[发明专利]胎儿超声标准切面图像检测方法、计算机设备和存储介质

说明书

本申请涉及一种胎儿超声标准切面图像检测方法、计算机设备和存储介质。该方法包括：获取原始胎儿超声切面图像；对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；将预处理后的胎儿超声切面图像输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。该方法能够提高胎儿超声标准切面图像检测的实用性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种胎儿超声标准切面图像检测方法、计算机设备和存储介质。

背景技术

随着超声技术的发展和广泛应用，产前超声检查已成为产前诊断的重要组成部分。胎儿超声标准切面的准确获取对胎儿生物学测量和疾病诊断至关重要在临床实践中获得这些标准平面通常是依靠手工完成的。

然而，在现有的胎儿超声标准切面图像的获取中，手动导航超声探头来找到标准平面是一项非常具有挑战性的任务，该任务需要大量的胎儿解剖学知识，对超声医师的要求相当高。而且，每次检查通常需要花费几十分钟或者更多的时间，即使对有经验的产前超声医师来说也是如此。最后，由于不同的医生水平和手法存在差异性，从而造成检查结果的准确性和一致性偏低。

为了克服现有超声检查方法所存在的不足，许多研究者基于人工智能的标准切面检测方法，主要包括：

陈浩等人提出的“采用复合神经网络框架的超声标准平面检测”中，作者采用一个复合神经网络T-RCNN，实现了对胎儿腹部标准平面、胎面轴向标准面、胎儿四腔心标准切面的检测。在图像数据上的平均精度为71.73，平均F1-score为68.13。该方法中，处理一张图像的时间达到1-2秒。

在Christian F.Baumgartner等人提出的“SonoNet:超声预留的胎儿标准扫描切面的实时检测和定位”方法中，实现了13个标准面的检测，平均精度为76.15％，平均F1-score为78.69。

在“SonoEyeNet:通过眼动跟踪进行标准化胎儿超声平面检测”论文中，作者利用眼动跟踪技术提出了SonoEyeNet网络，实现了胎儿“上腹部水平横切面”的标准、非标准的分类，精度及F1-score分别为96.5和97.8的效果。

然而，上述基于人工智能的标准切面识别方法仍然存在不可忽略的缺陷：(1)实时性难以满足临床试验要求；(2)精准度较低；(3)仅实现某一切面的抓取，辅助切面抓取意义不大。综上，当前胎儿超声标准切面图像检测的实用性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高实用性的胎儿超声标准切面图像检测方法、装置、计算机设备和存储介质。

一种胎儿超声标准切面图像检测方法，所述方法包括：

获取原始胎儿超声切面图像；

对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；

将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。

一种胎儿超声标准切面图像检测装置，包括：

图像获取模块，用于获取原始胎儿超声切面图像；

预处理模块，用于对所述原始胎儿超声切面图像进行预处理，得到预处理后的胎儿超声切面数据；

检测模块，用于将预处理后的胎儿超声切面数据输入预先训练好的目标检测处理模型，输出所述原始胎儿超声切面图像所属切面以及所述原始胎儿超声切面图像是否标准的检测结果。

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，所述处理器执行所述计算机程序时实现以下步骤：