[发明专利]一种三维超声图像的遮挡组织剥离方法及相关装置

说明书

本申请公开了一种三维超声图像的遮挡组织剥离方法，包括：对三维超声图像从矢状面方向进行切分处理，得到多个切片；采用卷积神经网络对所述多个标准切片进行轮廓关键点识别，得到标准切片的关键点；根据各标准切片中相同的关键点拟合出各关键点所在的横断面曲线，根据各横断面曲线确定非标准切片中对应位置的关键点；将切片的关键点进行连接，得到轮廓边界；根据所有所述轮廓边界对对应的切片进行裁剪得到多个裁剪后的切片，并进行合成，得到目标三维超声图像。通过标准切片可以确定非标准切片的关键点，以实现对非标准切片进行剪裁。本申请还提供一种遮挡组织剥离系统、超声检测装置以及计算机可读存储介质，具有以上有益效果。

技术领域

本申请涉及超声图像处理技术，特别涉及一种三维超声图像的遮挡组织剥离方法、遮挡组织剥离系统、超声检测装置以及计算机可读存储介质。

背景技术

随着超声波影像技术的不断发展，可以通过超声检查获取到检查目标的三维图像，但是由于检查目标周围可能存在其他可被超声检测到的遮挡物，对检查目标造成遮挡，影响检查目标的三维图像的精确程度。例如，在产科的超声检查中，需要对胎儿面部进行三维可视化，但是在得到的三维超声图像中，胎儿的面部前方很有可能被胎盘、手臂、子宫壁等人体组织所遮挡，对胎儿面部显示带来困难。

因此，现有技术中通常需要手动画出或者自动检测出一条弧线，将其作为分割线，在三维超声图像中将遮挡组织去除。例如，在超声波检测设备上通常采用交互的容积裁剪方法，以便检查人员可以采用该方法手动对遮挡物部位进行裁剪；或者采用目标检测算法检测出检查目标的轮廓边界，并利用该轮廓边界将检查目标的外部区域与遮挡组织进行分割；或者采用语义分割算法在像素级别上区分目标部区域和非目标区域。

但是，通过手动剪裁的方法过于依赖个人经验，并且操作繁琐，容易出现误操作的情况。进一步的，虽然目标检测算法和语义分割算法对目标区域的标准切片可以进行精确的分割，但是三维图像数据还会出现很多非标准切片，这些非标准切片丢失了很多检查目标的轮廓信息，无法进行精确的分割，进而无法有效的对遮挡组织进行分割。

因此，如何提供一种有效的遮挡组织剥离方法是本领域技术人员关注的重点问题。

发明内容

本申请的目的是提供一种三维超声图像的遮挡组织剥离方法、遮挡组织剥离系统、超声检测装置以及计算机可读存储介质，通过获取的标准切片的关键点拟合出横断面曲线，通过横断面曲线确定非标准切片的关键点，使得可以对非标准切片进行裁剪，提供了一种有效的遮挡组织剥离方法。

为解决上述技术问题，本申请提供一种三维超声图像的遮挡组织剥离方法，包括：

对三维超声图像从矢状面方向进行切分处理，得到多个切片；其中，所述多个切片包括多个标准切片和多个非标准切片；其中，所述标准切片为包含目标物体区域的切片，所述非标准切片为不包含目标物体区域的切片；

采用卷积神经网络对所述多个标准切片进行轮廓关键点识别，得到每个标准切片对应的关键点；将每个标准切片的关键点进行连接，得到每个标准切片对应的轮廓边界；

根据各标准切片中相同的关键点拟合出各关键点所在的横断面曲线，根据各横断面曲线确定每个非标准切片中对应位置的关键点；将每个非标准切片的关键点进行连接，得到每个非标准切片对应的轮廓边界；

根据所有所述轮廓边界对对应的切片进行裁剪得到多个裁剪后的切片，将所述多个裁剪后的切片进行合成，得到目标三维超声图像。

可选的，采用卷积神经网络对所述多个标准切片进行轮廓关键点识别，得到每个标准切片对应的关键点，包括：

采用堆叠沙漏网络对所述多个标准切片进行轮廓关键点识别，得到每个标准切片对应的关键点。

可选的，所述堆叠沙漏网络为将原始堆叠沙漏网络中的卷积层和残差层的通道数量减半得到的。