[发明专利]一种基于深度学习网络的超声采图智能定位方法和系统

权利要求书

1.一种基于深度学习网络的超声采图智能定位方法，其特征在于，所述包括：

扫描并获取二维图像及其空间位置坐标，存储感兴趣的二维图像用于建立参考图像库；求得所述二维图像对应的三维体数据，并求取所述三维体数据对应的长方体三维体数据，并建立规范的长方体三维体数据空间坐标系；

构建深度学习网络，利用规范的长方体三维体数据生成的任意二维切面图像及其空间位置坐标训练所述深度学习网络，以所述深度学习网络满足：当有二维扫描图像输入时，自动输出所述扫描图像对应的虚拟探头的空间位置坐标。

2.根据权利要求1所述的方法，其特征在于，还包括基于图像分析算法从三维体数据中截取感兴趣的二维图像切面，并通过所述深度学习网络求取所述感兴趣的二维图像切面的空间位置坐标，将所述感兴趣的二维图像切面及其空间位置坐标标记在所述参考图像库中；

或者基于三维图像绘制方法将所述三维体数据生成不同角度的三维图像，从所述三维图像中选取感兴趣的二维图像切面，并通过所述深度学习网络求取所述感兴趣的二维图像切面的空间位置坐标，将所述感兴趣的二维图像切面及其空间位置坐标标记在所述参考图像库中。

3.根据权利要求2所述的方法，其特征在于，还包括：

当用户需求进入“培训”或“复诊”模式时，基于用户选取的参考图像库中存储的参考二维图像及其通过深度学习网络所得的空间位置坐标对当前探头扫描区域进行调整，直到所得二维扫描图像基于所述深度学习网络得到的空间位置坐标与所述参考二维图像存储的空间位置坐标差小于预设值时停止探头位置的调整，提示用户选择“复诊”或“培训”模式。

4.根据权利要求3所述的方法，其特征在于，还包括：

当获取到用户选择进入“复诊”模式时，将所述二维扫描图像中的感兴趣区域与参考二维图像中已标记的感兴趣区域进行图像纹理分析，当所述二维扫描图像中的感兴趣区域与标记的参考图像中的感兴趣区域的图像纹理差值大于预设值时，则判断病理特征发生变化，则进入“系统更新”模式，系统基于当前得到的二维扫描图像更新所述参考图像库，并基于当前得到的二维扫描图像的空间位置坐标数据更新所述深度学习网络。

5.根据权利要求4所述的方法，其特征在于，还包括当所述扫描图像中的感兴趣区域与存储的参考图像中的感兴趣区域的图像纹理差值小于等于预设值时，则判断病理特征无变化并停止操作。

6.根据权利要求1所述的方法，其特征在于，所述深度学习网络包括：一个图像输入层、多个全连接层和激活层以及一个回归层所述激活层采用线性整流函数，所述回归层的损失函数采用半均方误差函数。

7.根据权利要求1所述的方法，其特征在于，采用加装磁场跟踪器法、图像配准方法、加装三维容积探头、使用机械臂进行扫描中的一种方法求得所述二维图像对应的三维体数据。

8.根据权利要求1所述的方法，其特征在于，采用图像帧与帧之间的插值方法生成所述三维体数据的长方体三维体数据。

9.一种基于深度学习网络的超声采图智能定位系统，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。