[發明專利]胎兒超聲圖像智能目標檢測的并行處理方法和裝置

有效

• 申請號: 202010211676.0
• 申請日: 2020-03-24
• 公開（公告）號: CN111462059B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 李肯立;劉釗;劉楚波;譚光華;廖清;李勝利
• 申請（專利權）人: 湖南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/74;G06V10/82;G06N3/0464;G16H50/20;A61B8/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃恕

本申請涉及一種胎兒超聲圖像智能目標檢測的并行處理方法、裝置、計算機設備和存儲介質。本申請的方法包括：獲取胎兒超聲掃描過程中得到的檢測幀數據；檢測幀數據為獲取的胎兒超聲切面圖像；對檢測幀數據進行預處理操作，得到預處理檢測幀數據；將預處理檢測幀數據與已識別的基準幀數據進行相似度比較，得到相似度結果；若相似度結果大于預設閾值，則將已存儲的基準幀數據的識別結果作為檢測幀數據的識別結果，得到檢測幀數據中所包含目標的類別和位置。采用本方法能夠降低深度卷積神經網絡模型的檢測工作量，提高識別效率。

技術領域

本申請涉及產前超聲檢查技術領域，特別是涉及一種胎兒超聲圖像智能目標檢測的并行處理方法、裝置、計算機設備和存儲介質。

背景技術

目前人工智能已經廣泛應用于超聲圖像中胎兒標準切面的自動識別，能夠準確的幫助醫生對胎兒生長情況做出分析和診斷。在目前的智能超聲診斷過程中，首先對采集獲取到的超聲圖像數據進行預處理，如灰度化處理、直方圖均衡化處理，然后輸入已訓練好的深度卷積神經網絡模型對經過預處理的數據集進行特征提取與目標檢測，從而得到每幅胎兒超聲切面圖像中所包含的目標的類別和位置。

然而，現有技術的方法需要將超聲掃描過程中獲得的所有超聲切面圖像輸入訓練好的深度卷積神經網絡模型，從而得到相應的超聲切面圖像的目標識別結果，由于深度卷積神經網絡模型需要對所有的檢測幀圖像進行檢測，模型的卷積計算量大，檢測速度較慢，因此，上述方法存在識別效率較低的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高識別效率的胎兒超聲圖像智能目標檢測的并行處理方法、裝置、計算機設備和存儲介質。

一種胎兒超聲圖像智能目標檢測的并行處理方法，所述方法包括：

獲取胎兒超聲掃描過程中得到的檢測幀數據；所述檢測幀數據為獲取的胎兒超聲切面圖像；

對所述檢測幀數據進行預處理操作，得到預處理檢測幀數據；

將所述預處理檢測幀數據與已識別的基準幀數據進行相似度比較，得到相似度結果；

若所述相似度結果大于所述預設閾值，則將已存儲的所述基準幀數據的識別結果作為所述檢測幀數據的識別結果，得到所述檢測幀數據中所包含目標的類別和位置。

在其中一個實施例中，所述將所述預處理檢測幀數據與已識別的基準幀數據進行相似度比較，得到相似度結果，包括：對所述預處理檢測幀數據進行處理，得到預設大小的檢測幀數據矩陣；將所述檢測幀數據矩陣和已存儲的基準幀數據矩陣進行相減處理，得到相似度矩陣；根據所述相似度矩陣，確定相似度結果。

在其中一個實施例中，還包括：若所述相似度結果小于所述預設閾值，基于訓練好的深度卷積神經網絡模型，根據所述預處理檢測幀數據和所述基準幀數據，對所述深度卷積神經網絡模型中所有卷積層的輸入數據和輸出數據進行相應處理，以得到所述檢測幀數據的識別結果。

在其中一個實施例中，所述若所述相似度結果小于所述預設閾值，基于訓練好的深度卷積神經網絡模型，根據所述預處理檢測幀數據和所述基準幀數據，對所述深度卷積神經網絡模型中所有卷積層的輸入數據和輸出數據進行相應處理，以得到所述檢測幀數據的識別結果，包括：將所述預處理檢測幀數據輸入訓練好的深度卷積神經網絡模型后，將所述預處理檢測幀數據在當前卷積層的輸入數據與所述基準幀數據在所述當前卷積層的輸入數據進行矩陣相減處理，得到當前卷積層的最終輸入數據；將所述最終輸入數據輸入所述當前卷積層后，得到所述當前卷積層的初步輸出數據，將所述初步輸出數據與所述基準幀數據在所述當前卷積層的輸出數據進行矩陣相加處理，作為所述預處理檢測幀數據在所述當前卷積層的最終輸出數據。

在其中一個實施例中，所述對所述檢測幀數據進行預處理操作，得到預處理檢測幀數據，包括：對所述檢測幀數據進行歸一化處理，得到歸一化后的圖像；對所述歸一化后的圖像進行灰度化處理，得到預處理檢測幀數據。