【技术实现步骤摘要】
一种超声图像目标增强处理方法、系统、设备及介质
[0001]本专利技术涉及图像处理
,具体是涉及一种超声图像目标增强处理方法
、
系统
、
设备及介质
。
技术介绍
[0002]在现代临床医学中,通常采用超声成像方式对患者特定区域内的相关感兴趣目标
(
如病灶
、
血管
、
肿瘤细胞等
)
进行追踪定位与检测,但是由于超声成像存在分辨率低
、
信噪比差等缺点,使得相关感兴趣目标在超声图像中不易清晰可见,特别是医护人员手持超声探头进行实操检测时直接发生抖动
、
或者因患者在实操检测过程中的突然移动而造成超声探头间接发生抖动等等,容易导致超声图像的成像质量变差,进而难以准确追踪分辨出相关感兴趣目标
。
技术实现思路
[0003]本专利技术提供一种超声图像目标增强处理方法
、
系统
、
设备及介质,以解决现有技术中存在的一个或多个技术问题,至少提供一种有益的选择或创造条件
。
[0004]第一方面,提供一种超声图像目标增强处理方法,所述方法包括:
[0005]利用超声探头获取包含目标对象的连续
N
帧超声图像,同步利用安装在所述超声探头上的惯性元件获取对应的连续
N
个运动信息;
[0006]利用语义编码器对所述连续
N
帧超声图像进行解析,得到对应 ...
【技术保护点】
【技术特征摘要】
1.
一种超声图像目标增强处理方法,其特征在于,所述方法包括:利用超声探头获取包含目标对象的连续
N
帧超声图像,同步利用安装在所述超声探头上的惯性元件获取对应的连续
N
个运动信息;利用语义编码器对所述连续
N
帧超声图像进行解析,得到对应的
N
个目标语义特征和第
N
帧超声图像对应的多尺度中间特征;将最前
N
‑1帧超声图像经过预处理之后输入至掩码编码器进行解析,得到对应的
N
‑1个目标掩码特征;对所述
N
个目标语义特征之间的相关性进行解析,得到全局匹配代价和注意力特征;利用
LSTM
模型对所述连续
N
个运动信息进行解析,得到运动时序特征;对所述全局匹配代价
、
所述注意力特征
、
所述
N
‑1个目标掩码特征和所述运动时序特征进行融合处理,得到所述第
N
帧超声图像对应的目标掩码特征;利用解码器对所述第
N
帧超声图像对应的目标掩码特征和多尺度中间特征进行解析,得到对应的目标掩码图像并进行可视化
。2.
根据权利要求1所述的超声图像目标增强处理方法,其特征在于,针对所述最前
N
‑1帧超声图像中的每帧超声图像,对其进行预处理包括:获取所述每帧超声图像对应的掩码图像,再将所述每帧超声图像与所述掩码图像进行通道叠加
。3.
根据权利要求1所述的超声图像目标增强处理方法,其特征在于,所述对所述
N
个目标语义特征之间的相关性进行解析,得到全局匹配代价和注意力特征包括:基于
L2
范数,对第
N
个目标语义特征和最前
N
‑2个目标语义特征进行相关性匹配计算,得到全局匹配代价;对第
N
‑1个目标语义特征和所述第
N
个目标语义特征依次进行通道叠加
、
二维匹配和卷积运算,得到局部匹配代价;对所述局部匹配代价进行视差预测,得到第
N
‑1帧超声图像与所述第
N
帧超声图像之间的短时运动场;对所述短时运动场进行多次卷积运算,得到短时运动特征;利用所述短时运动特征对所述第
N
个目标语义特征进行重加权,再将重加权结果与所述第
N
个目标语义特征相加,得到注意力特征
。4.
根据权利要求1所述的超声图像目标增强处理方法,其特征在于,所述对所述全局匹配代价
、
所述注意力特征
、
所述
N
‑1个目标掩码特征和所述运动时序特征进行融合处理,得到所述第
N
帧超声图像对应的目标掩码特征包括:对所述全局匹配代价进行归一化,再将归一化结果与最前
N
‑2个目标掩码特征相乘,得到全局匹配特征;将所述注意力特征与第
N
‑1个目标掩码特征相乘,得到局部匹配特征;将所述全局匹配特征
、
所述局部匹配特征和所述运动时序特征进行通道叠加和卷积运算,得到所述第
N
帧超声图像对应的目标掩码特征
。5.
根据权利要求1所述的超声图像目标增强处理方法,其特征在于,所述语义编码器包括依次连接的第一输入层
、
第一卷积层
、
第一
Block
网络层
、
第二
Block
网络层
、
第三
Block
网络层
、
第四
Block
网络层和第一输出层;
当利用所述语义编码器对所述...
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。