[發明專利]一種肝臟超聲標準切面識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110961123.1
• 申請日: 2021-08-20
• 公開（公告）號: CN113658145B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 程棟梁;洪洋;何年安;劉振
• 申請（專利權）人: 合肥合濱智能機器人有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/25;G06V10/44;G06V10/762;G06V10/74;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 安徽知問律師事務所 34134
• 代理人: 代群群

1.一種肝臟超聲標準切面識別方法，其特征在于，所述方法包括：

獲取待識別的圖像，提取所述待識別圖像的感興趣區域，其中所述待識別圖像為包括肝臟部位的超聲圖像；

將所述待識別圖像的感興趣區域輸入預置的特征提取網絡模型，提取第一特征向量；

將所述第一特征向量與預置的肝臟切面檢索庫中第二特征向量進行匹配，獲得對應的匹配度；

根據所述匹配度大小，判斷所述第一特征向量對應的待識別圖像是否為肝臟標準切面；

所述預置的肝臟切面檢索庫包括：標準肝臟切面檢索子庫以及非標準肝臟切面檢索子庫；

所述第二特征向量包括與所述標準肝臟切面檢索子庫對應的第三特征向量，以及與所述非標準肝臟切面檢索子庫對應的第四特征向量；

將所述第一特征向量分別與所述第三特征向量和第四特征向量進行特征匹配，獲得對應的匹配度；

通過的預置的特征提取網絡模型，對數據庫中所有肝臟標準切面圖像提取第三特征，使用k-means算法獲得第三特征的一個聚類中心，這個聚類中心代表了肝臟標準切面圖像的共同屬性，同理數據庫中非標準肝臟切面也會獲得第四特征的一個聚類中心；

所述預置的特征提取網絡模型訓練步驟包括：

S202：構建訓練集，所述訓練集包括多張包含肝臟超聲標準切面圖像以及肝臟超聲非標準切面圖像；

S204：對訓練集中的每張訓練圖像X進行擴增，獲得與每張訓練圖像X對應的多張變換圖像；

S206：任選兩張變換圖像X1和變換圖像X2作為一組，提取變化圖像X1的第一特征Z1，提取變化圖像X2的第二特征Z2；

S208：將所述第一特征Z1和第二特征Z2進行變換，獲得與所述第一特征Z1對應的變換特征P1以及與所述第二特征Z2對應變換特征P2；

S210：根據第一特征Z1與變換特征P2的余弦值以及第二特征Z2與變換特征P1的余弦值，確定特征提取網絡模型損失函數，根據損失計算梯度更新特征提取網絡模型參數，獲得預置的特征提取網絡模型；

所述步驟S210包括：

計算Z2和P1的最小化余弦相似度

計算Z1和P2的最小化余弦相似度

特征提取網絡模型損失函數模型為

將增強后的兩張變換圖像X1和變換圖像X2輸入到相同的編碼器中提取特征z₁和z₂，編碼器采用ResNet50網絡，編碼器的作用是對輸入圖像進行從淺到深的特征提取，對同類數據進行相似的編碼，并使不同類的數據的編碼結果盡可能的不同，拉近相似的樣本，推開不相似的樣本；

所述ResNet50網絡，由一個卷積層、一個最大池化層、四個殘差結構層、一個平均池化層和最后的全連接層組成，其中編碼器在ResNet50的基礎上在平均池化層和全連接層之間增加了多層感知機結構，用于獲得更加高層抽象的語義特征，經過卷積下采樣的特征提取過程，獲得從淺層的結構特征到高層的語義特征。

2.根據權利要求1所述的一種肝臟超聲標準切面識別方法，其特征在于，在提取待識別圖像的感興趣區域步驟前，還包括：

將所述待識別的圖像通過圖像增強方法獲得多組第一圖像；所述第一圖像為與待識別的圖像具有同一目標，但在不同視角下的圖像。

3.根據權利要求2所述的一種肝臟超聲標準切面識別方法，其特征在于，提取所述待識別圖像的感興趣區域步驟包括：

將第一圖像進行二值化處理，二值化后的第一圖像背景區域為黑色，將二值化后白色的超聲扇形區域定義為感興趣區域；

對二值化后圖像進行開運算，去除白色的超聲扇形區域邊緣噪聲，截取剩余白色區域的最小外接矩形區域，作為感興趣區域圖像。