[发明专利]基于深度学习的血管内超声图像处理方法、装置、设备和存储介质

权利要求书

1.一种基于深度神经网络的血管内超声图像处理方法，其特征在于，包括：

获取血管内超声图像；

将所述血管内超声图像输入深度神经网络模型，得到血管壁分割结果，所述深度神经网络模型基于8层U-Net模型训练得到。

2.如权利要求1所述的基于深度神经网络的血管内超声图像处理方法，其特征在于，所述8层U-Net模型的训练图像集的获取方式包括如下步骤：

获取若干血管内超声图像并相应进行标注，组成初始图像集；

训练过程中每次迭代时，将初始图像集中的每幅血管内超声图像通过N次变换得到N幅增强图像，N≥6，每次变换包括依次进行的随机旋转和随机翻转；

为初始图像和增强图像分别添加坐标信息后，共同组成训练图像集。

3.如权利要求2所述的基于深度神经网络的血管内超声图像处理方法，其特征在于，所述随机旋转时旋转角度为90度、180度或270度；所述随机翻转为上下翻转或左右翻转。

4.如权利要求1所述的基于深度神经网络的血管内超声图像处理方法，其特征在于，所述8层U-Net模型包括下采样路径和上采样路径：

所述下采样路径包括9个编码块，每个编码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个LeakyReLU激活层，每个编码块利用一个3×3卷积层进行下采样；

所述上采样路径包括8个解码块，每个解码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个LeakyReLU激活层，每个解码块利用一个5×5反卷积层进行上采样；

所述下采样路径和上采样路径中对应块的特征图按照通道维度进行跳跃连接。

5.一种基于深度神经网络的血管内超声图像处理装置，其特征在于，包括：

第一模块，用于获取血管内超声图像；

第二模块，用于将所述血管内超声图像输入深度神经网络模型，得到血管壁分割结果，所述深度神经网络模型基于8层U-Net模型训练得到。

6.一种基于深度神经网络的血管内超声图像处理装置，其特征在于，包括计算机存储器、计算机处理器、以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机处理器执行所述计算机程序时，实现如权利要求1～4任一项所述的基于深度神经网络的血管内超声图像处理方法。

7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～4中任一项所述的基于深度神经网络的血管内超声图像处理方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现如权利要求1～4中任一项所述的基于深度神经网络的血管内超声图像处理方法。