[發(fā)明專利]超聲圖像處理方法、設(shè)備及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011093840.9
• 申請日: 2020-10-13
• 公開（公告）號: CN112233084B
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計）人: 胡歆迪;錢繼寬;楊鑫;高睿;莊加華
• 申請（專利權(quán)）人: 深圳度影醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06K9/62;G16H50/20
• 代理公司: 深圳市君勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 朱陽波

本發(fā)明公開一種超聲圖像處理方法、設(shè)備及計算機可讀存儲介質(zhì)，其中，所述超聲圖像處理方法包括步驟：獲取新生兒髖關(guān)節(jié)冠狀位的待處理超聲圖像；將待處理超聲圖像輸入目標數(shù)學模型，得到目標關(guān)鍵點位置信息及目標測量值；對目標關(guān)鍵點位置信息和目標測量值進行可視化處理，得到髖關(guān)節(jié)的目標圖像。代替了目前基于預(yù)測的輔助線獲得測量值的方法，對目標測量值的直接獲取，減少了中間測量依賴項，不存在從超聲圖像中的特征信息到輔助線再到測量過程中的損失值傳遞和累積，使測量結(jié)果更加的準確，目標關(guān)鍵點位置信息與目標測量值的融合，可獲得Graf法所需的輔助線，實現(xiàn)測量結(jié)果的可視化。

技術(shù)領(lǐng)域

本發(fā)明涉及超聲技術(shù)領(lǐng)域，尤其涉及一種超聲圖像處理方法、設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

超聲因其無創(chuàng)、無射線損傷、可靠性高、便于動態(tài)觀察等優(yōu)點，可以減少或避免新生兒在診治過程中接收到的射線暴露及損傷，同時新生兒脂肪較少，組織遮擋效果較輕，因而超聲檢查相對容易且成像清晰，因此超聲檢查快速廣泛應(yīng)用于新生兒各種疾病的診斷和鑒別。發(fā)育性髖關(guān)節(jié)脫位(DDH)是一種會導(dǎo)致兒童肢體殘疾的重要疾病，國內(nèi)外最常用的超聲DDH評測方法為Graf法，由奧地利醫(yī)學家Graf率先提出，在全世界得到了廣泛采用。采集時，新生兒應(yīng)處于側(cè)臥體位，將探頭平行軀體縱軸，沿股骨大粗隆進行前后平行移動，觀察股骨頭與髖臼的發(fā)育和匹配情況。冠狀位切面的標準定義為：包含髂骨平直外緣、滑膜皺折、軟骨性髖臼頂、髂骨下支、關(guān)節(jié)囊、股骨頭、股骨頭大轉(zhuǎn)子、盂唇及軟骨與骨的交接處，清晰顯示平直的髂骨強回聲、髂骨下支及其終末點，三角形強回聲盂唇，低回聲股骨頭位于關(guān)節(jié)窩內(nèi)，滑膜皺襞、關(guān)節(jié)囊、盂唇及軟骨性髖臼包圍著股骨頭。Graf法需要測量兩個角度：alpha角與beta角，alpha角位基線與骨頂線的夾角，beta角為基線與軟骨頂線的夾角。其中，基線為平直的髂骨聲影，骨頂線為髂骨下支終末點與骨性髖臼外側(cè)緣的切線，軟骨頂線為盂唇與骨性髖臼外側(cè)緣的連線。股骨頭覆蓋率(FHC)表現(xiàn)了髖關(guān)節(jié)的發(fā)育情況：FHC＝D/d，其中，D為股骨頭內(nèi)外切線的間距，d為股骨頭內(nèi)側(cè)緣切線和基線的間距。目前對于DDH超聲圖像的自動測量，主要是基于深度學習獲得圖像的組織結(jié)構(gòu)信息，以此得到相應(yīng)的輔助線來完成測量任務(wù)。但該方法依賴輔助線的獲得，增加了測量步驟，因此基于輔助線獲得角度的測量過程會累積大量損失值，不利于算法的穩(wěn)定性與可靠性。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提出一種超聲圖像處理方法、設(shè)備及計算機可讀存儲介質(zhì)，旨在減少測量超聲圖像的步驟，提高測量結(jié)果的準確度。超聲圖像處理方法包括以下步驟：

獲取新生兒髖關(guān)節(jié)冠狀位的待處理超聲圖像；

將所述待處理超聲圖像輸入目標數(shù)學模型，得到目標關(guān)鍵點位置信息及目標測量值；

對所述目標關(guān)鍵點位置信息和所述目標測量值進行可視化處理，得到髖關(guān)節(jié)的目標圖像。

所述獲取新生兒髖關(guān)節(jié)冠狀位的待處理超聲圖像的步驟包括：

獲取新生兒髖關(guān)節(jié)冠狀位的超聲切面圖像；

對所述超聲切面圖像進行預(yù)處理，得到待處理超聲圖像，其中，所述預(yù)處理的方法包括歸一化或頻域濾波。

所述目標數(shù)學模型的訓練步驟包括：

將樣本訓練集輸入預(yù)設(shè)數(shù)學模型中，所述預(yù)設(shè)數(shù)學模型根據(jù)樣本訓練集調(diào)整所述預(yù)設(shè)數(shù)學模型中的預(yù)設(shè)參數(shù)，得到目標參數(shù)；

將所述目標參數(shù)配置于所述預(yù)設(shè)數(shù)學模型中，得到目標數(shù)學模型。

所述獲取樣本訓練集的步驟包括：

獲取初始樣本集，對所述初始樣本集進行數(shù)據(jù)增強處理，得到樣本訓練集。

所述預(yù)設(shè)數(shù)學模型包括多任務(wù)數(shù)學模型，所述樣本訓練集包括第一樣本訓練集，所述將樣本訓練集輸入預(yù)設(shè)數(shù)學模型中，所述預(yù)設(shè)數(shù)學模型根據(jù)樣本訓練集調(diào)整所述預(yù)設(shè)數(shù)學模型中的預(yù)設(shè)參數(shù)，得到目標參數(shù)的步驟包括：