[发明专利]一种基于腹部超声图像的多模型器官分割方法

说明书

一种基于腹部超声图像的多模型器官分割方法及系统，它解决了传统腹部超声图像器官分割方法准确度不足、实时性差以及通用性差的问题。本发明的步骤为：步骤一：将扫查的超声视频流解码为单帧图像并应用直方图均衡化对图像进行预处理；步骤二：基于改进后的U‑Net分割模型对单帧图像实现腹部器官粗略分割；步骤三：结合GoogleNet腹部器官分类模型对单帧图像的分类结果、医学上的器官结构先验知识以及视频帧间相关性特点等多个模型对粗略分割结果进行修正，实现腹部器官精细分割。本发明利用多模型方法完成基于腹部超声图像的器官精细分割，分割准确度高，实时性和通用性好，为端到端的智能诊断系统提供了实现平台，并可为医疗人员提供有效的诊断辅助。

(一)技术领域

本发明属于计算机辅助诊断领域，具体涉及腹部器官超声图像分割方法的研究，是一种将器官分割模型、器官分类模型和医学先验知识、连续帧相关性结合在一起的腹部超声图像的多模型器官精细分割方法。

(二)背景技术

腹部有人体的多种重要器官，在对腹部器官进行疾病诊断时，超声成像技术因其无创、无辐射、成像速度快等优点，一直以来都是主要的疾病筛查手段。基于超声图像的器官分割算法，可以对超声设备扫查到的图像进行实时分割，精确定位到各个脏器，并且为智能诊断做好基础工作。

目前的智能诊断方法，都是在已知器官类别的前提下，针对特定器官进行疾病诊断。这其中遗漏了一个重要的环节，就是智能器官识别。对于腹部超声图像来说，器官较多，包含肝、胆、胰、脾、左肾和右肾。特别的，对于肝和肾这样较大的器官，医生在扫查时还会产生多个切面，例如肝右斜、肝右横、肝左纵、肝左横、左肾横、左肾纵、右肾横、右肾纵等，同一器官的不同切面形态差异较大，加之超声图片的斑点噪声影响了影像质量，即使是超声科大夫，如果临床经验不足，识别起来也有困难。实现腹部超声图像的器官智能识别具有重要的临床意义，只有实现了无临床超声医生参与下的器官识别，才能针对特定器官进行具体的诊断程序，从而实现真正意义上的智能诊断。

本发明提出一种多模型器官分割方法，利用改进的U-Net深度神经网络模型和GoogleNet深度神经网络模型对腹部器官进行分割和分类，同时结合医学器官结构知识和视频帧间相关性特点，搭建出一个多模型器官分割系统，实现了基于超声图像的腹部器官的精细分割。

(三)发明内容

本发明的目的在于提供一种基于超声图像的多模型器官分割方法，实现对超声图像的腹部器官精细分割，以解决传统腹部超声图像器官分割方法准确度不足、实时性差以及通用性差的问题。

本发明是通过以下技术方案实现的：对扫查到的腹部超声视频逐帧解析得到腹部器官超声图像，并进行预处理；应用训练好的U-Net深度神经网络模型对超声图像进行器官分割，实现肝、胆囊、胰腺、脾、左肾和右肾的粗略分割；应用训练好的GoogleNet深度神经网络模型对超声图像进行器官分类，基于该分类结果、医学上的器官结构先验知识以及视频帧间相关性信息对分割结果进行改进修正，得到最终的器官精细分割结果。

本发明的流程，共分为三个步骤，具体步骤如下：

步骤一：视频解码与图像预处理。

在进行训练之前先对扫查得到的超声视频流逐帧解码得到超声图像。超声图像整体色域偏暗，而且不同机器扫查得到的超声图像整体灰度均值不同，采取直方图均衡算法将图像的灰度从某一个比较集中的区间映射到均匀分布在全部灰度域的区间，缓解超声图像的这些缺陷，增强算法的鲁棒性。

步骤二：基于改进后的U-Net分割模型实现腹部器官粗略分割。

1)将已有的腹部超声图像预处理后作为训练集，在医生的辅助下将每张图像中出现的所有器官边缘勾勒出，并处理为二值图像，作为分割网络的标签。肝、胆、胰、脾、左肾和右肾这六个器官加上背景共七类，给聚合后的标签像素标记0-6来区分。