【技术实现步骤摘要】
本专利技术属于超声图像处理，更具体的说是涉及一种超声人工智能图像分析预处理方法及系统。
技术介绍
1、在医学影像领域，超声图像在临床诊断中被广泛使用，因为它具有无创、无辐射、实时性等优势。近年来，随着人工智能技术的飞速发展，超声图像的人工智能分析在医学领域也取得了显著的进展。利用深度学习等算法，医学研究人员可以从超声图像中自动识别和标记异常结构、定量分析病变等，辅助医生做出更准确的诊断和治疗决策。
2、然而，超声图像在进行人工智能分析之前，必须经过一系列预处理步骤，以确保图像质量和隐私保护。以下是目前在超声图像人工智能分析预处理方面存在的技术问题：
3、(1)隐私问题：由于超声图像中包含患者的身体部位和个人特征，直接应用人工智能算法可能泄露患者隐私。
4、(2)标记去除问题：超声图像上可能存在医生或技术人员添加的测量标尺、文字标记等，这些标记可能影响后续的算法分析。
5、(3)标准化问题：由于超声图像的采集设备和参数可能不同，导致图像质量和大小的差异。
6、(4)自动化程度问题：传统的图像预处理方法通常需要人工干预，耗时且容易出错。
7、综上所述，超声图像人工智能分析预处理是医学图像领域面临的重要问题，需要开发一种高效、准确的系统和方法来解决隐私保护、标记去除、标准化及自动化等方面的技术问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种超声人工智能图像分析预处理方法及系统，能够获取超声人工智能图像分析预处
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种超声人工智能图像分析预处理方法，包括如下步骤：
4、步骤s1，超声图像采集：使用超声设备对患者进行检查，获取超声图像；
5、步骤s2，ai图像脱敏：采用人工智能算法对超声图像进行脱敏处理；
6、步骤s3，像素级别语义分割标记及去除：利用像素级别的语义分割算法对步骤s2脱敏处理后的超声图像上的测量标尺进行识别、标记和去除；
7、步骤s4，标准化图像生成：对步骤s3处理后的超声图像进行标准化处理，得到经过脱敏和去除标记的标准化超声图像。
8、进一步的，步骤s2中ai图像脱敏的方法包括：
9、超声图像区域识别：构建包含超声图像及对应标注的数据集，利用pytorch框架训练yolov3模型，使其能够准确识别超声图像中的扇形区域；
10、脱敏方法：输入原始的超声图像，使用训练好的yolov3模型识别出图像中的扇形区域；然后仅保留扇形区域图像，裁剪掉周边可能包含敏感信息的区域；经过裁剪的脱敏图像有效去除敏感信息，保护患者隐私。
11、进一步的，扇形区域包含病变诊断所需的重要临床信息，四周区域包含患者敏感信息。
12、进一步的，步骤s3中像素级别语义分割标记及去除的具体方法为：采用像素级别的标记去除算法，利用deeplabv3+识别出标尺区域、得到每个像素属于标尺或背景的预测掩码结果，将原超声图像和掩码图送入mat模型，对掩码区域进行标尺去除，最大限度地减少原超声图像的修改。
13、进一步的，步骤s4中标准化图像生成的具体方法为：
14、图像尺寸统一：通过图像处理库将图像缩放调整为统一的尺寸，使得后续的人工智能算法能够在相同输入尺寸下进行分析，提高算法的通用性和效率；
15、图像亮度和对比度调整：使用opencv库函数调整图像亮度和对比度，消除设备和参数差异，为后续的人工智能图像分析提供一致的图像输入。
16、一种超声人工智能图像分析预处理系统，包括：超声设备、ai处理单元、分割标记及去除单元和图像标准化单元；其中，
17、所述超声设备，用于获取超声图像；
18、所述ai处理单元，用于采用人工智能算法对超声图像进行脱敏处理；
19、所述分割标记及去除单元，利用像素级别的语义分割算法对脱敏处理后的超声图像上的测量标尺进行识别、标记和去除；
20、所述图像标准化单元，用于对分割标记及去除单元处理后的超声图像进行标准化处理，得到经过脱敏和去除标记的标准化超声图像。
21、本专利技术的有益效果在于：
22、本专利技术通过超声图像采集、ai图像脱敏、像素级别语义分割标记及去除等步骤，获取了了能进行超声人工智能图像分析预处理的标准化图像，为医学诊断提供更可靠的图像数据支持。
本文档来自技高网...【技术保护点】
1.一种超声人工智能图像分析预处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种超声人工智能图像分析预处理方法，其特征在于，步骤S2中AI图像脱敏的方法包括：
3.根据权利要求2所述的一种超声人工智能图像分析预处理方法，其特征在于，扇形区域包含病变诊断所需的重要临床信息，四周区域包含患者敏感信息。
4.根据权利要求1所述的一种超声人工智能图像分析预处理方法，其特征在于，步骤S3中像素级别语义分割标记及去除的具体方法为：采用像素级别的标记去除算法，利用DeeplabV3+识别出标尺区域、得到每个像素属于标尺或背景的预测掩码结果，将原超声图像和掩码图送入MAT模型，对掩码区域进行标尺去除，最大限度地减少原超声图像的修改。
5.根据权利要求1所述的一种超声人工智能图像分析预处理方法，其特征在于，步骤S4中标准化图像生成的具体方法为：
6.一种超声人工智能图像分析预处理系统，其特征在于，包括：超声设备、AI处理单元、分割标记及去除单元和图像标准化单元；其中，
【技术特征摘要】
1.一种超声人工智能图像分析预处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种超声人工智能图像分析预处理方法，其特征在于，步骤s2中ai图像脱敏的方法包括：
3.根据权利要求2所述的一种超声人工智能图像分析预处理方法，其特征在于，扇形区域包含病变诊断所需的重要临床信息，四周区域包含患者敏感信息。
4.根据权利要求1所述的一种超声人工智能图像分析预处理方法，其特征在于，步骤s3中像素级别语义分割标记及去除的具体方法...
【专利技术属性】
技术研发人员：王伟，李铭德，佘超银，陈立达，黄庆华，柯伟平，何丹妮，
申请(专利权)人：中山大学附属第一医院，
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。