[发明专利]用于识别超声图像中特征的方法、装置、存储介质和系统

权利要求书

1.一种用于识别超声图像中的特征的方法，其特征在于，所述方法包括：

获取步骤，获取超声图像；

提取步骤，从所述超声图像中提取出感兴趣区域图像；

图像增强步骤，使用图像增强方法，对所述感兴趣区域图像进行图像增强，得到多个训练图像数据；其中，所述图像增强方法是几何增强方法和奇异值分解方法，对三个RGB通道的矩阵分别进行分解，利用顶部奇异值进行反转变换，根据得到的新的RGB矩阵创建新的真彩色图片；

建模步骤，将多个训练图像数据输入特定的深度卷积神经网络进行训练，从而建立分析模型；其中，所述特定的深度卷积神经网络是特定的VGGNet模型，用25％的丢失层drop7’、用于良性和恶性的新完全连接层fc8’、2路新softmax层prob’以及新输出层output’来替换原始VGGNet模型的最后四层；

在所述建模步骤中，将多个训练图像数据输入特定的VGGNet模型进行训练，得到多个建模参数，并根据多个建模参数建立所述分析模型；

识别步骤，所述分析模型对所述感兴趣区域图像进行分析，并根据所述分析模型的分析结果，识别所述超声图像中的特征。

2.一种用于识别超声图像中的特征的装置，其特征在于，所述装置包括：

获取单元，获取超声图像；

提取单元，从所述超声图像中提取出感兴趣区域图像；

图像增强单元，使用图像增强方法，对所述感兴趣区域图像进行图像增强，得到多个训练图像数据；其中，所述图像增强方法是几何增强方法和奇异值分解方法，对三个RGB通道的矩阵分别进行分解，利用顶部奇异值进行反转变换，根据得到的新的RGB矩阵创建新的真彩色图片；

建模单元，将多个训练图像数据输入特定的深度卷积神经网络进行训练，从而建立分析模型；其中，所述特定的深度卷积神经网络是特定的VGGNet模型，用25％的丢失层drop7’、用于良性和恶性的新完全连接层fc8’、2路新softmax层prob’以及新输出层output’来替换原始VGGNet模型的最后四层；

所述建模单元将多个训练图像数据输入特定的VGGNet模型进行训练，得到多个建模参数，并根据多个建模参数建立所述分析模型；

识别单元，所述分析模型对所述感兴趣区域图像进行分析，并根据所述分析模型的分析结果，识别所述超声图像中的特征。

3.一种计算机可读的存储介质，所述存储介质具有存储在其中的指令，当所述指令被执行时，使得计算机执行用于识别超声图像中的特征的方法，其特征在于，所述指令包括：

获取指令，获取超声图像；

提取指令，从所述超声图像中提取出感兴趣区域图像；

图像增强指令，使用图像增强方法，对所述感兴趣区域图像进行图像增强，得到多个训练图像数据；其中，所述图像增强方法是几何增强方法和奇异值分解方法，对三个RGB通道的矩阵分别进行分解，利用顶部奇异值进行反转变换，根据得到的新的RGB矩阵创建新的真彩色图片；

建模指令，将多个训练图像数据输入特定的深度卷积神经网络进行训练，从而建立分析模型；其中，所述特定的深度卷积神经网络是特定的VGGNet模型，用25％的丢失层drop7’、用于良性和恶性的新完全连接层fc8’、2路新softmax层prob’以及新输出层output’来替换原始VGGNet模型的最后四层；

其中，将多个训练图像数据输入特定的VGGNet模型进行训练，得到多个建模参数，并根据多个建模参数建立所述分析模型；

识别指令，所述分析模型对所述感兴趣区域图像进行分析，并根据所述分析模型的分析结果，识别所述超声图像中的特征。

4.一种系统，其特征在于，包括：

存储器，用于存储由系统的一个或多个处理器执行的指令，以及

处理器，是所述系统的处理器之一，用于执行如权利要求1所述的用于识别超声图像中的特征的方法。