[发明专利]超声图像处理方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202010704590.1 申请日: 2020-07-21
公开(公告)号: CN111862044A 公开(公告)日: 2020-10-30
发明(设计)人: 李肯立;李胜利;伍湘琼;谭光华;文华轩;朱宁波;陈志伦 申请(专利权)人: 长沙大端信息科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G06K9/62;G06N3/04;G06N3/08
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 黄恕
地址: 410000 湖南省长沙市长沙高新开发区麓龙*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 超声 图像 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种超声图像处理方法,其特征在于,所述方法包括:

获取超声图像数据集;

对所述超声图像数据集进行预处理,得到预处理图像数据集;

将所述预处理图像数据集输入至预设图像处理网络,得到对应的特征图;

将所述特征图分别输入至预设目标检测网络和预设分割网络,通过所述预设目标检测网络识别出各图像中目标组织的类别和位置,以及通过所述预设分割网络确定各图像中目标组织的大小;

将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪,得到目标组织的类别数据和数量。

2.根据权利要求1所述的方法,其特征在于,所述将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪,得到目标组织的类别数据和数量包括:

获取当前帧图像中目标组织的类别和位置;

基于当前帧图像中目标组织的类别和位置,通过卡尔曼滤波处理预测下一帧图像中所述目标组织的位置;

判断前后帧图像中的目标组织是否为同一目标组织;

为同一目标组织分配相同的标识数据,统计目标组织的类别数据和数量。

3.根据权利要求2所述的方法,其特征在于,所述判断前后帧图像中的目标组织是否为同一目标组织包括:

计算前后帧图像中的目标组织间的马氏距离、余弦距离和交并比,判断前后帧图像中的目标组织是否为同一目标组织。

4.根据权利要求1所述的方法,其特征在于,将所述预处理图像数据集输入至预设图像处理网络,得到对应的特征图包括:

将所述预处理图像数据集输入至预设特征提取网络,提取出对应的初始特征图;

将所述初始特征图输入至预设区域建议网络,得到各初始特征图对应的建议窗口;

将所述建议窗口映射到所述预设区域建议网络最后一层的初始特征图,并通过ROIAlign层处理,得到固定尺寸的特征图。

5.根据权利要求4所述的方法,其特征在于,所述将所述预处理图像数据集输入至预设特征提取网络,提取出对应的初始特征图包括:

将所述预处理图像数据集输入至骨干网ResNet-50,抽取对应的特征数据;

采用特征金字塔层对抽取出的特征数据进行特征融合,得到对应的初始特征图。

6.根据权利要求1所述的方法,其特征在于,通过所述预设分割网络确定各图像中目标组织的大小包括:

获取单位长度像素个数以及所述预设分割网络输出的所述特征图对应的分割掩码;

根据所述特征图对应的分割掩码和单位长度像素个数,计算各图像中目标组织的所包含的像素数量;

根据所述各图像中目标结构的所包含的像素数量和预设像素比例数据,确定各图像中目标组织的大小。

7.根据权利要求1至6任一项所述的方法,其特征在于,所述对所述超声图像数据集进行预处理,得到预处理图像数据集包括:

对所述超声图像数据集依次进行缩放处理、归一化处理以及随机增强处理,得到预处理图像数据集。

8.一种超声图像处理装置,其特征在于,所述装置包括:

数据集获取模块,用于获取超声图像数据集;

数据预处理模块,用于对所述超声图像数据集进行预处理,得到预处理图像数据集;

特征图获取模块,用于将所述预处理图像数据集输入至预设图像处理网络,得到对应的特征图;

特征图处理模块,用于将所述特征图分别输入至预设目标检测网络和预设分割网络,通过所述预设目标检测网络识别出各图像中目标组织的类别和位置,以及通过所述预设分割网络确定各图像中目标组织的大小;

目标跟踪模块,用于将各图像中目标组织的类别和位置输入至已训练的目标跟踪网络进行目标跟踪,得到目标组织的类别数据和数量。

9.一种计算机设备,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至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙大端信息科技有限公司,未经长沙大端信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010704590.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top