本申请涉及图像处理技术领域，尤其是涉及一种动态超声造影图像识别方法、装置、设备和介质，获取并标准化肝病变的CEUS动态影像以及其对应的超声参数信息，所述超声参数信息至少包括造影时间信息；使用预训练的第一深度学习模型识别所述CEUS动态影像中的肝病变区域的位置和边界，将所述肝病变区域确定为感兴趣区；使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，并确定所述CEUS动态影像对应的病变特征。本申请能够自动、精确地识别肝病变动态超声造影图像中的病灶的位置、边界，判断病灶是否消退或增强，并确定病灶的病变特征，辅助进行CEUS动态影像肝病变的分类诊断，降低人工识别导致的主观性和繁琐度。
【技术实现步骤摘要】
本申请涉及图像处理，尤其是涉及一种动态超声造影图像识别方法、装置、设备和介质。
技术介绍
1、肝细胞癌(hepatocellular carcinoma，hcc)是对人类健康危害颇大的疾病，超声检查是hcc高危人群筛查及诊断、随访过程中的重要手段之一。超声造影(contrastenhanced ultrasound，ceus)检查对是hcc风险人群肝内病变进行诊断的重要方法，ceus检查中所得的肝内病变的增强、消退等征象是用于判断病变性质的重要依据。但是，ceus检查图像的判别高度依赖操作者和易受操作者主观因素的影响，且ceus动态检查中种种征象的连续甚至叠加出现也进一步增加了操作者对图像进行判别的难度。
2、目前已有利用深度学习方法对ceus图像进行识别的研究，可辅助或一定程度上替代人类操作者进行ceus图像中的肝内病变的判定，但大多数是对静态ceus图像的识别，容易损失动态检查中的许多信息，使得技术难以推广。另外，目前使用深度学习方法对动态ceus图像进行判别的少量现有研究中，判定的灵敏度和特异度较低。
3、因此，如何自动、精确地识别肝病变动态超声造影图像中病灶特征，是亟需解决的问题。
技术实现思路
1、本申请提供了一种动态超声造影图像识别方法，能够自动、精确地识别肝病变动态超声造影图像中的病灶的位置、边界，判断病灶是否消退或增强，并确定病灶的病变特征，降低人工识别导致的主观性和繁琐度。
2、为了实现上述目的，本专利技术采用了如下技术方案:</p>3、第一方面，本专利技术提供一种动态超声造影图像识别方法，所述方法包括：
4、获取并标准化肝病变的ceus动态影像以及其对应的超声参数信息，所述超声参数信息至少包括造影时间信息；
5、使用预训练的第一深度学习模型识别所述ceus动态影像中的肝病变区域的位置和边界，若识别结果为存在肝病变区域，将所述肝病变区域确定为感兴趣区；
6、获取所述感兴趣区的灰度信息；
7、结合所述ceus动态影像、所述超声参数信息和所述灰度信息，使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，并确定所述ceus动态影像对应的病变特征。
8、在本申请一较佳的示例中可以进一步设置为，预训练所述第一深度学习模型，包括：
9、基于所述超声参数信息，预处理所述肝病变的ceus动态影像，使其有相同的文件大小和帧速，得到训练数据；
10、使用所述训练数据训练深度学习模型，得到所述第一深度学习模型。
11、在本申请一较佳的示例中可以进一步设置为，预训练所述第二深度学习模型，包括：
12、基于病变类型判别标准，训练多种分别用于识别不同病变特征的第二深度学习模型。
13、在本申请一较佳的示例中可以进一步设置为，所述使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，包括：
14、通过识别所述感兴趣区的内外灰度差异特征，判断所述ceus动态影像中的动脉期的所述感兴趣区是否增强或消退；
15、若所述感兴趣区增强，进一步判断所述感兴趣区的增强形态，所述增强形态至少包括高增强、等增强、边缘增强或周边结节样增强；
16、若所述感兴趣区消退，进一步判断所述感兴趣区的消退形态，所述消退形态至少包括显著消退或非显著消退。
17、在本申请一较佳的示例中可以进一步设置为，在所述将所述肝病变区域确定为感兴趣区后，包括：
18、将所述感兴趣区对应的ceus动态影像中所述感兴趣区的面积最大的一帧作为病变大小识别帧；
19、根据所述超声参数信息，计算所述病变大小识别帧中的所述感兴趣区的长径；
20、根据标准化前的ceus动态影像的所述病变大小识别帧，计算得到病灶的长径。
21、在本申请一较佳的示例中可以进一步设置为，包括：
22、结合所述ceus动态影像对应的病变特征和所述病灶的长径，基于ceus li-rads指南，确定所述ceus动态影像的判别结果。
23、在本申请一较佳的示例中可以进一步设置为，所述判别结果，包括：
24、lr-m、lr-1、lr-2、lr-3、lr-4和lr-5。
25、第二方面，本申请提供一种肝病变动态超声造影图像识别装置，所述装置包括：
26、数据获取模块，用于获取并标准化肝病变的ceus动态影像以及其对应的超声参数信息，所述超声参数信息至少包括造影时间信息；
27、存在判定模块，用于使用预训练的第一深度学习模型识别所述ceus动态影像中的肝病变区域的位置和边界，若识别结果为存在肝病变区域，将所述肝病变区域确定为感兴趣区；
28、病变特征识别模块，用于获取所述感兴趣区的灰度信息；结合所述ceus动态影像、所述超声参数信息和所述灰度信息，使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，并确定所述ceus动态影像对应的病变特征。
29、第三方面，本申请提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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如上述任一项所述的动态超声造影图像识别方法的步骤。
30、第四方面，本申请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程序，其中所述程序被处理器执行时，实现如上述任一项所述的动态超声造影图像识别方法。
31、综上，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：
32、本申请提供的一种动态超声造影图像识别方法，通过获取并标准化肝病变的ceus动态影像以及其对应的超声参数信息，所述超声参数信息至少包括造影时间信息；使用预训练的第一深度学习模型识别所述ceus动态影像中的肝病变区域的位置和边界，若识别结果为存在肝病变区域，将所述肝病变区域确定为感兴趣区；获取所述感兴趣区的灰度信息；结合所述ceus动态影像、所述超声参数信息和所述灰度信息，使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，并确定所述ceus动态影像对应的病变特征。能够自动、精确地识别肝病变动态超声造影图像中的病灶的位置、边界，判断病灶是否消退或增强，并确定病灶的病变特征，降低人工识别导致的主观性和繁琐度。
本文档来自技高网...
【技术保护点】
1.一种动态超声造影图像识别方法，其特征在于，包括：
2.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，预训练所述第一深度学习模型，包括：
3.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，预训练所述第二深度学习模型，包括：
4.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，所述使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，包括：
5.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，在所述将所述肝病变区域确定为感兴趣区后，包括：
6.根据权利要求5所述的动态超声造影图像识别方法，其特征在于，包括：
7.根据权利要求6所述的动态超声造影图像识别方法，其特征在于，所述判别结果，包括：
8.一种肝病变动态超声造影图像识别装置,其特征在于，包括：
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的动态超声造影图像识别方法的步骤。
10.一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上存储有程序，其中所述程序被处理器执行时，实现如权利要求1至7中任一项所述的动态超声造影图像识别方法。
...
【技术特征摘要】
1.一种动态超声造影图像识别方法，其特征在于，包括：
2.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，预训练所述第一深度学习模型，包括：
3.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，预训练所述第二深度学习模型，包括：
4.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，所述使用预训练的第二深度学习模型判断所述感兴趣区是否增强或消退，包括：
5.根据权利要求1所述的动态超声造影图像识别方法，其特征在于，在所述将所述肝病变区域确定为感兴趣区后，包括：
6.根据权利要求5所述的动态超声造影...
【专利技术属性】
技术研发人员：林满霞，黄珈瑶，钟娴，龙海怡，苏丽娅，谢晓燕，
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。