[发明专利]基于深度神经网络的US-CT图像分割方法及装置

权利要求书

1.一种基于深度神经网络的US-CT图像分割方法，其特征在于，包括：

从获取的视频流数据中抽取一帧图像数据进行预处理后存入raw_img寄存器中；

判断当前raw_img寄存器中内容的更新状态；如果所述raw_img寄存器中的内容发生了更新，从raw_img寄存器中获取存储的一帧图像数据并利用预先构建的推理模型进行推理得到推理结果并存入inf_img寄存器；实时判断所述inf_img寄存器中是否存在最新的推理结果，如果是，对所述推理结果进行后处理后显示输出，如果否，则将原视频图像进行显示；

判断当前raw_img寄存器中是否读取到视频流数据，如果是，则判断视频流数据是否继续；如果是，则判断raw_img寄存器中的内容是否发生更新；如果是，则获取raw_img寄存器中存储的一帧图像数据并利用预先构建的推理模型进行推理得到推理结果并存入inf_img寄存器；

所述从获取的视频流数据中抽取一帧图像数据进行预处理后存入raw_img寄存器中，包括：

将预处理后的所述一帧图像数据写入raw_img寄存器，同时在is_new寄存器中写入True；

读取inf_img数据，如果此时推理线程未完成推理，在inf_img寄存器中写入None；

如果此时推理线程已完成推理，则显示原视频图像和图像分割的预测结果；

所述从raw_img寄存器中获取存储的一帧图像数据并利用预先构建的推理模型进行推理得到推理结果，包括：

监视所述raw_img寄存器；

如果所述raw_img寄存器中读取到了所述一帧图像数据，读取is_run寄存器中的数据以判断所述视频流数据是否继续；

如果所述is_run寄存器为True，则访问is_new寄存器判断inf_img寄存器是否更新，如果更新，则送入推理模型中进行推理，获得推理结果；

当对图像的帧率要求较低时，提取所述视频流数据中的一帧图像数据后进行预处理；

将预处理后的所述一帧图像数据输入推力模型获得推理结果；

将所述推理结果进行后处理后输出；

将获取的视频流数据输入到线程1，如果视频流终止，则is_run寄存器写入False，并退出该线程；如果线程1接收新一帧数据，则预处理该帧数据，将处理好的数据写入raw_img寄存器，同时is_new寄存器写入True； 模型读取inf_img数据，如果推理线程还没有完成推理，inf_img寄存器读取None，即没有读取到数据，则仅显示原图，如果inf_img读取到数据，则显示原图和预测结果；

线程2开启后监视raw_img寄存器，如果raw_img寄存器读取None，即没有读取到数据，则挂起，直到raw_img寄存器读取到数据； 读取到数据后，线程2读取is_run寄存器，is_run寄存器表示视频流是否继续； 如果is_run寄存器为False，则退出该线程；如果is_run寄存器为True，则线程2访问is_new寄存器，is_new寄存器表示raw_img寄存器是否更新； 如果is_new寄存器为False，则挂起；如果is_new寄存器为True，则进行推理，将推理结果写入inf_img寄存器中，is_new寄存器写入False，线程2重新挂起，当客户端计算资源不足时，可以把线程2部署到服务端；

所述线程1和所述线程2并发执行。