CN112184656B - 基于超声动态图像的胎儿切面的确定方法及装置 - Google Patents

基于超声动态图像的胎儿切面的确定方法及装置 Download PDF

Info

Publication number
CN112184656B
CN112184656B CN202011017783.6A CN202011017783A CN112184656B CN 112184656 B CN112184656 B CN 112184656B CN 202011017783 A CN202011017783 A CN 202011017783A CN 112184656 B CN112184656 B CN 112184656B
Authority
CN
China
Prior art keywords
fetal
feature
ultrasonic image
structural feature
section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011017783.6A
Other languages
English (en)
Other versions
CN112184656A (zh
Inventor
谢红宁
汪南
冼建波
梁喆
刘树郁
杨燕淇
吴杰林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Aiyunji Information Technology Co Ltd
Original Assignee
Guangzhou Aiyunji Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Aiyunji Information Technology Co Ltd filed Critical Guangzhou Aiyunji Information Technology Co Ltd
Priority to CN202011017783.6A priority Critical patent/CN112184656B/zh
Publication of CN112184656A publication Critical patent/CN112184656A/zh
Priority to JP2023518457A priority patent/JP2023542371A/ja
Priority to KR1020237009510A priority patent/KR20230054427A/ko
Priority to PCT/CN2021/096824 priority patent/WO2022062461A1/zh
Priority to GB2304874.7A priority patent/GB2614197A/en
Priority to US18/126,381 priority patent/US20230230238A1/en
Application granted granted Critical
Publication of CN112184656B publication Critical patent/CN112184656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/523—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for generating planar views from image data in a user selectable plane not corresponding to the acquisition plane
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/273—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion removing elements interfering with the pattern to be recognised
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30044—Fetus; Embryo
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Multimedia (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Pregnancy & Childbirth (AREA)
  • Gynecology & Obstetrics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于超声动态图像的胎儿切面的确定方法及装置，该方法包括：将获取到的连续多帧胎儿超声图像中每帧胎儿超声图像依次输入预先确定出的特征检测模型中进行分析；获取特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息；根据每帧胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。可见，实施本发明通过获取连续多帧胎儿超声图像的部位特征以及结构特征，并结合胎儿超声图像的部位特征以及结构特征，确定胎儿超声图像的切面，能够提高胎儿超声图像的切面的确定准确性，即能够提升胎儿超声图像的切面的标准化程度；还能够提高胎儿超声图像的切面的确定效率。

Description

基于超声动态图像的胎儿切面的确定方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于超声动态图像的胎儿切面的确定方法及装置。
背景技术
由于可以从胎儿切面知晓胎儿的发育情况，因此，胎儿切面成为胎儿孕周准确确定的关键点。目前胎儿切面的确定方法为：通过分析单张胎儿超声图片，直接得到胎儿切面，或者，进一步的，在得到胎儿切面之后，由具有经验的相关人员分析该胎儿切面，从而完成胎儿切面的最终确定。
然而，实践发现，由于是直接从数据量较少的单张超声图片确定胎儿切面以及由于相关人员的经验有限和/或疲劳工作，这很容易导致获取到准确性较低的胎儿切面，从而无法准确确定胎儿的生长发育情况。因此，如何获取到准确的胎儿切面显得尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种基于超声动态图像的胎儿切面的确定方法及装置，能够获取到准确的胎儿切面。
为了解决上述技术问题，本发明第一方面公开了一种基于超声动态图像的胎儿切面的确定方法，所述方法包括：
将获取到的连续多帧胎儿超声图像中每帧所述胎儿超声图像依次输入预先确定出的特征检测模型中进行分析；
获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息，每帧所述胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧所述胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧所述胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别，每个所述胎儿超声图像的结构特征至少包括该胎儿超声图像的关键结构特征；
根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。
作为一种可选的实施方式，在本发明第一方面中，所述获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息之后，所述方法还包括：
检测所有所述胎儿超声图像中是否存在与之特征信息不匹配的特征的目标胎儿超声图像；
当检测结果为是时，从所有所述胎儿超声图像中筛选所有所述目标胎儿超声图像，并基于预先确定出的特征滤除方式对与每帧所述目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
作为一种可选的实施方式，在本发明第一方面中，所述基于预先确定出的特征滤除方式对与每帧所述目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像，包括：
获取每帧所述目标胎儿超声图像、该目标胎儿超声图像的前若干帧胎儿超声图像以及后若干帧胎儿超声图像的平均灰度值；
基于每帧所述目标胎儿超声图像对应的平均灰度值对该目标胎儿超声图像的特征信息执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像；或者，
确定与每帧所述目标胎儿超声图像的特征信息不匹配的特征所在的位置，并根据对应的位置删除与每帧所述目标胎儿超声图像的特征信息不匹配的特征，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
作为一种可选的实施方式，在本发明第一方面中，所述根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面之后，所述方法还包括：
检测每帧所述胎儿超声图像对应的切面是否存在与该切面不匹配的特征，当检测到该胎儿超声图像对应的切面存在与该切面不匹配的特征时，删除与该切面不匹配的特征。
作为一种可选的实施方式，在本发明第一方面中，每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度以及该结构特征的位置概率，每个所述结构特征的位置概率为该结构特征在对应胎儿超声图像中的位置；
以及，所述方法还包括：
基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值，并判断当前帧所述胎儿超声图像对应的切面的切面分值是否大于确定出的最优切面的切面分值，所述最优切面为切面分值最高的切面；
当判断结果为是时，将所述最优切面的帧序号更新为当前帧所述胎儿超声图像对应的切面的帧序号，每帧所述胎儿超声图像均存在唯一对应的帧序号；
当判断结果为否时，获取下一帧胎儿超声图像作为当前帧所述胎儿超声图像，并触发执行所述的基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值的操作。
作为一种可选的实施方式，在本发明第一方面中，所述获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息之后，所述方法还包括：
检测每帧所述胎儿超声图像的结构特征中是否存在疑似异常结构特征，当检测到该胎儿超声图像的结构特征中存在疑似异常结构特征时，获取该胎儿超声图像中的疑似异常结构特征的目标信息，每个所述疑似异常结构特征的目标信息用于确定该疑似异常结构特征是否为异常特征结构；
根据每个所述疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件，当判断出该疑似异常结构特征满足所述异常结构特征确定条件时，确定该疑似异常结构特征为异常结构特征；
确定每个所述异常结构特征所对应的切面为异常切面。
作为一种可选的实施方式，在本发明第一方面中，所述根据每个所述疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件，包括：
根据每个所述疑似异常结构特征的目标信息，确定该疑似异常结构特征对应的异常表示类型，该异常表示类型包括数值表示类型和/或特征形态表示类型；
当所述疑似异常结构特征的异常表示类型为所述数值表示类型时，获取该疑似异常结构特征对应的几何参数值，并判断该疑似异常结构特征对应的几何参数值是否在预先确定出的正常参数值范围内，当判断结果否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件，每个所述疑似异常结构特征对应的几何参数值包括该疑似异常结构特征对应的横径和/或该异常结构特征对应的周长；
当所述疑似异常结构特征的异常表示类型为所述特征形态表示类型时，判断该疑似异常结构特征是否位于该疑似异常结构特征对应的部位特征的检测区域内，当判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。
作为一种可选的实施方式，在本发明第一方面中，所述获取所述疑似异常结构特征对应的几何参数值，包括：
当所述特征检测模型为预先确定出的可确定特征轮廓的检测模型时，每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的轮廓信息，根据所述疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值；
当所述特征检测模型不为所述可确定特征轮廓的检测模型时，将所述疑似异常结构特征对应的胎儿超声图像输入所述可确定特征轮廓的检测模型中进行分析，并获取所述可确定特征轮廓的检测模型输出的分析结果，作为该疑似异常结构特征对应的胎儿超声图像的结构特征的轮廓信息，以及根据该疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值。
本发明第二方面公开了一种基于超声动态图像的胎儿切面的确定装置，所述装置包括：
分析模块，用于将获取到的连续多帧胎儿超声图像中每帧所述胎儿超声图像依次输入预先确定出的特征检测模型中进行分析；
获取模块，用于获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息，每帧所述胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧所述胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧所述胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别；
确定模块，用于根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第一检测模块，用于在所述获取模块获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息之后，检测所有所述胎儿超声图像中是否存在与之特征信息不匹配的特征的目标胎儿超声图像；
筛选模块，用于当所述第一检测模块检测到所述目标胎儿超声图像时，从所有所述胎儿超声图像中筛选所有所述目标胎儿超声图像；
滤除模块，用于基于预先确定出的特征滤除方式对与每帧所述目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
作为一种可选的实施方式，在本发明第二方面中，所述滤除模块基于预先确定出的特征滤除方式对与每帧所述目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像具体方式为：
获取每帧所述目标胎儿超声图像、该目标胎儿超声图像的前若干帧胎儿超声图像以及后若干帧胎儿超声图像的平均灰度值；
基于每帧所述目标胎儿超声图像对应的平均灰度值对该目标胎儿超声图像的特征信息执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像；或者，
确定与每帧所述目标胎儿超声图像的特征信息不匹配的特征所在的位置，并根据对应的位置删除与每帧所述目标胎儿超声图像的特征信息不匹配的特征，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第二检测模块，用于在所述确定模块根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面之后，检测每帧所述胎儿超声图像对应的切面是否存在与该切面不匹配的特征；
删除模块，用于当所述第二检测模块检测到每帧所述胎儿超声图像对应的切面存在与该切面不匹配的特征时，删除与该切面不匹配的特征。
作为一种可选的实施方式，在本发明第二方面中，每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度以及该结构特征的位置概率，每个所述结构特征的位置概率为该结构特征在对应胎儿超声图像中的位置；
以及，所述装置还包括：
所述确定模块，还用于基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值；
第一判断模块，用于判断当前帧所述胎儿超声图像对应的切面的切面分值是否大于确定出的最优切面的切面分值，所述最优切面为切面分值最高的切面；
更新模块，用于当所述第一判断模块判断结果为是时，将所述最优切面的帧序号更新为当前帧所述胎儿超声图像对应的切面的帧序号，每帧所述胎儿超声图像均存在唯一对应的帧序号；
所述获取模块，还用于当所述第一判断模块判断结果为否时，获取下一帧胎儿超声图像作为当前帧所述胎儿超声图像，并触发所述确定模块执行所述的基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值的操作。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第三检测模块，用于在所述获取模块获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息之后，检测每帧所述胎儿超声图像的结构特征中是否存在疑似异常结构特征；
所述获取模块，还用于当所述第三检测模块检测到该胎儿超声图像的结构特征中存在疑似异常结构特征时，获取该胎儿超声图像中的疑似异常结构特征的目标信息，每个所述疑似异常结构特征的目标信息用于确定该疑似异常结构特征是否为异常特征结构；
第二判断模块，用于根据每个所述疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件；
所述确定模块，还用于当所述第二判断模块判断出该疑似异常结构特征满足所述异常结构特征确定条件时，确定该疑似异常结构特征为异常结构特征；
所述确定模块，还用于确定每个所述异常结构特征所对应的切面为异常切面。
作为一种可选的实施方式，在本发明第二方面中，所述第二判断模块包括：
确定子模块，用于根据每个所述疑似异常结构特征的目标信息，确定该疑似异常结构特征对应的异常表示类型，该异常表示类型包括数值表示类型和/或特征形态表示类型；
获取子模块，用于当所述疑似异常结构特征的异常表示类型为所述数值表示类型时，获取该疑似异常结构特征对应的几何参数值；
判断子模块，用于判断该疑似异常结构特征对应的几何参数值是否在预先确定出的正常参数值范围内；
所述确定子模块，还用于当所述判断子模块判断结果否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件，每个所述疑似异常结构特征对应的几何参数值包括该疑似异常结构特征对应的横径和/或该异常结构特征对应的周长；
所述判断子模块，还用于当所述疑似异常结构特征的异常表示类型为所述特征形态表示类型时，判断该疑似异常结构特征是否位于该疑似异常结构特征对应的部位特征的检测区域内，当判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件；
所述确定子模块，用于当所述判断子模块判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。
作为一种可选的实施方式，在本发明第二方面中，所述获取子模块获取所述疑似异常结构特征对应的几何参数值的方式具体为：
当所述特征检测模型为预先确定出的可确定特征轮廓的检测模型时，每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的轮廓信息，根据所述疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值；
当所述特征检测模型不为所述可确定特征轮廓的检测模型时，将所述疑似异常结构特征对应的胎儿超声图像输入所述可确定特征轮廓的检测模型中进行分析，并获取所述可确定特征轮廓的检测模型输出的分析结果，作为该疑似异常结构特征对应的胎儿超声图像的结构特征的轮廓信息，以及根据该疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值。
本发明第三方面公开了另一种基于超声动态图像的胎儿切面的确定装置，所述确定装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于超声动态图像的胎儿切面的确定方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于超声动态图像的胎儿切面的确定方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，将获取到的连续多帧胎儿超声图像中每帧胎儿超声图像依次输入预先确定出的特征检测模型中进行分析；获取特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息，每帧胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别，每个胎儿超声图像的结构特征至少包括该胎儿超声图像的关键结构特征；根据每帧胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。可见，实施本发明通过获取连续多帧胎儿超声图像的部位特征以及结构特征，并结合胎儿超声图像的部位特征以及结构特征，确定胎儿超声图像的切面，无需人工参与胎儿超声图像的切面的确定，能够提高胎儿超声图像的切面的确定准确性，即能够提升胎儿超声图像的切面的标准化程度；以及通过将胎儿超声图像输入特征检测模型进行分析，还能够提高胎儿超声图像的切面的确定效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于超声动态图像的胎儿切面的确定方法的流程示意图；
图2是本发明实施例公开的另一种基于超声动态图像的胎儿切面的确定方法的流程示意图；
图3是本发明实施例公开的一种基于超声动态图像的胎儿切面的确定装置的结构示意图；
图4是本发明实施例公开的另一种基于超声动态图像的胎儿切面的确定装置的结构示意图；
图5是本发明实施例公开的又一种基于超声动态图像的胎儿切面的确定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于超声动态图像的胎儿切面的确定方法及装置，能够通过获取连续多帧胎儿超声图像的部位特征以及结构特征，并结合胎儿超声图像的部位特征以及结构特征，确定胎儿超声图像的切面，无需人工参与胎儿超声图像的切面的确定，能够提高胎儿超声图像的切面的确定准确性，即能够提升胎儿超声图像的切面的标准化程度；以及通过将胎儿超声图像输入特征检测模型进行分析，还能够提高胎儿超声图像的切面的确定效率。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于超声动态图像的胎儿切面的确定方法的流程示意图。如图1所示，该基于超声动态图像的胎儿切面的确定方法可以包括以下操作：
101、将获取到的连续多帧胎儿超声图像中每帧胎儿超声图像依次输入预先确定出的特征检测模型中进行分析。
本发明实施例中，可以按照预先确定出的帧率连续获取多帧胎儿超声图像，其中，预先确定出的帧率与所需获取的胎儿超声图像的切面有关，即根据所需获取的胎儿超声图像的切面来选择帧率，例如：若需要获取的是腹围切面，则帧率可以为30帧/秒；若需要获取的是四腔心切面，则帧率可以为60帧/秒。这样根据所需获取的胎儿超声图像的切面选择对应的帧率，有利于提高所需胎儿超声图像的切面的获取效率以及准确性。
本发明实施例中，每帧胎儿超声图像均存在唯一对应的帧序号。这样通过为每帧胎儿超声图像设定唯一的帧序号，能够在胎儿超声图像的切面的获取过程中，清楚区分每帧胎儿超声图像，以及有利于对胎儿超声图像及其切面的信息进行智能化管理，例如：切面的类别、已检切面、未检切面等。
本发明实施例中，特征检测模型可以包括确定出的目标检测模型、实例分割模型以及语义分割模型等能够获取到胎儿超声图像的部位特征信息以及结构特征信息中的至少一种，本发明实施例不做限定。
102、获取上述特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息，每帧胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别。
本发明实施例中，每帧胎儿超声图像的部位特征的类别可以包括颅脑特征类别、颜面特征类别、腹部特征类别、四肢特征类别、胸腹特征类别、盆腹特征类别、胸部特征类别中的其中一种，本发明实施例不做限定。其中，每个类别的部位特征均包括多个人体方位中的至少一个人体方位的部位特征，其中，该多个人体方位包括水平方位、矢状方位以及冠状方位。例如：颅脑部位特征包括颅脑矢状切面、颅脑水平切面、颅脑冠状切面。进一步的，当胎儿超声图像的部位特征的方位确定之后，该胎儿超声图像的结构特征的方位也跟着确定，且该结构特征的方位与对应的部位特征的方位相同。
本发明实施例中，每帧胎儿超声图像的结构特征至少包括该胎儿超声图像的关键结构特征。其中，每帧胎儿超声图像的关键结构特征为能够表征该胎儿超声图像的切面的特征，即当获取到胎儿超声图像的关键结构特征时，根据对应的关键结构特征即可确定切面的类别。其中，每帧胎儿超声图像包括的关键结构特征的数量至少为一个，例如：胎儿超声图像的关键结构特征包括胃泡结构特征和脐静脉结构特征。进一步的，胎儿超声图像的结构特征还包括该胎儿超声图像的其他结构特征(非关键结构特征)，例如：胃泡和脐静脉为腹围切面的关键结构特征，肝脏、降主动脉、肋骨、下腔静脉为腹围切面的其他结构特征。这样胎儿超声图像包括的结构特征越多，越能够提高该胎儿超声图像的切面的确定准确性。
本发明实施例中，每帧胎儿超声图像的部位特征信息还包括该胎儿超声图像的部位特征的置信度(部位特征类别概率)、图形坐标、尺寸、位置概率中的至少一种。每帧胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度(结构特征类别概率)、图形坐标、尺寸、位置概率中的至少一种，本发明实施例不做限定。其中，图形坐标可以包括多边形坐标或椭圆形坐标，其中，多边形坐标可以包括奇数多边形坐标或偶数多边形坐标，例如：五角形坐标、长方形坐标，多边形坐标的选取取决于部位特征或结构特征的形状，这样能够提高部位特征和/或结构特征的坐标获取准确性。又进一步的，每帧胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的多边形轮廓信息，例如：多边形轮廓坐标，这样特征信息包括的内容越多越有利于胎儿超声图像对应的切面的获取准确性以及后续的疑似异常结构特征的确定准确性。
103、根据每帧胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。
本发明实施例中，举例来说，胃泡和脐静脉为腹围切面的关键结构特征；胃泡和胆囊为胆囊脐静脉切面的关键结构特征。当检测到的部位特征为腹部特征且结构特征为胃泡特征和脐静脉特征时，则确定胎儿超声图像对应的切面为腹围切面；当检测到的部位特征为腹部特征且结构特征为胃泡特征和胆囊特征时，则确定胎儿超声图像对应的切面为胆囊脐静脉切面。进一步的，当胎儿超声图像对应的切面除了包括关键结构特征之外，还包括其他匹配的结构特征，则胎儿超声图像对应的切面为标准切面，例如：腹围切面除了包括胃泡和脐静脉关键结构特征之外，还包括肝脏、降主动脉、肋骨、下腔静脉结构特征，则腹围切面为腹围标准切面。
在一个可选的实施例中，在执行完毕步骤102之后，该基于超声动态图像的胎儿切面的确定方法还可以包括以下步骤：
检测所有胎儿超声图像中是否存在与之特征信息不匹配的特征的目标胎儿超声图像；
当检测结果为是时，从所有胎儿超声图像中筛选所有目标胎儿超声图像，并基于预先确定出的特征滤除方式对与每帧目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
该可选的实施例中，特征滤除方式可以包括特征平滑滤除方式、均值滤除方式、限幅滤除方式以及长短期记忆(LSTM，Long Short-Term Memory)滤除方式等能够滤除与胎儿超声图像的特征信息不匹配的特征的方式中的至少一种，该可选的实施例不做限定。
需要说明的是，该可选的实施例可以发生在步骤103之前或之后，当发生在步骤103之前时，步骤103中的每帧胎儿超声图像的特征信息为滤除与之特征信息不匹配的特征之后的特征信息。这样在确定胎儿超声图像对应的切面之前，先将不匹配的特征去除，能够减少数据处理量，从而提高胎儿超声图像的切面的确定准确性以及效率。
该可选的实施例中，当检测到所有胎儿超声图像中均不存在与之特征信息不匹配的特征的目标胎儿超声图像时，触发执行后续的步骤。
可见，该可选的实施例在获取到胎儿超声图像的特征信息之后，进一步判断胎儿超声图像中是否存在与之特征信息不匹配的特征，若存在，将不匹配的特征滤除，能够减少数据处理量，从而提高胎儿超声图像对应的切面的确定效率以及准确性。
在另一个可选的实施例中，基于预先确定出的特征滤除方式对与每帧目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像，包括：
获取每帧目标胎儿超声图像、该目标胎儿超声图像的前若干帧胎儿超声图像以及后若干帧胎儿超声图像的平均灰度值；
基于每帧目标胎儿超声图像对应的平均灰度值对该目标胎儿超声图像的特征信息执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像；或者，
确定与每帧目标胎儿超声图像的特征信息不匹配的特征所在的位置，并根据对应的位置删除与每帧目标胎儿超声图像的特征信息不匹配的特征，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
举例来说，第15帧胎儿超声图像的部位为颅脑，却出现了手指特征，则可以获取第15帧、第15帧的前4帧(即第11-14帧)以及后4帧(即第16-19帧)一共9帧胎儿超声图像的平均灰度值，并基于平均灰度值对第15帧胎儿超声图像执行滤除操作，以滤除颅脑中的手指特征，得到滤除后的第15帧胎儿超声图像，后者直接删除第15帧胎儿超声图像中的手指特征。
可见，该可选的实施例在判断出胎儿超声图像的特征信息存在与之特征信息不匹配的特征之后，通过获取到的该胎儿超声图像以及该胎儿超声图像前后多帧胎儿超声图像的平均灰度值，对不匹配的特征执行滤除操作或者直接删除不匹配的特征，能够实现不匹配的特征删除以及提高不匹配的特征的删除准确性、可靠性以及效率。
在又一个可选的实施例中，在执行完毕步骤103之后，该基于超声动态图像的胎儿切面的确定方法还可以包括以下步骤：
检测每帧胎儿超声图像对应的切面是否存在与该切面不匹配的特征，当检测到该胎儿超声图像对应的切面存在与该切面不匹配的特征时，删除与该切面不匹配的特征。
举例来说，当某一帧胎儿超声图像对应的切面为腹围切面时，若该腹围切面出现小脑结构特征，由于小脑结构特征与腹围切面不匹配，因此将该小脑结构特征从腹围切面删除。
该可选的实施例中，当检测到某一帧胎儿超声图像对应的切面不存在与该切面不匹配的特征时，可以结束本次流程，也可以触发执行后续的输出胎儿超声图像的切面对应的切面信息的操作。
可见，该可选的实施例在获取到胎儿超声图像对应的切面之后，进一步检测是否存在与该切面不匹配的特征，若存在，则删除该不匹配的特征，能够获取到高精确度的切面。
在又一个可选的实施例中，每帧胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度以及该结构特征的位置概率，每个结构特征的位置概率为该结构特征在对应胎儿超声图像中的位置情况，以及该基于超声动态图像的胎儿切面的确定方法还可以包括以下步骤：
基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧胎儿超声图像对应的切面的切面分值，并判断当前帧胎儿超声图像对应的切面的切面分值是否大于确定出的最优切面的切面分值；
当判断结果为是时，将最优切面的帧序号更新为当前帧胎儿超声图像对应的切面的帧序号，每帧胎儿超声图像均存在唯一对应的帧序号；
当判断结果为否时，获取下一帧胎儿超声图像作为当前帧胎儿超声图像，并触发执行上述的基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧胎儿超声图像对应的切面的切面分值的操作。
该可选的实施例中，当前帧胎儿超声图像对应的切面的切面分值的计算公式如下：
式中，S为当前帧胎儿超声图像对应的切面的切面分值，M为当前帧胎儿超声图像对应的切面的结构特征的总数量，Pi为当前帧胎儿超声图像对应的切面的第i个结构特征的置信度，Qi为当前帧胎儿超声图像对应的切面的第i个结构特征的位置概率，Oi为当前帧胎儿超声图像对应的切面的第i个结构特征的权重值。
该可选的实施例中，最优切面为所有切面中最高切面分值的切面。
该可选的实施例中，每个结构特征的权重值(也称加权值)是根据该结构特征在对应切面中可表现该切面的效能所决定的，其中，结构特征的效能越高，其权重值就越高，即该结构特征在所在切面的重要性就越大。其中，每个切面的结构特征均存在对应的权重值，即每个切面的关键结构特征均存在对应的权重值以及非关键结构特征均存在对应的权重值。进一步的，每个切面的每个关键结构特征的权重值可以相同也可以不相同，每个切面的每个非关键结构特征的权重值可以相同也可以不相同。需要说明的是，每个切面的每个关键结构特征的权重值均比该切面的非关键结构特征(其他结构特征)的权重值高。例如：丘脑切面，透明隔腔、丘脑和侧脑室为关键结构特征，脉络膜从和大脑外侧裂为非关键结构特征，则关键结构特征权重值均为1.0，非关键结构特征的权重值均为0.5。又例如：腹围切面，胃泡、脐静脉为关键结构特征，肝脏、降主动脉、肋骨、下腔静脉是非关键结构特征，则关键结构特征权重值均为1.0，非关键结构特征的权重值均为0.5。
该可选的实施例中，在得到最优切面之后，输出最优切面所在帧图像(即最优帧胎儿超声图像)的信息，其中，最优帧胎儿超声图像的信息包括帧序号、最优帧胎儿超声图像对应的切面的切面信息，其中，最优帧胎儿超声图像对应的切面的切面信息的描述请参阅下一个实施例中对应内容的描述，在此不再赘述。
可见，该可选的实施例在获取到胎儿超声图像的切面之后，进一步通过计算切面的切面得分，并实时将最高切面得分的切面更新为最优切面，能够提高最优切面的获取实时性、效率以及准确性。
本发明实施例中，需要说明的是，也可以在获取到所有胎儿超声图像的切面之后，再计算每个切面的切面得分，并从中选择最高切面得分的切面为最优切面。
在又一个可选的实施例中，在执行完毕步骤103之后，该基于超声动态图像的胎儿切面的确定方法还可以包括以下步骤：
输出每帧胎儿超声图像对应的切面的切面信息。
该可选的实施例中，每个切面的切面信息包括该切面的切面标识和/或该切面对应的结构信息，其中，每个切面的切面标识包括该切面对应胎儿超声图像的帧序号和/或切面名称，每个切面对应的结构信息包括该切面中结构特征的类别、图形坐标、多边形轮廓坐标、位置、位置概率、尺寸以及置信度中的至少一种，该可选的实施例不做限定。
可见，该可选的实施例在获取到胎儿超声图像对应的切面之后，进一步输出胎儿超声图像对应的切面的切面信息，便于相关人员，例如：医生，清楚知晓胎儿的生长发育情况。
在又一个可选的实施例中，在执行完毕步骤103之后，该基于超声动态图像的胎儿切面的确定方法还可以包括以下步骤：
将所有胎儿超声图像对应的切面输入预先训练好的神经网络模型(例如：CNN模型)中进行分析，并获取该神经网络模型输出的分析结果，作为该胎儿超声图像对应的胎儿的检测结果。
该可选的实施例中，进一步的，还可以将每个切面的切面信息一并输入神经网络模型中进行分析，这样能够提高胎儿超声图像对应的胎儿的检测结果的准确性以及可靠性。
该可选的实施例中，又进一步的，可以结合确定出的逻辑监督规则以及神经网络模型的分析结果综合分析胎儿超声图像对应的胎儿的发育情况，从而进一步提高胎儿的发育情况的确定准确性。其中，逻辑监督规则可以包括相关人员(例如：胎儿检查专家)多年所积累的与胎儿检测有关的经验。
可见，该可选的实施例在获取到胎儿超声图像对应的切面之后，进一步将胎儿超声图像对应的切面输入神经网络模型进行分析，能够获取到胎儿超声图像对应的胎儿的检测结果，从而综合分析胎儿的发育情况，进而得到精准的胎儿发育情况。
可见，实施图1所描述的基于超声动态图像的胎儿切面的确定方法能够通过获取连续多帧胎儿超声图像的部位特征以及结构特征，并结合胎儿超声图像的部位特征以及结构特征，确定胎儿超声图像的切面，无需人工参与胎儿超声图像的切面的确定，能够提高胎儿超声图像的切面的确定准确性，即能够提升胎儿超声图像的切面的标准化程度；以及通过将胎儿超声图像输入特征检测模型进行分析，还能够提高胎儿超声图像的切面的确定效率。
实施例二
请参阅图2，图2是本发明实施例公开的另一种基于超声动态图像的胎儿切面的确定方法的流程示意图。如图2所示，该基于超声动态图像的胎儿切面的确定方法可以包括以下操作：
201、将获取到的连续多帧胎儿超声图像中每帧胎儿超声图像依次输入预先确定出的特征检测模型中进行分析。
202、获取上述特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息，每帧胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别。
本发明实施例中，每个胎儿超声图像的结构特征至少包括该胎儿超声图像的关键结构特征。
203、检测每帧胎儿超声图像的结构特征中是否存在疑似异常结构特征，当检测结果为是时，触发执行步骤204；当检测结果为否时，可以结束本次流程，也可以触发执行步骤207。
204、获取每帧胎儿超声图像中的疑似异常结构特征的目标信息，每个疑似异常结构特征的目标信息用于确定该疑似异常结构特征是否为异常特征结构。
205、根据每个疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件，当判断出该疑似异常结构特征满足异常结构特征确定条件时，触发执行步骤206；当判断出该疑似异常结构特征不满足异常结构特征确定条件时，可以结束本次流程，也可以触发执行步骤207。
206、确定上述疑似异常结构特征为异常结构特征。
可见，本发明实施例在获取到胎儿超声图像的结构特征之后，进一步判断该结构特征中是否存在疑似异常结构特征，若存在，则根据获取到的信息判断该疑似异常结构特征是否满足异常结构特征确定条件，若满足，则确定该疑似异常结构特征为异常结构特征，能够提高胎儿超声图像存在异常结构特征的确定准确性，从而提高胎儿存在异常的确定准确性，进而提高胎儿超声图像对应的切面的确定准确性。
207、根据每帧胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。
需要说明的是，本发明实施例中，步骤203-步骤206与步骤207发生的先后顺序没有关系，即步骤203-步骤206除了可以发生在步骤207之前，还可以发生在步骤207之后，还可以和步骤207同时发生，本发明实施例不做限定。
本发明实施例中，针对步骤201、步骤202以及步骤207的相关描述，请参阅实施例一中针对步骤101-步骤103的详细描述，本发明实施例不再赘述。
在一个可选的实施例中，该基于超声动态图像的胎儿切面的确定方法可以包括以下操作：
208、确定每个异常结构特征所对应的切面为异常切面。
本发明实施例中，当确定出异常切面之后，输出该异常切面的切面信息，其中，该异常切面的切面信息包括异常结构特征的特征信息和/或正常结构特征的特征信息，其中，针对特征信息的相关描述请参阅本发明实施例中针对相关内容的描述，在此不再赘述。
在另一个可选的实施例中，根据每个疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件，可以包括：
根据每个疑似异常结构特征的目标信息，确定该疑似异常结构特征对应的异常表示类型，该异常表示类型包括数值表示类型和/或特征形态表示类型；
当疑似异常结构特征的异常表示类型为数值表示类型时，获取该疑似异常结构特征对应的几何参数值，并判断该疑似异常结构特征对应的几何参数值是否在预先确定出的正常参数值范围内，当判断结果否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件；
当疑似异常结构特征的异常表示类型为特征形态表示类型时，判断该疑似异常结构特征是否位于该疑似异常结构特征对应的部位特征的检测区域内，当判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件，当判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。
该可选的实施例中，每个部位特征的检测区域可以用一个检测框，例如：多边形框或椭圆形框，框选出来。
该可选的实施例中，每个疑似异常结构特征的目标信息包括该疑似异常结构特征的特征类别。每个疑似异常结构特征对应的几何参数值包括该疑似异常结构特征对应的横径和/或该异常结构特征对应的周长，这样几何参数值包括的内容越多，越有利于提高异常结构特征的判断准确性。其中，不同结构特征均存在对应的正常参数值范围，其中，不同结构特征对应的正常参数值范围可以相同，也可以不同。进一步的，同一结构特征的不同几何参数值对应不同的正常参数值范围。进一步的，每个疑似异常结构特征对应的几何参数值可以包括比例尺寸和/或实际尺寸。具体的，在判断出疑似异常结构特征对应的比例尺寸在预先确定出的正常参数值范围内之后，进一步获取疑似异常结构特征对应的实际尺寸，并判断该实际尺寸是否在预先确定出的正常尺寸范围内，当判断结果否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。这样通过同时将疑似异常结构特征的比例尺寸以及实际尺寸与各自的正常值进行对比，能够提高疑似异常结构特征是否满足确定出的异常结构特征确定条件的确定准确性，从而提高疑似异常结构特征是否为异常结构特征的确定准确性。又进一步的，根据疑似异常结构特征对应的几何参数值修改该疑似异常结构特征对应的名称，这样通过疑似异常结构特征的几何参数值修改其名称，能够清楚区分疑似异常结构特征的类型，便于后续的回顾查看。
该可选的实施例中，在判断出疑似异常结构特征位于该疑似异常结构特征对应的部位特征的检测区域内时，判断是否多帧胎儿超声图像均存在该疑似异常结构特征，当判断结果为是时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。其中，该多帧胎儿超声图像可以为以疑似异常结构特征所在胎儿超声图像为首帧胎儿超声图像往后连续或者断续出现的胎儿超声图像。这样在判断出疑似异常结构特征在对应部位特征的检测区域内时，进一步判断是否存在多帧胎儿超声图像存在该疑似异常结构特征，若存在，则确定满足异常结构特征确定条件，能够提高疑似异常结构特征是否满足确定出的异常结构特征确定条件的确定准确性，从而提高疑似异常结构特征是否为异常结构特征的确定准确性。
该可选的实施例中，也可以通过计算疑似异常结构特征与其对应的正常结构特征的相似度来确定该疑似异常结构特征是否为异常结构特征，即当疑似异常结构特征与其对应的正常结构特征的相似度小于等于预设相似度阈值(例如：95％)时，确定该疑似异常结构特征满足异常结构特征确定条件。
现分别对数值表示类型以及特征形态表示类型的疑似异常结构特征进行举例说明：
(一)数值表示类型：当检测到的疑似异常结构特征为侧脑室临界性增宽特征时，将侧脑室临界性增宽特征的轮廓信息输入确定出的测量模型进行测量，得到侧脑室临界性增宽特征的横径(比例尺寸)，并判断该横径是否大于等于12个像素，若判断结果为是，则确定侧脑室临界性增宽特征为异常结构特征。进一步的，在得到侧脑室临界性增宽特征的横径之后，根据该横径以及胎儿超声图像的比例尺，计算侧脑室临界性增宽特征的实际尺寸，并判断该实际尺寸是否大于等于10mm，若判断结果为是，则确定侧脑室临界性增宽特征为异常结构特征。又进一步的，当判断出侧脑室临界性增宽特征的横径小于12个像素和/或侧脑室临界性增宽特征的实际尺寸小于10mm，确定侧脑室临界性增宽特征为正常结构特征，并将侧脑室临界性增宽特征修改为正常侧脑室特征。若侧脑室临界性增宽特征的横径大于等于12个像素且小于等于15个像素和/或侧脑室临界性增宽特征的实际尺寸大于12mm且小于等于15mm，则将侧脑室临界性增宽特征修改为中度侧脑室增宽；若侧脑室临界性增宽特征的横径大于15个像素和/或侧脑室临界性增宽特征的实际尺寸大于15mm，则将侧脑室临界性增宽特征修改为脑积水。
(二)特征形态表示类型：当检测到的疑似异常结构特征为脉络膜从囊肿结构特征时，检测脉络膜从囊肿结构特征是否出现在侧脑室的检测区域，当出现在侧脑室的检测区域时，确定脉络膜从囊肿结构特征为异常结构特征。进一步的，在检测到脉络膜从囊肿结构特征出现在侧脑室的检测区域时，判断是否存在4帧胎儿超声图像中均存在该脉络膜从囊肿结构特征，当判断结果为是时，确定该脉络膜从囊肿结构特征为异常结构特征。
可见，该可选的实施例在判断出胎儿超声图像出现疑似异常结构特征时，通过获取到的疑似异常结构特征的几何参数值，判断疑似异常结构特征是否满足异常结构特征确定条件，或者通过判断疑似异常结构特征是否位于对应部位特征的检测区域内，或者判断疑似异常结构特征是否与对应的正常结构特征匹配，来实现异常结构特征的判断，即根据不同异常表示类型的疑似异常结构特征选取不同的判断方式，能够提高疑似异常结构特征满足异常结构特征确定条件的确定可能性、准确性以及确定效率。
在又一个可选的实施例中，获取疑似异常结构特征对应的几何参数值，可以包括：
当特征检测模型为预先确定出的可确定特征轮廓的检测模型时，每帧胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的轮廓信息，根据疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值；
当特征检测模型不为可确定特征轮廓的检测模型时，将疑似异常结构特征对应的胎儿超声图像输入可确定特征轮廓的检测模型中进行分析，并获取可确定特征轮廓的检测模型输出的分析结果，作为该疑似异常结构特征对应的胎儿超声图像的结构特征的轮廓信息，以及根据该疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值。
该可选的实施例中，可确定特征轮廓的检测模型可以包括实例分割模型和/或语义分割模型等至少一种可确定特征轮廓的模型。进一步的，可确定特征轮廓的检测模型也可以为可直接确定结构特征对应的几何参数值的模型，当可确定特征轮廓的检测模型为可直接确定结构特征对应的几何参数值的模型时，直接接收该可确定特征轮廓的检测模型输出的结果作为对应结构特征的几何参数值。
可见，该可选的实施例通过判断特征检测模型是否为可确定特征轮廓的检测模型，若是，则直接根据获取到的轮廓信息获取异常结构特征的几何参数值，若不是先根据可确定特征轮廓的检测模型获取异常结构特征的轮廓信息，能够减少因所采用的特征检测模型不是可确定特征轮廓的检测模型却继续计算其几何参数值而导致几何参数值获取失败的发生情况，从而确保获取到异常结构特征的几何参数值。
可见，实施图2所描述的基于超声动态图像的胎儿切面的确定方法能够通过获取连续多帧胎儿超声图像的部位特征以及结构特征，并结合胎儿超声图像的部位特征以及结构特征，确定胎儿超声图像的切面，无需人工参与胎儿超声图像的切面的确定，能够提高胎儿超声图像的切面的确定准确性，即能够提升胎儿超声图像的切面的标准化程度；以及通过将胎儿超声图像输入特征检测模型进行分析，还能够提高胎儿超声图像的切面的确定效率。此外，还能够提高胎儿超声图像存在异常结构特征的确定准确性，从而提高胎儿存在异常的确定准确性。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于超声动态图像的胎儿切面的确定装置的结构示意图。如图3所示，该基于超声动态图像的胎儿切面的确定装置可以包括分析模块301、获取模块302以及确定模块303，其中：
分析模块301，用于将获取到的连续多帧胎儿超声图像中每帧胎儿超声图像依次输入预先确定出的特征检测模型中进行分析。
获取模块302，用于获取特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息，每帧胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别。
确定模块303，用于根据每帧胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面。
可见，实施图3所描述的基于超声动态图像的胎儿切面的确定装置能够通过获取连续多帧胎儿超声图像的部位特征以及结构特征，并结合胎儿超声图像的部位特征以及结构特征，确定胎儿超声图像的切面，无需人工参与胎儿超声图像的切面的确定，能够提高胎儿超声图像的切面的确定准确性，即能够提升胎儿超声图像的切面的标准化程度；以及通过将胎儿超声图像输入特征检测模型进行分析，还能够提高胎儿超声图像的切面的确定效率。
在一个可选的实施例中，如图4所示，基于超声动态图像的胎儿切面的确定装置还可以包括第一检测模块304、筛选模块305以及滤除模块306，其中：
第一检测模块304，用于在获取模块302获取特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息之后，检测所有胎儿超声图像中是否存在与之特征信息不匹配的特征的目标胎儿超声图像。
筛选模块305，用于当第一检测模块304检测到目标胎儿超声图像时，从所有胎儿超声图像中筛选所有目标胎儿超声图像。
滤除模块306，用于基于预先确定出的特征滤除方式对与每帧目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
可见，实施图4所描述的确定装置能够通过在获取到胎儿超声图像的特征信息之后，进一步判断胎儿超声图像中是否存在与之特征信息相匹配的特征，若存在，将不匹配的特征滤除，能够减少数据处理量，从而提高胎儿超声图像对应的切面的确定效率以及准确性。
在另一个可选的实施例中，滤除模块306基于预先确定出的特征滤除方式对与每帧目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像具体方式为：
获取每帧目标胎儿超声图像、该目标胎儿超声图像的前若干帧胎儿超声图像以及后若干帧胎儿超声图像的平均灰度值；
基于每帧目标胎儿超声图像对应的平均灰度值对该目标胎儿超声图像的特征信息执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像；或者，
确定与每帧目标胎儿超声图像的特征信息不匹配的特征所在的位置，并根据对应的位置删除与每帧目标胎儿超声图像的特征信息不匹配的特征，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
可见，实施图4所描述的确定装置能够通过在判断出胎儿超声图像的特征信息存在与之特征信息不匹配的特征之后，通过获取到的该胎儿超声图像以及该胎儿超声图像前后多帧胎儿超声图像的平均灰度值，对不匹配的特征执行滤除操作或者直接删除不匹配的特征，能够实现不匹配特征的删除以及提高不匹配的删除准确性、可靠性以及效率。
在又一个可选的实施例中，如图4所示，基于超声动态图像的胎儿切面的确定装置还可以包括第二检测模块307以及删除模块308，其中：
第二检测模块307，用于在确定模块303根据每帧胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面之后，检测每帧胎儿超声图像对应的切面是否存在与该切面不匹配的特征。
删除模块308，用于当第二检测模块307检测到每帧胎儿超声图像对应的切面存在与该切面不匹配的特征时，删除与该切面不匹配的特征。
可见，实施图4所描述的确定装置能够通过在获取到胎儿超声图像对应的切面之后，进一步检测是否存在与该切面不匹配的特征，若存在，则删除该不匹配的特征，能够获取到高精确度的切面。
在又一个可选的实施例中，每帧胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度以及该结构特征的位置概率，每个结构特征的位置概率为该结构特征在对应胎儿超声图像中的位置，以及，如图4所示，基于超声动态图像的胎儿切面的确定装置还可以包括第一判断模块309以及更新模块310，其中：
确定模块303，还用于基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧胎儿超声图像对应的切面的切面分值。
第一判断模块309，用于判断当前帧胎儿超声图像对应的切面的切面分值是否大于确定出的最优切面的切面分值，最优切面为切面分值最高的切面。
更新模块310，用于当第一判断模块309判断结果为是时，将最优切面的帧序号更新为当前帧胎儿超声图像对应的切面的帧序号，每帧胎儿超声图像均存在唯一对应的帧序号。
获取模块302，还用于当第一判断模块309判断结果为否时，获取下一帧胎儿超声图像作为当前帧胎儿超声图像，并触发确定模块303执行上述的基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧胎儿超声图像对应的切面的切面分值的操作。
可见，实施图4所描述的确定装置能够通过在获取到胎儿超声图像的切面之后，进一步通过计算切面的切面得分，并实时将切面得分最高的切面更新为最优切面，能够提高最优切面的获取实时性、效率以及准确性。
在又一个可选的实施例中，如图4所示，基于超声动态图像的胎儿切面的确定装置还可以包括第三检测模块311以及第二判断模块312，其中：
第三检测模块311，用于在获取模块302获取特征检测模型依次输出的分析结果，作为每帧胎儿超声图像的特征信息之后，检测每帧胎儿超声图像的结构特征中是否存在疑似异常结构特征。
获取模块302，还用于当第三检测模块311检测到该胎儿超声图像的结构特征中存在疑似异常结构特征时，获取该胎儿超声图像中的疑似异常结构特征的目标信息，每个疑似异常结构特征的目标信息用于确定该疑似异常结构特征是否为异常特征结构。
第二判断模块312，用于根据每个疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件。
确定模块303，还用于当第二判断模块312判断出上述疑似异常结构特征满足异常结构特征确定条件时，确定该疑似异常结构特征为异常结构特征。
确定模块303，还用于确定每个异常结构特征所对应的切面为异常切面。
可见，实施图4所描述的确定装置能够通过在获取到胎儿超声图像的结构特征之后，进一步判断该结构特征中是否存在疑似异常结构特征，若存在，则根据获取到的信息判断该疑似异常结构特征是否满足异常结构特征确定条件，若满足，则确定该疑似异常结构特征为异常结构特征，能够提高胎儿超声图像存在异常结构特征的确定准确性，从而提高胎儿存在异常的确定准确性。
在又一个可选的实施例中，如图4所示，第二判断模块312包括确定子模块3121、获取子模块3122以及判断子模块3123，其中：
确定子模块3121，用于根据每个疑似异常结构特征的目标信息，确定该疑似异常结构特征对应的异常表示类型，该异常表示类型包括数值表示类型和/或特征形态表示类型。
获取子模块3122，用于当疑似异常结构特征的异常表示类型为数值表示类型时，获取该疑似异常结构特征对应的几何参数值。
判断子模块3123，用于判断上述疑似异常结构特征对应的几何参数值是否在预先确定出的正常参数值范围内。
确定子模块3121，还用于当判断子模块3123判断结果否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件，每个疑似异常结构特征对应的几何参数值包括该疑似异常结构特征对应的横径和/或该异常结构特征对应的周长。
判断子模块3123，还用于当疑似异常结构特征的异常表示类型为特征形态表示类型时，判断该疑似异常结构特征是否位于该疑似异常结构特征对应的部位特征的检测区域内，当判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。
确定子模块3121，用于当判断子模块3123判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。
可见，实施图4所描述的确定装置能够通过在判断出胎儿超声图像出现疑似异常结构特征时，通过获取到的疑似异常结构特征的几何参数值，判断疑似异常结构特征是否满足异常结构特征确定条件，或者通过判断疑似异常结构特征是否位于对应部位特征的检测区域内，或者判断疑似异常结构特征是否与对应的正常结构特征匹配，来实现异常结构特征的判断，即根据不同异常表示类型的疑似异常结构特征选取不同的判断方式，能够提高疑似异常结构特征满足异常结构特征确定条件的确定可能性、准确性以及确定效率。
在又一个可选的实施例中，如图4所示，获取子模块3122获取疑似异常结构特征对应的几何参数值的方式具体为：
当特征检测模型为预先确定出的可确定特征轮廓的检测模型时，每帧胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的轮廓信息，根据疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值；
当特征检测模型不为可确定特征轮廓的检测模型时，将疑似异常结构特征对应的胎儿超声图像输入可确定特征轮廓的检测模型中进行分析，并获取可确定特征轮廓的检测模型输出的分析结果，作为该疑似异常结构特征对应的胎儿超声图像的结构特征的轮廓信息，以及根据该疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值。
可见，实施图4所描述的确定装置能够通过判断特征检测模型是否为可确定特征轮廓的检测模型，若是，则直接根据获取到的轮廓信息获取异常结构特征的几何参数值，若不是先根据可确定特征轮廓的检测模型获取异常结构特征的轮廓信息，能够减少因所采用的特征检测模型不是可确定特征轮廓的检测模型却继续计算其几何参数值而导致几何参数值获取失败的发生情况，从而确保获取到异常结构特征的几何参数值。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于超声动态图像的胎儿切面的确定装置。如图5所示，该基于超声动态图像的胎儿切面的确定装置可以包括：
存储有可执行程序代码的存储器501；
与存储器501耦合的处理器502；
进一步的，还可以包括与处理器502耦合的输入接口503以及输出接口504；
其中，处理器502调用存储器501中存储的可执行程序代码，用于执行实施例一或实施例二所描述的基于超声动态图像的胎儿切面的确定方法中的步骤。
实施例五
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二所描述的基于超声动态图像的胎儿切面的确定方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的基于超声动态图像的胎儿切面的确定方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于超声动态图像的胎儿切面的确定方法基于超声动态图像的胎儿切面的确定方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于超声动态图像的胎儿切面的确定方法，其特征在于，所述方法包括：
将获取到的连续多帧胎儿超声图像中每帧所述胎儿超声图像依次输入预先确定出的特征检测模型中进行分析；
获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息，每帧所述胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧所述胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧所述胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别，每个所述胎儿超声图像的结构特征至少包括该胎儿超声图像的关键结构特征；
根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面；
每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度以及该结构特征的位置概率，每个所述结构特征的位置概率为该结构特征在对应胎儿超声图像中的位置；
以及，所述方法还包括：
基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值，并判断当前帧所述胎儿超声图像对应的切面的切面分值是否大于确定出的最优切面的切面分值，所述最优切面为切面分值最高的切面；
当判断结果为是时，将所述最优切面的帧序号更新为当前帧所述胎儿超声图像对应的切面的帧序号，每帧所述胎儿超声图像均存在唯一对应的帧序号。
2.根据权利要求1所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息之后，所述方法还包括：
检测所有所述胎儿超声图像中是否存在与之特征信息不匹配的特征的目标胎儿超声图像；
当检测结果为是时，从所有所述胎儿超声图像中筛选所有所述目标胎儿超声图像，并基于预先确定出的特征滤除方式对与每帧所述目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
3.根据权利要求2所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述基于预先确定出的特征滤除方式对与每帧所述目标胎儿超声图像的特征信息不匹配的特征执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像，包括：
获取每帧所述目标胎儿超声图像、该目标胎儿超声图像的前若干帧胎儿超声图像以及后若干帧胎儿超声图像的平均灰度值，并基于每帧所述目标胎儿超声图像对应的平均灰度值对该目标胎儿超声图像的特征信息执行滤除操作，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像；或者，
确定与每帧所述目标胎儿超声图像的特征信息不匹配的特征所在的位置，并根据对应的位置删除与每帧所述目标胎儿超声图像的特征信息不匹配的特征，得到滤除与之特征信息不匹配的特征的目标胎儿超声图像。
4.根据权利要求1-3任一项所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面之后，所述方法还包括：
检测每帧所述胎儿超声图像对应的切面是否存在与该切面不匹配的特征，当检测到该胎儿超声图像对应的切面存在与该切面不匹配的特征时，删除与该切面不匹配的特征。
5.根据权利要求1所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述方法还包括：
当判断结果为否时，获取下一帧胎儿超声图像作为当前帧所述胎儿超声图像，并触发执行所述的基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值的操作。
6.根据权利要求1-5任一项所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息之后，所述方法还包括：
检测每帧所述胎儿超声图像的结构特征中是否存在疑似异常结构特征，当检测到该胎儿超声图像的结构特征中存在疑似异常结构特征时，获取该胎儿超声图像中的疑似异常结构特征的目标信息，每个所述疑似异常结构特征的目标信息用于确定该疑似异常结构特征是否为异常特征结构；
根据每个所述疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件，当判断出该疑似异常结构特征满足所述异常结构特征确定条件时，确定该疑似异常结构特征为异常结构特征；
确定每个所述异常结构特征所对应的切面为异常切面。
7.根据权利要求6所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述根据每个所述疑似异常结构特征的目标信息，判断该疑似异常结构特征是否满足预先确定出的异常结构特征确定条件，包括：
根据每个所述疑似异常结构特征的目标信息，确定该疑似异常结构特征对应的异常表示类型，该异常表示类型包括数值表示类型和/或特征形态表示类型；
当所述疑似异常结构特征的异常表示类型为所述数值表示类型时，获取该疑似异常结构特征对应的几何参数值，并判断该疑似异常结构特征对应的几何参数值是否在预先确定出的正常参数值范围内，当判断结果否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件，每个所述疑似异常结构特征对应的几何参数值包括该疑似异常结构特征对应的横径和/或该异常结构特征对应的周长；
当所述疑似异常结构特征的异常表示类型为所述特征形态表示类型时，判断该疑似异常结构特征是否位于该疑似异常结构特征对应的部位特征的检测区域内，当判断结果为否时，确定该疑似异常结构特征满足预先确定出的异常结构特征确定条件。
8.根据权利要求7所述的基于超声动态图像的胎儿切面的确定方法，其特征在于，所述获取所述疑似异常结构特征对应的几何参数值，包括：
当所述特征检测模型为预先确定出的可确定特征轮廓的检测模型时，每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的轮廓信息，根据所述疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值；
当所述特征检测模型不为所述可确定特征轮廓的检测模型时，将所述疑似异常结构特征对应的胎儿超声图像输入所述可确定特征轮廓的检测模型中进行分析，并获取所述可确定特征轮廓的检测模型输出的分析结果，作为该疑似异常结构特征对应的胎儿超声图像的结构特征的轮廓信息，以及根据该疑似异常结构特征的轮廓信息获取该疑似异常结构特征的几何参数值。
9.一种基于超声动态图像的胎儿切面的确定装置，其特征在于，所述装置包括：
分析模块，用于将获取到的连续多帧胎儿超声图像中每帧所述胎儿超声图像依次输入预先确定出的特征检测模型中进行分析；
获取模块，用于获取所述特征检测模型依次输出的分析结果，作为每帧所述胎儿超声图像的特征信息，每帧所述胎儿超声图像的特征信息包括该胎儿超声图像的部位特征信息以及该胎儿超声图像的结构特征信息，每帧所述胎儿超声图像的部位特征信息至少包括该胎儿超声图像的部位特征的类别，每帧所述胎儿超声图像的结构特征信息至少包括该胎儿超声图像的结构特征的类别；
确定模块，用于根据每帧所述胎儿超声图像的部位特征的类别以及该胎儿超声图像的结构特征的类别确定该胎儿超声图像对应的切面；
每帧所述胎儿超声图像的结构特征信息还包括该胎儿超声图像的结构特征的置信度以及该结构特征的位置概率，每个所述结构特征的位置概率为该结构特征在对应胎儿超声图像中的位置；
所述确定模块，还用于基于当前帧胎儿超声图像的结构特征的置信度、该结构特征的位置概率以及该结构特征的权重值，确定当前帧所述胎儿超声图像对应的切面的切面分值；
以及，所述装置还包括：
第一判断模块，用于判断当前帧所述胎儿超声图像对应的切面的切面分值是否大于确定出的最优切面的切面分值，所述最优切面为切面分值最高的切面；
更新模块，用于当所述第一判断模块判断结果为是时，将所述最优切面的帧序号更新为当前帧所述胎儿超声图像对应的切面的帧序号，每帧所述胎儿超声图像均存在唯一对应的帧序号。
10.一种基于超声动态图像的胎儿切面的确定装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-8任一项所述的基于超声动态图像的胎儿切面的确定方法。
CN202011017783.6A 2020-09-24 2020-09-24 基于超声动态图像的胎儿切面的确定方法及装置 Active CN112184656B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202011017783.6A CN112184656B (zh) 2020-09-24 2020-09-24 基于超声动态图像的胎儿切面的确定方法及装置
JP2023518457A JP2023542371A (ja) 2020-09-24 2021-05-28 超音波動画像に基づく胎児断面の決定方法及び装置
KR1020237009510A KR20230054427A (ko) 2020-09-24 2021-05-28 초음파 동적 영상에 기반한 태아 단면의 결정 방법 및 장치
PCT/CN2021/096824 WO2022062461A1 (zh) 2020-09-24 2021-05-28 基于超声动态图像的胎儿切面的确定方法及装置
GB2304874.7A GB2614197A (en) 2020-09-24 2021-05-28 Fetal section determination method and device based on ultrasonic dynamic image
US18/126,381 US20230230238A1 (en) 2020-09-24 2023-03-24 Method and Apparatus for Identification of Fetal Cross-sections based on Ultrasound Dynamic Images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011017783.6A CN112184656B (zh) 2020-09-24 2020-09-24 基于超声动态图像的胎儿切面的确定方法及装置

Publications (2)

Publication Number Publication Date
CN112184656A CN112184656A (zh) 2021-01-05
CN112184656B true CN112184656B (zh) 2024-04-16

Family

ID=73956189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011017783.6A Active CN112184656B (zh) 2020-09-24 2020-09-24 基于超声动态图像的胎儿切面的确定方法及装置

Country Status (6)

Country Link
US (1) US20230230238A1 (zh)
JP (1) JP2023542371A (zh)
KR (1) KR20230054427A (zh)
CN (1) CN112184656B (zh)
GB (1) GB2614197A (zh)
WO (1) WO2022062461A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112155602B (zh) * 2020-09-24 2023-05-05 广州爱孕记信息科技有限公司 一种胎儿最优标准切面的确定方法及装置
CN112184656B (zh) * 2020-09-24 2024-04-16 广州爱孕记信息科技有限公司 基于超声动态图像的胎儿切面的确定方法及装置
CN112155603B (zh) * 2020-09-24 2023-06-09 广州爱孕记信息科技有限公司 胎儿结构特征的权重值确定方法及装置
CN115482190A (zh) * 2021-11-10 2022-12-16 中山大学附属第七医院(深圳) 一种胎儿心脏结构分割测量方法、装置及计算机存储介质
CN117115164B (zh) * 2023-10-24 2024-02-27 广州爱孕记信息科技有限公司 结构特征的自动检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105232081A (zh) * 2014-07-09 2016-01-13 无锡祥生医学影像有限责任公司 医学超声辅助自动诊断装置及方法
CN106934807A (zh) * 2015-12-31 2017-07-07 深圳迈瑞生物医疗电子股份有限公司 一种医学影像分析方法、系统及医疗设备
CN110334722A (zh) * 2019-03-29 2019-10-15 上海联影智能医疗科技有限公司 图像分类方法、装置、计算机设备和存储介质
CN110742654A (zh) * 2019-11-05 2020-02-04 深圳度影医疗科技有限公司 一种基于三维超声图像的标准切面的定位和测量方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8867806B2 (en) * 2011-08-01 2014-10-21 Impac Medical Systems, Inc. Method and apparatus for correction of errors in surfaces
US20160000401A1 (en) * 2014-07-07 2016-01-07 General Electric Company Method and systems for adjusting an imaging protocol
KR102660563B1 (ko) * 2018-11-15 2024-04-26 삼성메디슨 주식회사 태아 심장의 이상 여부를 판단하는 초음파 진단 장치 및 초음파 진단 장치의 동작 방법
CN111462060A (zh) * 2020-03-24 2020-07-28 湖南大学 胎儿超声图像中标准切面图像的检测方法和装置
CN112184656B (zh) * 2020-09-24 2024-04-16 广州爱孕记信息科技有限公司 基于超声动态图像的胎儿切面的确定方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105232081A (zh) * 2014-07-09 2016-01-13 无锡祥生医学影像有限责任公司 医学超声辅助自动诊断装置及方法
CN106934807A (zh) * 2015-12-31 2017-07-07 深圳迈瑞生物医疗电子股份有限公司 一种医学影像分析方法、系统及医疗设备
CN110334722A (zh) * 2019-03-29 2019-10-15 上海联影智能医疗科技有限公司 图像分类方法、装置、计算机设备和存储介质
CN110742654A (zh) * 2019-11-05 2020-02-04 深圳度影医疗科技有限公司 一种基于三维超声图像的标准切面的定位和测量方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
4DUS联合TUI技术对产前筛查胎儿面部畸形诊断价值;石太英;尚缜邈;;社区医学杂志(第05期);全文 *
三血管气管切面诊断胎儿主动脉弓异常中的应用价值分析;郭珍;章春泉;;现代诊断与治疗(第13期);全文 *
孕早期标准化超声切面筛查胎儿结构畸形的临床分析;吴美云;;中国妇幼保健(第12期) *
胎儿心脏超声横切面在常见胎儿先天性心脏畸形产前筛查中的作用分析;陈燕雄;蔡丽霞;;现代医用影像学(第03期);全文 *
胎儿超声三血管和三血管气管切面在心脏大血管畸形筛查中的应用;田辉;;影像研究与医学应用(第12期);全文 *

Also Published As

Publication number Publication date
JP2023542371A (ja) 2023-10-06
GB202304874D0 (en) 2023-05-17
KR20230054427A (ko) 2023-04-24
US20230230238A1 (en) 2023-07-20
CN112184656A (zh) 2021-01-05
WO2022062461A1 (zh) 2022-03-31
GB2614197A (en) 2023-06-28

Similar Documents

Publication Publication Date Title
CN112184656B (zh) 基于超声动态图像的胎儿切面的确定方法及装置
CN112155602B (zh) 一种胎儿最优标准切面的确定方法及装置
CN112155601B (zh) 一种胎儿超声图像的成像质量控制的确定方法及装置
CN112288786B (zh) 电子装置及非暂态计算机可读存储介质
CN112215806A (zh) 胎儿超声影像的检测结果的输出控制方法、装置及系统
CN113920109A (zh) 医疗影像识别模型训练方法、识别方法、装置及设备
CN116130090A (zh) 射血分数测量方法和装置、电子设备和存储介质
WO2022062459A1 (zh) 一种胎儿结构特征的自动测量方法及装置
CN113763331A (zh) 冠状动脉优势型判定方法、装置、存储介质及电子设备
CN108877945A (zh) 医疗信息处理方法及装置
CN110517234B (zh) 特征骨异常检测方法及装置
CN112990079A (zh) 基于大数据和人工智能的匹配度计算方法
CN112155603B (zh) 胎儿结构特征的权重值确定方法及装置
CN114898475A (zh) 井下人员身份识别方法、装置、电子设备和可读存储介质
CN117350970A (zh) 基于分层语义元素的心脏功能检测方法及装置
CN113781405B (zh) 血管中心线提取方法、装置、计算机设备和可读存储介质
CN117237865A (zh) 多目标对象的徘徊检测方法、系统、介质及电子设备
CN112971752A (zh) 胎心率减速类型的修正方法、装置及胎儿监护设备
CN115471454A (zh) 一种茄子茎夹角无损检测方法
CN117237452A (zh) 基于多图层采样的视网膜图像血管部位识别方法及系统
CN115880494A (zh) 血管图像分割方法、装置、电子设备以及存储介质
CN115127545A (zh) 运动状态识别方法、装置、电子设备及存储介质
CN115965780A (zh) 一种基于多损失函数的视网膜血管细化分割方法、模块、设备以及存储介质
CN116681640A (zh) 参数检测方法、超声设备及存储介质
CN114073549A (zh) 一种智能获取胎儿颜面部骨性结构参数的方法及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant