[发明专利]超声切面图像质量控制方法、装置和计算机设备

说明书

本申请涉及一种超声切面图像质量控制方法、装置和计算机设备。所述方法包括：获取超声多切面图像数据集，对超声多切面图像数据集进行切面分类处理，得到各切面图像对应的类别标签，根据各切面图像对应的类别标签，调用对应的已训练的目标检测网络对各切面图像进行预测，得到预测结果，根据预测结果和预设切面打分评估规则，得到各切面图像的质量得分及评估结果。本方案区别于传统的超声切面图像进行单一切面的识别，以多切面识别为基点进行处理，预测各切面图像的目标检测网络是基于携带目标结构标注信息的超声多切面图像数据集训练得到，能够保证图像预测结果的可靠性，进而能够保证图像质量得分的一致性，提高质量控制的效率。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种超声切面图像质量控制方法、装置、计算机设备和存储介质。

背景技术

随着医疗水平的发展，医学超声检查在医学诊断时发挥着重要作用。医学超声检查(超声检查、超声诊断学)是一种基于超声波的医学影像学诊断技术，其能够实现肌肉和内脏器官包括其大小、结构和病理学病灶的可视化。

由于在超声检查过程中病人的状态、医生操作手法以及超声物理特性等因素，使得基于超声波得到的超声切面图像的图像清晰度、标准度往往存在很大差异，进而影响检查结果的准确度。如胎儿超声检查是产前诊断与缺陷儿筛查的首选检查方法。然而，由于胎位的不确定性、母体的体重指数、医生操作手法、超声物理特性、胎儿运动等因素的影响，超声检查所获得的胎儿超声切面图像清晰度、标准度往往存在很大差异，从而极大影响了检查结果的准确性。因此，出现了对超声切面图像进行质量控制的方案。

目前对超声切面图像进行质量控制的方式主要是通过医院组织大量专家对超声切面图像进行主观评价和客观评分的传统方式，或者是通过某些深度学习的目标检测等方式去判断某单一类别超声切面图像中关键解剖结构是否存在、是否清晰可见来定量评估切面图像。然而，通过医生的主观评价方法，此方法需要消耗大量的人力和物力，在实际临床中难以广泛推广应用，且不同专家或医师对超声切面图像(如胎儿超声切面图像)的标准的认知不尽相同，使得质量控制结果存在不一致性；通过深度学习去识别某一单一切面的方法，需要将该切面的图从所有种类的图中提取出来再依次放入系统中去自动进行质量控制，使得质量控制结果存在着可操作性以及可读性差。综上所述，现有的超声切面图像的质量控制存在质量控制效率不高的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高超声切面图像质量控制效率的超声切面图像质量控制方法、装置、计算机设备和存储介质。

一种超声切面图像质量控制方法，所述方法包括：

获取超声多切面图像数据集；

对超声多切面图像数据集进行切面分类处理，得到各切面图像对应的类别标签；

根据各切面图像对应的类别标签，调用对应的已训练的目标检测网络对各切面图像进行预测，得到预测结果，已训练的目标检测网络基于携带目标结构标注信息的超声多切面图像数据集训练得到；

根据预测结果和预设切面打分评估规则，得到各切面图像的质量得分及评估结果。

在其中一个实施例中，已训练的目标检测网络包括分类子网和目标检测子网；

调用对应的已训练的目标检测网络对各切面图像进行预测，得到预测结果包括：

根据分类子网对各切面图像进行分类处理、并根据目标检测子网对各切面图像进行目标框回归处理，识别并定位各切面图像中的目标结构，得到各切面图像中目标结构对应的类别、位置、数量以及置信度。

在其中一个实施例中，类别标签包括切面名称；对超声多切面图像数据集进行切面分类处理，得到各切面图像对应的类别标签包括：

将超声多切面图像数据集输入至预训练的分类网络进行切面分类处理，得到各切面图像的切面名称。