[发明专利]目标结构围度测量方法、装置、超声设备及存储介质

说明书

本发明公开一种目标结构围度测量方法、装置、超声设备及存储介质。该方法包括：获取待处理超声图像；对所述待处理超声图像进行结构分析，获取目标结构属性，所述目标结构属性包括目标相位特征和目标频率特征；将所述目标相位特征和所述目标频率特征输入神经网络模型进行分割处理，获取目标结构对应的边界概率响应图；对所述目标相位特征和所述目标频率特征进行二阶变换，获取目标结构对应的边界强度响应图；对所述目标结构对应的边界概率响应图和边界强度响应图进行结合处理，获取目标结构对应的结构边界响应图；根据所述目标结构对应的结构边界响应图进行围度测量，获取目标结构围度。该方法可保障目标结构围度测量的准确性。

技术领域

本发明涉及超声成像技术领域，尤其涉及一种目标结构围度测量方法、装置、超声设备及存储介质。

背景技术

目前超声在孕妇的产前检查和诊断方面具有不可替代的作用。通过定期的超声检查，医生能够对孕妇体内胎儿的发育情况做出及时的判断，及时对生产时或者生产后的风险项进行评估和对症处理。现有这种妇产超声检查中，有关胎儿的相关测量项非常多，包括但不限于头围、双顶径、腹围、颈后透明层和肱骨股骨长等。医生可根据测量得到这些测量项的数值计算出胎儿的孕周，并确定胎儿的发育是否正常。因此，这些测量项的准确计算是妇产超声检查流程中非常重要的环节。

现有超声设备通常基于传统图像算法，利用图像增强和边缘增强等技术，使目标结构位置突显，确定目标结构边界，从而计算目标结构围度。由于胎儿腹部和胎儿头部等目标结构的切面形状接近于椭圆，因此，在确定目标结构边界后，可根据目标结构边界拟合出一个椭圆并计算椭圆周长，从而确定目标结构围度。

近几年来，由于深度学习技术的飞速发展，研究者和工程师们迅速将其应用到各行各业的实际问题中去，而对于胎儿腹围和胎儿头围等切面类似椭圆的目标结构围度的自动识别也自然进入了工程师的视野。目前深度学习自动测量目标结构围度包括如下步骤：一、将超声图像输入到神经网络之中给出初步图像分割结果；二、依据这个图像分割结果进行椭圆拟合。但这种做法很难保证实际临床效果的鲁棒性。一般来说，深度学习从本质上来说更容易学习到超声图像的纹理细节这些高频特征，而超声图像中不可避免的存在有斑点噪声，这种斑点噪声也是一种纹理细节的高频特征，影响深度学习技术测量目标结构围度的准确性。

发明内容

本发明实施例提供一种目标结构围度测量方法、装置、超声设备及存储介质，以解决现有超声图像中目标结构围度测量准确性较低的问题。

一种目标结构围度测量方法，包括：

获取待处理超声图像；

对所述待处理超声图像进行结构分析，获取目标结构属性，所述目标结构属性包括目标相位特征和目标频率特征；

将所述目标相位特征和所述目标频率特征输入神经网络模型进行分割处理，获取目标结构对应的边界概率响应图；

对所述目标相位特征和所述目标频率特征进行二阶变换，获取目标结构对应的边界强度响应图；

对所述目标结构对应的边界概率响应图和边界强度响应图进行结合处理，获取目标结构对应的结构边界响应图；

根据所述目标结构对应的结构边界响应图进行围度测量，获取目标结构围度。

一种目标结构围度测量装置，包括：

待处理超声图像获取模块，用于获取待处理超声图像；

目标结构属性获取模块，用于对所述待处理超声图像进行结构分析，获取目标结构属性，所述目标结构属性包括目标相位特征和目标频率特征；

边界概率响应图获取模块，用于将所述目标相位特征和所述目标频率特征输入神经网络模型进行分割处理，获取目标结构对应的边界概率响应图；