超声影像处理方法技术

本申请实施例提供一种超声影像处理方法

【技术实现步骤摘要】
超声影像处理方法、装置、设备及计算机可读存储介质


[0001]本申请实施例涉及医疗影像处理
，具体涉及一种超声影像处理方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]超声扫描属于医疗领域中较为常用的成像方式
。
通常是人工手持超声设备对人体目标区域进行按压，缓慢扫描，然后生成超声扫描视频影像，以便于医生根据扫描得到的超声扫描视频影像对患者病情进行诊断
。
[0003]然而，目前的超声影像的采集需要专业人士进行，通常都是医生一边采用扫描装置进行扫描，一边对采集得到的图像进行诊断，效率较低
。
若采用扫诊分离的方式来提高效率，则扫描得到的超声影像效果往往不够理想，不利用后续的诊断
。

技术实现思路

[0004]本申请实施例提供一种超声影像处理方法
、
装置
、
设备及计算机可读存储介质，旨在解决现有的超声扫描过程中存在的扫描得到的超声影像效果不够理想的问题
。
[0005]一方面，本申请实施例提供一种超声影像处理方法，包括：
[0006]采集超声影像并根据所述超声影像中视频帧的参数信息，确定所述超声影像的质量监控结果；
[0007]根据所述超声影像的质量监控结果确定是否重新采集，直至采集的超声影像的质量监控结果满足预设条件；
[0008]对采集的超声影像中的视频帧进行病灶识别，得到所述超声影像的病灶识别结果r/>。
[0009]作为本申请的一种可选实施例，所述采集超声影像并根据所述超声影像中视频帧的参数信息，确定所述超声影像的质量监控结果，包括：
[0010]采集超声影像，并提取所述超声影像中视频帧的参数信息；
[0011]将所述超声影像中视频帧的参数信息输入至预设的质量监控模型，得到所述超声影像的质量监控结果；
[0012]所述质量监控模型是预先基于各所述参数信息对应的预设阈值和
/
或预设阈值范围所训练得到的神经网络模型
。
[0013]作为本申请的一种可选实施例，所述将所述超声影像中视频帧的参数信息输入至预设的质量监控模型，得到所述超声影像的质量监控结果之前，所述方法还包括：
[0014]获取初始样本图像，并根据初始样本图像的参数信息，以及各所述参数信息对应的预设阈值和
/
或预设阈值范围，从所述初始样本图像中筛选目标样本图像；
[0015]根据所述目标样本图像的参数信息，对预设的初始神经网络模型中的参数进行训练，得到所述预设的质量监控模型
。
[0016]作为本申请的一种可选实施例，所述参数信息至少包括图像亮度
、
扫描深度
、
病灶
位置的视频帧数量以及扫描速度中的一种
。
[0017]作为本申请的一种可选实施例，所述对采集的超声影像中的视频帧进行病灶识别，得到所述超声影像的病灶识别结果，包括：
[0018]针对采集的超声影像中的每一视频帧，根据所述视频帧的部位信息获取与所述视频帧对应的病灶识别模型；
[0019]根据所述病灶识别模型对所述视频帧进行处理，得到所述超声影像中所述视频帧的病灶识别结果
。
[0020]作为本申请的一种可选实施例，所述根据所述视频帧的部位信息获取与所述视频帧对应的病灶识别模型之前，所述方法还包括：
[0021]将所述视频帧输入至预设的部位识别模型，输出所述视频帧的部位信息；所述部位识别模型是预先基于样本图像的部位标签所训练得到的神经网络模型
。
[0022]作为本申请的一种可选实施例，所述根据所述视频帧的部位信息获取与所述视频帧对应的病灶识别模型之前，所述方法还包括：
[0023]获取样本图像的部位信息以及病灶识别标签；
[0024]根据所述样本图像的部位信息，对所述样本图像进行分类，得到对应所述部位信息的部位样本图像集合；
[0025]将所述部位样本图像集合中的样本图像输入至预设的初始神经网络模型，得到各所述样本图像对应的病灶识别结果；
[0026]根据各所述样本图像对应的病灶识别结果与病灶识别标签之间的损失值，对所述初始神经网络模型中的参数进行训练，得到已训练的病灶识别模型；
[0027]将所述已训练的病灶识别模型与所述部位样本图像集合对应的部位信息关联存储
。
[0028]作为本申请的一种可选实施例，所述根据所述超声影像的质量监控结果确定是否重新采集，直至采集的超声影像的质量监控结果满足预设条件，包括：
[0029]若获取的超声影像的质量监控结果不满足预设条件，则输出所述质量监控结果以提示用户重新采集超声影像
。
[0030]作为本申请的一种可选实施例，所述对采集的超声影像中的视频帧进行病灶识别，得到所述超声影像的病灶识别结果之后，所述方法还包括：
[0031]根据所述超声影像的质量监控结果和
/
或病灶识别结果，对采集的超声影像中的视频帧分别进行标识，得到标识超声影像
。
[0032]作为本申请的一种可选实施例，所述根据所述超声影像的质量监控结果和
/
或病灶识别结果，对采集的超声影像中的视频帧分别进行标识，得到标识超声影像，包括：
[0033]根据所述超声影像的质量监控结果中参数信息的异常监控结果，分别对采集的超声影像中的所述视频帧进行标识，得到质量标识超声影像；和
/
或；
[0034]根据所述视频帧的病灶识别结果中的病灶位置以及病灶类型，分别对采集的超声影像中的所述视频帧进行标识，得到病灶标识超声影像
。
[0035]另一方面，本申请实施例还提供一种超声影像处理装置，包括：
[0036]监控模块，用于采集超声影像并根据所述超声影像中视频帧的参数信息，确定所述超声影像的质量监控结果；
[0037]重采模块，用于根据所述超声影像的质量监控结果确定是否重新采集，直至采集的超声影像的质量监控结果满足预设条件；
[0038]识别模块，用于对采集的超声影像中的视频帧进行病灶识别，得到所述超声影像的病灶识别结果
。
[0039]另一方面，本申请实施例还提供一种超声影像处理设备，所述超声影像处理设备包括处理器
、
存储器以及存储于所述存储器中并可在所述处理器上运行的超声影像处理程序，所述处理器执行所述超声影像处理程序以实现上述的超声影像处理方法中的步骤
。
[0040]另一方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有超声影像处理程序，所述超声影像处理程序被处理器执行以实现上述的超声影像处理方法中的步骤
。
[0041]本申请实施例提供的超声影像处理方法，在获取到超声影像后，并根据超声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种超声影像处理方法，其特征在于，包括：采集超声影像并根据所述超声影像中视频帧的参数信息，确定所述超声影像的质量监控结果；根据所述超声影像的质量监控结果确定是否重新采集，直至采集的超声影像的质量监控结果满足预设条件；对采集的超声影像中的视频帧进行病灶识别，得到所述超声影像的病灶识别结果
。2.
根据权利要求1所述的超声影像处理方法，其特征在于，所述采集超声影像并根据所述超声影像中视频帧的参数信息，确定所述超声影像的质量监控结果，包括：采集超声影像，并提取所述超声影像中视频帧的参数信息；将所述超声影像中视频帧的参数信息输入至预设的质量监控模型，得到所述超声影像的质量监控结果；所述质量监控模型是预先基于各所述参数信息对应的预设阈值和
/
或预设阈值范围所训练得到的神经网络模型
。3.
根据权利要求2所述的超声影像处理方法，其特征在于，所述将所述超声影像中视频帧的参数信息输入至预设的质量监控模型，得到所述超声影像的质量监控结果之前，所述方法还包括：获取初始样本图像，并根据初始样本图像的参数信息，以及各所述参数信息对应的预设阈值和
/
或预设阈值范围，从所述初始样本图像中筛选目标样本图像；根据所述目标样本图像的参数信息，对预设的初始神经网络模型中的参数进行训练，得到所述预设的质量监控模型
。4.
根据权利要求1所述的超声影像处理方法，其特征在于，所述参数信息至少包括图像亮度
、
扫描深度
、
病灶位置的视频帧数量以及扫描速度中的一种
。5.
根据权利要求1所述的超声影像处理方法，其特征在于，所述对采集的超声影像中的视频帧进行病灶识别，得到所述超声影像的病灶识别结果，包括：针对采集的超声影像中的每一视频帧，根据所述视频帧的部位信息获取与所述视频帧对应的病灶识别模型；根据所述病灶识别模型对所述视频帧进行处理，得到所述超声影像中所述视频帧的病灶识别结果
。6.
根据权利要求5所述的超声影像处理方法，其特征在于，所述根据所述视频帧的部位信息获取与所述视频帧对应的病灶识别模型之前，所述方法还包括：将所述视频帧输入至预设的部位识别模型，输出所述视频帧的部位信息；所述部位识别模型是预先基于样本图像的部位标签所训练得到的神经网络模型
。7.
根据权利要求5所述的超声影像处理方法，其特征在于，所述根据所述视频帧的部位信息获取与所述视频帧对应的病灶识别模型之前，所述方法还包括：获取样本图像的部位信息以及病灶识别标签；根据所述样本图像的部位信息，对所述样本图像进行分类，得到对应所述部位信息的部位样本图像集合；将...

【专利技术属性】
技术研发人员：李志男，秦郑阳，张谦一，梅瀚文，
申请(专利权)人：数坤北京网络科技股份有限公司，
类型：发明
国别省市：