CN113270171A - 一种基于人工智能的孕期b超检测辅助方法 - Google Patents
一种基于人工智能的孕期b超检测辅助方法 Download PDFInfo
- Publication number
- CN113270171A CN113270171A CN202110682780.2A CN202110682780A CN113270171A CN 113270171 A CN113270171 A CN 113270171A CN 202110682780 A CN202110682780 A CN 202110682780A CN 113270171 A CN113270171 A CN 113270171A
- Authority
- CN
- China
- Prior art keywords
- pregnancy
- strategy
- frame
- ultrasonic
- image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种基于人工智能的孕期B超检测辅助方法,包括如下步骤:S1、利用视频采集装置获取孕期B超视频并发送至处理单元;S2、处理单元将所述孕期B超视频逐帧拆分并生成若干单帧图像信息;S3、所述处理单元配置有提帧策略,所述提帧策略包括从所有单帧图像信息中提取若干单帧图像信息作为选定特征图像。S4、处理单元依据若干选定特征图像构建用于辅助孕检的初始胎儿模型。本发明能够辅助医生快速完成孕检报告,同时使没有技术含量的工作可由护士完成,提高工作效率。
Description
技术领域
本发明涉及人工智能辅助B超检测技术领域,具体涉及一种基于人工智 能的孕期B超检测辅助方法。
背景技术
B超原理:超声在人体内传播,由于人体各种组织有声学的特性差异, 超声波在两种不同组织界面处产生反射、折射、散射、绕射、衰减以及声源 与接收器相对运动产生多普勒频移等物理特性。超声诊断仪接收这些反射、 散射信号,显示各种组织的形态,此过程为B超装置的基本原理,若超声诊 断仪进接收的反射、散射信号过滤,就可以单独获取到两个种组织之间的边 界情况,此方法运用在婴儿B超领域,并可获得某一个视角下婴儿的B超图片。
在孕妇进行B超检查时,需要有经验且能够看懂B超图片的医生对孕 妇进行B超检测,并根据B超显示图样截取特征角度的B超图片,医生再 根据B超图片制作孕检报告,导致有经验的医生划分大量时间在没有技术含 量的工作上严重影响工作效率,因此需要基于人工智能的孕期B超检测辅助 方法,能够辅助医生快速完成孕检报告,同时使没有技术含量的工作可由护 士完成,提高工作效率。
发明内容
有鉴于此,本发明要解决的问题是提供一种基于人工智能的孕期B超检 测辅助方法,能够辅助医生快速完成孕检报告,同时使没有技术含量的工作 可由护士完成,提高工作效率。
为解决上述技术问题,本发明采用的技术方案是:
一种基于人工智能的孕期B超检测辅助方法,包括如下步骤:
S1、利用视频采集装置获取孕期B超视频并发送至处理单元;
S2、处理单元将所述孕期B超视频逐帧拆分并生成若干单帧图像信息;
S3、所述处理单元配置有提帧策略,所述提帧策略包括从所有单帧图像 信息中提取若干单帧图像信息作为选定特征图像;
S4、处理单元依据若干选定特征图像构建用于辅助孕检的初始胎儿模 型。
进一步的,所述视频采集装置包括探头和倾角探测器,所述倾角探测器 用于检测所述探头的倾斜角度,所述单帧图像信息包括黑白B超图像、彩色 B超图像及其对应倾斜角度值。
进一步的,在步骤S3中,所述提帧策略包括最大倾角差值计算子策略, 所述最大倾角差值计算子策略包括提取所有单帧图像信息中的倾斜角度信 息,并依据快速排序法对其进行倾斜角度值由低至高的排序,并将最大倾斜 角度值和最小倾斜角度值的差值作为最大倾角差值。
进一步的,所述提帧策略包括预设的提帧数,提帧策略配置为根据提帧 数和最大倾角差值计算若干选定特征图像之间的偏差角度,并依据计算出的 偏差角度提取相应的若干单帧图像信息。
进一步的,在步骤S4中,所述处理单元配置有选区策略和拔模策略, 所述选区策略用于选定特征图像内的婴儿整体轮廓并生成婴儿图像区域,所 述拔模策略包括获取婴儿图像区域内不同位置的亮度值,并依据亮度值计算 该位置区域的深度值,所述拔模策略设定为依据所述深度值和相应选定特征 图像的倾斜角度进行拔模操作生成单向立体模型。
进一步的,在步骤S4中,所述处理单元还配置有建模策略,所述建模 策略包括将依据三维布尔运算算法将若干选定特征图像拔模生成的若干对 应单向立体模型进行立体堆叠运算生成初始胎儿模型。
进一步的,所述选区策略包括对单帧彩色B超图像根据设定阀值进行二 值化处理并生成黑白图片,黑白图片内最大且闭合的黑白边界内部区域设定 为婴儿图像区域。
进一步的,所述拔模策略包括依据所述婴儿图像区域的形状设定一级划 分网格,并利用一级划分网格对婴儿图像区域进行分区处理生成若干第二网 格,吸取第二网格上交点处的亮度信息,并与亮度阶梯块进对比生成相应交 点的亮度值,并将该交点处的亮度值作为与该交点相连的若干分区块的亮度 值;
所述拔模策略还配置有优化子策略,所述优化子策略包括若两相邻交点 亮度值之差大于第一阈值,则在共用该两点的两相邻分区块内均匀划分第三 网格,在第三网格内重复分区处理和亮度对比的操作,直至两相邻交点亮度 值之差小于等于第一阈值。
进一步的,在步骤S4中,所述拔模策略配置有基准子策略和轮廓增强 子策略,所述基准子策略包括有选取一特征图像,并根据该特征图像内的最 低亮度确定拔模的最低基准,依据最低基准计算出其他亮度的拔模高度生成 拔模基准;
所述轮廓增强子策略包括有沿探头探测方向取婴儿特征区域的最大边 界,使用最大边界对切线方向的特征图像拔模高度进行切除。
进一步的,所述检测辅助方法还包括将初始胎儿模型和若干选定特征图 像合并处理生成检测信息包并传送至诊断终端;
所述建模策略配置有深度学习子策略,所述深度学习子策略包括依据诊 断终端给出的反馈结果对三维布尔运算算法的参数进行优化。
本发明具有的优点和积极效果是:
通过使用视频采集装置获取包括有探头期限角度的B超视频,逐帧拆分 B超视频,并间隔固定角度提取单帧图像,使用不同角度的单帧图像和分别 进行拔模生成单向立体模型,通过建模算法将单向立体模型进行堆叠,构建 成一个初始胎儿模型,有经验的医生只需要查看初始胎儿模型和提取出来的 单帧图像即可生成孕检报告,对于获取B超图像的这种只不需要医学知识的 工作可由护士来完成,提高了孕检时的效率。
具体实施方式
下面将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,都属于本发明保护的范围。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一 个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组 件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组 件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可 能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右” 以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技 术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用 的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所 使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组 合。
本发明提供一种基于人工智能的孕期B超检测辅助方法,包括如下步 骤:S1、利用视频采集装置获取孕期B超视频并发送至处理单元;视频采集 装置包括探头和倾角探测器,探头垂直于腹部表面移动,获取胎儿不同方向 的B超图像,同一方向的B超图像包括有黑白B超图像和彩色B超图像,黑 白B超图像为胎儿表面到探头的距离构成黑白图像,不同距离部位黑白的亮 度也会不同,彩色B超图像为探头视角上的血液含量构成的图像,血液含量 不同色彩浓度不同。
倾角探测器用于检测并获取探头的倾斜角度,使胎儿不同角度的图片与 探头倾斜角度对应。假设以腹部最高点探头的倾角度值为初始角度值,探头 从腹部最高点沿着腹部单方向移动到腹部正第一边缘,正第一边缘处倾斜角 度为正第一边缘值,获取到该方向上包括有彩色B超图像、黑白B超图像和 对应探头倾角的的正B超图像信息,探头从腹部最高点沿着腹部反方向移动 到腹部反第一边缘,反第一边缘处探头倾斜角度为反第一边缘值,获取到该 方向上包括有彩色B超图像、黑白B超图像和电源探头倾角的反B超图像信息。反B超图像和正B超图像共同构成胎儿该方向上不同角度的B超图像。
S2、处理单元将孕期的B超视频逐帧拆分并生成若干单帧图像信息,也 就是将彩色和黑白的反B超图像信息和正B超图像信息分别进行逐帧拆分, 生成一组正单帧图像信息和一组反单帧图像信息。单帧图像信息均包括彩色 单帧B超图像、相同倾斜角度的黑白单帧B超图像及其对应探头的倾斜角度 值。
S3、处理单元配置有提帧策略,提帧策略包括最大倾角差值计算子策略, 以正B超图像信息为例,最大倾角差值计算子策略提取正B超图像信息,并 获取正B超图像信息中所有倾斜角度值,依据快速排序法对其倾斜角度值进 行由低至高的排序(假设探头垂直于水平面的倾斜角度值为0度,因此,初 始角度值为0度,倾角的角度值为探头相对于竖直方向上的倾斜角度)正第 一边缘处探头相对于竖直方向的夹角为正最大倾角度值。计算初始角度值与 正正最大倾角度值的差作为正最大倾角差值,反B超图像信息处理过程与正 B超图像信息过程相同并获得反最大倾角差值。
提帧策略包括从所有单帧图像信息中提取若干单帧图像信息作为选定 特征图像。提帧策略包括预设的提帧数,提帧策略配置有根据提帧数和最大 倾角差值计算若干选定特征图像之间的偏差角度。以初始角度值获取的B超 图像信息作为基础B超图像信息,并依据计算出的偏差角度,基础B超图像 信息每间隔偏差角度提取正单帧图像信息和反单帧图像信息中相应的若干 单帧图像信息。并对应生成该方向上的正建模信息和反建模信息。
S4、处理单元依据若干选定特征图像构建用于辅助孕检的初始胎儿模 型。处理单元配置有选区策略和拔模策略,选区策略用于选定特征图像内的 婴儿整体轮廓并生成婴儿图像区域。以基础B超图像信息为例:选区策略包 括选取基础B超图像信息中的彩色B超图片,因为子宫壁内的血液含量较少 于身体肌肉组织和胎儿身体内的血液含量,但高于羊水内的血液含量,因此 在彩色B超图片中子宫壁内的色浓度低。
对提取的彩色单帧B超图像进行二值化处理生成黑白图片,将色度值小 于设定阈值的区域全部设置为黑色,色度值大于设定阈值的区域设置为白 色,子宫壁在黑白图片中作为胎儿与人体组织的分界,且在黑白图片中子宫 壁为最大且闭合的黑白界线。选区策略依据黑白图片中最大且闭合的黑白界 线作为截取边界,截取边界减去子预设的宫壁厚度,并在黑白B超图片中截 取出只有婴儿图像的区域。
拔模策略包括获取婴儿图像区域内不同位置的亮度值,依据所述婴儿图 像区域的形状设定一级划分网格,并利用一级划分网格对婴儿图像区域进行 分区处理生成若干第二网格,吸取第二网格上交点处的亮度信息,并与亮度 阶梯块进对比生成相应交点的亮度值,并将该交点处的亮度值作为与该交点 相连的若干第二网格的亮度值。拔模策略还配置有优化子策略,若两相邻交 点亮度值之差大于第一阈值(第一阈值为第二网格上相邻交点的亮度值允许 存在的误差)。表明第二网格上量相邻交点的亮度值超过误差范围,则在共 用该两点的两相邻分区块内均匀划分第三网格,在第三网格内重复分区处理 和亮度对比的操作,直至两相邻交点亮度值之差小于等于第一阈值(表明网 格上所有交点亮度值差均小于或等于误差范围)。拔模策略依据亮度值计算 拔模深度值,网格不同倾斜角度的选定特征图像上的网格,根据模深度值进 行拔模,和网格内对应的亮度进行拔模,并生成单向立体模型。
处理单元还配置有建模策略,所述建模策略包括将依据三维布尔运算算 法将若干选定特征图像拔模生成的若干对应单向立体模型进行立体堆叠运 算生成初始胎儿模型。建模策略包括有堆叠基准调整子策略,因为两个模型 进行堆叠需要确定两个模型的重叠面(点)和重叠方向,但是孕妇的腹部不 是标准的球形,导致探头在不同位置的中心不在同一位置,因此在用探头获 取B超图片之前,需提前确定探头在腹部的移动路径并标记,在探头移动路 径的切线方向使用扫描设备获取腹部的坡度,并计算出探头不同倾斜角度时,探头的转动中心点在B超图片对的应位置。
使用时优选的探头的移动路径为:单方向在腹部表面移动,因为只需要 确定探头的倾斜角度,就能确定两个单向立体模型在立体空间内的夹角(若 不单方向移动,会在增加立体空间内的夹角和转动中心点的计算难度),两 个模型的转动中心点和空间内的夹角确定,即可通过三维布尔运算算法对多 个模型进行立体堆叠。
建模策略包括有基准子策略,优选的,可选取探测倾斜角度为零的特征 图像,并获取该特征图像上的最低亮度区域,进确定其拔模高度,以该拔模 高度进一步计算出其余亮度区域的拔模高度。B超成像过程中,因为脂肪厚 度和羊水量的影响,导致不同倾斜角度的B超图片的成像亮度不统一,容易 使胎儿的同一个部位在不同倾斜角度的B超图片上的拔模高度不同,因此需 要对特征图像不同倾斜角度的同一部位进行拔模高度统一处理。
获取特征图像上的多个最大拔模高度所对应的高点网格(因为拔模最高 的区域属于突出部位,当探头钻倾斜角度后,其突出部位依旧会在该倾斜角 度的B超图像上,不被遮挡),获取高点网格到转动中心点距离值、拔模高 度和相邻特征图像的夹角,算出多个高点网格在相邻特征图像上的对应网格 位置以及对应的拔模高度,计算其拔模高度的平均值,依据平均值对相邻特 征图像进行统一亮度修正,然后再对相邻特征图像进行拔模和堆叠。
建模策略包括有不连续面补足子策略,因为两个相邻特征图像拔模和堆 叠后,不同方向的拔模块之间会形成不封闭的夹角,导致模型表面不连续, 可依据量相邻特征图像之间的夹角和对应拔模块顶面到转动中心点距离,并 计算处补充平均值,使用补充平均值对拔模路径上不连续区域进行补足修 正。
建模策略包括有轮廓增强子策略,轮廓增强子策略包括以探头测量角度 为零的特征图像拔模得到的单向立体模型为基准,按倾斜角度由小至大的顺 序依次对前述单向立体模型进行修正和补充,并且依次迭代和消除,直至完 成一个初始模型的构建。对初始模型进行修正包括沿探头探测方向提取婴儿 图像区域的最大边界(就是婴儿特征区域的外边缘),使用最大边界垂直切 割平行于探头探测方向一特征图像的拔模高度。
检测辅助方法还包括将初始胎儿模型和若干选定特征图像合并处理生 成检测信息包并传送至诊断终端;诊断终端以选定特征图像作为主要信息, 初始胎儿模型做为辅助,制作诊断报告。建模策略配置有深度学习子策略, 深度学习子策略包括依据诊断终端给出的反馈结果对三维布尔运算算法的 参数进行优化,诊断终端依据选定特征图像对初始胎儿模型进行完善,并生 成最终胎儿模型,深度学习子策略将最终胎儿模型倒出停止图像角度上的完 善特征图像,根据选定特征图像和对应完善特征图像确定网格误差,在去除网格误差影响下对三维布尔运算算法的参数进行优化,去除模型中多余的粘 黏。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳 实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均 等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (10)
1.一种基于人工智能的孕期B超检测辅助方法,其特征在于:包括如下步骤:
S1、利用视频采集装置获取孕期B超视频并发送至处理单元;
S2、处理单元将所述孕期B超视频逐帧拆分并生成若干单帧图像信息;
S3、所述处理单元配置有提帧策略,所述提帧策略包括从所有单帧图像信息中提取若干单帧图像信息作为选定特征图像;
S4、处理单元依据若干选定特征图像构建用于辅助孕检的初始胎儿模型。
2.根据权利要求1所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:所述视频采集装置包括探头和倾角探测器,所述倾角探测器用于检测所述探头的倾斜角度,所述单帧图像信息包括黑白B超图像、彩色B超图像及其对应倾斜角度值。
3.根据权利要求2所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:在步骤S3中,所述提帧策略包括最大倾角差值计算子策略,所述最大倾角差值计算子策略包括提取所有单帧图像信息中的倾斜角度信息,并依据快速排序法对其进行倾斜角度值由低至高的排序,并将最大倾斜角度值和最小倾斜角度值的差值作为最大倾角差值。
4.根据权利要求3所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:所述提帧策略包括预设的提帧数,提帧策略配置为根据提帧数和最大倾角差值计算若干选定特征图像之间的偏差角度,并依据计算出的偏差角度提取相应的若干单帧图像信息。
5.根据权利要求4所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:在步骤S4中,所述处理单元配置有选区策略和拔模策略,所述选区策略用于选定特征图像内的婴儿整体轮廓并生成婴儿图像区域,所述拔模策略包括获取婴儿图像区域内不同位置的亮度值,并依据亮度值计算该位置区域的深度值,所述拔模策略设定为依据所述深度值和相应选定特征图像的倾斜角度进行拔模操作生成单向立体模型。
6.根据权利要求5所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:在步骤S4中,所述处理单元还配置有建模策略,所述建模策略包括将依据三维布尔运算算法将若干选定特征图像拔模生成的若干对应单向立体模型进行立体堆叠运算生成初始胎儿模型。
7.根据权利要求5所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:所述选区策略包括对单帧彩色B超图像根据设定阀值进行二值化处理并生成黑白图片,黑白图片内最大且闭合的黑白边界内部区域设定为婴儿图像区域。
8.根据权利要求5所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:所述拔模策略包括依据所述婴儿图像区域的形状设定一级划分网格,并利用一级划分网格对婴儿图像区域进行分区处理生成若干第二网格,吸取第二网格上交点处的亮度信息,并与亮度阶梯块进对比生成相应交点的亮度值,并将该交点处的亮度值作为与该交点相连的若干分区块的亮度值;
所述拔模策略还配置有优化子策略,所述优化子策略包括若两相邻交点亮度值之差大于第一阈值,则在共用该两点的两相邻分区块内均匀划分第三网格,在第三网格内重复分区处理和亮度对比的操作,直至两相邻交点亮度值之差小于等于第一阈值。
9.根据权利要求6所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:在步骤S4中,所述建模模策略配置有基准子策略和轮廓增强子策略,所述基准子策略包括有选取一特征图像,并根据该特征图像内的最低亮度的分区块为基准进行其他若干单向立体模型立体堆叠过程;
所述轮廓增强子策略包括有沿探头探测方向取婴儿特征区域的最大边界,使用最大边界对切线方向的特征图像拔模高度进行切除。
10.根据权利要求1-9中任一项权利要求所述的一种基于人工智能的孕期B超检测辅助方法,其特征在于:所述检测辅助方法还包括将初始胎儿模型和若干选定特征图像合并处理生成检测信息包并传送至诊断终端;
所述建模策略配置有深度学习子策略,所述深度学习子策略包括依据诊断终端给出的反馈结果对三维布尔运算算法的参数进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110682780.2A CN113270171B (zh) | 2021-06-18 | 2021-06-18 | 一种基于人工智能的孕期b超检测辅助方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110682780.2A CN113270171B (zh) | 2021-06-18 | 2021-06-18 | 一种基于人工智能的孕期b超检测辅助方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113270171A true CN113270171A (zh) | 2021-08-17 |
CN113270171B CN113270171B (zh) | 2022-11-01 |
Family
ID=77235422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110682780.2A Active CN113270171B (zh) | 2021-06-18 | 2021-06-18 | 一种基于人工智能的孕期b超检测辅助方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113270171B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413322A (zh) * | 2013-07-16 | 2013-11-27 | 南京师范大学 | 序列视频关键帧提取方法 |
CN104156967A (zh) * | 2014-08-18 | 2014-11-19 | 深圳市开立科技有限公司 | 一种胎儿颈部透明层图像分割方法、装置及系统 |
CN106846346A (zh) * | 2017-01-23 | 2017-06-13 | 天津大学 | 基于关键帧标记的序列ct图像骨盆轮廓快速提取方法 |
CN107481254A (zh) * | 2017-08-24 | 2017-12-15 | 上海术理智能科技有限公司 | 医学图像的处理方法、装置、介质和电子设备 |
CN110490855A (zh) * | 2019-08-16 | 2019-11-22 | 四川大学华西第二医院 | 一种基于3d打印技术构建凶险性前置胎盘模型的方法 |
CN111062948A (zh) * | 2019-11-18 | 2020-04-24 | 北京航空航天大学合肥创新研究院 | 一种基于胎儿四腔心切面图像的多组织分割方法 |
CN112801958A (zh) * | 2021-01-18 | 2021-05-14 | 青岛大学附属医院 | 超声内镜、人工智能辅助鉴别方法、系统、终端、介质 |
-
2021
- 2021-06-18 CN CN202110682780.2A patent/CN113270171B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413322A (zh) * | 2013-07-16 | 2013-11-27 | 南京师范大学 | 序列视频关键帧提取方法 |
CN104156967A (zh) * | 2014-08-18 | 2014-11-19 | 深圳市开立科技有限公司 | 一种胎儿颈部透明层图像分割方法、装置及系统 |
CN106846346A (zh) * | 2017-01-23 | 2017-06-13 | 天津大学 | 基于关键帧标记的序列ct图像骨盆轮廓快速提取方法 |
CN107481254A (zh) * | 2017-08-24 | 2017-12-15 | 上海术理智能科技有限公司 | 医学图像的处理方法、装置、介质和电子设备 |
CN110490855A (zh) * | 2019-08-16 | 2019-11-22 | 四川大学华西第二医院 | 一种基于3d打印技术构建凶险性前置胎盘模型的方法 |
CN111062948A (zh) * | 2019-11-18 | 2020-04-24 | 北京航空航天大学合肥创新研究院 | 一种基于胎儿四腔心切面图像的多组织分割方法 |
CN112801958A (zh) * | 2021-01-18 | 2021-05-14 | 青岛大学附属医院 | 超声内镜、人工智能辅助鉴别方法、系统、终端、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113270171B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104220005B (zh) | 超声波摄像装置以及超声波摄像方法 | |
CN107072637B (zh) | 用于自动气胸检测的设备和方法 | |
US9401040B2 (en) | Image processing apparatus and imaging processing method | |
WO2012042808A1 (ja) | 超音波診断装置 | |
EP3554379B1 (en) | Prenatal ultrasound imaging | |
Rahmatullah et al. | Quality control of fetal ultrasound images: Detection of abdomen anatomical landmarks using adaboost | |
US11403778B2 (en) | Fetal development monitoring | |
EP3742973B1 (en) | Device and method for obtaining anatomical measurements from an ultrasound image | |
CN107427279A (zh) | 使用具有用户控制的心脏模型腔室的心脏功能的超声诊断 | |
CN104812312A (zh) | 超声波诊断装置以及超声波三维图像创建方法 | |
JP2020039645A (ja) | 超音波診断装置及び表示方法 | |
EP3934539B1 (en) | Methods and systems for acquiring composite 3d ultrasound images | |
EP3820374B1 (en) | Methods and systems for performing fetal weight estimations | |
CN113270171B (zh) | 一种基于人工智能的孕期b超检测辅助方法 | |
US20200320750A1 (en) | Ultrasonic imaging device and image processing device | |
US20210015449A1 (en) | Methods and systems for processing and displaying fetal images from ultrasound imaging data | |
EP3017428B1 (en) | Ultrasonic imaging apparatus and control method thereof | |
JP3662835B2 (ja) | 超音波診断装置 | |
JP5959880B2 (ja) | 超音波診断装置 | |
CN107427282A (zh) | 通过单自由度腔室分割对心脏功能的超声诊断 | |
JP2022543540A (ja) | 画像データを使用する超音波システム音響出力制御 | |
EP3456265A1 (en) | Fetal development monitoring | |
CN112638267A (zh) | 超声成像方法及系统、存储介质、处理器和计算机设备 | |
EP4149360B1 (en) | Making measurements of the hip | |
EP4014884A1 (en) | Apparatus for use in analysing an ultrasound image of a subject |
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 |