[发明专利]肛提肌裂孔的识别方法、装置和电子设备

权利要求书

1.一种肛提肌裂孔的识别方法，其特征在于，包括：

通过改进的全卷积神经网络对待处理的肛提肌裂孔LH的超声图像进行处理，得到LH边缘预测图，其中，所述全卷积神经网络为预先设置在上下文模型的神经网络；其中，所述改进的全卷积神经网络为删除了FCN-8s模型中的最后两层卷积层，以及删掉该FCN-8s模型中loss前的crop层，并添加了融合层之后的全卷积神经网络，且所述改进的全卷积神经网络中将pooling5和pooling4得到的特征图进行融合，以及将第一层卷积层的pad参数设为1；

基于活动轮廓模型对所述LH边缘预测图进行处理，得到所述超声图像的分割图像，其中，所述分割图像中包括肛提肌轮廓；

在所述分割图像中识别所述LH的关键位置点；关键位置点包括：耻骨联合后下缘、两侧肛提肌附着点、耻骨直肠肌底部前缘点、尿道中心点；

基于所述关键位置点确定所述LH的参数，从而实现所述LH的识别，LH的参数包括：前后径、左右径、两侧肛提肌尿道间隙、周长、面积。

2.根据权利要求1所述的方法，其特征在于，通过改进的全卷积神经网络对待处理的肛提肌裂孔LH的超声图像进行处理，得到LH边缘预测图包括：

将所述全卷积神经网络嵌入在所述上下文模型中，得到级联的A-FCN分类器；

基于所述级联的A-FCN分类器对所述超声图像进行分析处理，得到对应的LH预测图；

将所述级联的A-FCN分类器中最后一级分类器输出的LH预测图作为所述LH边缘预测图。

3.根据权利要求2所述的方法，其特征在于，基于所述级联的A-FCN分类器对所述超声图像进行分析处理，得到对应的LH预测图包括：

获取第k-1级分类器输出的第一LH预测图；

通过第k级分类器将所述第一LH预测图和所述超声图像进行融合分析处理，得到第二LH预测图，以使第k+1级分类器基于所述第二LH预测图和所述超声图像进行融合分析处理；

其中，所述第k-1级分类器为所述第k级分类器的前一级分类器，第k+1级分类器为所述第k级分类器的前一级分类器，k依次取1至n，n为所述级联的A-FCN分类器中分类器的数量。

4.根据权利要求1所述的方法，其特征在于，基于活动轮廓模型对所述LH边缘预测图进行处理，得到所述超声图像的分割图像包括：

将所述LH边缘预测图输入至所述活动轮廓模型中，以通过PAC算法对所述LH边缘预测图进行处理，得到目标模型，其中，所述目标模型中携带以下至少一种约束信息：LH的形状、LH的纹理、LH的边缘；

将测试集数据输入所述目标模型中，对所述目标模型特征点周围进行采样，得到最优预测特征点，并基于所述最优预测特征点确定所述超声图像的边缘形状预测图，以得到所述分割图像。

5.根据权利要求1或4所述的方法，其特征在于，所述方法还包括：

获取训练样本，其中，所述训练样本为包含LH的样本，且所述训练样本中预先标注了LH的主特征点和次特征点；

基于所述训练样本对所述活动轮廓模型进行训练，以使所述活动轮廓模型生成所述LH的约束条件。

6.根据权利要求1所述的方法，其特征在于，在所述分割图像中识别所述LH的关键位置点包括：

在所述分割图像中确定尿道组织的中心点坐标，耻骨联合后下缘点，耻骨直肠肌底部前缘点；

基于所述尿道组织的中心点坐标确定两侧肛提肌附着点。