[發明專利]超聲切面圖像質量控制方法、裝置和計算機設備

在審

• 申請號: 202010798651.5
• 申請日: 2020-08-11
• 公開（公告）號: CN112070119A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 李勝利;李肯立;王騰;譚光華;王航;朱寧波;文華軒
• 申請（專利權）人: 長沙大端信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃恕

1.一種超聲切面圖像質量控制方法，其特征在于，所述方法包括：

獲取超聲多切面圖像數據集；

對所述超聲多切面圖像數據集進行切面分類處理，得到各切面圖像對應的類別標簽；

根據各切面圖像對應的類別標簽，調用對應的已訓練的目標檢測網絡對各切面圖像進行預測，得到預測結果，所述已訓練的目標檢測網絡基于攜帶目標結構標注信息的超聲多切面圖像數據集訓練得到；

根據所述預測結果和預設切面打分評估規則，得到各切面圖像的質量得分及評估結果。

2.根據權利要求1所述的方法，其特征在于，所述已訓練的目標檢測網絡包括分類子網和目標檢測子網；

所述調用對應的已訓練的目標檢測網絡對各切面圖像進行預測，得到預測結果包括：

根據所述分類子網對各切面圖像進行分類處理、并根據所述目標檢測子網對各切面圖像進行目標框回歸處理；

識別并定位各切面圖像中的目標結構，得到各切面圖像中目標結構對應的類別、位置、數量以及置信度。

3.根據權利要求1所述的方法，其特征在于，所述類別標簽包括切面名稱；

所述對所述超聲多切面圖像數據集進行切面分類處理，得到各切面圖像對應的類別標簽包括：

將所述超聲多切面圖像數據集輸入至預訓練的分類網絡進行切面分類處理，得到各切面圖像的切面名稱。

4.根據權利要求1所述的方法，其特征在于，所述根據所述預測結果和預設切面打分評估規則，得到各切面圖像的得分及評估結果包括：

將所述預測結果中的目標結構與所述目標結構對應的標準規則進行對比，得到初始得分以及第一評估結果；

提取所述預測結果中各目標結構的置信度、并基于所述置信度以及預設權重，得到清晰度得分以及第二評估結果；

根據所述初始得分、所述清晰度得分以及預設扣分指標，得到各切面圖像的質量得分；

綜合所述各切面圖像的質量得分、所述第一評估結果以及所述第二評估結果，得到各切面圖像的評估結果。

5.根據權利要求1至4任意一項所述的方法，其特征在于，所述對所述超聲多切面圖像數據集進行切面分類處理之前，還包括：

獲取原始超聲多切面圖像；

對所述原始超聲多切面圖像進行圖像預處理，得到所述超聲多切面圖像數據集。

6.根據權利要求5所述的方法，其特征在于，所述圖像預處理包括去冗、去噪、歸一化以及圖像增強處理。

7.根據權利要求1至4任意一項所述的方法，其特征在于，所述根據所述預測結果和預設切面打分評估規則，得到各切面圖像的質量得分及評估結果之后，還包括：

根據所述各切面圖像的質量得分及評估結果，生成質量評估報告；

推送所述質量評估報告。

8.一種超聲切面圖像質量控制裝置，其特征在于，所述裝置包括：

數據集獲取模塊，用于獲取超聲多切面圖像數據集；

數據集分類模塊，用于對所述超聲多切面圖像數據集進行切面分類處理，得到各切面圖像對應的類別標簽；

圖像預測模塊，用于根據各切面圖像對應的類別標簽，調用對應的已訓練的目標檢測網絡對各切面圖像進行預測，得到預測結果，所述已訓練的目標檢測網絡基于攜帶目標結構標注信息的超聲多切面圖像數據集訓練得到；

質量控制模塊，用于根據所述預測結果和預設切面打分評估規則，得到各切面圖像的質量得分及評估結果。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。