CN113034535A - 胎儿头部分割方法、装置和存储介质 - Google Patents
胎儿头部分割方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113034535A CN113034535A CN201911345490.8A CN201911345490A CN113034535A CN 113034535 A CN113034535 A CN 113034535A CN 201911345490 A CN201911345490 A CN 201911345490A CN 113034535 A CN113034535 A CN 113034535A
- Authority
- CN
- China
- Prior art keywords
- fetal
- head
- ultrasonic image
- input channels
- network
- 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
- 230000001605 fetal effect Effects 0.000 title claims abstract description 99
- 230000011731 head segmentation Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000002604 ultrasonography Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000002372 labelling Methods 0.000 claims abstract description 15
- 210000003754 fetus Anatomy 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 21
- 230000007423 decrease Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010052096 Hydrometra Diseases 0.000 description 1
- 210000004381 amniotic fluid Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000030400 head development Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30044—Fetus; Embryo
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及超声设备技术领域,具体公开了一种胎儿头部分割方法、装置和存储介质。所述方法包括:获取胎儿超声图像,所述胎儿超声图像包括胎儿的头部;通过头部分割网络分割得到所述胎儿超声图像中的胎儿头部,所述头部分割网络为根据超声图像训练集以及每张胎儿超声图像的标注信息训练得到的用于分割胎儿超声图像中的胎儿头部的网络,其中,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域。解决了现有技术中胎儿头部的图像中包括噪声干扰医生判断进而使得医生的判断效率较低的问题,达到了可以提高医生的判断效率的效果。
Description
技术领域
本发明涉及超声设备技术领域,尤其是一种胎儿头部分割方法、装置和存储介质。
背景技术
为了监测胎儿的发育情况,孕妇在孕期需要定期产检,而评估胎儿的头部发育是其中重要的一项指标。然而由于受子宫中羊水、子宫壁等噪声的影响,医生可能并不能直观的判断,因此,如果得到清晰的胎儿头部图像已经成为本领域技术人员的重要研究方向。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种胎儿头部分割方法、装置和存储介质。
本发明的第一方面提供了一种胎儿头部分割方法,包括:
获取胎儿超声图像,所述胎儿超声图像包括胎儿的头部;
通过头部分割网络分割得到所述胎儿超声图像中的胎儿头部,所述头部分割网络为根据超声图像训练集以及每张胎儿超声图像的标注信息训练得到的用于分割胎儿超声图像中的胎儿头部的网络,其中,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域。
第二方面,提供了一种胎儿头部分割方法,所述方法包括:
获取超声图像训练集以及每张胎儿超声图像的标注信息,所述超声图像训练集包括至少两张胎儿超声图像,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域;
获取初始化网络;
根据所述超声图像训练集和所述标注信息训练所述初始化网络,得到头部分割网络,所述头部分割网络用于分割胎儿超声图像中的胎儿头部部分。
可选的,所述初始化网络的卷积层的输入通道分为至少两组,所述至少两组输入通道采用至少两种尺寸的卷积核。
可选的,每组输入通道中的输入通道的个数相同。
可选的,每组输入通道中的输入通道的个数呈指数递增或者递减。
可选的,每组输入通道中的输入通道的个数按照第一预设步长递增或者递减。
可选的,每组输入通道中的卷积核的尺寸按照第二预设步长递增或者递减。
可选的,所述头部分割网络的最终输出为所述头部分割网络的直接输出与输入的胎儿超声图像的差值。
第三方面,提供了一种胎儿头部分割装置,所述装置存储器和处理器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面或者第二方面所述的方法。
第四方面,一种计算机存储介质,所述计算机存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如第一方面或者第二方面所述的方法。
通过在获取到胎儿超声图像之后,根据头部分割网络来分割得到胎儿超声图像中的胎儿头部,解决了现有技术中胎儿头部的图像中包括噪声干扰医生判断进而使得医生的判断效率较低的问题,达到了可以提高医生的判断效率的效果。
附图说明
图1为本发明一个实施例提供的胎儿头部分割方法的方法流程图。
图2为本发明一个实施例提供的胎儿头部分割方法的方法流程图。
图3为本发明一个实施例提供的初始化网络的网络结构的示意图。
图4为本发明一个实施例提供的初始化网络中不同分组的卷积核的尺寸大小的示意图。
图5是本发明实施例所示的超声设备500的硬件结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。
请参考图1,其示出了本申请一个实施例提供的胎儿头部分割方法的方法流程图,如图1所示,该胎儿头部分割方法可以包括:
步骤101,获取胎儿超声图像,所述胎儿超声图像包括胎儿的头部。
步骤102,通过头部分割网络分割得到所述胎儿超声图像中的胎儿头部,所述头部分割网络为根据超声图像训练集以及每张胎儿超声图像的标注信息训练得到的用于分割胎儿超声图像中的胎儿头部的网络,其中,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域。
其中,请参考图2,头部分割网络可以通过如下方式训练得到:
步骤201,获取超声图像训练集以及每张胎儿超声图像的标注信息,所述超声图像训练集包括至少两张胎儿超声图像,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域;
实际实现时,在得到胎儿超声图像之后,为了增加训练集的数量,可以在获取到的胎儿超声图像中人为的增加标记,并将增加标记后的胎儿超声图像作为超声图像训练集中的一张。
标注信息可以用“1”表示胎儿头部部分,“0”表示背景部分。比如,请参考图3,其中,白色区域即表示为“1”,黑色区域即表示为“0”。实际实现时,标注信息可以表示为一个数值为0或1的二维数组。
步骤202,获取初始化网络;
初始化网络可以为三层的Unet网络。其中,每一层代表一次下采样,也即超声图像的长宽经历一次下采样之后变为之前的1/2。可选的,请参考图3,起示出了一种可能的初始化网络的示意图。
可选的,本申请中卷积层的输入通道可以分为至少两组,且至少两组输入通道采用至少两种尺寸的卷积核。比如,假设输入通道为M个,则M个输入通道为C组,C组中包括至少两种卷积核尺寸,其中,M和C均为大于等于2的整数。实际实现时,至少两组中可能存在尺寸相同的卷积核,本实施例对此并不做限定。
每组输入通道中输入通道的个数可以相同,比如,依然以输入通道为M,C个分组来举例,每个分组中的输入通道的个数为M/C。
当然,每组输入通道中输入通道的个数也可以不同。在一种可能的实现方式中,每组输入通道中的输入通道的个数呈指数递增或者递减。以输入通道的个数呈指数递减来举例,第i组的输入通道数为2^(-i)。比如,假设输入通道的个数M为32,分组C为4,则各个分组的输入通道的个数分别为(16, 8, 4, 4)。在另一种可能的实现方式中,每组输入通道中的输入通道的个数按照预设步长递增或者递减。以按照预设步长递增,预设步长为4来举例说明,输入通道的个数依次为4,8,12,16,在此不再赘述。
另外,本实施例以每组输入通道中的卷积核的尺寸不同来举例说明,每组输入通道中的卷积核的尺寸按照第二预设步长递增或者递减。以按照第二预设步长递增、第二预设步长为2且起始尺寸为3*3来举例说明,则第i组输入通道的卷积核尺寸可以为2i+1,比如请参考图4,4组输入通道的卷积核的尺寸可以分别为{3x3, 5x5, 7x7,9x9}。
此外,该初始化网络的输出结果与输入的胎儿超声图像的差值作为该网络的最终输出,这样训练后的网络即可标记噪声的变化,提高了训练该初始化网络时网络的收敛速度。
可选的,在获取得到初始化网络之后,可以构建损失函数。本实施例对损失函数的构建并不做限定。
步骤203,根据所述超声图像训练集和所述标注信息训练所述初始化网络,得到头部分割网络,所述头部分割网络用于分割胎儿超声图像中的胎儿头部部分。
在训练过程中,当损失函数的数值低于预设阈值时,训练结束,并将训练后的初始化网络作为头部分割网络。
综上所述,通过在获取到胎儿超声图像之后,根据头部分割网络来分割得到胎儿超声图像中的胎儿头部,解决了现有技术中胎儿头部的图像中包括噪声干扰医生判断进而使得医生的判断效率较低的问题,达到了可以提高医生的判断效率的效果。
本申请一个实施例还提供了一种胎儿头部分割装置,所述装置存储器和处理器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现以上所述的方法。
本发明的第四个方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时用以实现上述所述的胎儿头部分割方法的步骤。
如图5所示,图5是本发明实施例提供的一种超声设备的结构示意图,如该超声设备500可以包括:至少一个处理器510,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口530,存储器540,至少一个通信总线520。其中,通信总线520用于实现这些组件之间的连接通信。其中,通信接口520可以包括显示屏(Display)、键盘(Keyboard),可选通信接口530还可以包括标准的有线接口、无线接口。存储540可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
其中,通信总线520可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线520可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类别的总线。
其中,存储器540可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器840还可以包括上述种类的存储器的组合。
其中,处理器510可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器510还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic, 缩写:GAL)或其任意组合。
可选地,存储器540还用于存储程序指令。处理器510可以调用程序指令,实现以上所述的胎儿头部分割方法。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种胎儿头部分割方法,其特征在于,所述方法包括:
获取胎儿超声图像,所述胎儿超声图像包括胎儿的头部;
通过头部分割网络分割得到所述胎儿超声图像中的胎儿头部,所述头部分割网络为根据超声图像训练集以及每张胎儿超声图像的标注信息训练得到的用于分割胎儿超声图像中的胎儿头部的网络,其中,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域。
2.一种胎儿头部分割方法,其特征在于,所述方法包括:
获取超声图像训练集以及每张胎儿超声图像的标注信息,所述超声图像训练集包括至少两张胎儿超声图像,所述标注信息用于标注每张胎儿超声图像中胎儿头部的区域以及非胎儿头部的区域;
获取初始化网络;
根据所述超声图像训练集和所述标注信息训练所述初始化网络,得到头部分割网络,所述头部分割网络用于分割胎儿超声图像中的胎儿头部部分。
3.根据权利要求2所述的方法,其特征在于,所述初始化网络的卷积层的输入通道分为至少两组,所述至少两组输入通道采用至少两种尺寸的卷积核。
4.根据权利要求3所述的方法,其特征在于,每组输入通道中的输入通道的个数相同。
5.根据权利要求3所述的方法,其特征在于,每组输入通道中的输入通道的个数呈指数递增或者递减。
6.根据权利要求3所述的方法,其特征在于,每组输入通道中的输入通道的个数按照第一预设步长递增或者递减。
7.根据权利要求3所述的方法,其特征在于,每组输入通道中的卷积核的尺寸按照第二预设步长递增或者递减。
8.根据权利要求2至7任一所述的方法,其特征在于,所述头部分割网络的最终输出为所述头部分割网络的直接输出与输入的胎儿超声图像的差值。
9.一种头部分割装置,其特征在于,所述装置包括处理器和存储器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1或者权利要求2至8任一所述的胎儿头部分割方法。
10.一种存储介质,其特征在于,所述存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如权利要求1或者权利要求2至8任一所述的胎儿头部分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911345490.8A CN113034535A (zh) | 2019-12-24 | 2019-12-24 | 胎儿头部分割方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911345490.8A CN113034535A (zh) | 2019-12-24 | 2019-12-24 | 胎儿头部分割方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113034535A true CN113034535A (zh) | 2021-06-25 |
Family
ID=76451551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911345490.8A Pending CN113034535A (zh) | 2019-12-24 | 2019-12-24 | 胎儿头部分割方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034535A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487581A (zh) * | 2021-07-16 | 2021-10-08 | 武汉中旗生物医疗电子有限公司 | 胎儿头臀径自动测量方法、系统、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805874A (zh) * | 2018-06-11 | 2018-11-13 | 中国电子科技集团公司第三研究所 | 一种基于卷积神经网络的多光谱图像语义切割方法 |
US20190057488A1 (en) * | 2017-08-17 | 2019-02-21 | Boe Technology Group Co., Ltd. | Image processing method and device |
CN110432929A (zh) * | 2019-07-11 | 2019-11-12 | 暨南大学 | 基于超声图像的产时头盆关系自动测量方法和装置 |
-
2019
- 2019-12-24 CN CN201911345490.8A patent/CN113034535A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190057488A1 (en) * | 2017-08-17 | 2019-02-21 | Boe Technology Group Co., Ltd. | Image processing method and device |
CN108805874A (zh) * | 2018-06-11 | 2018-11-13 | 中国电子科技集团公司第三研究所 | 一种基于卷积神经网络的多光谱图像语义切割方法 |
CN110432929A (zh) * | 2019-07-11 | 2019-11-12 | 暨南大学 | 基于超声图像的产时头盆关系自动测量方法和装置 |
Non-Patent Citations (1)
Title |
---|
MR.Q: "胎儿头围自动测量-超声图像项目笔记", pages 1 - 3, Retrieved from the Internet <URL:http://blog.csdn.net./jizhidexiaoming/article/details/88987462> * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487581A (zh) * | 2021-07-16 | 2021-10-08 | 武汉中旗生物医疗电子有限公司 | 胎儿头臀径自动测量方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11113836B2 (en) | Object detection method, device, apparatus and computer-readable storage medium | |
WO2020078269A1 (zh) | 三维图像的语义分割方法、装置、终端及存储介质 | |
WO2020125498A1 (zh) | 心脏磁共振图像分割方法、装置、终端设备及存储介质 | |
CN107305534B (zh) | 同时进行内核模式访问和用户模式访问的方法 | |
US11093388B2 (en) | Method, apparatus, device and storage medium for accessing static random access memory | |
CN109543139B (zh) | 卷积运算方法、装置、计算机设备及计算机可读存储介质 | |
CN109816045A (zh) | 一种商品识别方法及装置 | |
CN111079917A (zh) | 张量数据分块存取的方法及装置 | |
US9904626B2 (en) | Semiconductor device, semiconductor system and system on chip | |
WO2021115061A1 (zh) | 图像分割方法、装置及服务器 | |
CN113066080A (zh) | 切片组织识别方法、装置,细胞识别模型及组织分割模型 | |
CN113034535A (zh) | 胎儿头部分割方法、装置和存储介质 | |
TWI696949B (zh) | 直接記憶體存取方法、裝置、專用計算晶片及異構計算系統 | |
CN109582153A (zh) | 信息输入方法及装置 | |
CN216053088U (zh) | 用于执行卷积神经网络运算的处理装置 | |
CN116225999B (zh) | 一种dma数据传输方法及系统 | |
EP3712845B1 (en) | Image identifying method and image identifying device | |
JP7033507B2 (ja) | ニューラルネットワーク用プロセッサ、ニューラルネットワーク用処理方法、および、プログラム | |
US20230009202A1 (en) | Image processing method and device, electronic apparatus and readable storage medium | |
CN113253939B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN106919522A (zh) | 一种基于PXIe接口的DMA控制器 | |
CN112426170A (zh) | 一种胎盘厚度确定方法、装置、设备及存储介质 | |
CN114779209A (zh) | 一种激光雷达点云体素化方法及装置 | |
CN108629219A (zh) | 一种识别一维码的方法及装置 | |
US20210133543A1 (en) | Neural processing unit and electronic apparatus including the same |
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 |