[發明專利]盆底狀態的分類方法、系統、超聲設備及計算機存儲介質

有效

• 申請號: 201911421804.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111053579B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 李萍;閉世蘭;王艷
• 申請（專利權）人: 深圳開立生物醫療科技股份有限公司
• 主分類號: A61B8/08
• 分類號: A61B8/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王兆林

本發明公開了一種盆底狀態的分類方法，在獲取到當前超聲盆底圖像后可自動識別當前超聲盆底圖像的盆底狀態，并在當前超聲盆底圖像上自動標注出其盆底狀態，供醫生查看，相比于現有技術中醫生手動輸入盆底狀態，簡化了盆底超聲檢測過程，縮短了檢測時間，從而提高了檢測效率。本發明還公開了一種盆底狀態的分類系統、超聲設備及計算機存儲介質，與上述分類方法具有相同的有益效果。

技術領域

本發明涉及盆底超聲檢測領域，特別是涉及一種盆底狀態的分類方法、系統、超聲設備及計算機存儲介質。

背景技術

女性盆底功能障礙性疾病的主要特征包括盆腔臟器脫垂、壓力性尿失禁等。目前，通常通過超聲對盆底不同狀態進行測量，以檢測盆腔有無功能障礙。具體地，在臨床上，醫生通常需要在三種盆底狀態(靜息狀態、Valsalva動作及縮肛動作)下對盆底進行超聲檢測，但是，現有技術中，醫生每在一種盆底狀態下對盆底進行超聲檢測，均需提前在超聲設備上選擇所要檢測的盆底狀態，并需要醫生在每次檢測后手動輸入盆底狀態，以便于后續基于盆底狀態進行盆底測量分析，從而使得盆底超聲檢測過程繁瑣，檢測時間較長，檢測效率較低。

因此，如何提供一種解決上述技術問題的方案是本領域的技術人員目前需要解決的問題。

發明內容

本發明的目的是提供一種盆底狀態的分類方法、系統、超聲設備及計算機存儲介質，在獲取到當前超聲盆底圖像后可自動識別當前超聲盆底圖像的盆底狀態，并在當前超聲盆底圖像上自動標注出其盆底狀態，從而簡化了盆底超聲檢測過程，縮短了檢測時間，提高了檢測效率。

為解決上述技術問題，本發明提供了一種盆底狀態的分類方法，包括：

預先建立并訓練好用于識別超聲盆底圖像的盆底狀態的深度學習模型；

在超聲盆底檢測中，獲取當前超聲盆底圖像，并將所述當前超聲盆底圖像輸入至所述深度學習模型，得到所述當前超聲盆底圖像的盆底狀態；

在所述當前超聲盆底圖像上自動標注出其盆底狀態。

優選地，所述預先建立并訓練好用于識別超聲盆底圖像的盆底狀態的深度學習模型的過程，包括：

預先建立用于提取超聲盆底圖像上的盆底特征以識別其盆底狀態的深度學習模型；

獲取超聲盆底樣本圖像和所述超聲盆底樣本圖像的標準盆底狀態；

將所述超聲盆底樣本圖像輸入至所述深度學習模型，以利用所述深度學習模型提取所述超聲盆底樣本圖像上的實際盆底特征，并根據所述實際盆底特征確定所述超聲盆底樣本圖像的實際盆底狀態；

求取所述實際盆底狀態和所述標準盆底狀態之間的誤差，并在降低所述誤差的目標條件下調整所述深度學習模型的節點權重，而后進行下一輪的樣本訓練，直至所述誤差降低至預設誤差范圍內。

優選地，所述利用所述深度學習模型提取所述超聲盆底樣本圖像上的實際盆底特征，并根據所述實際盆底特征確定所述超聲盆底樣本圖像的實際盆底狀態的過程，包括：

利用所述深度學習模型中的卷積層提取卷積核每次滾動對應的所述超聲盆底樣本圖像上的盆底有效特征；

利用所述深度學習模型中的池化層對卷積核每次滾動對應的盆底有效特征進行特征融合，得到所述超聲盆底樣本圖像對應的多維融合特征；

利用所述深度學習模型中的flatten層對所述多維融合特征進行一維化處理，得到一維融合特征；

利用所述深度學習模型中的全連接層將所述一維融合特征分類得到所述超聲盆底樣本圖像的實際盆底狀態。

優選地，在提取卷積核每次滾動對應的所述超聲盆底樣本圖像上的盆底有效特征之后，在對卷積核每次滾動對應的盆底有效特征進行特征融合之前，所述分類方法還包括：