超声检测方法、数字心切面网络模型的训练方法和装置制造方法及图纸

本申请涉及一种超声检测方法、数字心切面网络模型的训练方法和装置，所述方法包括：根据超声视频帧和第一数字心切面网络模型，得到当前数字心切面的第一预测位姿信息；进一步地，根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息，其中，扫描提示信息用于指示从当前数字心切面切换为目标数字心切面对应的超声检测设备的探头运动方式。本申请实施例中，实现了对用户使用超声检测设备的探头扫描检测过程中探头运动方式的引导提示，以便于用户可以根据扫描提示信息从当前数字心切面快速地切换为目标数字心切面，使得非超声专业人员也能准确操作超声检测设备，从而可以扩展超声检测设备的使用场景。从而可以扩展超声检测设备的使用场景。从而可以扩展超声检测设备的使用场景。

【技术实现步骤摘要】
超声检测方法、数字心切面网络模型的训练方法和装置


[0001]本申请涉及超声检测
，特别是涉及一种超声检测方法、数字心切面网络模型的训练方法和装置。

技术介绍

[0002]随着医学成像技术的发展，出现了越来越多的医学成像检测方式。其中，超声检查是一种常见的心脏检查方式，具有实时、安全、方便等特点。
[0003]相关技术中，由于在进行超声心动图检查过程中，为了保证检查的准确性，通常需要具有一定经验的超声专业人员使用超声检测设备。
[0004]可见，相关技术中的超声检测设备的使用场景比较受限。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种可以扩展超声检测设备的使用场景的超声检测方法、数字心切面网络模型的训练方法和装置。
[0006]第一方面，本申请提供了一种超声检测方法，方法包括：根据超声视频帧和第一数字心切面网络模型，得到当前数字心切面的第一预测位姿信息；根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息，其中，扫描提示信息用于指示从当前数字心切面切换为目标数字心切面对应的超声检测设备的探头运动方式。
[0007]第二方面，本申请还提供了一种数字心切面网络模型的训练方法，数字心切面网络模型为第一数字心切面网络模型，方法包括：获取多个第一训练样本，其中，第一训练样本包括：超声视频帧样本和对应的数字心切面的位姿标注信息；根据多个第一训练样本对第一初始神经网络模型进行训练，得到第一数字心切面网络模型；其中，第一数字心切面网络模型用于得到超声视频帧对应的当前数字心切面的第一预测位姿信息，并根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息；扫描提示信息用于指示从当前数字心切面切换为目标数字心切面对应的超声检测设备的探头运动方式。
[0008]第三方面，本申请还提供了一种超声检测装置，装置包括：获取模块，用于根据超声视频帧和第一数字心切面网络模型，得到当前数字心切面的第一预测位姿信息；输出模块，用于根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息，其中，扫描提示信息用于指示从当前数字心切面切换为目标数字心切面对应的超声检测设备的探头运动方式。
[0009]第四方面，本申请还提供了一种数字心切面网络模型的训练装置，数字心切面网络模型为第一数字心切面网络模型，装置包括：获取模块，用于获取多个第一训练样本，其中，第一训练样本包括：超声视频帧样本和对应的数字心切面的位姿标注信息；训练模块，用于根据多个第一训练样本对第一初始神经网络模型进行训练，得到第一数字心切面网络模型；其中，第一数字心切面网络模型用于得到超声视频帧对应的当前数字心切面的第一预测位姿信息，并根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息；扫描提示信息用于指示从当前数字心切面切换为目标数字心切面对应的超声检测设备的探头运动方式。
[0010]第五方面，本申请还提供了一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面或第二方面中任一项的方法的步骤。
[0011]第六方面，本申请还提供了一种数字心切面网络模型的训练系统，训练系统包括：超声检测设备、计算机设备，以及设置于超声检测设备中的探头上的多自由度传感器；其中，多自由度传感器用于检测探头的位姿信息；计算机设备用于获取超声检测设备的多个超声视频帧和多个视频帧分别对应的探头的位姿信息，并根据多个超声视频帧和分别对应的探头的位姿信息获取多个训练样本；其中，多个训练样本用于对初始神经网络模型进行训练得到数字心切面网络模型。
[0012]第七方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第二方面中任一项的方法的步骤。
[0013]第八方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面或第二方面中任一项的方法的步骤。
[0014]上述超声检测方法、数字心切面网络模型的训练方法和装置，通过根据超声视频帧和第一数字心切面网络模型，得到当前数字心切面的第一预测位姿信息；进一步地，根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息，其中，扫描提示信息用于指示从当前数字心切面切换为目标数字心切面对应的超声检测设备的探头运动方式。可见，本申请实施例中，通过第一数字心切面网络模型可以得到超声检测设备检测的超声视频帧对应的当前数字心切面的第一预测位姿信息，并根据第一预测位姿信息和目标数字心切面的目标位姿信息输出扫描提示信息的方式，实现了对用户使用超声检测设备的探头扫描检测过程中探头运动方式的引导提示，以便于用户可以根据扫描提示信息从当前数字心切面快速地切换为目标数字心切面，使得非超声专业人员也能准确操作超声检测设备，从而可以扩展超声检测设备的使用场景。
附图说明
[0015]图1为本申请实施例提供的应用环境示意图；图2为本申请一个实施例中超声检测方法的流程示意图；图3为本申请另一个实施例中超声检测方法的流程示意图；图4为本申请另一个实施例中超声检测方法的流程示意图；
图5为本申请一个实施例中第一数字心切面网络模型的训练方法的流程示意图；图6为本申请实施例中提供的第一数字心切面网络模型的结构示意图；图7为本申请另一个实施例中第一数字心切面网络模型的训练方法的流程示意图；图8为本申请一个实施例中第二数字心切面网络模型的训练方法的流程示意图；图9为本申请一个实施例中数字心切面网络模型的训练过程和应用过程的整体流程示意图；图10为本申请一个实施例中数字心切面网络模型的训练方法流程示意图；图11为本申请一个实施例中超声检测装置的结构示意图；图12为本申请一个实施例中数字心切面网络模型的训练装置的结构示意图；图13为本申请一个实施例中电子设备的结构示意图。
具体实施方式
[0016]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0017]本申请实施例提供的超声检测方法、数字心切面网络模型的训练方法、装置、计算机设备、存储介质和程序产品，可以应用于超声检测应用场景，例如可以用于超声心电图的检测应用场景；当然还可以应用于其它场景，本申请实施例中对此并不作限定。
[0018]随着医学成像技术的发展，心脏检查可以使用计算机断层（computed tomography，CT）、单光子发射断层（single photon emission computed tomography，SPECT）、正电子发射断层（positron emission tomograph，PET）、磁共振成像（magnetic resonance imaging，MRI）、超声等医学成像设备。由于心脏时刻处于搏动状态，心脏在CT、SPECT、PET和MRI这些模态中的成像会存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声检测方法，其特征在于，所述方法包括：根据超声视频帧和第一数字心切面网络模型，得到当前数字心切面的第一预测位姿信息；根据所述第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息，其中，所述扫描提示信息用于指示从所述当前数字心切面切换为所述目标数字心切面对应的超声检测设备的探头运动方式。2.根据权利要求1所述的方法，其特征在于，所述根据超声视频帧和第一数字心切面网络模型，得到当前数字心切面的第一预测位姿信息，包括：将所述超声视频帧输入所述第一数字心切面网络模型，得到所述当前数字心切面的预测位置参数和预测姿态参数；根据所述预测位置参数和所述预测姿态参数，确定所述当前数字心切面的第一预测位姿信息。3.根据权利要求2所述的方法，其特征在于，所述根据所述预测位置参数和所述预测姿态参数，确定所述当前数字心切面的第一预测位姿信息，包括：对所述预测姿态参数重组为预设维度的第一中间矩阵；对所述第一中间矩阵进行奇异值分解正交化处理，得到所述当前数字心切面的预测旋转仿射矩阵；将所述预测位置参数和所述预测旋转仿射矩阵，作为所述当前数字心切面的第一预测位姿信息。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述根据第一预测位姿信息和目标数字心切面的目标位姿信息，输出扫描提示信息，包括：根据所述第一预测位姿信息和所述目标位姿信息，确定位姿偏移量；根据所述位姿偏移量，输出所述扫描提示信息。5.根据权利要求4所述的方法，其特征在于，所述当前数字心切面的第一预测位姿信息包括：所述当前数字心切面的预测位置参数和预测旋转仿射矩阵，所述目标数字心切面的目标位姿信息包括：所述目标数字心切面的目标位置参数和目标旋转仿射矩阵，所述根据所述第一预测位姿信息和所述目标位姿信息，确定位姿偏移量，包括：根据所述预测位置参数和所述目标位置参数，确定所述当前数字心切面相对于所述目标数字心切面的空间偏移量参数；根据所述预测旋转仿射矩阵和所述目标旋转仿射矩阵，确定所述当前数字心切面与所述目标数字心切面之间的切换旋转仿射矩阵；根据所述切换旋转仿射矩阵，得到所述当前数字心切面相对于所述目标数字心切面的位姿偏移量参数；其中，所述位姿偏移量包括所述空间偏移量参数和所述位姿偏移量参数。6.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述扫描提示信息包括第一扫描提示信息和第二扫描提示信息；其中，所述第一扫描提示信息用于指示从所述当前数字心切面切换为所述目标数字心切面对应的所述探头的空间平移运动方式；所述第二扫描提示信息用于指示从所述当前数字心切面切换为所述目标数字心切面对应的所述探头的姿态运动方式。
7.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述第一数字心切面网络模型的训练方法，包括：获取多个第一训练样本，其中，所述第一训练样本包括：超声视频帧样本和对应的数字心切面的位姿标注信息；根据所述多个第一训练样本对第一初始神经网络模型进行训练，得到所述第一数字心切面网络模型。8.根据权利要求7所述的方法，其特征在于，获取多个第一训练样本，包括：对于任意所述第一训练样本，获取所述第一训练样本中的超声视频帧样本和所述超声视频帧样本对应的数字心切面的初始位姿信息；根据所述数字心切面的初始位姿信息，确定所述数字心切面的位姿标注信息。9.根据权利要求8所述的方法，其特征在于，所述数字心切面的初始位姿信息包括：所述数字心切面的第一位置参数和第一旋转仿射矩阵，所述根据所述数字心切面的初始位姿信息，确定所述数字心切面的位姿标注信息，包括：将所述第一旋转仿射矩阵展开为一维的第一姿态向量；将所述第一位置参数和所述第一姿态向量作为所述数字心切面的位姿标注信息。10.根据权利要求8所述的方法，其特征在于，所述数字心切面的初始位姿信息的获取方式包括：获取所述超声视频帧样本对应的探头位姿信息；根据所述探头位姿信息和第二数字心切面网络模型，得到所述探头位姿信息对应的数字心切面的第二位置参数和第一姿态参数；根据所述第二位置参数和所述第一姿态参数，确定所述数字心切面的初始位姿信息。11.根据权利要求10所述的方法，其特征在于，所述根据所述第二位置参数和所述第一姿态参数，确定所述数字心切面的初始位姿信息，包括：对所述第一姿态参数重组为预设维度的第二中间矩阵；对所述第二中间矩阵进行奇异值分解正交化处理，得到所述数字心切面的第二旋转仿射矩阵；将所述第二位置参数和所述第二旋转仿射矩阵，作为所述数字心切面的初始位姿信息。12.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述第一数字心切面网络模型包括：级联的特征提取模块、时序融合模块和位姿运动模块；其中，所述特征提取模块包括多个子特征提取模块，所述位姿运动模块包括多个子位姿运动模块，所述子位姿运动模块包括级联的切面分类头、切面平移回归头和切面旋转回归头。13.根据权利要求10所述的方法，其特征在于，所述第二数字心切面网络的训练方法，包括：获取多个第二训练样本，其中，所述第二训练样本包括：数字心标准切面对应的探头位姿样本和所述数字心标准切面的位姿标注信息；根据所述多个第二训练样本对第二初始神经网络模型进行训练，得到所述第二数字心切面网络模型。14.根据权利要求13所述的方法，其特征在于，所述根据所述多个第二训练样本对第二
初始神经网络模型进行训练，得到所述第二数字心切面网络模型，包括：将所述多个第二训练样本中的数字心标准切面对应的探头位姿样本输入所述第二初始神经网络模型，得到所述多个第二训练样本中的数字心标准切面分别对应的第二预测位姿信息；根据所述多个第二训练样本中的数字心标准切面的位姿标注信息和所述多个第二训...

【专利技术属性】
技术研发人员：陈凌，陈鹏，洪坤磊，蒋逸韬，石思远，崔晨，
申请(专利权)人：深圳微创心算子医疗科技有限公司，
类型：发明
国别省市：