[发明专利]一种肺部超声图像识别方法和系统

说明书

本发明提供一种肺部超声图像识别方法和系统，通过对采集肺部连续的超声图像进行预处理，将预处理的连续超声图像采用两种神经网络模型进行训练得到是否具有肺滑动征、A线征、B线征或肺实变征的分析结果，然后对连续的超声图像进行分类标记，由人工识别变为识别肺部B超图像，自动辅助筛查判断肺部疾病情况，相比传统方法筛查大大降低误诊率、降低成本和减少工作任务量，同时可以提高医生的工作效率和准确性。

技术领域

本发明涉及一种医学图像分析领域和机器人学习领域，尤其涉及一种肺部超声图像识别方法和系统。

背景技术

由于吸烟、空气污染、病毒感染等原因均会导致肺气肿、尘肺、结节、哮喘等阻塞性肺部疾病，患者多有呼吸困难、胸闷气短、四肢乏力、慢性咳嗽、咳痰等症状，时间长久后发展为肺心病，严重影响人们的正常生活。

B超是通常采用的比较可靠的肺部疾病筛选方式，但B超图像特征的分析与识别依赖于医生的肉眼观察和诊断经验。然而在医院的临床应用中，对B超图像特征的常规分析和分类仍是一个成本高且实现难度大的工作，因为该工作只能由少数经验丰富、训练有素的医生和专家耗费大量的人力物力手动完成，并且人工的手动诊断方法具有较强的主观性，且不可复制，很难在较短时间内培养出一个出色的B超诊断医生。尤其对于人口众多、求医需求大的国家，许多偏远地区的医院在B超诊断医生方面尚有巨大缺口。而大城市的B超诊断医生也同样面临任务量大的问题。超负荷的工作量势必会伴随着误诊率的增加，稍有疏忽就会给患者和主治医生带来极为严重的后果。

发明内容

为了克服现有超声影像肺部疾病筛查方式难度大、效率低下、精度较低的不足，本发明提出了一种速度快、效率高、精度较高的基于深度学习的肺部超声图像识别方法和系统，实现了肺部超声影像的自动分析，可有效对超声影像慢性肾脏病患病情况进行辅助筛查判断。

一种肺部超声图像识别方法，包括如下步骤：

步骤S1，采集被检测者的肺部的连续超声图像；

步骤S2，对连续超声图像进行预处理后得到多帧依序排列的待识别图像，将所有待识别图像组成待测图像集；

步骤S3，将待测图像集输入至一预先训练形成的第一分类模型中识别得到肺部的第一类病理特征结果，执行步骤S5；

步骤S4，将待测图像集输入至一预先训练形成的第二分类模型中识别得到肺部的第二类病理特征结果，执行步骤S5；

步骤S5，将第一类病理特征结果和第二类病理特征结果作为肺部超声检测结果输出；

步骤S3和步骤S4同时执行。

进一步的，步骤S2中，预处理过程具体包括如下步骤：

步骤S21，获取连续超声图像的每一帧超声图像中的有效区域图像；

步骤S22，对每帧有效区域图像分别进行灰度化和归一化处理后得到归一化灰度图像；

步骤S23，剔除所有归一化灰度图像中相对静止的图像，保留特定帧数的归一化灰度图像；

步骤S24，将被保留的每一帧归一化灰度图像分别缩放成统一尺寸并形成待识别图像，获得待测图像集。

进一步的，步骤S23中，剔除相对静止的图像的过程具体包括：

步骤S231，计算当前帧的归一化灰度图像与前一帧的归一化灰度图像之间的相关系数；

步骤S232，判断相关系数是否大于一预设数值，并保留相关系数不大于预设数值所对应的当前帧的归一化灰度图像；

步骤S233，将被保留的归一化灰度图像的实际帧数与预设的特定帧数进行比较：

若实际帧数大于特定帧数，则相应降低预设数值，并返回步骤S232；