[發(fā)明專利]柔性掃描圖像的AI輔助測(cè)量體積補(bǔ)償方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011556589.5
• 申請(qǐng)日: 2020-12-25
• 公開(kāi)（公告）號(hào): CN112489046B
• 公開(kāi)（公告）日: 2023-01-31
• 發(fā)明（設(shè)計(jì)）人: 戚雨霽;王明陽(yáng);隋廣玉;梁湞
• 申請(qǐng)（專利權(quán)）人: 上海深博醫(yī)療器械有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T17/00;G16H30/40;G16H50/50;A61B8/08;A61B8/00
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 楊學(xué)強(qiáng)

本發(fā)明實(shí)施例提供一種柔性掃描圖像的AI輔助測(cè)量體積補(bǔ)償方法及裝置，所述方法包括：獲取柔性掃描的原始掃描圖像，根據(jù)原始掃描圖像換算得到掃描行程長(zhǎng)度；獲取預(yù)設(shè)的補(bǔ)償算法，并通過(guò)補(bǔ)償算法獲取補(bǔ)償算法參數(shù)，并根據(jù)掃描行程長(zhǎng)度和參數(shù)建立補(bǔ)償數(shù)學(xué)模型；根據(jù)補(bǔ)償數(shù)學(xué)模型，通過(guò)掃描行程長(zhǎng)度計(jì)算得到補(bǔ)償算法參數(shù)的參數(shù)值；檢測(cè)原始掃描圖像中存在的病灶，并對(duì)病灶進(jìn)行人工智能輔助測(cè)量，得到病灶對(duì)應(yīng)的體積測(cè)量初始值；根據(jù)補(bǔ)償算法參數(shù)的對(duì)應(yīng)參數(shù)值對(duì)體積測(cè)量初始值進(jìn)行補(bǔ)償，輸出最終體積值。采用本方法能夠防止在進(jìn)行乳腺超聲柔性掃描時(shí)，即消除掃描時(shí)可能因?yàn)閭€(gè)體差異、掃描手法差異等情況造成的體積測(cè)量結(jié)果不準(zhǔn)確的情況。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療器械技術(shù)領(lǐng)域，尤其涉及一種柔性掃描圖像的AI輔助測(cè)量體積補(bǔ)償方法及裝置。

背景技術(shù)

自動(dòng)乳腺超聲成像系統(tǒng)是一種三維超聲成像新技術(shù)，能夠?qū)崿F(xiàn)操作便捷的全乳腺掃描，三維重建顯示冠狀面圖像等功能，在乳腺疾病診斷中有良好的應(yīng)用前景。

目前市場(chǎng)上的自動(dòng)乳腺超聲產(chǎn)品存在兩種不同的掃描方式，一種是以西門(mén)子ABVS為例的剛性掃描，掃描過(guò)程中探頭按直線行進(jìn)，擠壓乳房給用戶帶來(lái)明顯疼痛感；另一種是以深博自動(dòng)乳腺超聲為例的柔性掃描，掃描過(guò)程中探頭行進(jìn)路線緊貼乳房自然弧度，通過(guò)兩側(cè)的傳感器感應(yīng)掃描路線的起始與停止，無(wú)需大力按壓，有著更舒適的用戶體驗(yàn)。

自動(dòng)乳腺超聲得到的圖像能夠經(jīng)過(guò)三維重建，供醫(yī)生后續(xù)反復(fù)瀏覽與進(jìn)行腫瘤測(cè)量。為減輕醫(yī)生工作負(fù)擔(dān)，目前設(shè)備都有基于人工智能的輔助測(cè)量結(jié)果，提供腫瘤最長(zhǎng)徑、體積等量化指標(biāo)。

雖然柔性掃描帶來(lái)的用戶體驗(yàn)提升是顯而易見(jiàn)的，但由于探頭行進(jìn)路線并非固定在同一平面，重建圖像不可避免的存在一定幾何畸變，對(duì)腫瘤進(jìn)行AI輔助測(cè)量后得到的量化結(jié)果也有一定影響。同時(shí)，因?yàn)閭€(gè)體乳房體態(tài)的差異，掃描手法的差異，以及柔性材料的不同選擇，不同的用戶、使用者和不同機(jī)器的掃描行程之間也存在差異，最終導(dǎo)致測(cè)量結(jié)果不夠準(zhǔn)確。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明實(shí)施例提供一種柔性掃描圖像的AI輔助測(cè)量體積補(bǔ)償方法及裝置。

本發(fā)明實(shí)施例提供一種柔性掃描圖像的AI輔助測(cè)量體積補(bǔ)償方法，包括：

獲取柔性掃描的原始掃描圖像，根據(jù)所述原始掃描圖像換算得到掃描行程長(zhǎng)度；

獲取預(yù)設(shè)的補(bǔ)償算法，并通過(guò)所述補(bǔ)償算法獲取對(duì)應(yīng)的補(bǔ)償算法參數(shù)，并根據(jù)所述掃描行程長(zhǎng)度和所述參數(shù)建立對(duì)應(yīng)的補(bǔ)償數(shù)學(xué)模型；

根據(jù)所述補(bǔ)償數(shù)學(xué)模型，通過(guò)所述掃描行程長(zhǎng)度計(jì)算得到所述補(bǔ)償算法參數(shù)的對(duì)應(yīng)參數(shù)值；

檢測(cè)所述原始掃描圖像中存在的病灶，并對(duì)所述病灶進(jìn)行人工智能輔助測(cè)量，得到所述病灶對(duì)應(yīng)的體積測(cè)量初始值；

根據(jù)所述補(bǔ)償算法參數(shù)的對(duì)應(yīng)參數(shù)值對(duì)所述體積測(cè)量初始值進(jìn)行補(bǔ)償，輸出補(bǔ)償后的最終體積值。

在其中一個(gè)實(shí)施例中，所述方法還包括：

獲取分割模型，通過(guò)所述分割模型得到所述病灶的切面分割結(jié)果；

根據(jù)所述切面分割結(jié)果測(cè)量得到所述病灶的長(zhǎng)短軸數(shù)值；

獲取預(yù)設(shè)的計(jì)算公式，結(jié)合所述長(zhǎng)短軸數(shù)值計(jì)算得到所述體積測(cè)量初始值。

在其中一個(gè)實(shí)施例中，所述方法還包括：

獲取所述病灶在所述原始掃描圖像對(duì)應(yīng)的矢狀面上的坐標(biāo)位置；

建立與所述病灶的病灶模型，并根據(jù)所述病灶模型和所述體積測(cè)量初始值計(jì)算得到對(duì)應(yīng)的坐標(biāo)參數(shù)；

并通過(guò)所述補(bǔ)償算法參數(shù)的對(duì)應(yīng)參數(shù)值對(duì)所述坐標(biāo)參數(shù)進(jìn)行替換；

通過(guò)替換后的坐標(biāo)參數(shù)，結(jié)合預(yù)設(shè)的體積計(jì)算公式，計(jì)算得到所述最終體積值。