[發明專利]基于超聲影像設備的超聲圖像采集方法以及相關裝置

在審

• 申請號: 202111246132.9
• 申請日: 2021-10-25
• 公開（公告）號: CN113842166A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 張維拓;錢碧云;徐天宇
• 申請（專利權）人: 上海交通大學醫學院
• 主分類號: A61B8/08
• 分類號: A61B8/08;A61B8/00;G06N3/04;G06N3/08;G06T7/00
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 高科;李志剛

1.一種基于超聲影像設備的超聲圖像采集方法，其特征在于，包括：

通過所述超聲影像設備，獲取連續超聲圖像；

將所述連續超聲圖像中的第N幀圖像以及所述連續超聲圖像，輸入至預設神經網絡模型，其中所述預設神經網絡模型為使用多組圖像數據通過機器學習訓練得出的，多組數據中的每組數據均包括：樣本超聲圖像、所述樣本超聲圖像的類別標簽，所述N為整數；

根據所述預設神經網絡模型，判斷所述第N幀圖像是否滿足采集要求；

若不滿足，則通過所述超聲影像設備中的提醒模塊對所述連續超聲圖像的采集方式進行指導，以重新獲取所述連續超聲圖像；

若滿足，則將第N幀圖像保存之后繼續判斷第N+1幀圖像是否同樣滿足采集要求。

2.根據權利要求1所述的方法，其特征在于，所述預設神經網絡模型，包括：多個單個深度神經網絡模型，每個所述單個深度神經網絡模型用于針對預設醫學場景以及醫學信息訓練得到，所述單個深度神經網絡模型至少包括如下之一的功能：

匹配背景模板、檢測單幀圖像的結節、判別單幀圖像的病灶良惡性、估計連續影像的置信度。

3.根據權利要求2所述的方法，其特征在于，所述預設神經網絡模型包括：第一深度神經網絡模型，所述超聲圖像包括甲狀腺超聲圖像，

采集甲狀腺的不同部分以及每個部分對應的設角度的超聲圖像，得到至少包括預設部位和預設角度的所述甲狀腺超聲圖像；

通過所述第一深度神經網絡模型，識別所述甲狀腺超聲圖像中的背景是否與預設背景匹配，其中，所述第一深度神經網絡模型為使用多組圖像數據通過機器學習訓練得出的，多組數據中的每組數據均包括：不同部位以及不同角度采集得到的頸部超聲圖像樣本；

如果匹配，則滿足所述超聲影像設備上超聲探頭的放置要求；

如果不匹配，則不滿足所述超聲影像設備上超聲探頭的放置要求。

4.根據權利要求2所述的方法，其特征在于，所述預設神經網絡模型包括：第二深度神經網絡模型，所述超聲圖像包括甲狀腺超聲圖像，

通過所述第二深度神經網絡模型，識別所述甲狀腺超聲圖像的單幀圖像中是否存在甲狀腺結節，其中所述第二深度神經網絡模型為使用多組圖像數據通過機器學習訓練得出的，多組數據中的每組數據均包括：含有甲狀腺結節以及不含甲狀腺結節的甲狀腺超聲圖像樣本，所述含有甲狀腺結節的甲狀腺超聲圖像中預先標注出結節位置信息和/或結節大小信息；

若檢測到，則截取甲狀腺結節的局部圖像作為輸入傳送至第三深度神經網絡模型。

5.根據權利要求4所述的方法，其特征在于，

基于所述第三深度神經網絡模型接收所述第二深度神經網絡模型輸入的所述甲狀腺結節的局部圖像，判別第二深度神經網絡模型所識別的結節為良性結節或惡性結節，其中，所述第三深度神經網絡模型為使用多組圖像數據通過機器學習訓練得出的，多組數據中的每組數據均包括：預先標注出良性以及惡性的甲狀腺結節局部圖像樣本。

6.根據權利要求1所述的方法，其特征在于，所述預設神經網絡模型還包括：第四深度神經網絡模型，所述超聲圖像包括甲狀腺超聲圖像，

將一個預設門限時間內的連續甲狀腺超聲圖像以及在所述預設門限時間內對甲狀腺超聲圖像單幀圖像的輸出的背景模板匹配結果、單幀圖像的結節檢測結果、單幀圖像的病灶良惡性判別結果，輸入至所述第四深度神經網絡模型；

基于所述第四深度神經網絡模型，輸出所述預設門限時間內每一幀甲狀腺超聲圖像的置信度評分，以及連續甲狀腺超聲圖像的整體置信度。

7.根據權利要求6所述的方法，其特征在于，還包括：

如果所述連續甲狀腺超聲圖像的整體置信度低于閾值，則通過所述超聲影像設備中的提醒模塊對所述連續超聲圖像的采集方式進行指導，以重新獲取所述連續超聲圖像；

如果所述連續甲狀腺超聲圖像的整體置信度高于閾值，則根據每幀圖像的置信度，則選擇置信度最高的圖片。