【技术实现步骤摘要】
超声图像标签处理方法、装置、超声设备及存储介质
[0001]本专利技术涉及超声图像处理
,尤其涉及一种超声图像标签处理方法、装置、超声设备及存储介质。
技术介绍
[0002]在超声应用中,图像分割是一个重点领域,不管是心脏对腔室的分割,还是乳腺对结节的分割,或者其他部位的应用,分割是工程师及临床医生最为关心的应用,精确的自动图像分割能够极大地提高医生的操作效率、诊断效率及精确度,因此,不同超声图像分割技术不断被提出来。近年来,自然图像的深度学习技术的迅速发展,使得超声领域的主流技术也迅速转向深度学习技术在超声领域中的应用,但与自然图像相比,深度学习在超声图像中的应用有一些天然的不足,其中一个重要的问题就是欠缺精确的标签数据集。由于目前深度学习的主流是全监督与半监督式的机器学习任务(无监督目前效果不够好),标签数据集的质量极大的影响深度学习方法的效果。超声图像由于其较低的信噪比,模糊不清的边界特征,复杂的扫查面结构变化,使得即使是经验颇丰的专业医师在标注图像分割的结构边界时,也往往难以准确判断,一般需要反复观看一帧图像的前后视频帧,来辅助判断超声图像的结构边界到底在何处。但这种通过视频来标注方式需要借助前后视频帧来辅助识别当前视频帧进行标注,无法依据当前视频帧进行标注。也就是说,很可能当前超声图像中确实是没有足够的边界信息,在这种情况下,后续的训练想要学习到这种边界特征就会变得比较缺乏说服力。
[0003]总的来说,当前在超声图像分割的数据标注问题来说,主要的缺陷是两个,一个是标注的准确度,一个是标注的效 ...
【技术保护点】
【技术特征摘要】
1.一种超声图像标签处理方法,其特征在于,包括:获取原始超声图像和所述原始超声图像对应的原始标签图像;对所述原始超声图像进行特征提取,获取所述原始超声图像对应的图像特征;对所述原始标签图像进行解剖约束提取,获取所述原始标签图像对应的原始约束信息;基于所述原始超声图像对应的图像特征,对所述原始标签图像对应的原始约束信息进行极限优化,获取内极限边界和外极限边界;对所述内极限边界和所述外极限边界进行区域平滑处理,确定所述原始超声图像对应的目标标签图像。2.如权利要求1所述的超声图像标签处理方法,其特征在于,所述对所述原始超声图像进行特征提取,获取所述原始超声图像对应的图像特征,包括:获取所述原始超声图像中,每一目标像素点的邻域图像块;对每一所述目标像素点的邻域图像块中所有像素点对应的像素灰度值进行局域统计,确定每一所述目标像素点对应的局域灰度均值和局域灰度方差;基于所有所述目标像素点对应的局域灰度均值和局域灰度方差,获取原始超声图像对应的图像特征。3.如权利要求1所述的超声图像标签处理方法,其特征在于,所述对所述原始超声图像进行特征提取,获取所述原始超声图像对应的图像特征,包括:获取所述原始超声图像中,每一目标像素点的邻域图像块;对每一所述目标像素点的邻域图像块进行直方图统计,确定每一所述目标像素点对应的直方图;基于所有所述目标像素点对应的直方图,获取原始超声图像对应的图像特征。4.如权利要求1所述的超声图像标签处理方法,其特征在于,所述原始标签图像包括背景标签和至少一个目标结构对应的结构标签;所述对所述原始标签图像进行解剖约束提取,获取所述原始标签图像对应的原始约束信息,包括:基于所述原始标签图像中每一所述目标结构对应的结构标签,确定每一所述目标结构对应的结构边界;基于所述目标结构对应的结构边界上的像素坐标,确定所述目标结构对应的原始约束信息。5.如权利要求1所述的超声图像标签处理方法,其特征在于,所述基于所述原始超声图像对应的图像特征,对所述原始标签图像对应的原始约束信息进行极限优化,获取内极限边界和外极限边界,包括:基于所述目标结构对应的原始约束信息和结构中心,确定所述原始约束信息对应的极限优化射线;基于所述原始约束信息对应的极限优化射线进行极限优化,确定所述原始约束信息对应的优化约束信息,所述优化约束信息包括内极限约束信息和外极限约束信息;基于每一所述目标像素点的图像特征、所述原始约束信息和所述优化约束信息,判断是否满足极限优化终止条件;
若满足所述极限优化终止条件,则基于所述内极限约束信息确定内极限边界,并基于外极限约束信息确定外极限边界。6.如权利要求5所述的超声图像标签处理方法,其特征在于,所述基于每一所述目标像素点的图像特征、所述原始约束信息和所述优化约束信息,判断是否满足极限优化终止条件,包括:基于所述原始约束信息和所述优化约束信息,确定边界相似度;基于所述原始约束信息对应的目标像素点的图像特征和所述优化约束信息对应的目标像素点的图像特征,确定特征相似度;基于所述边界相似度和所述特征相似度,确定能量函数值;若所述能量函数值大于预设函数值,则确定满足极限优化终止条件。7.如权利要求6所述的超声图像标签处理方法,其特征在于,所述基于所述原始约束信息和所述优化约束信息,确定边界相似度,包括:基于所述原始约束信息和所述优化约束信息,确定仿射变换参数;基于所述仿射变换参数、所述原始约束信息和所述优化约束信息,确定边界相似度。8.如权利要求6所述的超声图像标签处理方法,其特征在于,所述基于所述原始约束信息对应的目标像素点的图像特征和所述优化约束信息对应的目标像素点的图像特征,确定特征相似度,包括:基于所述原始约束信息对应的目标像素点的图像特征和所述优化约束信息对应的目标像素点的图像特征,确定特征差值平方和;对所述特征差值平方和进行映射处理,确定特征相似度。9.如权利要求1所述的超声图像标签处理方法,其特征在于,所述对所述内极限边界和所述外极限边界进行区域平滑处理,确定所述原始超声图像对应的目标标签图像,包括:将同一所述极限优化射线与所述内极限边界和所述外极限边界的交点,分别确定为所述极限优化射线对应的内边界标签和外边界标签;对同一所述极限优化射线对应的内边界标签和外边界标签进行等分插值处理,获取所述极限优化射线对应的第一插值标签;基于相邻两个所述极限优化射线的第一插值标签,对相邻两个所述极限优化射线所夹区域中的所有像素点进行插值处理,获取相邻两个所述极限优化射线所夹区域中所有像素点对应的第二插值标签;基于所述第一插值标签和所述第二插值标签,确定所述原始超声图像对应的目标标签图像。10.一种超声图像标签处理装置,其特征在于,包括:原始图像获取模块,用于获取原始超声图像和所述原始超声图像对应的原始标签图像;图像特征获取模块,用于对所述原始超声图像进行特征提取,获取所述原始超声图像对应的图像特征;原始约束信息获取模块,用于对所述原始标签图像进行解剖约束提取,获取所述原始标签图像对应的原始约束信...
【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:
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。