超声图像标签处理方法、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一种超声图像标签处理方法、装置、超声设备及存储介质。该方法包括：获取原始超声图像和原始超声图像对应的原始标签图像；对原始超声图像进行特征提取，获取原始超声图像对应的图像特征；对原始标签图像进行解剖约束提取，获取原始标签图像对应的原始约束信息；基于原始超声图像对应的图像特征，对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；对内极限边界和外极限边界进行区域平滑处理，确定原始超声图像对应的目标标签图像。该方法可将原始标签图像上的不够可靠的硬标签，转化为目标标签图像上的更加符合实际的平滑标签，有助于保障标注处理的效率和精确率。理的效率和精确率。理的效率和精确率。

【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，一个是标注的效率。目前深度学习在图像分割上的主流标注手段是对每个像素点赋予一个非零即一的数值，使图像完全二值化，１代表是某种结构，0代表不是某种结构，这种非零即一的判定给标注医生造成困扰，也实际上在超声图像中经常会难以下这种绝对的非零即一的判断。为了克服这个问题，研究者事实上已经提出了一种比较好的思路，即标签平滑方案，通过标签平滑，通过使医生标注时不用过于拘泥具体像素的分类，可以是从整体上迅速给出一个区域判断，而且由于标签平滑后，不再非零即一，通过模糊化使标签完全错误的风险大为降低，也能使模型能够学习到更好的图像特征，带来更强的泛化能力。
[0004]当前，标签平滑技术主要有两类，一是通过简单的局域加权(如高斯平滑)来获取连续变化的标签，这种方案过于简单，虽然可实现标签平滑，但平滑方式与图像结构的实际意义往往缺乏足够的关联，因此效果难以保证；二是通过一个基础模型基于原本的硬标签进行训练得到，即利用基础模型对原本的数据集进行一轮处理，得到一些平滑的关联信息，思路很好，但是由于仍然是基于一个很可能有错的硬标签进行训练的，因此得到的平滑标签的可靠性较低，且基础模型训练也增加工程的复杂性。

技术实现思路

[0005]本专利技术实施例提供一种超声图像标签处理方法、装置、超声设备及存储介质，以解
决超声图像标注的准确度和效率较低的问题。
[0006]一种超声图像标签处理方法，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。
[0007]一种超声图像标签处理装置，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息；极限边界获取模块，用于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；目标标签图像获取模块，用于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。
[0008]一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述超声图像标签处理方法。
[0009]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述超声图像标签处理方法。
[0010]上述超声图像标签处理方法、装置、超声设备及存储介质，提取原始超声图像的图像特征和原始标签图像的原始约束信息，再基于图像特征对原始标签图像对应的原始约束信息进行极限优化处理，获取两个极限边界；再对两个极限边界进行区域平滑处理，将平滑处理后的平滑标签，确定原始超声图像对应的目标标签图像，以将原始标签图像上的不够可靠的硬标签，转化为目标标签图像上的更加符合实际的平滑标签，以方便后续利用原始超声图像和目标标签图像进行模型训练，提升模型训练的准确率，并且由于不再特别强调原始标签图像上的硬标签的精确度，也会降低标注医师的工作量，提升标注工作效率。
附图说明
[0011]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0012]图1是本专利技术一实施例中超声设备的一示意图；图2是本专利技术一实施例中超声图像标签处理方法的一流程图；图3是图2中步骤S202的一流程图；图4是图2中步骤S202的另一流程图；图5是图2中步骤S203的一流程图；图6是图2中步骤S204的一流程图；图7是图6中步骤S603的一流程图；图8是图7中步骤S701的一流程图；图9是图7中步骤S702的一流程图；图10是图2中步骤S205的一流程图；图11是本专利技术一实施例中超声图像标签处理装置的一示意图。
具体实施方式
[0013]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0014]本专利技术实施例提供的超声图像标签处理方法，该超声图像标签处理方法可应用如图1所示的超声设备中，超声设备包括主控制器和与主控制器相连的超声探头、波束合成处理器、图像处理器和显示屏。
[0015]主控制器为超声设备的控制器，主控制器与超声设备中的其他功能模块相连，包括但不限于超声探头、波束合成处理器、图像处理器和显示屏等功能模块相连，用于控制各个功能模块工作。
[0016]超声探头是超声波的发射和接收装置。本示例中，为了保证不同角度的超声图像都能够有较大的横向扫描覆盖范围，即本文档来自技高网...

【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：