[发明专利]一种超声容积生物学参数的测量方法及测量系统

权利要求书

1.一种超声容积生物学参数的测量方法，其特征在于，包括下述步骤：

训练分类器；

在所述分类器中输入超声容积数据；

基于所述分类器分割出所述超声容积数据中的解剖结构；及

根据所述解剖结构获取解剖结构容积，

其中，训练分类器包括下述步骤：

输入带标注的超声容积数据；

根据所述带标注的超声容积数据，采用深度学习模型训练得到所述分类器;

在完成输入带标注的超声容积数据的步骤之后，进行采用深度学习模型训练得到所述分类器的步骤之前，还包括对所述输入带标注的超声容积数据进行预处理的步骤；

在完成输入带标注的超声容积数据进行预处理的步骤后，进行采用深度学习模型训练得到所述分类器的步骤之前，还包括对所述带标注的超声容积数据进行增强处理的步骤；

所述深度学习模型为深度神经网络，采用所述深度学习模型训练可得到三维全卷积神经网络分类器，所述三维全卷积神经网络分类器将获得的超声容积数据的初始概率分布，再将所述容积数据的初始概率分布划分为多个小的容积数据，并将所述多个小的容积数据连接在一起形成的序列输入到RNN网络模型优化，得到分割后的解剖结构。

2.根据权利要求1所述的超声容积生物学参数的测量方法，其特征在于，在完成在所述分类器中输入超声容积数据的步骤后，进行分割出所述超声容积数据中的解剖结构的步骤前，还包括对所述超声容积数据进行预处理的步骤。

3.根据权利要求2所述的超声容积生物学参数的测量方法，其特征在于，在完成基于所述分类器分割出所述超声容积数据中的解剖结构步骤后，进行根据所述解剖结构获取解剖结构容积的步骤前，还包括对所述解剖结构进行后处理的步骤。

4.根据权利要求3所述的超声容积生物学参数的测量方法，其特征在于，所述后处理包括将所述解剖结构中孤立的、或者区域很小的体素从所述解剖结构中去除。

5.根据权利要求1所述的超声容积生物学参数的测量方法，其特征在于，所述预处理包括图像灰度的零均值化处理和归一化处理。

6.根据权利要求5所述的超声容积生物学参数的测量方法，其特征在于，所述增强处理包括平移、旋转和镜像。

7.一种超声容积生物学参数的测量系统，其特征在于，包括：

训练模块，用于训练分类器；

输入模块，用于在所述分类器中输入超声容积数据；

解剖模块，用于基于所述分类器分割出所述超声容积数据中的解剖结构；

计算模块，用于根据所述解剖结构获取解剖结构容积；

其中，训练分类器包括下述步骤：

输入带标注的超声容积数据；

根据所述带标注的超声容积数据，采用深度学习模型训练得到所述分类器;

在完成输入带标注的超声容积数据的步骤之后，进行采用深度学习模型训练得到所述分类器的步骤之前，还包括对所述输入带标注的超声容积数据进行预处理的步骤；

在完成输入带标注的超声容积数据进行预处理的步骤后，进行采用深度学习模型训练得到所述分类器的步骤之前，还包括对所述带标注的超声容积数据进行增强处理的步骤；

所述深度学习模型为深度神经网络，采用所述深度学习模型训练可得到三维全卷积神经网络分类器，所述三维全卷积神经网络分类器将获得的超声容积数据的初始概率分布，再将所述容积数据的初始概率分布划分为多个小的容积数据，并将所述多个小的容积数据连接在一起形成的序列输入到RNN网络模型优化，得到分割后的解剖结构。