[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

本發明公開了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，屬于智能醫療技術領域。該方法包括獲取待識別的圖像，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。通過自監督對比學習可以訓練所有的原始多樣性樣本，使預置的特征提取網絡模型學到的特征具有極強的泛化性，可以顯著降低誤檢；建立的肝臟標準切面特征檢索庫，采用特征向量匹配的方式識別肝臟標準切面，能夠得到準確的分類結果，同時降低了噪聲的干擾。

技術領域

本發明屬于智能醫療技術領域，具體地說，涉及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。

背景技術

肝臟是身體內以代謝功能為主的一個器官，并在身體里面起著去氧化、儲存肝糖分泌性蛋白質等作用。據國際癌癥研究中心的最新資料表明，2018年全球肝癌新發人數超過84萬，因肝癌導致的死亡人數約為78萬。其中，約一半的肝癌新發病例發生在我國。因此，盡早發現、診斷、治療在肝癌的治療中起到非常重要的作用。

目前，醫學影像檢查，可較全面地觀察肝臟器官，分析與評估此類淺表器官組織病變。而超聲成像因為其價格最為低廉，對患者無侵入性傷害且輻射低以及篩查效率高等特性導致超聲圖像成為目前最流行的肝臟病變早期篩查手段。

現有肝臟的超聲臨床診斷分為以下三個步驟：一、臨床醫生定位肝臟檢查中的標準切面圖像。二、測量標準切面中的具體特征，比如肝臟的尺度，肝臟周圍血管的厚度等。三、醫生結合在標準切面中得到的特征做出最終的臨床診斷。其中，肝臟超聲標準切面圖像是指在特定角度下拍攝的肝臟超聲圖像。標準切面可以反映出肝臟的解剖結構，有助于醫生觀察肝臟的病變情況。然而，不同患者的肝臟特征都有所不同，這導致每一次標準切面的定位都不具有標準化步驟。因此，定位標準切面的過程需要超聲醫生具有豐富的臨床經驗以及完善的專業知識。為了提高醫生的診斷效率，降低臨床的經驗門檻，計算機輔助診斷系統應運而生。

對于醫學圖像處理，現有的方法一方面是基于傳統的手工設計的圖像特征設計醫療圖像處理算法。圖像特征的設計過程一般需要研究者的大量研究經驗，而且人工設計的圖像特征的魯棒性一般不強，無法適應大部分的圖像。

另一方面是基于深度學習的醫療圖像處理算法能夠獲得更高的準確率比起傳統基于設計特征的算法。例如，現有中國專利申請號為CN201810658611.3，公開的一種基于超聲圖像的多模型肝臟彌漫性疾病智能診斷方法及系統，其技術方案為：一種基于超聲圖像的多模型肝臟彌漫性疾病智能診斷方法及系統，具體涉及利用深度學習算法提取圖像特征與圖像紋理特征相結合并應用XGBoost算法在超聲圖像上實現肝臟彌漫性疾病智能診斷的方法，它是人工智能方法在基于超聲圖像的診斷中的應用，可以為醫生的疾病診斷提供輔助建議。

但是，上述方法中深度學習在醫療圖像處理上的應用具有天然的瓶頸。這主要的原因如下：其一，深度學習網絡通常需要大量的數據集才能發揮網絡的最佳性能；然而醫學圖像數據集往往圖像收集難度大，收集耗時長。其二，醫學圖像和自然圖像最大的差別是，醫學圖像的特征不明確，并且由于不同操作員技術上的差異導致，圖像質量也是參差不齊，導致深度學習的數據需要進一步處理，這也加大了深度學習在醫療圖像運用的難度。

因此，如何根據現實中較少可用訓練數據，能夠準確提取超聲圖像的特征，提高肝臟標準切面的分類準確率成為當前亟需解決的問題。

發明內容