[发明专利]颈动脉斑块的性质判别方法、存储介质及超声装置

权利要求书

1.一种颈动脉斑块的性质判别方法，其特征在于，所述颈动脉斑块的性质判别方法包括：

获取包括颈动脉斑块的超声造影视频；

通过第一神经网络识别所述超声造影视频，得到血管视频，所述血管视频包括所述超声造影视频中有斑块的血管所在区域的图像流；

通过特征提取模型提取所述血管视频中的图像特征；

通过第二神经网络识别图像特征，得到血管中斑块的性质类别。

2.根据权利要求1所述的颈动脉斑块的性质判别方法，其特征在于，所述颈动脉斑块的性质判别方法还包括：

获取训练样本，所述训练样本包括n个训练超声造影视频以及每个训练超声造影视频的标注信息，所述标注信息包括第一标注信息和第二标注信息，所述第一标注信息用于标注所述训练超声造影视频中有斑块的血管所在的位置，所述第二标注信息用于标注所述训练超声造影视频中斑块的性质类别，n为大于等于2的整数；

根据所述n个训练超声造影视频和所述第一标注信息训练第一初始化网络，得到所述第一神经网络；

根据所述n个训练超声造影视频和所述第二标注信息训练第二初始化网络，得到所述第二神经网络。

3.一种颈动脉斑块的性质判别方法，其特征在于，所述颈动脉斑块的性质判别方法包括：

获取训练样本，所述训练样本包括n个训练超声造影视频以及每个训练超声造影视频的第一标注信息和第二标注信息，所述第一标注信息用于标注所述训练超声造影视频中有斑块的血管所在的位置，所述第二标注信息用于标注所述训练超声造影视频中斑块的性质类别，n为大于等于2的整数；

根据所述n个训练超声造影视频和所述第一标注信息训练第一初始化网络，得到第一神经网络，所述第一神经网络用于识别训练超声造影视频中有斑块的血管所在的位置；

根据所述n个训练超声造影视频和所述第二标注信息训练第二初始化网络，得到第二神经网络，所述第二神经网络用于识别斑块的稳定性。

4.根据权利要求3所述的颈动脉斑块的性质判别方法，其特征在于，所述根据所述n个训练超声造影视频和所述第一标注信息训练第一初始化网络，得到第一神经网络，包括：

根据所述n个训练超声造影视频中的造影图像和所述第一标注信息训练所述第一初始化网络，得到所述第一神经网络。

5.根据权利要求3所述的颈动脉斑块的性质判别方法，其特征在于，所述根据所述n个训练超声造影视频和所述第二标注信息训练第二初始化网络，得到第二神经网络，包括：

通过特征提取模型提取所述n个训练超声造影视频中各帧图像中的图像特征；

根据提取到的所述图像特征和所述第二标注信息训练所述第二初始化网络，得到所述第二神经网络。

6.根据权利要求5所述的颈动脉斑块的性质判别方法，其特征在于，所述根据提取到的所述图像特征和所述第二标注信息训练所述第二初始化网络，得到所述第二神经网络之前，还包括：

将所述超声训练视频中的造影图像进行图像变换得到所述图像变换后的造影图像，其中所述图像变换包括平移、翻转、旋转和弹性变形中的至少一种；

通过所述特征提取模型提取所述图像变换后的造影图像中的图像特征。

7.根据权利要求6所述的颈动脉斑块的性质判别方法，其特征在于，所述将所述超声训练视频中的造影图像进行图像变换包括：

对于所述超声训练视频中的每一张造影图像，构建与所述造影图像相同大小的随机图像；

对所述随机图像进行卷积，并根据卷积后的图像以及变形强度因子得到位移图像；

将所述位移图像作用在所述造影图像上，得到所述图像变换后的造影图像。

8.根据权利要求5所述的颈动脉斑块的性质判别方法，其特征在于，所述第二初始化网络包括特征聚合模型和混合分类模型，

所述特征聚合模型用于输出聚合后的特征值；

所述混合分类模型用于根据聚合后的特征值输出斑块的性质类别。