[发明专利]超声切面识别方法、系统、计算机设备和存储介质在审

专利信息
申请号: 202010725339.3 申请日: 2020-07-24
公开(公告)号: CN112102230A 公开(公告)日: 2020-12-18
发明(设计)人: 李肯立;李红旗;李胜利;邢翔;朱宁波;文华轩;谭光华 申请(专利权)人: 湖南大学;深圳市妇幼保健院
主分类号: G06T7/00 分类号: G06T7/00;G06K9/32;G06N3/04
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 刘羚
地址: 410001 湖*** 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 切面 识别 方法 系统 计算机 设备 存储 介质
【权利要求书】:

1.一种超声切面识别方法,其特征在于,所述方法包括:

获取待识别超声图像;

对所述待识别超声图像进行特征提取,得到对应的图像特征;

根据所述图像特征,识别所述待识别超声图像中的所有前景目标,获得所述待识别超声图像中包含的各前景目标的定位信息;

根据所述定位信息和所述图像特征,识别所述待识别超声图像中的所有切面目标,获得所述待识别超声图像中包含的各切面目标的第一类别信息和位置信息。

2.根据权利要求1所述的方法,其特征在于,根据所述定位信息和所述图像特征,识别所述待识别超声图像中的所有切面目标,获得所述待识别超声图像中包含的各切面目标的第一类别信息和位置信息,包括:

根据所述定位信息从所述图像特征中截取对应区域的特征,获得前景特征;

根据所述前景特征,识别所述待识别超声图像中的所有切面目标,获得所述待识别超声图像中包含的各切面目标的第一类别信息和位置信息。

3.根据权利要求2所述的方法,其特征在于,包括下述各项中的至少一项:

第一项:

对所述待识别超声图像进行特征提取,得到对应的图像特征,包括:

通过训练好的切面识别模型中的骨干网络,对所述待识别超声图像进行特征提取,得到提取特征;

通过所述切面识别模型中的特征交互网络,对所述提取特征进行融合,得到所述待识别超声图像对应的图像特征;

第二项:

根据所述图像特征,识别所述待识别超声图像中的所有前景目标,获得所述待识别超声图像中包含的各前景目标的定位信息,包括:

通过所述切面识别模型中的前景背景分类子网络,根据所述图像特征,识别所述待识别超声图像中的所有前景目标,获得所述待识别超声图像中包含的各前景目标的定位信息;

第三项:

根据所述前景特征,识别所述待识别超声图像中的所有切面目标,获得所述待识别超声图像中包含的各切面目标的第一类别信息和位置信息,包括:

通过所述切面识别模型中的第一分类子网络,根据所述前景特征,对所述待识别超声图像中的所有切面目标进行第一分类,获得所述待识别超声图像中包含的各切面目标的第一类别信息;

通过所述切面识别模型中的定位子网络,根据所述前景特征,对所述待识别超声图像中的所有切面目标进行定位,获得所述待识别超声图像中包含的各切面目标的位置信息。

4.根据权利要求1至3中任一项所述的方法,其特征在于,还包括:

根据所述位置信息从所述图像特征中截取对应区域的特征,获得切面特征;

根据所述切面特征,对所述待识别超声图像中包含的各切面目标进行第二分类,获得所述待识别超声图像中包含的各切面目标的第二类别信息。

5.根据权利要求4所述的方法,其特征在于,根据所述切面特征,对所述待识别超声图像中包含的各切面目标进行第二分类,获得所述待识别超声图像中包含的各切面目标的第二类别信息,包括:

通过所述切面识别模型中的第二分类子网络,根据所述切面特征,对所述待识别超声图像中包含的各切面目标进行第二分类,获得所述待识别超声图像中包含的各切面目标的第二类别信息。

6.根据权利要求5所述的方法,其特征在于,所述切面识别模型包括顺次连接的骨干网络、特征交互网络、前景背景分类子网络以及网络头部,所述网络头部包括并行的定位子网络、第一分类子网络以及第二分类子网络;

所述切面识别模型的训练过程包括:

获取样本超声图像以及对应的标注信息,所述标注信息包括:在所述样本超声图像中标注的各切面目标的位置信息和类别信息;

将所述样本超声图像输入待训练切面识别模型,得到所述样本超声图像对应的识别信息,所述识别信息包括:从所述样本超声图像中识别出的各切面目标的位置信息和类别信息;

基于所述识别信息与所述标注信息,调整所述待训练切面识别模型中各网络的参数,直至满足模型训练结束条件,获得训练好的切面识别模型。

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湖南大学;深圳市妇幼保健院,未经湖南大学;深圳市妇幼保健院许可,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/202010725339.3/1.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