[发明专利]基于神经网络的神经组织识别方法、系统及存储介质

权利要求书

1.一种基于神经网络的神经组织识别方法，其特征在于，所述基于神经网络的神经组织识别方法包括：

获取周围神经的超声图像或视频；

通过训练后的神经网络模型识别超声图像或视频中周围神经的类型以及轮廓；

根据识别的周围神经轮廓实时跟踪超声图像或视频中的周围神经，以获取所述周围神经的动态信息。

2.根据权利要求1所述的基于神经网络的神经组织识别方法，其特征在于，所述周围神经的动态信息至少包括：实时位置信息和实时形态信息。

3.根据权利要求1所述的基于神经网络的神经组织识别方法，其特征在于，根据识别的周围神经轮廓实时跟踪超声图像或视频中的周围神经包括：

高亮显示识别的周围神经轮廓；和/或

高亮显示识别的周围神经轮廓的内部区域；

根据高亮显示的周围神经轮廓和/或高亮显示的周围神经轮廓的内部区域实时跟踪所述周围神经。

4.根据权利要求3所述的基于神经网络的神经组织识别方法，其特征在于，根据识别的周围神经轮廓实时跟踪超声图像或视频中的周围神经还包括：

对超声图像或视频中的周围神经的位置和大小按照拉普拉斯分布做增强处理。

5.根据权利要求1-4中任一项所述的基于神经网络的神经组织识别方法，其特征在于，在通过训练后的神经网络模型识别超声图像或视频中周围神经的类型以及轮廓后，还包括：

重建周围神经的轮廓。

6.根据权利要求5所述的基于神经网络的神经组织识别方法，其特征在于，所述重建周围神经的轮廓包括：

计算训练后的神经网络模型对周围神经的超声图像或视频处理后识别到的所有周围神经的轮廓的面积；

删除轮廓的面积小于预设面积的周围神经；

将满足轮廓的面积不小于预设面积的周围神经的轮廓根据预设特征向量映射到子空间中；

根据所述预设特征向量重建周围神经的轮廓。

7.根据权利要求6所述的基于神经网络的神经组织识别方法，其特征在于，所述预设特征向量的获取包括：

对多个已勾勒出轮廓的同一类型的神经组织进行降维处理以获得该类型神经组织的不同轮廓的共性部分；

将同一类型神经组织的不同轮廓的共性部分定义为所述预设特征向量。

8.根据权利要求1-4中任意一项所述的基于神经网络的神经组织识别方法，其特征在于，所述训练后的神经网络模型为卷积神经网络模型，所述卷积神经网络模型包括：

第一卷积神经网络模型，所述第一卷积神经网络模型用于识别周围神经的超声图像或视频中的周围神经的类型，并对识别后的周围神经的类型进行标注；

第二卷积神经网络模型，所述第二卷积神经网络模型用于提取周围神经的超声图像或视频中的周围神经的轮廓，并对提取后的周围神经的轮廓进行勾勒。

9.一种基于神经网络的神经组织识别系统，其特征在于，包括：

获取模块，所述获取模块用于获取周围神经的超声图像或视频；

处理器，通过训练后的神经网络模型识别超声图像或视频中周围神经的类型以及轮廓；以及根据识别的周围神经轮廓实时跟踪超声图像或视频中的周围神经，以获取所述周围神经的动态信息；

显示器，用于显示超声图像或视频中周围神经的类型以及动态信息。

10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储执行权利要求1至8中任意一项所述的基于神经网络的神经组织识别方法的程序。