CN112426170A - 一种胎盘厚度确定方法、装置、设备及存储介质 - Google Patents
一种胎盘厚度确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112426170A CN112426170A CN202011305676.3A CN202011305676A CN112426170A CN 112426170 A CN112426170 A CN 112426170A CN 202011305676 A CN202011305676 A CN 202011305676A CN 112426170 A CN112426170 A CN 112426170A
- Authority
- CN
- China
- Prior art keywords
- placenta
- key frame
- image
- determining
- region
- 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.)
- Pending
Links
- 210000002826 placenta Anatomy 0.000 title claims abstract description 288
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000002604 ultrasonography Methods 0.000 claims abstract description 126
- 230000003169 placental effect Effects 0.000 claims abstract description 54
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 6
- 210000003754 fetus Anatomy 0.000 abstract description 6
- 230000036541 health Effects 0.000 abstract description 6
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000003709 image segmentation Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000011176 pooling Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012285 ultrasound imaging Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000001605 fetal effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 2
- 210000001691 amnion Anatomy 0.000 description 2
- 210000001136 chorion Anatomy 0.000 description 2
- 210000005151 decidua basalis Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008774 maternal effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Gynecology & Obstetrics (AREA)
- Pregnancy & Childbirth (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请公开了一种胎盘厚度确定方法,该方法包括以下步骤:在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;对关键帧图像中的胎盘区域进行识别;在识别到的胎盘区域中确定胎盘厚度。应用本申请所提供的技术方案,对于关键帧图像的确定、胎盘区域的识别、胎盘厚度的确定等可以自动完成,可以简化用户操作,提高胎盘厚度测量效率,避免过于依赖用户的经验和主观判断,可以有效保证胎盘厚度确定的准确性,为后续对胎儿的生长发育和母体的健康评估提供数据支撑。本申请还公开了一种胎盘厚度确定装置、设备及存储介质,具有相应技术效果。
Description
技术领域
本申请涉及计算机应用技术领域,特别是涉及一种胎盘厚度确定方法、装置、设备及存储介质。
背景技术
随着超声医学的进步,超声应用越来越广泛,各种超声检查项目逐渐增多。超声检查逐渐成为医生诊断和治疗的重要依据,在预防、诊断、治疗疾病中体现的价值越来越高。胎儿胎盘厚度是一项重要的检查项目,贯穿于孕妇的整个妊娠周期,对胎儿的生长发育和母体的健康评估起到重要作用。
胎盘由羊膜、叶状绒毛膜和底蜕膜构成。其中,羊膜为构成胎盘的胎儿部分,在胎盘最内层;叶状绒毛膜为构成胎盘的胎儿部分,占胎盘主要部分;底蜕膜为构成胎盘的母体部分,占胎盘很小部分。
目前,对于胎盘厚度的确定,需要医生等用户根据临床经验知识,在超声扫查时挑选出胎盘标准切面,然后在标准切面上,手动反复调整测量确定胎盘厚度。这种方式需要用户进行繁琐操作,测量效率较低,而且过于依赖用户的经验和主观判断,确定的胎盘厚度的准确性无法保证。
发明内容
本申请的目的是提供一种胎盘厚度确定方法、装置、设备及存储介质,以提高胎盘厚度测量效率,保证胎盘厚度确定的准确性。
为解决上述技术问题,本申请提供如下技术方案:
一种胎盘厚度确定方法,包括:
在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;
对所述关键帧图像中的所述胎盘区域进行识别;
在识别到的所述胎盘区域中确定胎盘厚度。
在本申请的一种具体实施方式中,所述在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像,包括:
获得目标对象的包含胎盘区域的超声视频序列;
如果所述超声视频序列包括多帧超声图像,则输出显示所述多帧超声图像,并根据用户的选择在所述多帧超声图像中确定关键帧图像;
如果所述超声视频序列包括一帧超声图像,则输出显示该帧超声图像,并在所述用户确定该帧超声图像不是关键帧图像时,重复执行所述获得目标对象的包含胎盘区域的超声视频序列的步骤,直至确定出所述关键帧图像。
在本申请的一种具体实施方式中,所述在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像,包括:
获得目标对象的包含胎盘区域的超声视频序列,所述超声视频序列包括多帧超声图像;
对所述多帧超声图像中的每帧超声图像进行胎盘区域分割处理;
确定每帧超声图像的胎盘区域的大小;
根据每帧超声图像的胎盘区域的大小,确定关键帧图像。
在本申请的一种具体实施方式中,所述根据每帧超声图像的胎盘区域的大小,确定关键帧图像,包括:
将胎盘区域最大的超声图像确定为关键帧图像;
或者,
输出显示胎盘区域最大的M帧超声图像,M>1;
根据用户的选择在所述M帧超声图像中确定关键帧图像。
在本申请的一种具体实施方式中,所述在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像,包括:
获得目标对象的包含胎盘区域的超声视频序列,所述超声视频序列包括多帧超声图像;
将所述多帧超声图像逐一输入到预先训练获得的关键帧识别网络中,确定每帧超声图像的关键帧概率;
根据每帧超声图像的关键帧概率,确定关键帧图像。
在本申请的一种具体实施方式中,所述根据每帧超声图像的关键帧概率,确定关键帧图像,包括:
将关键帧概率最大的超声图像确定为关键帧图像;
或者,
输出显示关键帧概率最大的N帧超声图像,N>1;
根据用户的选择在所述N帧超声图像中确定关键帧图像。
在本申请的一种具体实施方式中,所述对所述关键帧图像中的所述胎盘区域进行识别,包括:
利用预先获得的胎盘区域识别网络,对所述关键帧图像中的所述胎盘区域进行识别。
在本申请的一种具体实施方式中,所述在识别到的所述胎盘区域中确定胎盘厚度,包括:
输出显示所述关键帧图像,并标记所述关键帧图像中识别到的所述胎盘区域;
接收用户的在所述胎盘区域的端点选择指令;
根据所述端点选择指令,确定所述胎盘区域的胎盘厚度。
在本申请的一种具体实施方式中,所述在识别到的所述胎盘区域中确定胎盘厚度,包括:
根据识别到的所述胎盘区域的形状特征,确定所述胎盘区域中每条胎盘厚度线的长度;
基于胎盘厚度线的最大长度,确定胎盘厚度。
在本申请的一种具体实施方式中,所述基于胎盘厚度线的最大长度,确定胎盘厚度,包括:
将胎盘厚度线的最大长度确定为胎盘厚度;
或者,
输出显示所述关键帧超声图像,并在所述关键帧超声图像标记的胎盘区域中标记最大长度的胎盘厚度线;
根据用户对胎盘厚度线的调整,确定胎盘厚度。
一种胎盘厚度确定装置,包括:
关键帧确定模块,用于在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;
胎盘区域识别模块,用于对所述关键帧图像中的所述胎盘区域进行识别;
胎盘厚度确定模块,用于在识别到的所述胎盘区域中确定胎盘厚度。
一种胎盘厚度确定设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一项所述胎盘厚度确定方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述胎盘厚度确定方法的步骤。
应用本申请实施例所提供的技术方案,在目标对象的包含胎盘区域的超声视频序列中可以确定关键帧图像,对关键帧图像中的胎盘区域进行识别,在识别到的胎盘区域中确定胎盘厚度。对于关键帧图像的确定、胎盘区域的识别、胎盘厚度的确定等可以自动完成,可以简化用户操作,提高胎盘厚度测量效率,避免过于依赖用户的经验和主观判断,可以有效保证胎盘厚度确定的准确性,为后续对胎儿的生长发育和母体的健康评估提供数据支撑。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,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为本申请实施例中一种胎盘厚度确定方法的实施流程图;
图2为本申请实施例中一种超声设备的结构示意图;
图3为本申请实施例中超声图像输出显示示意图;
图4为本申请实施例中一种胎盘厚度确定装置的结构示意图;
图5为本申请实施例中一种胎盘厚度确定设备的结构示意图。
具体实施方式
本申请的核心是提供一种胎盘厚度确定方法。在目标对象的包含胎盘区域的超声视频序列中可以确定关键帧图像,对关键帧图像中的胎盘区域进行识别,在识别到的胎盘区域中确定胎盘厚度。对于关键帧图像的确定、胎盘区域的识别、胎盘厚度的确定等可以自动完成,可以提高胎盘厚度测量效率,避免过于依赖用户的经验和主观判断,可以有效保证胎盘厚度确定的准确性,为后续对胎儿的生长发育和母体的健康评估提供数据支撑。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1所示,为本申请实施例所提供的一种胎盘厚度确定方法的实施流程图,该方法可以包括以下步骤:
S110:在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像。
本申请实施例所提供的技术方案可以是在超声扫查过程中进行,还可以是在超声扫查得到超声视频序列后进行。
可以先获得目标对象的包含胎盘区域的超声视频序列。超声视频序列可以包括一帧或多帧超声图像,可以通过超声成像设备获得,该超声成像设备可以为便携式超声成像设备、台式超声成像设备等。
图2所示即为一种超声成像设备的结构示意图。该超声成像设备21包括超声波探头211、发射/接收选择控制器212、发射/接收序列控制器213、处理器214、显示器215和存储器216。在本申请实施例中,发射/接收序列控制器213可以通过发射/接收选择控制器212激励超声波探头211向目标对象即探头探测对象20发射超声波,还可以控制超声波探头211接收从探头探测对象20返回的超声回波,从而获得超声回波信号/数据,处理器214通过超声回波信号/数据,可以获得目标对象的超声图像。该超声图像可以是二维超声图像,还可以是其他多维超声图像。
处理器214获得的超声图像可以存储于存储器216中,超声图像或序列可以在显示器215上显示。显示器215可以为触摸显示屏、液晶显示屏等,还可以是独立于超声成像设备21之外的液晶显示器、电视机等独立显示设备,还可以为手机、平板电脑等电子设备上的显示屏。存储器216具体可以为闪存卡、固态存储器、硬盘等。
超声成像设备21可以通过超声探头211对目标对象多次发射超声波,并多次接收超声回波,处理器214对多次接收到的超声回波分别进行处理,即可获得多帧超声图像。
获得目标对象的包含胎盘区域的超声视频序列后,可以在超声视频序列中确定关键帧图像。
如果获得的超声视频序列包括一帧超声图像,则可以直接将该帧超声图像确定为关键帧图像;如果获得超声图像包括多帧超声图像,则可以在多帧超声图像中选择一帧超声图像作为关键帧图像。
S120:对关键帧图像中的胎盘区域进行识别。
在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像后,可以对关键帧图像中的胎盘区域进行识别。如可以根据胎盘区域的区域特征,对关键帧图像中的胎盘区域进行识别。
在本申请的一种具体实施方式中,可以利用预先获得的胎盘区域识别网络,对关键帧图像中的胎盘区域进行识别。
胎盘区域识别网络可以通过大量帧图像和对应的标定结果训练获得。可以预先获得大量帧图像,并对每一帧图像进行胎盘区域标记,形成训练数据库,用该训练数据库训练预先构建的胎盘区域识别网络,得到训练后的胎盘区域识别网络后应用到胎盘区域识别过程中。
胎盘区域识别网络可以根据实际情况和具体需求预先构建。可以为全卷积神经网络、U型全卷积神经网络、基于区域非卷积神经网络中的任意一种。胎盘区域识别网络主要包括:卷积层、池化层,还可以包括上采样层或反卷积层。通过卷积层可以对输入图像进行胎盘区域相关特征的提取,通过池化层可以进一步提取胎盘区域的主要相关特征。因为卷积层和池化层处理时都将缩小图像,因此,需要通过上采样层或反卷积层最终输出一个和输入图像尺寸一致的输出图像,通过该输出图像可以识别出胎盘区域。
胎盘区域识别网络还可以为基于传统的机器学习获得的网络。可以先将关键帧图像划分成多个图像块,对图像块进行各种特征的提取,如提取局部的上下文信息、纹理信息、哈尔特征等,然后将提取到的特征进行整合,再将整合的相关特征输入到级联的分类器,例如向量机、自适应分类器、随机森林分类器等,通过分类器对整合的特征进行判别,确定出表征为胎盘区域的特征,在关键帧图像中对相应的区域进行标记,从而识别出关键帧图像中的胎盘区域。
利用胎盘区域识别网络,对关键帧图像中的胎盘区域进行识别,可以提高识别准确率。
S130:在识别到的胎盘区域中确定胎盘厚度。
在关键帧图像中识别到胎盘区域后,进一步可以在识别到的胎盘区域中确定胎盘厚度。一般而言,胎盘厚度为胎盘区域中央最厚处(垂直于腹臂)的长度。
在本申请的一种具体实施方式中,步骤S130可以包括以下步骤:
步骤一:输出显示关键帧图像,并标记关键帧图像中识别到的胎盘区域;
步骤二:接收用户的在胎盘区域的端点选择指令;
步骤三:根据端点选择指令,确定胎盘区域的胎盘厚度。
为便于描述,将上述三个步骤结合起来进行说明。
在本申请实施例中,在目标对象的包含胎盘区域的超声图像中确定出关键帧图像,并对关键帧图像中的胎盘区域进行识别之后,可以输出显示关键帧图像,并在关键帧图像中标记识别到的胎盘区域。具体可以在关键帧图像中通过标记线圈出识别到的胎盘区域,如图3所示,标记线圈出的区域即为识别到的胎盘区域。
输出显示关键帧图像,并标记关键帧图像中的胎盘区域后,用户即可查看到标记有胎盘区域的关键帧图像。可以在胎盘区域中进行端点选择,如通过触控点击方式选择胎盘厚度的两个端点,并发出相应的端点选择指令。根据用户的在胎盘区域的端点选择指令,可以确定用户选择的两个端点的位置信息,通过位置信息可以确定胎盘区域的胎盘厚度。
通过用户的端点选择指令,可以快速确定出胎盘区域的胎盘厚度。
在本申请的另一个实施例中,步骤S130可以包括以下步骤:
第一个步骤:根据识别到的胎盘区域的形状特征,确定胎盘区域中每条胎盘厚度线的长度;
第二个步骤:基于胎盘厚度线的最大长度,确定胎盘厚度。
为便于描述,将上述两个步骤结合起来进行说明。
在本申请实施例中,在目标对象的包含胎盘区域的超声图像中确定出关键帧图像,并对关键帧图像中的胎盘区域进行识别之后,可以获得识别到的胎盘区域的形状特征,根据胎盘区域的形状特征,可以确定胎盘区域垂直于腹臂的胎盘厚度线,并计算每条胎盘厚度线的长度。基于胎盘厚度线的最大长度,可以确定胎盘厚度。具体可以将胎盘厚度线的最大长度确定为胎盘厚度。
在实际应用中,可以采用模式识别、机器学习等方式,根据胎盘区域的形状特征和胎盘厚度线的特征信息,自动从胎盘区域中定位出胎盘厚度的端点位置信息,确定胎盘厚度。如图3所示,胎盘区域中间的直线即为胎盘厚度线。
在本申请的另一种具体实施方式中,通过模式识别、机器学习等方式自动确定出最大长度的胎盘厚度线后,可以输出显示关键帧超声图像,并在关键帧超声图像标记的胎盘区域中标记最大长度的胎盘厚度线,如图3所示。
用户可以根据临床经验或者实际情况,对输出显示的胎盘厚度线进行调整,如手动拖动调整,根据用户对胎盘厚度线的调整,可以确定胎盘厚度。进一步提高胎盘厚度确定的准确性。
应用本申请实施例所提供的方法,在目标对象的包含胎盘区域的超声视频序列中可以确定关键帧图像,对关键帧图像中的胎盘区域进行识别,在识别到的胎盘区域中确定胎盘厚度。对于关键帧图像的确定、胎盘区域的识别、胎盘厚度的确定等可以自动完成,可以简化用户操作,提高胎盘厚度测量效率,避免过于依赖用户的经验和主观判断,可以有效保证胎盘厚度确定的准确性,为后续对胎儿的生长发育和母体的健康评估提供数据支撑。
在本申请的一个实施例中,步骤S110可以包括以下步骤:
步骤一:获得目标对象的包含胎盘区域的超声视频序列;
步骤二:如果超声视频序列包括多帧超声图像,则输出显示多帧超声图像,并根据用户的选择在多帧超声图像中确定关键帧图像;
步骤三:如果超声视频序列包括一帧超声图像,则输出显示该帧超声图像,并在用户确定该帧超声图像不是关键帧图像时,重复执行获得目标对象的包含胎盘区域的超声视频序列的步骤,直至确定出关键帧图像。
为便于描述,将上述三个步骤结合起来进行说明。
在本申请实施例中,可以先获得目标对象的包含胎盘区域的超声视频序列,超声视频序列可以包括多帧超声图像,还可以包括一帧超声图像。
如果超声视频序列包括多帧超声图像,则可以输出显示多帧超声图像。用户在查看到多帧图像后,可以通过触控界面或特定按键对多帧图像进行选择,并发出相应的选择指令,根据用户的选择,可以在多帧超声图像中确定关键帧图像。
举例说明,假设多帧超声图像具体为20帧超声图像。通过显示器可以同时显示该20帧超声图像。在显示了20帧超声图像之后,用户可以直观查看到这20帧超声图像,并判定第5帧超声图像包含胎盘厚度最大的胎盘区域,即可通过触控界面发出对第5帧超声图像的选择指令,根据用户的选择,可以将这20帧超声图像中的第5帧超声图像确定为关键帧图像。
多帧超声图像的具体数量可以根据实际需求进行设定。
根据用户的选择可以在多帧超声图像中准确确定出关键帧图像,方便后续在关键帧图像中进行胎盘区域识别及胎盘厚度的确定。
如果超声视频序列包括一帧超声图像,则可以输出显示该帧超声图像,用户在查看到该帧图像后,可以通过触控界面或特定按键对该帧图像是否为关键帧图像进行确定。在用户确定该帧超声图像不是关键帧图像时,可以重复执行获得目标对象的包含胎盘区域的超声视频序列的步骤,直至确定出关键帧图像。
在本申请的一个实施例中,步骤S110可以包括以下步骤:
第一个步骤:获得目标对象的包含胎盘区域的超声视频序列,超声视频序列包括多帧超声图像;
第二个步骤:对多帧超声图像中的每帧超声图像进行胎盘区域分割处理;
第三个步骤:确定每帧超声图像的胎盘区域的大小;
第四个步骤:根据每帧超声图像的胎盘区域的大小,确定关键帧图像。
为便于描述,将上述四个步骤结合起来进行说明。
在本申请实施例中,可以先获得目标对象的包含胎盘区域的超声视频序列,超声视频序列可以包括多帧超声图像,然后对每帧超声图像分别进行胎盘区域分割处理。具体的,可以基于预设的图像分割算法或者图像分割网络对每帧超声图像进行胎盘区域分割处理,获得分割结果。根据每帧超声图像的分割结果,可以确定每帧超声图像的胎盘区域的大小。根据胎盘区域的大小,可以进行关键帧图像的确定。
预设的图像分割算法可以为基于水平集分割算法、随机游走算法、图割算法、蛇形算法等中的任意一种。例如,基于水平集分割算法,可以对多帧超声图像中的每一帧超声图像设定一个封闭的初始轮廓,即设定一个封闭曲线,控制该封闭曲线按照一定规律或者约束条件进行迭代变化,直至在超声图像中该封闭曲线完全包括胎盘区域,即从超声图像中分割出了胎盘区域。
预设的图像分割网络可以由大量帧超声图像和对应的标定结果训练获得,即需要预先获得大量帧超声图像,并对每一帧超声图像进行胎盘区域标记,形成数据库,用该数据库训练用于分割胎盘区域的待训练的图像分割网络,以获得训练后的图像分割网络。待训练的图像分割网络可以根据实际需求预先构造。
需要说明的是,如果基于预设的图像分割算法或者图像分割网络对每帧超声图像进行胎盘区域分割处理,通过获得的分割结果可以识别到胎盘区域,在后续在关键帧图像中进行胎盘区域的识别时,可以直接使用相应的分割结果,还可以重新进行胎盘区域的识别。本申请实施例对此不做限制。
在本申请的一种具体实施方式中,可以直接将胎盘区域最大的超声图像确定为关键帧图像。
在最大的胎盘区域中,能够确定出最大的胎盘厚度的概率较大。所以,将胎盘区域最大的超声图像确定为关键帧图像,有助于后续可以确定出最大的胎盘厚度。
在本申请的另一种具体实施方式中,可以输出显示胎盘区域最大的M帧超声图像,M>1,再根据用户的选择在M帧超声图像中确定关键帧图像。即在确定出多帧超声图像的每帧超声图像的胎盘区域的大小后,可以将胎盘区域最大的M帧超声图像输出显示给用户,M大于1、小于等于多帧超声图像的总数量。用户可以直观查看到这M帧超声图像,可以根据实际情况和自身经验在M帧超声图像中进行关键帧图像的选择,并发出相应的选择指令。根据用户的选择,可以在M帧超声图像中确定出关键帧图像。
将自动选择与用户选择相结合,提高关键帧图像确定准确性,进而便于后续在关键帧图像中进行胎盘厚度的准确确定。
在本申请的一个实施例中,步骤S110可以包括以下步骤:
步骤一:获得目标对象的包含胎盘区域的超声视频序列,超声视频序列包括多帧超声图像;
步骤二:将多帧超声图像逐一输入到预先训练获得的关键帧识别网络中,确定每帧超声图像的关键帧概率;
步骤三:根据每帧超声图像的关键帧概率,确定关键帧图像。
为便于描述,将上述三个步骤结合起来进行说明。
在本申请实施例中,可以预先训练获得一个关键帧识别网络。关键帧识别网络可以为一个分类网络,可以由大量帧超声图像和对应的标定结果训练获得,其标定结果为标记超声图像是否为关键帧。
具体的,预设的关键帧识别网络可以为VGG-16、VGG-19,Resnet系统、Google-Net等中的任意一种。该关键帧识别网络的主要结构可以包括卷积层、激活层、池化层和全连接层。具体的,通过卷积层可以对输入图像进行特征提取,通过激活层可以对提取的特征进行非线性处理,即将其由线性转换为非线性,通过池化层可以对非线性的特征进行压缩,获得压缩特征,以降低后续处理的复杂度,之后,通过全连接层可以将池化层输出的压缩特征进行连接,即线性组合,最后根据连接后的结果,输出输入图像为关键帧的概率。
获得目标对象的包含胎盘区域的超声视频序列,且超声视频序列包括多帧超声图像后,可以将多帧超声图像逐一输入到预先训练获得的关键帧识别网络中,确定每帧超声图像的关键帧概率。
举例说明,假设获得目标对象的包含胎盘区域的5帧超声图像,将这5帧超声图像的每一帧超声图像输入到预设训练获得的关键帧识别网络中,得到每帧超声图像的关键帧概率。具体的,假设5帧超声图像分别为超声图像1、超声图像2、超声图像3、超声图像4和超声图像5,通过关键帧识别网络,得到超声图像1对应的关键帧概率为0.3,超声图像2对应的关键帧概率为0.9,超声图像3对应的关键帧概率为0.4,超声图像4对应的关键帧概率为0.7,超声图像5对应的关键帧概率为0.6。
根据每帧超声图像的关键帧概率,可以确定关键帧图像。
在本申请的一种具体实施方式中,可以直接将关键帧概率最大的超声图像确定为关键帧图像。以上例为例,可以直接将超声图像2确定为关键帧图像。将关键帧概率最大的超声图像确定为关键帧图像,可以提高关键帧图像确定准确性。
在本申请的另一种具体实施方式中,还可以输出显示关键帧概率最大的N帧超声图像,N>1,然后根据用户的选择在N帧超声图像中确定关键帧图像。
即在确定出多帧超声图像的每帧超声图像的关键帧概率后,可以将关键帧概率最大的N帧超声图像输出显示给用户,N大于1、小于等于多帧超声图像的总数量。用户可以直观查看到这N帧超声图像,可以根据实际情况和自身经验在N帧超声图像中进行关键帧图像的选择,并发出相应的选择指令。根据用户的选择,可以在N帧超声图像中确定出关键帧图像。
将自动选择与用户选择相结合,提高关键帧图像确定准确性,进而便于后续在关键帧图像中进行胎盘厚度的准确确定。
相应于上面的方法实施例,本申请实施例还提供了一种胎盘厚度确定装置,下文描述的胎盘厚度确定装置与上文描述的胎盘厚度确定方法可相互对应参照。
参见图4所示,该装置可以包括以下模块:
关键帧确定模块410,用于在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;
胎盘区域识别模块420,用于对关键帧图像中的胎盘区域进行识别;
胎盘厚度确定模块430,用于在识别到的胎盘区域中确定胎盘厚度。
应用本申请实施例所提供的装置,在目标对象的包含胎盘区域的超声视频序列中可以确定关键帧图像,对关键帧图像中的胎盘区域进行识别,在识别到的胎盘区域中确定胎盘厚度。对于关键帧图像的确定、胎盘区域的识别、胎盘厚度的确定等可以自动完成,可以简化用户操作,提高胎盘厚度测量效率,避免过于依赖用户的经验和主观判断,可以有效保证胎盘厚度确定的准确性,为后续对胎儿的生长发育和母体的健康评估提供数据支撑。
在本申请的一种具体实施方式中,关键帧确定模块410,用于:
获得目标对象的包含胎盘区域的超声视频序列;
如果所述超声视频序列包括多帧超声图像,则输出显示多帧超声图像,并根据用户的选择在多帧超声图像中确定关键帧图像;
如果超声视频序列包括一帧超声图像,则输出显示该帧超声图像,并在用户确定该帧超声图像不是关键帧图像时,重复执行获得目标对象的包含胎盘区域的超声视频序列的步骤,直至确定出关键帧图像。
在本申请的一种具体实施方式中,关键帧确定模块410,用于:
获得目标对象的包含胎盘区域的超声视频序列,所述超声视频序列包括多帧超声图像;
对多帧超声图像中的每帧超声图像进行胎盘区域分割处理;
确定每帧超声图像的胎盘区域的大小;
根据每帧超声图像的胎盘区域的大小,确定关键帧图像。
在本申请的一种具体实施方式中,关键帧确定模块410,用于:
将胎盘区域最大的超声图像确定为关键帧图像;
或者,
输出显示胎盘区域最大的M帧超声图像,M>1;
根据用户的选择在M帧超声图像中确定关键帧图像。
在本申请的一种具体实施方式中,关键帧确定模块410,用于:
获得目标对象的包含胎盘区域的超声视频序列,所述超声视频序列包括多帧超声图像;
将多帧超声图像逐一输入到预先训练获得的关键帧识别网络中,确定每帧超声图像的关键帧概率;
根据每帧超声图像的关键帧概率,确定关键帧图像。
在本申请的一种具体实施方式中,关键帧确定模块410,用于:
将关键帧概率最大的超声图像确定为关键帧图像;
或者,
输出显示关键帧概率最大的N帧超声图像,N>1;
根据用户的选择在N帧超声图像中确定关键帧图像。
在本申请的一种具体实施方式中,胎盘区域识别模块420,用于:
利用预先获得的胎盘区域识别网络,对关键帧图像中的胎盘区域进行识别。
在本申请的一种具体实施方式中,胎盘厚度确定模块430,用于:
输出显示关键帧图像,并标记关键帧图像中识别到的胎盘区域;
接收用户的在胎盘区域的端点选择指令;
根据端点选择指令,确定胎盘区域的胎盘厚度。
在本申请的一种具体实施方式中,胎盘厚度确定模块430,用于:
根据识别到的胎盘区域的形状特征,确定胎盘区域中每条胎盘厚度线的长度;
基于胎盘厚度线的最大长度,确定胎盘厚度。
在本申请的一种具体实施方式中,胎盘厚度确定模块430,用于:
将胎盘厚度线的最大长度确定为胎盘厚度;
或者,
输出显示关键帧超声图像,并在关键帧超声图像标记的胎盘区域中标记最大长度的胎盘厚度线;
根据用户对胎盘厚度线的调整,确定胎盘厚度。
相应于上面的方法实施例,本申请实施例还提供了一种胎盘厚度确定设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现上述胎盘厚度确定方法的步骤。
如图5所示,为胎盘厚度确定设备的组成结构示意图,胎盘厚度确定设备可以包括:处理器10、存储器11、通信接口12和通信总线13。处理器10、存储器11、通信接口12均通过通信总线13完成相互间的通信。
在本申请实施例中,处理器10可以为中央处理器(Central Processing Unit,CPU)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件等。
处理器10可以调用存储器11中存储的程序,具体的,处理器10可以执行胎盘厚度确定方法的实施例中的操作。
存储器11中用于存放一个或者一个以上程序,程序可以包括程序代码,程序代码包括计算机操作指令,在本申请实施例中,存储器11中至少存储有用于实现以下功能的程序:
在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;
对关键帧图像中的胎盘区域进行识别;
在识别到的胎盘区域中确定胎盘厚度。
在一种可能的实现方式中,存储器11可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及至少一个功能(比如图像显示功能、图像识别功能)所需的应用程序等;存储数据区可存储使用过程中所创建的数据,如图像数据、胎盘厚度数据等。
此外,存储器11可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件或其他易失性固态存储器件。
通信接口13可以为通信模块的接口,用于与其他设备或者系统连接。
当然,需要说明的是,图5所示的结构并不构成对本申请实施例中胎盘厚度确定设备的限定,在实际应用中胎盘厚度确定设备可以包括比图5所示的更多或更少的部件,或者组合某些部件。
相应于上面的方法实施例,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述胎盘厚度确定方法的步骤。
计算机可读存储介质可以是易失性存储器(volatile memory),例如随机存取存储器(Random-Access Memory,RAM);或者非易失性存储器(non-volatile memory),例如,只读存储器(Read-Only Memory,ROM),快闪存储器(flash memory),硬盘(Hard DiskDrive,HDD)或固态硬盘(Solid-State Drive,SSD)。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (13)
1.一种胎盘厚度确定方法,其特征在于,包括:
在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;
对所述关键帧图像中的所述胎盘区域进行识别;
在识别到的所述胎盘区域中确定胎盘厚度。
2.根据权利要求1所述的方法,其特征在于,所述在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像,包括:
获得目标对象的包含胎盘区域的超声视频序列;
如果所述超声视频序列包括多帧超声图像,则输出显示所述多帧超声图像,并根据用户的选择在所述多帧超声图像中确定关键帧图像;
如果所述超声视频序列包括一帧超声图像,则输出显示该帧超声图像,并在所述用户确定该帧超声图像不是关键帧图像时,重复执行所述获得目标对象的包含胎盘区域的超声视频序列的步骤,直至确定出所述关键帧图像。
3.根据权利要求1所述的方法,其特征在于,所述在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像,包括:
获得目标对象的包含胎盘区域的超声视频序列,所述超声视频序列包括多帧超声图像;
对所述多帧超声图像中的每帧超声图像进行胎盘区域分割处理;
确定每帧超声图像的胎盘区域的大小;
根据每帧超声图像的胎盘区域的大小,确定关键帧图像。
4.根据权利要求3所述的方法,其特征在于,所述根据每帧超声图像的胎盘区域的大小,确定关键帧图像,包括:
将胎盘区域最大的超声图像确定为关键帧图像;
或者,
输出显示胎盘区域最大的M帧超声图像,M>1;
根据用户的选择在所述M帧超声图像中确定关键帧图像。
5.根据权利要求1所述的方法,其特征在于,所述在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像,包括:
获得目标对象的包含胎盘区域的超声视频序列,所述超声视频序列包括多帧超声图像;
将所述多帧超声图像逐一输入到预先训练获得的关键帧识别网络中,确定每帧超声图像的关键帧概率;
根据每帧超声图像的关键帧概率,确定关键帧图像。
6.根据权利要求5所述的方法,其特征在于,所述根据每帧超声图像的关键帧概率,确定关键帧图像,包括:
将关键帧概率最大的超声图像确定为关键帧图像;
或者,
输出显示关键帧概率最大的N帧超声图像,N>1;
根据用户的选择在所述N帧超声图像中确定关键帧图像。
7.根据权利要求1所述的方法,其特征在于,所述对所述关键帧图像中的所述胎盘区域进行识别,包括:
利用预先获得的胎盘区域识别网络,对所述关键帧图像中的所述胎盘区域进行识别。
8.根据权利要求1至7之中任一项所述的方法,其特征在于,所述在识别到的所述胎盘区域中确定胎盘厚度,包括:
输出显示所述关键帧图像,并标记所述关键帧图像中识别到的所述胎盘区域;
接收用户的在所述胎盘区域的端点选择指令;
根据所述端点选择指令,确定所述胎盘区域的胎盘厚度。
9.根据权利要求1至7之中任一项所述的方法,其特征在于,所述在识别到的所述胎盘区域中确定胎盘厚度,包括:
根据识别到的所述胎盘区域的形状特征,确定所述胎盘区域中每条胎盘厚度线的长度;
基于胎盘厚度线的最大长度,确定胎盘厚度。
10.根据权利要求9所述的方法,其特征在于,所述基于胎盘厚度线的最大长度,确定胎盘厚度,包括:
将胎盘厚度线的最大长度确定为胎盘厚度;
或者,
输出显示所述关键帧超声图像,并在所述关键帧超声图像标记的胎盘区域中标记最大长度的胎盘厚度线;
根据用户对胎盘厚度线的调整,确定胎盘厚度。
11.一种胎盘厚度确定装置,其特征在于,包括:
关键帧确定模块,用于在目标对象的包含胎盘区域的超声视频序列中确定关键帧图像;
胎盘区域识别模块,用于对所述关键帧图像中的所述胎盘区域进行识别;
胎盘厚度确定模块,用于在识别到的所述胎盘区域中确定胎盘厚度。
12.一种胎盘厚度确定设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至10任一项所述胎盘厚度确定方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至10任一项所述胎盘厚度确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305676.3A CN112426170A (zh) | 2020-11-19 | 2020-11-19 | 一种胎盘厚度确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305676.3A CN112426170A (zh) | 2020-11-19 | 2020-11-19 | 一种胎盘厚度确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112426170A true CN112426170A (zh) | 2021-03-02 |
Family
ID=74692709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011305676.3A Pending CN112426170A (zh) | 2020-11-19 | 2020-11-19 | 一种胎盘厚度确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112426170A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112469A (zh) * | 2021-04-06 | 2021-07-13 | 上海深至信息科技有限公司 | 一种b超图像选取方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080114244A1 (en) * | 2006-11-14 | 2008-05-15 | Aloka Co., Ltd. | Ulstrasound diagnostic apparatus and volume data processing method |
US20160081663A1 (en) * | 2014-09-18 | 2016-03-24 | General Electric Company | Method and system for automated detection and measurement of a target structure |
CN108171696A (zh) * | 2017-12-29 | 2018-06-15 | 深圳开立生物医疗科技股份有限公司 | 一种胎盘检测方法及装置 |
CN109636843A (zh) * | 2018-12-14 | 2019-04-16 | 深圳迈瑞生物医疗电子股份有限公司 | 一种羊水指数的测量方法、超声成像设备及存储介质 |
-
2020
- 2020-11-19 CN CN202011305676.3A patent/CN112426170A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080114244A1 (en) * | 2006-11-14 | 2008-05-15 | Aloka Co., Ltd. | Ulstrasound diagnostic apparatus and volume data processing method |
US20160081663A1 (en) * | 2014-09-18 | 2016-03-24 | General Electric Company | Method and system for automated detection and measurement of a target structure |
CN108171696A (zh) * | 2017-12-29 | 2018-06-15 | 深圳开立生物医疗科技股份有限公司 | 一种胎盘检测方法及装置 |
CN109636843A (zh) * | 2018-12-14 | 2019-04-16 | 深圳迈瑞生物医疗电子股份有限公司 | 一种羊水指数的测量方法、超声成像设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112469A (zh) * | 2021-04-06 | 2021-07-13 | 上海深至信息科技有限公司 | 一种b超图像选取方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210056693A1 (en) | Tissue nodule detection and tissue nodule detection model training method, apparatus, device, and system | |
CN112070119B (zh) | 超声切面图像质量控制方法、装置和计算机设备 | |
CN110570350A (zh) | 一种二维卵泡检测方法、装置和超声设备及可读存储介质 | |
CN112132265B (zh) | 模型训练方法、杯盘比确定方法、装置、设备及存储介质 | |
CN110321968B (zh) | 一种超声图像分类装置 | |
CN114565763B (zh) | 图像分割方法、装置、设备、介质及程序产品 | |
CN113298831B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
WO2021232320A1 (zh) | 超声图像处理方法、系统及计算机可读存储介质 | |
WO2023065503A1 (zh) | 一种面部表情的分类方法和电子设备 | |
CN113963148B (zh) | 对象检测方法、对象检测模型的训练方法及装置 | |
CN111820948B (zh) | 胎儿生长参数测量方法、系统及超声设备 | |
CN112634231A (zh) | 一种图像分类方法、装置、终端设备和存储介质 | |
WO2021097595A1 (zh) | 图像的病变区域分割方法、装置及服务器 | |
CN110738702A (zh) | 一种三维超声图像的处理方法、装置、设备及存储介质 | |
CN112426170A (zh) | 一种胎盘厚度确定方法、装置、设备及存储介质 | |
WO2024093911A1 (zh) | 一种超声成像方法及超声设备 | |
CN109636843B (zh) | 一种羊水指数的测量方法、超声成像设备及存储介质 | |
CN116993812A (zh) | 冠脉血管中心线的提取方法、装置、设备及存储介质 | |
CN114419375B (zh) | 图像分类方法、训练方法、装置、电子设备以及存储介质 | |
CN115631152A (zh) | 超声图像截取方法及装置、电子设备和存储介质 | |
CN111062935B (zh) | 一种乳腺肿瘤检测方法、存储介质及终端设备 | |
CN115813433A (zh) | 基于二维超声成像的卵泡测量方法和超声成像系统 | |
CN114360695A (zh) | 乳腺超声扫查分析辅助系统、介质及设备 | |
CN113229850A (zh) | 超声盆底成像方法和超声成像系统 | |
CN117495951B (zh) | 颅内动脉瘤定位方法、装置、计算机设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210302 |