计算机可读存储介质制造技术

本申请提供一种计算机可读存储介质

【技术实现步骤摘要】
计算机可读存储介质、超声图像质量评估装置及电子设备


[0001]本申请涉及图像处理
，具体而言，涉及一种计算机可读存储介质
、
超声图像质量评估装置及电子设备
。

技术介绍

[0002]超声成像技术由于其便捷性
、
无创性和无电离辐射等多种优点在医学影像诊断领域中受到广大的欢迎，为医生通过医学临床检查，初步掌握病人病情和病灶，提供了极大的帮助
。
自
20
世纪以来，医学研究一直非常依赖于超声图像，在医学影像诊断中，医学超声影像技术的应用十分广泛；其中，超声成像应用领域主要包括了心脏影像，泌尿科，妇产科，腹部成像以及血管成像，并可以作为外科手术的指导手段之一
。
[0003]然而在超声图像的成像过程中，由于超声成像原理的特性和超声探头仪器的限制，超声波在发射与接收过程中受体内组织的影响会有所损耗，且超声波的穿透能力有限，不能通过骨头或空气，因此得到的超声图像往往会含有大量伪影和散斑噪声，导致超声成像中组织结构和纹理细节遭到破坏，从而导致超声图像的图像质量较差
。

技术实现思路

[0004]本申请实施例的目的在于提供一种计算机可读存储介质
、
超声图像质量评估装置及电子设备，用以解决现有技术中如何判断采集的超声图像的图像质量的技术问题
。
[0005]第一方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序指令，所述计算机程序指令被计算机运行时，使所述计算机执行超声图像质量评估方法；所述超声图像质量评估方法，包括：获取待评估超声图像；将所述待评估超声图像输入图像质量评估网络中，得到所述图像质量评估网络输出的图像质量评估得分；其中，所述图像质量评估网络包括器官类型分类器
、
病灶类型分类器
、
超声图像等级分类器以及超声图像分数计算器；所述将所述待评估超声图像输入图像质量评估网络中，得到所述图像质量评估网络输出的图像质量评估得分，包括：将所述待评估超声图像输入所述器官类型分类器
、
所述病灶类型分类器以及所述超声图像等级分类器中，得到所述待评估超声图像的文本信息；其中，所述文本信息包括器官类型
、
病灶类型以及图像等级；对所述待评估超声图像以及所述文本信息进行特征提取，分别得到对应的图像特征向量以及文本特征向量；计算所述图像特征向量以及所述文本特征向量之间的余弦相似度；根据所述余弦相似度计算所述图像质量评估得分
。
[0006]在上述方案中，可以利用图像质量评估网络对待评估超声图像进行图像质量评估；其中，图像质量评估网络可以包括器官类型分类器
、
病灶类型分类器
、
超声图像等级分类器以及超声图像分数计算器，先利用器官类型分类器
、
病灶类型分类器
、
超声图像等级分类器确定待评估超声图像的器官类型
、
病灶类型以及超声图像等级，再基于上述结果计算对应的图像质量评估得分，从而可以实现对采集的超声图像的图像质量进行判断的目的
。
[0007]在可选的实施方式中，所述将所述待评估超声图像输入所述器官类型分类器
、
所
述病灶类型分类器以及所述超声图像等级分类器中，得到所述待评估超声图像的文本信息，包括：将所述待评估超声图像输入所述器官类型分类器中，得到所述器官类型分类器输出的所述待评估超声图像对应的器官类型；将所述待评估超声图像输入所述病灶类型分类器中，得到所述病灶类型分类器输出的所述待评估超声图像对应的病灶类型；将所述待评估超声图像输入所述超声图像等级分类器中，得到所述超声图像等级分类器输出的所述待评估超声图像对应的图像等级
。
在上述方案中，图像质量评估网络可以包括器官类型分类器
、
病灶类型分类器
、
超声图像等级分类器以及超声图像分数计算器，先利用器官类型分类器
、
病灶类型分类器
、
超声图像等级分类器确定待评估超声图像的器官类型
、
病灶类型以及超声图像等级，再基于上述结果计算对应的图像质量评估得分，从而可以实现对采集的超声图像的图像质量进行判断的目的
。
[0008]在可选的实施方式中，所述超声图像质量评估方法还包括：利用如下步骤对神经网络模型进行训练，得到所述图像质量评估网络：获取样本图像以及对应的样本标签；其中，所述样本标签包括器官样本类型
、
病灶样本类型以及图像样本等级；将所述样本图像以及所述样本标签输入所述神经网络模型中，得到对应的器官预测类型
、
病灶预测类型以及图像预测等级；根据所述器官样本类型以及所述器官预测类型计算第一损失值
、
根据所述病灶样本类型以及所述病灶预测类型计算第二损失值
、
根据所述图像样本等级以及所述图像预测等级计算第三损失值；根据所述第一损失值
、
所述第二损失值以及所述第三损失值对所述神经网络模型进行优化，得到所述图像质量评估网络
。
在上述方案中，可以事先对神经网络模型进行训练，以得到训练好的图像质量评估网络；因此，可以利用上述图像质量评估网络对待评估超声图像进行质量评估，从而可以实现对采集的超声图像的图像质量进行判断的目的
。
[0009]在可选的实施方式中，所述根据所述器官样本类型以及所述器官预测类型计算第一损失值，包括：利用如下公式计算所述第一损失值：；其中，表示所述第一损失值，表示第个样本图像对应的器官样本类型，，表示所述样本图像的总数量，表示第
n
个样本图像对应的器官预测类型为正例的得分，表示
Sigmoid
函数
。
在上述方案中，可以利用器官样本类型以及器官预测类型之间的二分类交叉熵损失来确定第一损失值
。
[0010]在可选的实施方式中，所述根据所述病灶样本类型以及所述病灶预测类型计算第二损失值，包括：利用如下公式计算所述第二损失值：；其中，表示所述第二损失值，是一个概率分布，表示所述样本图像属于第类病灶类型的概率，是所述病灶样本类型的独编码表示，当样本属于第类病灶类型时，否则，是病灶类型的类别
。
在上述方案中，可以利用病灶样本类型以及病灶预测类型之间的交叉熵损失来确定第二损失值
。
[0011]在可选的实施方式中，所述根据所述图像样本等级以及所述图像预测等级计算第三损失值，包括：利用如下公式计算所述第三损失值：
；其中，表示所述第三损失值，是一个概率分布，表示所述样本图像属于第个图像等级的概率，是所述图像样本等级的独编码表示，当样本属于第个图像等级时，否则，是图像等级的数量
。
在上述方案中，可以利用图像样本等级以及图像预测等级之间的交叉熵损失来确定第三损失值
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序指令，所述计算机程序指令被计算机运行时，使所述计算机执行超声图像质量评估方法；所述超声图像质量评估方法，包括：获取待评估超声图像；将所述待评估超声图像输入图像质量评估网络中，得到所述图像质量评估网络输出的图像质量评估得分；其中，所述图像质量评估网络包括器官类型分类器
、
病灶类型分类器
、
超声图像等级分类器以及超声图像分数计算器；所述将所述待评估超声图像输入图像质量评估网络中，得到所述图像质量评估网络输出的图像质量评估得分，包括：将所述待评估超声图像输入所述器官类型分类器
、
所述病灶类型分类器以及所述超声图像等级分类器中，得到所述待评估超声图像的文本信息；其中，所述文本信息包括器官类型
、
病灶类型以及图像等级；对所述待评估超声图像以及所述文本信息进行特征提取，分别得到对应的图像特征向量以及文本特征向量；计算所述图像特征向量以及所述文本特征向量之间的余弦相似度；根据所述余弦相似度计算所述图像质量评估得分
。2.
根据权利要求1所述的计算机可读存储介质，其特征在于，所述将所述待评估超声图像输入所述器官类型分类器
、
所述病灶类型分类器以及所述超声图像等级分类器中，得到所述待评估超声图像的文本信息，包括：将所述待评估超声图像输入所述器官类型分类器中，得到所述器官类型分类器输出的所述待评估超声图像对应的器官类型；将所述待评估超声图像输入所述病灶类型分类器中，得到所述病灶类型分类器输出的所述待评估超声图像对应的病灶类型；将所述待评估超声图像输入所述超声图像等级分类器中，得到所述超声图像等级分类器输出的所述待评估超声图像对应的图像等级
。3.
根据权利要求1或2所述的计算机可读存储介质，其特征在于，所述超声图像质量评估方法还包括：利用如下步骤对神经网络模型进行训练，得到所述图像质量评估网络：获取样本图像以及对应的样本标签；其中，所述样本标签包括器官样本类型
、
病灶样本类型以及图像样本等级；将所述样本图像以及所述样本标签输入所述神经网络模型中，得到对应的器官预测类型
、
病灶预测类型以及图像预测等级；根据所述器官样本类型以及所述器官预测类型计算第一损失值
、
根据所述病灶样本类型以及所述病灶预测类型计算第二损失值
、
根据所述图像样本等级以及所述图像预测等级计算第三损失值；根据所述第一损失值
、
所述第二损失值以及所述第三损失值对所述神经网络模型进行优化，得到所述图像质量评估网络
。4.
根据权利要求3所述的计算机可读存储介质，其特征在于，所述根据所述器官样本类
型以及所...

【专利技术属性】
技术研发人员：石一磊，曹旭，胡敬良，牟立超，侯雨，陈咏虹，
申请(专利权)人：脉得智能科技无锡有限公司，
类型：发明
国别省市：