与所述样本髋关节超声图像的真实伪影信息，得到图像质量损失函数；依据所述图像质量损失函数，训练所述全局特征提取模块；将所述整体样本特征信息输入至所述局部结构特征提取模块，得到所述局部结构特征提取模块输出的各个髋关节结构样本特征图；
依据各个所述髋关节结构样本特征图和所述样本髋关节超声图像的各个髋关节结构真实特征图，得到髋关节结构损失函数；依据所述髋关节结构损失函数，训练所述局部结构特征提取模块。5.如权...

【专利技术属性】
技术研发人员：许娜，夏焙，石伟，张双双，陈笑一，
申请(专利权)人：深圳市儿童医院，
类型：发明
国别省市：