[发明专利]一种超声图像调整方法、系统、设备及计算机存储介质

权利要求书

1.一种超声图像调整方法，其特征在于，包括：

获取超声设备拍摄的初始超声图像；

传输所述初始超声图像至预先训练好的图像识别神经网络模型；

接收所述图像识别神经网络模型在所述初始超声图像中识别得到的特征点图像；

基于所述特征点图像对所述初始超声图像进行三维可视化调整；

其中，所述基于所述特征点图像对所述初始超声图像进行三维可视化调整，包括：

获取所述超声设备的取景框参数；

基于所述特征点图像及所述取景框参数计算所述初始超声图像的平移旋转矩阵；

将所述平移旋转矩阵与所述初始超声图像相乘，得到三维可视化调整后的目标超声图像。

2.根据权利要求1所述的方法，其特征在于，所述传输所述初始超声图像至预先训练好的图像识别神经网络模型之前，还包括：

获取初始超声图像训练样本；

获取所述初始超声图像训练样本对应的样本标签；

基于所述初始超声图像训练样本和所述样本标签，对搭建的初始的所述图像识别神经网络模型进行训练，得到预先训练好的所述图像识别神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述获取所述初始超声图像训练样本对应的样本标签，包括：

获取对所述初始超声图像训练样本中的特征对象标注后的初始超声图像标注样本；

对所述标注后的初始超声图像标注样本进行高斯运算，得到所述样本标签。

4.根据权利要求3所述的方法，其特征在于，所述获取对所述初始超声图像训练样本中的特征对象标注后的初始超声图像标注样本，包括：

获取对所述初始超声图像训练样本中的特征区域标注后得到的初始超声图像的特征区域标注样本；

获取对所述初始超声图像训练样本中的特征点标注后得到的初始超声图像的特征点标注样本；其中，所述特征点在所述特征区域上，所述特征区域和特征点分别包括至少2个。

5.根据权利要求4所述的方法，其特征在于，所述图像识别神经网络模型包括轮廓识别网络和特征点识别网络；所述轮廓识别网络用于对所述初始超声图像进行特征提取，得到特征区域图像；所述特征点识别网络用于将所述特征区域标注样本与所述初始超声图像进行特征融合，得到所述特征点图像；

所述基于所述初始超声图像训练样本和所述样本标签，对搭建的初始的所述图像识别神经网络模型进行训练，得到预先训练好的所述图像识别神经网络模型，包括：

基于所述初始超声图像训练样本及所述特征区域标注样本，对所述轮廓识别网络进行训练，得到训练好的所述轮廓识别网络；

基于所述初始超声图像训练样本、所述特征区域标注样本及所述特征点标注样本，对所述特征点识别网络进行训练，得到训练好的所述特征点识别网络。

6.根据权利要求5所述的方法，其特征在于，所述图像识别神经网络模型还包括图像增强网络，用于根据其他特征点与目标特征点的位置关系对所述目标特征点进行增强，得到特征点增强图像；

所述图像增强网络用于对一特征点图像进行卷积运算，得到卷积运算结果；将所述卷积运算结果与另一特征点图像进行级联，得到级联结果；对所述级联结果进行残差运算，得到所述另一特征点图像的特征点增强图像。