【技术实现步骤摘要】
本申请实施例涉及一种超声检查，具体涉及一种超声图像中扇形区域的检测方法、检测装置和介质。
技术介绍
1、超声图像本身具有噪声、伪影等特点，例如，斑点噪声可能会被误判为扇形区域内的特征，或者模糊扇形区域与背景的边界。这使得传统图像处理方法在提取和识别扇形区域时面临较大的挑战，例如，由于区域不连通和最大连通域定位不准确等问题，传统方法可能无法有效区分和提取扇形区域，即扇形区域检测的准确度较低。
技术实现思路
1、有鉴于此，本申请实施例提供了一种超声图像中扇形区域的检测方法、检测装置和介质，能够提高扇形区域的检测准确度。
2、第一方面，提供了一种超声图像中扇形区域的检测方法，包括：对训练用超声图像进行预处理，得到该训练用超声图像的原始掩码和反转掩码；将该训练用超声图像的原始掩码和反转掩码分别输入至初始神经网络模型中，以获得与该训练用超声图像的原始掩码对应的第一预测掩码和与该反转掩码对应的第二预测掩码；基于该训练用超声图像的原始掩码与该第一预测掩码之间的差异以及该反转掩码与该第二预测掩码之间的差异，优化该初始神经网络模型，得到扇形区域检测模型；将待检测超声图像输入至该扇形区域检测模型，初步分割该待检测超声图像中的扇形区域。
3、在该实施例中，利用强大的神经网络模型，能够有效解决超声图像中噪声、伪影以及最大连通域等问题，进而能够快速、准确地识别出超声图像中的扇形区域。此外，结合反向注意力机制训练优化得到的扇形区域检测模型，能够更加精确分割待检测超声图像中的扇形区域的边
4、在一种可能的实现方式中，该检测方法还包括：采用传统图像处理算法，对初步分割得到的该待检测超声图像中的扇形区域进行处理，该传统图像处理算法包括凸包算法和/或补全算法。
5、在该实施例中，结合传统图像处理方法，在准确的最大连通域上，利用补全算法和/或凸包算法，能够进一步快速、准确地识别出超声图像中的扇形区域。
6、在一种可能的实现方式中，该采用传统图像处理算法，对初步分割得到的该待检测超声图像中的扇形区域进行处理，包括：采用凸包算法，确定初步分割得到的该待检测超声图像中的扇形区域的边界线；采用补全算法，对该边界线内的区域进行补全处理；再次采用凸包算法，对补全处理之后得到的该待检测超声图像中的扇形区域进行处理。
7、在该实施例中，对由扇形区域检测模型的分割结果先采用凸包算法找到待检测超声图像中扇形区域的边界线，然后再利用补全算法对边界线内的区域进行左右补全，并再次使用凸包算法得到最终的扇形区域，该最终的扇形区域的检测结果更好。
8、在一种可能的实现方式中，该待检测超声图像包括第一待检测超声图像和第二待检测超声图像，该采用传统图像处理算法，对初步分割得到的该待检测超声图像中的扇形区域进行处理，包括：在将该第二待检测超声图像输入至该扇形区域检测模型，初步分割该第二待检测超声图像中的扇形区域的同时，采用该传统图像处理算法，对初步分割得到的该第一待检测超声图像中的扇形区域进行处理。
9、在该实施例中，采用流水线并行处理超声视频流中的不同待检测超声图像，能够充分利用计算单元提高检测效率。
10、第二方面，提供了一种超声图像中扇形区域的检测装置，包括：训练单元，用于对训练用超声图像进行预处理，得到该训练用超声图像的原始掩码和反转掩码，将该训练用超声图像的原始掩码和反转掩码分别输入至初始神经网络模型中，以获得与该训练用超声图像的原始掩码对应的第一预测掩码和与该反转掩码对应的第二预测掩码，以及基于该训练用超声图像的原始掩码与该第一预测掩码之间的差异以及该反转掩码与该第二预测掩码之间的差异，优化该初始神经网络模型，得到扇形区域检测模型；
11、检测单元，用于将待检测超声图像输入至该扇形区域检测模型，初步分割该待检测超声图像中的扇形区域。
12、在一种可能的实现方式中，该检测装置还包括：处理单元，采用传统图像处理算法，对初步分割得到的该待检测超声图像中的扇形区域进行处理，该传统图像处理算法包括凸包算法和/或补全算法。
13、在一种可能的实现方式中，该处理单元具体用于：采用凸包算法，确定初步分割得到的该待检测超声图像中的扇形区域的边界线；采用补全算法，对该边界线内的区域进行补全处理；再次采用凸包算法，对补全处理之后得到的该待检测超声图像中的扇形区域进行处理。
14、在一种可能的实现方式中，该待检测超声图像包括第一待检测超声图像和第二待检测超声图像，该处理单元具体用于：在该检测单元将该第二待检测超声图像输入至该扇形区域检测模型，初步分割该第二待检测超声图像中的扇形区域的同时，采用该传统图像处理算法，对初步分割得到的该第一待检测超声图像中的扇形区域进行处理。
15、第三方面，提供了一种超声图像中的扇形区域的检测装置，包括：至少一个处理器，以及与该至少一个处理器通信连接的至少一个存储器，其中，存储器存储有可被处理器执行的程序指令，处理器调用该程序指令能够执行第一方面及其第一方面中任一种可能的实现方式所述的检测方法。
16、可选地，该至少一个处理器包括中央处理器(central processing unit，cpu)和图像处理器(graphics processing unit，gpu)，其中，该gpu用于实现深度神经网络模型的功能，例如，对应于第二方面及其任一种可能的实现方式中提供的检测装置中的训练单元和检测单元。而该cpu则用于实现传统图像处理的功能，例如，对应于第二方面及其任一种可能的实现方式中提供的检测装置中的处理单元。
17、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在该程序运行时控制该计算机可读存储介质所在设备执行如第一方面及其第一方面中任一种可能的实现方式所述的检测方法。
本文档来自技高网...【技术保护点】
1.一种超声图像中扇形区域的检测方法，其特征在于，包括：
2.根据权利要求1所述的检测方法，其特征在于，所述检测方法还包括：
3.根据权利要求2所述的检测方法，其特征在于，所述采用传统图像处理算法，对初步分割得到的所述待检测超声图像中的扇形区域进行处理，包括：
4.根据权利要求2所述的检测方法，其特征在于，所述待检测超声图像包括第一待检测超声图像和第二待检测超声图像，所述采用传统图像处理算法，对初步分割得到的所述待检测超声图像中的扇形区域进行处理，包括：
5.一种超声图像中扇形区域的检测装置，其特征在于，包括：
6.根据权利要求5所述的检测装置，其特征在于，所述检测装置还包括：
7.根据权利要求6所述的检测装置，其特征在于，所述处理单元具体用于：
8.根据权利要求6所述的检测装置，其特征在于，所述待检测超声图像包括第一待检测超声图像和第二待检测超声图像，所述处理单元具体用于：
9.一种超声图像中扇形区域的检测装置，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的至少
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包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任一项所述的检测方法。
...【技术特征摘要】
1.一种超声图像中扇形区域的检测方法，其特征在于，包括：
2.根据权利要求1所述的检测方法，其特征在于，所述检测方法还包括：
3.根据权利要求2所述的检测方法，其特征在于，所述采用传统图像处理算法，对初步分割得到的所述待检测超声图像中的扇形区域进行处理，包括：
4.根据权利要求2所述的检测方法，其特征在于，所述待检测超声图像包括第一待检测超声图像和第二待检测超声图像，所述采用传统图像处理算法，对初步分割得到的所述待检测超声图像中的扇形区域进行处理，包括：
5.一种超声图像中扇形区域的检测装置，其特征在于，包括：
6.根据权利要求5所述的检测装置，其特征在于，所述检测装置还包括：
7.根...
【专利技术属性】
技术研发人员：李肯立，郭俊成，朱宁波，谭光华，唐卓，刘楚波，周旭，丁岩，
申请(专利权)人：湖南大学，
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。