[发明专利]一种基于超声微泡造影的试剂定点释放方法与系统

权利要求书

1.一种基于超声微泡造影的试剂定点释放方法，其特征在于，包括步骤：

S1：根据异常组织的类型进行含有特定试剂微泡的组织注入；

S2：通过高频超声波获取组织整体的超分子成像；

S3：根据超分子成像，利用异常组织所对应图像训练完成的卷积神经网络进行异常组织的识别判定与区域提取；

S4：根据异常组织所处的区域进行低频超声波的聚焦；

S5：通过聚焦后的低频超声波爆裂异常组织所处区域内的微泡，并释放微泡所附载的特定试剂。

2.如权利要求1所述的一种基于超声微泡造影的试剂定点释放方法，其特征在于，所述卷积神经网络的训练包括图像预处理、主干网络特征提取和特征融合，其中，图像预处理阶段采用Unet算法对目标组织的预设图像集进行感兴趣区域的提取，并作为卷积神经网络的训练数据。

3.如权利要求1所述的一种基于超声微泡造影的试剂定点释放方法，其特征在于，所述卷积神经网络以Mask R-CNN网络的网络架构作为卷积神经网络的基础框架，并以残差网络ResNet50和SKNet网络相融合后的SK-ResNet50网络作为卷积神经网络的主干网络。

4.如权利要求3所述的一种基于超声微泡造影的试剂定点释放方法，其特征在于，所述卷积神经网络的训练，还包括对Mask R-CNN网络内置损失函数的优化，可表示为如下公式：

L＝L_cls+α₁L_box+α₂L_mask

式中，L为总损失，L_cls为分类损失，L_box为边框回归损失，L_mask为分割掩膜损失，α₁和α₂为权重参数。

5.如权利要求4所述的一种基于超声微泡造影的试剂定点释放方法，其特征在于，所述权重参数α₁和α₂为根据卷积神经网络，以ImageNet数据库中的图像数据为预设图像集进行迁移学习获取。

6.如权利要求1所述的一种基于超声微泡造影的试剂定点释放方法，其特征在于，所述S3步骤中，对于异常组织的识别判定包括超出预设超声波造影强度的异常组织判定，以及根据造影强度大小进行的组织异常等级判定。

7.一种基于超声微泡造影的试剂定点释放系统，其特征在于，包括：

微泡注入器，用于根据异常组织的类型进行含有特定试剂微泡的组织注入；

超声波发生器，用于发射高频超声波或者低频超声波；

超声波显示器，用于根据组织内微泡反射的高频超声波进行超分子成像显示；

主控系统，用于根据超分子成像，利用异常组织所对应图像训练完成的卷积神经网络进行异常组织的识别判定与区域提取，并控制超声波发生器对异常组织所处的区域进行低频超声波的聚焦，通过聚焦后的低频超声波爆裂异常组织所处区域内的微泡，并释放微泡所附载的特定试剂。

8.如权利要求7所述的一种基于超声微泡造影的试剂定点释放系统，其特征在于，所述卷积神经网络以Mask R-CNN网络的网络架构作为卷积神经网络的基础框架，并以残差网络ResNet50和SKNet网络相融合后的SK-ResNet50网络作为卷积神经网络的主干网络。