[发明专利]基于超声视频的病灶检测方法、装置、设备及存储介质

说明书

本申请公开一种基于超声视频的病灶检测方法、装置、设备及存储介质，方法包括：获取目标对象检测位置的超声视频；基于目标检测算法逐帧检测所述超声视频，记录所述超声视频中疑似病灶位置；在所述疑似病灶位置处分别向前和向后选取预设长度的超声视频组成疑似病灶生衰视频；输出所述疑似病灶生衰视频在所述超声视频中的时间信息和病灶特征信息。本申请的实施例将疑似病灶从产生到消失的时间信息和病灶特征信息告知医生，便于医生直接在超声视频中找到疑似病灶从产生到消失的时间信息和病灶特征信息，相比传统方式中医生需要在超声视频中逐帧去审查疑似病灶，本申请在超声视频的病灶检测中辅助医生提高阅片效率。

技术领域

本申请涉及病灶检测领域，尤其涉及一种基于超声视频的病灶检测方法、装置、设备及存储介质。

背景技术

在群体性癌症病灶(例如乳腺癌)筛查中，通常通过自动扫查机器人替代医生的双手实现标准高效地扫查和超声视频采集。这样，对每例病人扫查都会产生大量超声视频数据。按传统方式，医生需要逐个视频逐帧去审查，效率非常低下，不能满足群体性筛查的要求。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

本申请实施例提供一种基于超声视频的病灶检测方法、装置、设备及存储介质，旨在超声视频的病灶检测中辅助医生提高阅片效率。

本申请实施例提供了一种基于超声视频的病灶检测方法，包括：

获取目标对象检测位置的超声视频；

基于目标检测算法逐帧检测所述超声视频，记录所述超声视频中疑似病灶位置；

在所述疑似病灶位置处分别向前和向后选取预设长度的超声视频组成疑似病灶生衰视频；

输出所述疑似病灶生衰视频在所述超声视频中的时间信息和病灶特征信息。

在一些实施例中，所述目标检测算法包括：YOLO检测算法、SSD检测算法以及RetinaNet检测算法中的任一种。

在一些实施例中，在所述疑似病灶位置处分别向前和向后选取预设长度的超声视频组成疑似病灶生衰视频，包括：

通过跟踪匹配算法，基于所述疑似病灶位置处疑似病灶的形状，向前选取符合疑似病灶形状相似性阈值的超声视频组成前段视频；

通过跟踪匹配算法，基于所述疑似病灶位置处疑似病灶的形状，向后选取符合疑似病灶形状相似性阈值的超声视频组成后段视频；

将所述前段视频和所述后段视频拼接融合得到疑似病灶生衰视频。

在一些实施例中，所述跟踪匹配算法选用DeepSort算法。

在一些实施例中，所述输出所述疑似病灶生衰视频在所述超声视频中的时间信息和病灶特征信息的步骤之前，还包括：

对所述疑似病灶生衰视频进行感兴趣区域裁剪得到疑似病灶所在区域图像的三维图像序列；

使用3D卷积网络模型从三维图像序列提取特征；

基于提取的特征使用分类网络进行分类，得到符合预设条件的疑似病灶生衰视频。

在一些实施例中，所述基于超声视频的病灶检测方法还包括：

若不符合预设条件，则排除所述疑似病灶生衰视频。

在一些实施例中，所述病灶特征信息包括病灶在图像中的大小信息和位置信息。

本申请还提出一种基于超声视频的病灶检测装置，包括：

获取模块，用于获取目标对象检测位置的超声视频；