[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

说明书

本发明公开了一种基于深度学习网络的超声采图智能定位方法及系统，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；求得二维图像对应的三维体数据，并求取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任意二维切面图像及其空间位置坐标，训练深度学习网络，以深度学习网络满足：当有二维扫描图像输入时，自动输出扫描图像对应的虚拟探头的空间位置坐标。本发明能够实时得到二维图像切面的空间位置坐标，实时提示探头扫描切面在人体中的位置，引导医生找到感兴趣的或者已标记的切面，节约时间、提高诊断效率。

技术领域

本发明涉及超声成像技术领域，尤其涉及一种基于深度学习网络的超声采图智能定位方法和系统。

背景技术

医学超声成像系统适用于诸如肝脏、肾脏、乳腺等器官组织的临床诊断。如何建立超声2D切片(或2D扫描图像)与3D体数据的映射关系。现有的医学超声系统中，如何将2D切片(或2D扫描图像)映射到相应的3D体数据已经比较成熟，常用的有类似：在探头处加装磁场跟踪传感器记录2D切片的几何位置、利用探头移动过程中图像帧与帧的相关性、使用3D容积探头、使用机械手臂移动超声探头的ABUS(Automated Breast Ultrasound System自动乳腺超声系统)。但是在将3D体数据映射到2D图像方面，目前医学超声系统在将3D体数据映射到2D切面图像方面，主要依赖于当医生审视超声3D图像过程中，选择较为直观的3D图像中确定某一切面进而获得此切面在3D体数据中所对应的2D图像，即切面的空间位置由医生(即操作者)决定。

综上，在现有临床超声检查中，普通手持探头的图像质量和诊断的准确性依赖于操作医师经验技巧，所以不同水平的医生打出的最佳切面位置可能会有偏差。并且在超声复诊时，医生会对先前病历中所描述的病理特征，重新打图验证。即使原先病历中所描述的病理特征所对应的超声图像已存储在病人的图像库中，医生还是需要花费大量时间，仅可能找到与先前存储图像一样的扫描切面，从而对比、审阅找到相关临床信息。

发明内容

本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种基于深度学习网络的超声采图智能定位方法及系统，能够实时得到二维图像切面的空间位置坐标，实时提示探头扫描切面在人体中的位置，引导医生找到感兴趣的或者已标记的切面。

为了实现上述目的，本发明采用的技术方案包括以下各方面。

一种基于深度学习网络的超声采图智能定位方法，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。

优选的，一种基于深度学习网络的超声采图智能定位方法中，

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。

优选的，一种基于深度学习网络的超声采图智能定位方法中，还包括：