超声图像分类方法、装置、超声设备及存储介质制造方法及图纸

本发明专利技术公开了一种超声图像分类方法、装置、超声设备及存储介质。该方法包括：获取待处理超声图像和非聚焦回波数据；对待处理超声图像进行初步分割，获取初步分割结果；对非聚焦回波数据进行物理特征提取，获取物理特征参数；对初步分割结果和物理特征参数进行合并，获取第一多通道特征图；对第一多通道特征图进行拆分转换，获取至少两个分割区域对应的第二多通道特征图；对至少两个分割区域对应的第二多通道特征图进行编码处理，获取特征全图；基于注意力机制的神经网络模型对特征全图进行处理，获取分类结果，采用物理特征参数对分类结果进行分析，获取分类结果对应的分类可靠性。该方法可保障超声图像分类结果的可靠性和可解释性。可解释性。可解释性。

【技术实现步骤摘要】
超声图像分类方法、装置、超声设备及存储介质


[0001]本专利技术涉及超声成像
，尤其涉及一种超声图像分类方法、装置、超声设备及存储介质。

技术介绍

[0002]超声图像分类是超声诊断领域重点研究的方向，例如，在超声产前诊断领域，医生需要按照定义的标准切面规范进行图像采集和产前评估，此处的产前评估即为超声图像分类的过程。现有技术中公开多种实现标准切面自动分类技术中，深度学习技术是其中一种分类效果较好的技术。由于深度学习技术存在的黑盒特性，使得标准切面分类技术难以达到医生所期望的可解释的理性状态，会出现一些不可理解的错误，主要原因在于深度学习技术所学习的高维特征不遵循人类的理解，而是神经网络模型在训练过程中发现的更深层的关联性，这种关联性往往不是人类可理解和解释的。
[0003]针对基于深度学习的超声图像分类存在可解释性差的问题，部分研究者研究如下解决方案：其一是，在标准切面分类过程中，附加检测该标准切面所含的特征结构，利用特征结构的存在性和位置来赋予整个神经网络的可解释性，但由于这些检测出的特征结构也是利用神经网络所识别的特征，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声图像分类方法，其特征在于，包括：获取基于聚焦超声波形成的待处理超声图像和基于非聚焦超声波形成的非聚焦回波数据；对所述待处理超声图像进行初步分割，获取所述待处理超声图像对应的初步分割结果；对所述非聚焦回波数据进行物理特征提取，获取所述非聚焦回波数据对应的物理特征参数；对所述待处理超声图像对应的初步分割结果和所述非聚焦回波数据对应的物理特征参数进行合并，获取第一多通道特征图；对所述第一多通道特征图进行拆分转换，获取至少两个分割区域对应的第二多通道特征图；对至少两个所述分割区域对应的第二多通道特征图进行编码处理，获取特征全图；基于注意力机制的神经网络模型对所述特征全图进行处理，获取分类结果，采用所述非聚焦回波数据对应的物理特征参数对所述分类结果进行分析，获取分类结果对应的分类可靠性。2.如权利要求1所述的超声图像分类方法，其特征在于，所述获取基于聚焦超声波形成的待处理超声图像和基于非聚焦超声波形成的非聚焦回波数据，包括：控制超声探头发射聚焦超声波序列和非聚焦超声波，所述非聚焦超声波间隔设置在所述聚焦超声波序列中；接收基于所述聚焦超声波形成的聚焦回波数据和基于所述非聚焦超声波形成的非聚焦回波数据；对所述聚焦回波数据进行波束合成处理，获取基于所述聚焦超声波序列形成的合成回波数据；对所述合成回波数据进行求模、对数压缩、空间复合和图像后处理，获取基于所述聚焦超声波形成的待处理超声图像。3.如权利要求1所述的超声图像分类方法，其特征在于，所述对所述非聚焦回波数据进行物理特征提取，获取所述非聚焦回波数据对应的物理特征参数，包括：对所述非聚焦回波数据进行声速计算，获取目标声速；对所述非聚焦回波数据进行粒度统计参数计算，获取目标粒度统计参数；对所述非聚焦回波数据进行多普勒计算，获取目标多普勒能量。4.如权利要求1所述的超声图像分类方法，其特征在于，所述对所述第一多通道特征图进行拆分转换，获取至少两个分割区域对应的第二多通道特征图，包括：基于分割区域数量，对所述第一多通道特征图进行分割，获取至少两个分割区域对应的区域多通道特征图；对至少两个所述分割区域对应的区域多通道特征图进行拉平操作，获取至少两个所述分割区域对应的拉平多通道特征图；对至少两个所述分割区域对应的拉平多通道特征图进行标准化处理，获取至少两个所述分割区域对应的第二多通道特征图。5.如权利要求1所述的超声图像分类方法，其特征在于，所述对至少两个所述分割区域
对应的第二多通道特征图进行编码处理，获取特征全图，包括：对至少两个所述分割区域对应的第二多通道特征图进行编码处理，获取至少两个所述分割区域对应的规范化语义特征；依据至少两个所述分割区域对应的区域排序规则，对至少两个所述分割区域对应的规范化语义特征进行拼接，获取特征全图。6.如权利要求1所述的超声图像分类方法，其特征在于，所述基于注意力机制的神经网络模型对所述特征全图进行处理，获取分类结果，采用所述非聚焦回波数据对应的物理特征参数对所述分类结果进行分析，获取分类结果对应的分类可靠性，包括：基于注意力机制的神经网络模型，对所述特征全图进行分类识别，获取分类结果，所述分类结果包括分类类别、至少一个热点区域和每一所述热点区域在所述特征全图中的相对面积；根据所述非聚焦回波数据对应的物理特征参数，确定每一所述热点区域对应的物理特征吻合度；根据至少一个所述热点区域在所述特征全图中的相对面积和所述热点区域对应的物理特征吻合度，获取分类可靠性。7.一种超声图像分类装置，其特征在于，包括：图像数据获取模块，用于获取基于聚焦超声波形成的待处理超声图像和基于非聚焦超声波形成的非聚焦回波数据；初步分割结果获取模块，用于对所述待处理超声图像进行初步分割，获取所述待处理超声图像对应的初步分割结果；物理特征参数获取模块，用于对所述...

【专利技术属性】
技术研发人员：黄灿，
申请(专利权)人：深圳华声医疗技术股份有限公司，
类型：发明
国别省市：