CN114078112A - 肝脏变性程度的检测方法、装置、计算机设备和存储介质 - Google Patents
肝脏变性程度的检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114078112A CN114078112A CN202011111435.5A CN202011111435A CN114078112A CN 114078112 A CN114078112 A CN 114078112A CN 202011111435 A CN202011111435 A CN 202011111435A CN 114078112 A CN114078112 A CN 114078112A
- Authority
- CN
- China
- Prior art keywords
- liver
- image
- determining
- degree
- degeneration
- 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
Images
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
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- 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
-
- 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
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T2207/30056—Liver; Hepatic
-
- 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
- G06T2207/30084—Kidney; Renal
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种肝脏变性程度的检测方法、装置、计算机设备和存储介质。所述方法包括:在对目标对象进行超声扫描后,获取所述目标对象的超声扫描图像;对所述超声扫描图像进行图像识别,得到所述超声扫描图像中的肝脏图像;基于所述肝脏图像,计算出至少一个检测维度对应的量化值;所述检测维度为检测肝脏变性程度的维度;根据预设量化值范围和所述至少一个检测维度对应的量化值,确定所述目标对象的肝脏变性程度。采用本方法能够缩短检测时间、提高检测效率。
Description
技术领域
本申请涉及医学影像处理技术领域,特别是涉及一种肝脏变性程度的检测方法、装置、计算机设备和存储介质。
背景技术
脂肪肝(fatty liver)是一种常见的肝脏病理改变,正常人肝组织中含有少量的脂肪,如果肝内脂肪蓄积太多,超过肝重量的5%或在组织学上肝细胞50%以上有脂肪变性时,就可称为脂肪肝。
目前,肝脏变性程度的检测方式主要是:先对患者进行超声检查得到超声影像,然后由医生根据超声影像中肝血管的清晰度、超声衰减程度来确定肝脏是否存在变性,以及肝脏变性程度。
但是,上述肝脏变性程度的检测方式存在以下缺点:检测时间长、效率低,容易出现误诊情况。
发明内容
基于此,有必要针对上述技术问题,提供一种能够缩短检测时间、提高检测效率的肝脏变性程度的检测方法、装置、计算机设备和存储介质。
一种肝脏变性程度的检测方法,该方法包括:
在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
在其中一个实施例中,基于肝脏图像,计算出至少一个检测维度对应的量化值之前,该方法还包括:
对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像;
对应地,检测维度包括回声强度比;基于肝脏图像,计算出至少一个检测维度对应的量化值,包括:
分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度;
根据肝脏回声强度和肾脏回声强度计算出目标回声强度比;
根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值;其中,第一映射关系表征回声强度比与预设量化值之间的对应关系。
在其中一个实施例中,上述分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度,包括:
针对肝脏图像或肾脏图像,确定图像中的像素数量和各像素的灰度值;
根据像素数量和各像素的灰度值计算平均灰度值,并将平均灰度值确定为肝脏回声强度或肾脏回声强度。
在其中一个实施例中,上述检测维度包括肝脏边缘角;上述基于肝脏图像,计算出至少一个检测维度对应的量化值,包括:
分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像;其中,多个参考图像分别对应不同的肝脏变性程度;
根据预先设置的第二映射关系,确定与目标参考图像对应的第二量化值;其中,第二映射关系表征参考图像与预设量化值之间的对应关系。
在其中一个实施例中,上述分别计算肝脏图像与多个参考图像之间的相似度,包括:
分别获取肝脏图像与参考图像的轮廓;
利用预设匹配函数对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值,并将图像矩匹配值确定为肝脏图像与参考图像之间的相似度。
在其中一个实施例中,上述检测维度包括右肝斜径长度;上述基于肝脏图像,计算出至少一个检测维度对应的量化值,包括:
确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度;
根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值;其中,第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
在其中一个实施例中,上述至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值;上述根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度,包括:
对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值;
根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。
在其中一个实施例中,上述预设量化值范围包括多个肝脏变性程度分别对应的量化区间,上述根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度,包括:
确定总量化值所在的目标量化区间,并将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度。
在其中一个实施例中,上述肝脏变性程度包括未变性、轻度、中度和重度;将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度之后,该方法还包括:
在确定目标对象的肝脏变性程度为轻度或中度的情况下,根据总量化值和预先建立的预测关系式,计算出目标对象的肝脏变性程度为轻度或中度的概率。
在其中一个实施例中,上述对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像,包括:
将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像和肝脏识别框;
根据肝脏识别框得到肝脏图像。
一种肝脏变性程度的检测装置,该装置包括:
图像获取模块,用于在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
第一图像识别模块,用于对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
量化值计算模块,用于基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
程度确定模块,用于根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
在其中一个实施例中,该装置还包括:
第二图像识别模块,用于对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像;
对应地,检测维度包括回声强度比;量化值计算模块包括:
回声强度确定子模块,用于分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度;
回声强度比计算子模块,用于根据肝脏回声强度和肾脏回声强度计算出目标回声强度比;
第一量化值计算子模块,用于根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值;其中,第一映射关系表征回声强度比与预设量化值之间的对应关系。
在其中一个实施例中,上述回声强度确定子模块,具体用于针对肝脏图像或肾脏图像,确定图像中的像素数量和各像素的灰度值;根据像素数量和各像素的灰度值计算平均灰度值,并将平均灰度值确定为肝脏回声强度或肾脏回声强度。
在其中一个实施例中,上述检测维度包括肝脏边缘角;量化值计算模块包括:
相似度计算子模块,用于分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像;其中,多个参考图像分别对应不同的肝脏变性程度;
第二量化值计算子模块,用于根据预先设置的第二映射关系,确定与目标参考图像对应的第二量化值;其中,第二映射关系表征参考图像与预设量化值之间的对应关系。
在其中一个实施例中,上述相似度计算子模块,具体用于分别获取肝脏图像与参考图像的轮廓;利用预设匹配函数对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值,并将图像矩匹配值确定为肝脏图像与参考图像之间的相似度。
在其中一个实施例中,上述检测维度包括右肝斜径长度;量化值计算模块包括:
长度计算子模块,用于确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度;
第三量化值计算子模块,用于根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值;其中,第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
在其中一个实施例中,上述至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值;上述程度确定模块包括:
总量化值计算模块,用于对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值;
程度确定子模块,用于根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。
在其中一个实施例中,上述预设量化值范围包括多个肝脏变性程度分别对应的量化区间,上述程度确定子模块,具体用于确定总量化值所在的目标量化区间,并将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度。
在其中一个实施例中,上述肝脏变性程度包括未变性、轻度、中度和重度,该装置还包括:
概率计算模块,用于在确定目标对象的肝脏变性程度为轻度或中度的情况下,根据总量化值和预先建立的预测关系式,计算出目标对象的肝脏变性程度为轻度或中度的概率。
在其中一个实施例中,上述第一图像识别模块,具体用于将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像和肝脏识别框;根据肝脏识别框得到肝脏图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
一种计算机可读存储介质,其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以下步骤:
在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
上述肝脏变性程度的检测方法、装置、计算机设备和存储介质,计算机设备在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;基于肝脏图像,计算出至少一个检测维度对应的量化值;根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。通过本公开实施例,计算机设备根据超声扫描图像自动判断目标对象的肝脏变性程度,与现有技术中由人工判断相比,无需多次扫描即可得到诊断结果,因此可以缩短检测时间,提高检测效率。
附图说明
图1为一个实施例中肝脏变性程度的检测方法的应用环境图;
图2为一个实施例中肝脏变性程度的检测方法的流程示意图;
图3a为一个实施例中超声扫描图像的示意图之一;
图3b为一个实施例中超声扫描图像的示意图之二;
图4为一个实施例中计算出至少一个检测维度对应的量化值步骤的流程示意图之一;
图5为一个实施例中计算出至少一个检测维度对应的量化值步骤的流程示意图之二;
图6为一个实施例中参考图像的示意图;
图7为一个实施例中计算出至少一个检测维度对应的量化值步骤的流程示意图之三;
图8为一个实施例中确定目标对象的肝脏变性程度步骤的流程示意图;
图9为一个实施例中肝脏变性程度的检测装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的肝脏变性程度的检测方法,可以应用于如图1所示的应用环境中。其中,该应用环境可以包括超声扫描系统。超声扫描系统包括超声扫描探头101和计算机设备102;计算机设备102可以包括至少一个终端,终端可以包括处理器、显示器和存储器。超声扫描探头101可以通过有线通信方式或无线通信方式与计算机设备102进行通信。
在一个实施例中,如图2所示,提供了一种肝脏变性程度的检测方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
步骤201,在对目标对象进行超声扫描后,获取目标对象的超声扫描图像。
操作人员使用超声扫描探头对目标对象进行超声扫描,超声扫描探头将采集到的超声数据发送到计算机设备。对应地,计算机设备接收超声扫描探头发送的超声数据,对超声数据进行处理得到超声扫描图像。
计算机设备对超声数据进行处理的过程可以包括:先在FPGA(FieldProgrammable Gate Array,现场可编程逻辑门阵列)中对超声数据进行压缩,然后通过PCIe总线将压缩数据传输数据GPU(Graphics Processing Unit,图形处理器)中,由GPU对超声数据进行解压缩,并利用预先设置的波束合成算法进行波束合成处理得到原始图像。之后,计算机设备采用对数压缩去除图像中的干扰噪声;并利用空间滤波对图像进行平滑处理;接着,采用增益补偿对图像进行优化处理;最后,进行坐标转换处理将图像转换成计算机设备屏幕显示的大小,得到超声扫描图像。
其中,对数压缩的作用是降低图像的动态范围,降低强弱信号之间的显示差距,使得弱信号更明显,从而去除图像中的干扰噪声。增益补偿的作用是弥补超声在传播过程中的衰减。空间滤波的作用是去除噪声、平滑图像。
步骤202,对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像。
计算机设备得到超声扫描图像之后,对超声扫描图像进行图像识别,从超声扫描图像中识别出肝脏的位置,从而得到肝脏图像。
图像识别可以采用多种方式,其中一种方式可以包括:将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像和肝脏识别框;根据肝脏识别框得到肝脏图像。如图3a中的三角形识别框和3b所示,肝脏识别框中的图像即为肝脏图像。识别框的形状可以是不规则的,本公开实施例对识别框的形状不做限定。
训练图像识别模型的过程可以包括:预先获取训练数据集,该训练数据集包括多个训练图像和各训练图像对应的标注;将一个训练图像输入到深度学习模型中,得到深度学习模型输出的训练结果;利用预先设置的损失函数计算训练结果与标注之间的损失值,如果损失值不符合预设收敛条件,则对深度学习模型中的可调参数进行调整,并将下一个训练图像输入到深度学习模块中。以此类推,直到深度学习模型输出的训练结果与标注之间的损失值符合预设收敛条件才结束训练。
之后,获取测试数据集,该测试数据集包括多个测试图像和各测试图像对应的标注;将多个测试图像依次输入到深度学习模型中,得到深度学习模型依次输出的测试结果。计算深度学习模型输出的多个测试结果的准确度;如果准确度达到预设比例,则得到图像识别模型。例如,预设比例设置为90%,将10个测试图像输入到深度学习模型中,如果深度学习模型输出的10个测试结果中至少有9个测试结果是正确的,则可以确定准确度达到预设比例,得到图像识别模型。如果准确度未达到预设比例,则继续训练深度学习模型。本公开实施例对预设比例不做限定。
步骤203,基于肝脏图像,计算出至少一个检测维度对应的量化值。
其中,检测维度为检测肝脏变性程度的维度。
计算机设备可以通过多个检测维度对肝脏图像进行检测,分别计算每个检测维度对应的量化值。
在其中一个实施例中,检测维度包括回声强度比、肝脏边缘角和右肝斜径长度中的至少一种。计算机设备可以计算出回声强度比对的量化值,也可以计算出肝脏边缘角对应的量化值,还可以计算出右肝斜径长度对应的量化值;或者,计算出其中两个或三个检测维度对应的量化值。本公开实施例对此不做详细限定,可以根据实际情况进行设置。
步骤204,根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
预设量化值范围可以包括多个量化区间,不同的量化区间对应不同的肝脏变性程度。例如,肝脏变性程度可以包括未变性、轻度、中度和重度,预设量化值范围包括4个量化区间,其中,[0,M)对应未变性,[M,N)对应轻度,[N,P)对应中度,[P,3]对应重度。
根据计算出的量化值所在的量化区间,得到目标对象的肝脏变性程度。例如,计算出回声强度比对应的量化值在[M,N)之间,确定目标对象的肝脏变性程度为轻度;计算出肝脏边缘角对应的量化值为在[M,N)之间,确定目标对象的肝脏变性程度为轻度;计算出右肝斜径长度对应的量化值为在[M,N)之间,确定目标对象的肝脏变性程度为轻度。
可以理解地,依据上述步骤得到的目标对象的肝脏变性程度,是对超声扫描图像进行图像处理所得到的分型结果,与最终的诊断结果并不具有必然联系。
上述肝脏变性程度的检测方法中,计算机设备在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;基于肝脏图像,计算出至少一个检测维度对应的量化值;根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。通过本公开实施例,计算机设备根据超声扫描图像自动判断目标对象的肝脏变性程度,与现有技术中由人工判断相比,无需多次扫描即可得到诊断结果,因此可以缩短检测时间,提高检测效率。
在一个实施例中,检测维度包括回声强度比,在基于肝脏图像,计算出至少一个检测维度对应的量化值之前,还包括:对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像。
在对超声扫描图像进行图像识别的过程中,可以同时得到超声扫描图像中的肝脏图像和肾脏图像。图像识别可以包括如下步骤:将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像、肝脏识别框和肾脏识别框;根据肝脏识别框得到肝脏图像,如图3a中三角形识别框所示;根据肾脏识别框得到肾脏图像,如图3a中椭圆形识别框所示。
在得到肝脏图像和肾脏图像之后,如图4所示,上述基于肝脏图像,计算出至少一个检测维度对应的量化值的步骤,可以包括:
步骤301,分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度。
计算机设备根据肝脏图像确定肝脏回声强度,根据肾脏图像确定肾脏回声强度。确定回声强度的过程可以包括:针对肝脏图像或肾脏图像,确定图像中的像素数量和各像素的灰度值;根据像素数量和各像素的灰度值计算平均灰度值,并将平均灰度值确定为肝脏回声强度或肾脏回声强度。
例如,针对肝脏图像,像素数量为n,每个像素的灰度值为ki,则平均灰度值K采用公式(1)计算:
将平均灰度值K确定为肝脏回声强度。参照这种计算方式,可以得到肾脏回声强度。
步骤302,根据肝脏回声强度和肾脏回声强度计算出目标回声强度比。
计算机设备得到肝脏回声强度和肾脏回声强度,计算肝脏回声强度与肾脏回声强度的比值,并将该比值作为目标回声强度比。
例如,肝脏回声强度为P,肾脏回声强度为Q,目标回声强度比M=P/Q。通常情况下,正常肝脏的肝脏回声强度P大于肾脏回声强度Q。
步骤303,根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值。
其中,第一映射关系表征回声强度比与预设量化值之间的对应关系。
计算机设备中预先设置有第一映射关系,即设置有回声强度比与预设量化值之间的对应关系。例如,回声强度比在1-1.1之间,对应预设量化值0;在1.1-1.2之间,对应预设量化值1;在1.2-1.5之间,对应预设量化值2;在1.5以上,对应量化值3。
在得到目标回声强度比之后,根据第一映射关系,确定目标回声强度比对应的第一量化值。例如,目标回声强度比在1.1-1.2之间,则确定第一量化值为1。
对应地,上述根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度的步骤,可以包括:根据预设量化值范围和第一量化值,确定目标对象的肝脏变性程度。
例如,第一量化值为1,则确定目标对象的肝脏变性程度为轻度。
上述实施例中,计算机设备还对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像;然后分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度;根据肝脏回声强度和肾脏回声强度计算出目标回声强度比;根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值;根据预设量化值范围和第一量化值,确定目标对象的肝脏变性程度。本公开实施例中,回声强度比可以有效地反映出肝脏变性程度,因此,由计算机设备依据回声强度比确定目标对象的肝脏变性程度,可以避免多次扫描,即可以缩短检测时间,提高检测效率。
在一个实施例中,如图5所示,检测维度包括肝脏边缘角;上述基于肝脏图像,计算出至少一个检测维度对应的量化值的步骤,可以包括:
步骤401,分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像。
其中,多个参考图像分别对应不同的肝脏变性程度。
预先获取多个参考图像,不同参考图像对应不同的肝脏变性程度。如图6所示,参考图像1对应未变性,即正常肝脏,参考图像2对应轻度,参考图像3对应中度,参考图像4对应重度。
分别计算肝脏图像与每个参考图像之间的相似度,得到多个相似度;根据相似度从多个参考图像中选取出与肝脏图像最相似的作为目标参考图像。可以理解地,正常肝脏的肝脏边缘角比较锐利,肝脏变性后肝脏边缘变钝,因此,计算肝脏图像与每个参考图像之间的相似度,即比较肝脏图像与哪个参考图像的肝脏边缘角比较近似,从而根据肝脏边缘角近似的参考图像确定肝脏变性程度。
上述计算相似度的过程可以包括:分别获取肝脏图像与参考图像的轮廓;利用预设匹配函数对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值,并将图像矩匹配值确定为肝脏图像与参考图像之间的相似度。
在实际应用中,可以利用软件OpenCV分别获取肝脏图像和参考图像的轮廓;然后,利用软件OpenCV提供的库函数cvMatchShapes对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值。其中,图像矩(Hu矩)是一种具有平移、旋转和尺度不变性的图像特征。
例如,肝脏图像的轮廓为src,参考图像的轮廓分别为dst1、dst2、dst3、dst4,分别调以下函数:double cvMatchShapes(const void*object1,const void*object2,intmethod,doubleparameter=0)计算出图像矩匹配值。其中,图像矩匹配值越接近0.0,说明两个图像之间的相似度越高。
分别计算肝脏图像与每个参考图像的图像矩匹配值,并从计算出的多个图像矩匹配值选出最小值,将最小值对应的参考图像确定为目标参考图像。
步骤402,预先设置的第二映射关系,确定与目标参考图像对应的第二量化值。
其中,第二映射关系表征参考图像与预设量化值之间的对应关系。
计算机设备中预先设置有第二映射关系,即设置有参考图像与预设量化值之间的对应关系。例如,参考图像1对应预设量化值0,参考图像2对应预设量化值1,参考图像3对应预设量化值2,参考图像4对应量化值3。
在得到目标参考图像之后,根据第二映射关系,确定目标参考图像对应的第二量化值。例如,目标参考图像为参考图像2,则确定第二量化值为1。
对应地,上述根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度的步骤,可以包括:根据预设量化值范围和第二量化值,确定目标对象的肝脏变性程度。
例如,第二量化值为1,则确定目标对象的肝脏变性程度为轻度。
上述实施例中,计算机设备分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像;预先设置的第二映射关系,确定与目标参考图像对应的第二量化值;根据预设量化值范围和第二量化值,确定目标对象的肝脏变性程度。本公开实施例中,肝脏边缘角可以有效地反映出肝脏变性程度,因此,由计算机设备依据肝脏边缘角确定目标对象的肝脏变性程度,可以避免多次扫描,即可以缩短检测时间,提高检测效率。
在一个实施例中,如图7所示,检测维度包括右肝斜径长度;上述基于肝脏图像,计算出至少一个检测维度对应的量化值,包括:
步骤501,确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度。
计算机从超声扫描图像中识别出肝脏图像,如图3b所示。之后,确定该肝脏图像中纵向最长直线的长度,并将该长度确定为目标右肝斜径长度。
步骤502,根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值。
其中,第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
计算机设备中预先设置有第三映射关系,即设置有右肝斜径长度与预设量化值之间的对应关系。例如,右肝斜径长度在10-14cm之间,对应预设量化值0;右肝斜径长度在14-14.5cm之间,对应预设量化值1;右肝斜径长度在14.5-15cm之间,对应预设量化值2;右肝斜径长度在15cm以上,对应量化值3。
在得到目标右肝斜径长度之后,根据目标右肝斜径长度确定对应的第三量化值。例如,目标右肝斜径长度为14.3cm,则确定第三量化值为1。
对应地,上述根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度的步骤,可以包括:根据预设量化值范围和第三量化值,确定目标对象的肝脏变性程度。
例如,第三量化值为1,则确定目标对象的肝脏变性程度为轻度。
上述实施例中,计算机设备确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度;根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值。本公开实施例中,右肝斜径长度可以有效地反映出肝脏变性程度,因此,由计算机设备依据右肝斜径长度确定目标对象的肝脏变性程度,可以避免多次扫描,即可以缩短检测时间,提高检测效率。
在一个实施例中,至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值,如图8所示,上述根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度的步骤,可以包括:
步骤601,对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值。
在分别计算出回声强度比、肝脏边缘角、右肝斜径长度三个检测维度对应的第一量化值、第二量化值和第三量化值之后,计算机设备可以对三个量化值进行加权求和计算,得到总量化值。
例如,回声强度比a对应的权重为0.35,肝脏边缘角b对应的权重为0.3,右肝斜径长度c对应的权重为0.35,则计算出总量化值Result=0.35a+0.3b+0.35c。
回声强度比、肝脏边缘角和右肝斜径长度对应的权重通常是根据大量样本进行反推导得到的经验值,上述回声强度比a对应的权重为0.35,肝脏边缘角b对应的权重为0.3,右肝斜径长度c对应的权重为0.35为优选值,但也可以根据实际情况进行修改,本公开实施例对此不做限定。
步骤602,根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。
其中,预设量化值范围包括多个肝脏变性程度分别对应的量化区间。
计算机设备得到总量化值之后,确定总量化值所在的目标量化区间,并将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度。
例如,肝脏变性程度可以包括未变性、轻度、中度和重度,预设量化值范围包括4个量化区间,其中,[0,M)对应未变性,[M,N)对应轻度,[N,P)对应中度,[P,3]对应重度。总量化值在[M,N)之间,则确定目标对象的肝脏变性程度为轻度。
终端预先设置并存储M、N、P的取值。在实际应用中,M可以取值为0.5,N可以取值为1.5,P可以取值为2.5。在某些情况下,M还可以取值为0.65,N还可以取值为1.35,P还可以取值为2.65。本公开实施例对M、N、P的取值不做限定。
在其中一个实施例中,在将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度的同时,还可以包括:在确定目标对象的肝脏变性程度为轻度或中度的情况下,根据总量化值和预先建立的预测关系式,计算出目标对象的肝脏变性程度为轻度或中度的概率。
计算机设备预先建立预测关系式,其中,轻度的预测关系式为公式(2),中度的预测关系式为公式(3):
其中,fabs为求绝对值。
当计算机设备确定目标对象的肝脏变性程度为未变性或重度,即确定患者肝脏正常或重度脂肪肝时,直接输出结果。当计算机设备确定目标对象的肝脏变性程度为轻度时,根据轻度的预测关系式进行计算,得到目标对象的肝脏变性程度为轻度的概率。当计算机设备确定目标对象的肝脏变性程度为中度时,根据中度的预测关系式进行计算,得到目标对象的肝脏变性程度为中度的概率。即当计算机设备确定目标对象的肝脏变性程度为轻度或中度时,输出的结果中包含根据预设关系式计算出的概率。
上述实施例中,计算机设备对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值;根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。本公开实施例中,从三个检测维度检测目标对象的肝脏变性程度,检测精度较高。并且,在确定目标对象的肝脏变性程度为轻度或中度的情况下,计算出目标对象的肝脏变性程度为轻度或中度的概率,进一步提高了检测精度。
应该理解的是,虽然图2-图8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图8中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种肝脏变性程度的检测装置,包括:
图像获取模块701,用于在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
第一图像识别模块702,用于对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
量化值计算模块703,用于基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
程度确定模块704,用于根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
在其中一个实施例中,该装置还包括:
第二图像识别模块,用于对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像;
对应地,检测维度包括回声强度比;量化值计算模块703包括:
回声强度确定子模块,用于分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度;
回声强度比计算子模块,用于根据肝脏回声强度和肾脏回声强度计算出目标回声强度比;
第一量化值计算子模块,用于根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值;其中,第一映射关系表征回声强度比与预设量化值之间的对应关系。
在其中一个实施例中,上述回声强度确定子模块,具体用于针对肝脏图像或肾脏图像,确定图像中的像素数量和各像素的灰度值;根据像素数量和各像素的灰度值计算平均灰度值,并将平均灰度值确定为肝脏回声强度或肾脏回声强度。
在其中一个实施例中,上述检测维度包括肝脏边缘角;量化值计算模块703包括:
相似度计算子模块,用于分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像;其中,多个参考图像分别对应不同的肝脏变性程度;
第二量化值计算子模块,用于根据预先设置的第二映射关系,确定与目标参考图像对应的第二量化值;其中,第二映射关系表征参考图像与预设量化值之间的对应关系。
在其中一个实施例中,上述相似度计算子模块,具体用于分别获取肝脏图像与参考图像的轮廓;利用预设匹配函数对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值,并将图像矩匹配值确定为肝脏图像与参考图像之间的相似度。
在其中一个实施例中,上述检测维度包括右肝斜径长度;量化值计算模块703包括:
长度计算子模块,用于确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度;
第三量化值计算子模块,用于根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值;其中,第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
在其中一个实施例中,上述至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值;上述程度确定模块704包括:
总量化值计算模块,用于对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值;
程度确定子模块,用于根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。
在其中一个实施例中,上述预设量化值范围包括多个肝脏变性程度分别对应的量化区间,上述程度确定子模块,具体用于确定总量化值所在的目标量化区间,并将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度。
在其中一个实施例中,上述肝脏变性程度包括未变性、轻度、中度和重度,该装置还包括:
概率计算模块,用于在确定目标对象的肝脏变性程度为轻度或中度的情况下,根据总量化值和预先建立的预测关系式,计算出目标对象的肝脏变性程度为轻度或中度的概率。
在其中一个实施例中,上述第一图像识别模块,具体用于将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像和肝脏识别框;根据肝脏识别框得到肝脏图像。
关于肝脏变性程度的检测装置的具体限定可以参见上文中对于肝脏变性程度的检测方法的限定,在此不再赘述。上述肝脏变性程度的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种肝脏变性程度的检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
在一个实施例中,检测维度包括回声强度比;处理器执行计算机程序时还实现以下步骤:
对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像;
分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度;
根据肝脏回声强度和肾脏回声强度计算出目标回声强度比;
根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值;其中,第一映射关系表征回声强度比与预设量化值之间的对应关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对肝脏图像或肾脏图像,确定图像中的像素数量和各像素的灰度值;
根据像素数量和各像素的灰度值计算平均灰度值,并将平均灰度值确定为肝脏回声强度或肾脏回声强度。
在一个实施例中,上述检测维度包括肝脏边缘角;处理器执行计算机程序时还实现以下步骤:
分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像;其中,多个参考图像分别对应不同的肝脏变性程度;
根据预先设置的第二映射关系,确定与目标参考图像对应的第二量化值;其中,第二映射关系表征参考图像与预设量化值之间的对应关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
分别获取肝脏图像与参考图像的轮廓;
利用预设匹配函数对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值,并将图像矩匹配值确定为肝脏图像与参考图像之间的相似度。
在一个实施例中,上述检测维度包括右肝斜径长度;处理器执行计算机程序时还实现以下步骤:
确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度;
根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值;其中,第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
在一个实施例中,上述至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值;处理器执行计算机程序时还实现以下步骤:
对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值;
根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。
在一个实施例中,上述预设量化值范围包括多个肝脏变性程度分别对应的量化区间,处理器执行计算机程序时还实现以下步骤:
确定总量化值所在的目标量化区间,并将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度。
在一个实施例中,上述肝脏变性程度包括未变性、轻度、中度和重度;处理器执行计算机程序时还实现以下步骤:
在确定目标对象的肝脏变性程度为轻度或中度的情况下,根据总量化值和预先建立的预测关系式,计算出目标对象的肝脏变性程度为轻度或中度的概率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像和肝脏识别框;
根据肝脏识别框得到肝脏图像。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在对目标对象进行超声扫描后,获取目标对象的超声扫描图像;
对超声扫描图像进行图像识别,得到超声扫描图像中的肝脏图像;
基于肝脏图像,计算出至少一个检测维度对应的量化值;检测维度为检测肝脏变性程度的维度;
根据预设量化值范围和至少一个检测维度对应的量化值,确定目标对象的肝脏变性程度。
在一个实施例中,检测维度包括回声强度比;计算机程序被处理器执行时还实现以下步骤:
对超声扫描图像进行图像识别,得到超声扫描图像中的肾脏图像;
分别根据肝脏图像和肾脏图像确定肝脏回声强度和肾脏回声强度;
根据肝脏回声强度和肾脏回声强度计算出目标回声强度比;
根据预先设置的第一映射关系,确定与目标回声强度比对应的第一量化值;其中,第一映射关系表征回声强度比与预设量化值之间的对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对肝脏图像或肾脏图像,确定图像中的像素数量和各像素的灰度值;
根据像素数量和各像素的灰度值计算平均灰度值,并将平均灰度值确定为肝脏回声强度或肾脏回声强度。
在一个实施例中,上述检测维度包括肝脏边缘角;计算机程序被处理器执行时还实现以下步骤:
分别计算肝脏图像与多个参考图像之间的相似度,并将与肝脏图像最相似的参考图像确定为目标参考图像;其中,多个参考图像分别对应不同的肝脏变性程度;
根据预先设置的第二映射关系,确定与目标参考图像对应的第二量化值;其中,第二映射关系表征参考图像与预设量化值之间的对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分别获取肝脏图像与参考图像的轮廓;
利用预设匹配函数对肝脏图像和参考图像进行轮廓匹配,得到肝脏图像与参考图像的图像矩匹配值,并将图像矩匹配值确定为肝脏图像与参考图像之间的相似度。
在一个实施例中,上述检测维度包括右肝斜径长度;计算机程序被处理器执行时还实现以下步骤:
确定肝脏图像中纵向最长直线的长度,并将纵向最长直线的长度确定为目标右肝斜径长度;
根据预先设置的第三映射关系,确定与目标右肝斜径长度对应的第三量化值;其中,第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
在一个实施例中,上述至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值;计算机程序被处理器执行时还实现以下步骤:
对第一量化值、第二量化值和第三量化值进行加权求和计算,得到总量化值;
根据总量化值和预设量化值范围,确定目标对象的肝脏变性程度。
在一个实施例中,上述预设量化值范围包括多个肝脏变性程度分别对应的量化区间,计算机程序被处理器执行时还实现以下步骤:
确定总量化值所在的目标量化区间,并将与目标量化值区间对应的肝脏变性程度确定为目标对象的肝脏变性程度。
在一个实施例中,上述肝脏变性程度包括未变性、轻度、中度和重度;计算机程序被处理器执行时还实现以下步骤:
在确定目标对象的肝脏变性程度为轻度或中度的情况下,根据总量化值和预先建立的预测关系式,计算出目标对象的肝脏变性程度为轻度或中度的概率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将超声扫描图像输入到预先训练的图像识别模型中,得到图像识别模型输出的超声扫描图像和肝脏识别框;
根据肝脏识别框得到肝脏图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种肝脏变性程度的检测方法,其特征在于,所述方法包括:
在对目标对象进行超声扫描后,获取所述目标对象的超声扫描图像;
对所述超声扫描图像进行图像识别,得到所述超声扫描图像中的肝脏图像;
基于所述肝脏图像,计算出至少一个检测维度对应的量化值;所述检测维度为检测肝脏变性程度的维度;
根据预设量化值范围和所述至少一个检测维度对应的量化值,确定所述目标对象的肝脏变性程度。
2.根据权利要求1所述的方法,其特征在于,基于所述肝脏图像,计算出至少一个检测维度对应的量化值之前,所述方法还包括:
对所述超声扫描图像进行图像识别,得到所述超声扫描图像中的肾脏图像;
对应地,所述检测维度包括回声强度比;基于所述肝脏图像,计算出至少一个检测维度对应的量化值,包括:
分别根据所述肝脏图像和所述肾脏图像确定肝脏回声强度和肾脏回声强度;
根据所述肝脏回声强度和所述肾脏回声强度计算出目标回声强度比;
根据预先设置的第一映射关系,确定与所述目标回声强度比对应的第一量化值;其中,所述第一映射关系表征回声强度比与预设量化值之间的对应关系。
3.根据权利要求1所述的方法,其特征在于,所述检测维度包括肝脏边缘角;基于所述肝脏图像,计算出至少一个检测维度对应的量化值,包括:
分别计算所述肝脏图像与多个参考图像之间的相似度,并将与所述肝脏图像最相似的参考图像确定为目标参考图像;其中,所述多个参考图像分别对应不同的肝脏变性程度;
根据预先设置的第二映射关系,确定与所述目标参考图像对应的第二量化值;其中,所述第二映射关系表征参考图像与预设量化值之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,所述检测维度包括右肝斜径长度;所述基于所述肝脏图像,计算出至少一个检测维度对应的量化值,包括:
确定所述肝脏图像中纵向最长直线的长度,并将所述纵向最长直线的长度确定为目标右肝斜径长度;
根据预先设置的第三映射关系,确定与所述目标右肝斜径长度对应的第三量化值;其中,所述第三映射关系表征右肝斜径长度与预设量化值之间的对应关系。
5.根据权利要求1所述的方法,其特征在于,所述至少一个检测维度对应的量化值包括第一量化值、第二量化值和第三量化值;根据所述预设量化值范围和所述至少一个检测维度对应的量化值,确定所述目标对象的肝脏变性程度,包括:
对所述第一量化值、所述第二量化值和所述第三量化值进行加权求和计算,得到总量化值;
根据所述总量化值和所述预设量化值范围,确定所述目标对象的肝脏变性程度。
6.根据权利要求5所述的方法,其特征在于,所述预设量化值范围包括多个肝脏变性程度分别对应的量化区间,根据所述总量化值和所述预设量化值范围,确定所述目标对象的肝脏变性程度,包括:
确定所述总量化值所在的目标量化区间,并将与所述目标量化值区间对应的肝脏变性程度确定为所述目标对象的肝脏变性程度。
7.根据权利要求1所述的方法,其特征在于,对所述超声扫描图像进行图像识别,得到所述超声扫描图像中的肝脏图像,包括:
将所述超声扫描图像输入到预先训练的图像识别模型中,得到所述图像识别模型输出的所述超声扫描图像和肝脏识别框;
根据所述肝脏识别框得到所述肝脏图像。
8.一种肝脏变性程度的检测装置,其特征在于,所述装置包括:
图像获取模块,用于在对目标对象进行超声扫描后,获取所述目标对象的超声扫描图像;
第一图像识别模块,用于对所述超声扫描图像进行图像识别,得到所述超声扫描图像中的肝脏图像;
量化值计算模块,用于基于所述肝脏图像,计算出至少一个检测维度对应的量化值;所述检测维度为检测肝脏变性程度的维度;
程度确定模块,用于根据预设量化值范围和所述至少一个检测维度对应的量化值,确定所述目标对象的肝脏变性程度。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011111435.5A CN114078112A (zh) | 2020-10-16 | 2020-10-16 | 肝脏变性程度的检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011111435.5A CN114078112A (zh) | 2020-10-16 | 2020-10-16 | 肝脏变性程度的检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114078112A true CN114078112A (zh) | 2022-02-22 |
Family
ID=80282807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011111435.5A Pending CN114078112A (zh) | 2020-10-16 | 2020-10-16 | 肝脏变性程度的检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114078112A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511569A (zh) * | 2022-04-20 | 2022-05-17 | 中南大学湘雅医院 | 基于肿瘤标志物的医学图像识别方法、装置、设备及介质 |
CN115869014A (zh) * | 2023-02-09 | 2023-03-31 | 深圳迈瑞动物医疗科技股份有限公司 | 一种兽用超声成像设备和兽用超声批量检测方法 |
-
2020
- 2020-10-16 CN CN202011111435.5A patent/CN114078112A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511569A (zh) * | 2022-04-20 | 2022-05-17 | 中南大学湘雅医院 | 基于肿瘤标志物的医学图像识别方法、装置、设备及介质 |
CN115869014A (zh) * | 2023-02-09 | 2023-03-31 | 深圳迈瑞动物医疗科技股份有限公司 | 一种兽用超声成像设备和兽用超声批量检测方法 |
CN115869014B (zh) * | 2023-02-09 | 2023-12-26 | 深圳迈瑞动物医疗科技股份有限公司 | 一种兽用超声成像设备和兽用超声批量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11367185B2 (en) | Deep learning-based medical image quality evaluation and virtual clinical trial | |
CN111862044A (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
CN106709967B (zh) | 一种内窥成像算法及控制系统 | |
US9142030B2 (en) | Systems, methods and computer readable storage media storing instructions for automatically segmenting images of a region of interest | |
EP3680854B1 (en) | Learning program, learning apparatus, and learning method | |
CN111179372A (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
CN114078112A (zh) | 肝脏变性程度的检测方法、装置、计算机设备和存储介质 | |
CN112998750B (zh) | 超声图像合成方法、装置、超声设备及存储介质 | |
Wen et al. | An adaptive kernel regression method for 3D ultrasound reconstruction using speckle prior and parallel GPU implementation | |
CN111820948B (zh) | 胎儿生长参数测量方法、系统及超声设备 | |
CN112767403A (zh) | 医学影像分割模型训练方法、医学影像分割方法及装置 | |
CN115439423B (zh) | 一种基于ct图像的识别方法、装置、设备及存储介质 | |
Khvostikov et al. | Ultrasound despeckling by anisotropic diffusion and total variation methods for liver fibrosis diagnostics | |
CN113222985B (zh) | 一种图像处理方法、装置、计算机设备和介质 | |
CN113723461B (zh) | 超声设备及超声图像分析方法 | |
US20160210774A1 (en) | Breast density estimation | |
CN110930394B (zh) | 测量肌肉肌纤维束线斜率和羽状角的方法及终端设备 | |
CN112426170A (zh) | 一种胎盘厚度确定方法、装置、设备及存储介质 | |
CN111091504A (zh) | 图像偏差场矫正方法、计算机设备和存储介质 | |
US20210251601A1 (en) | Method for ultrasound imaging and related equipment | |
CN116258913B (zh) | 超声图像分类方法、装置、超声设备及存储介质 | |
CN113345040B (zh) | 一种超声信号处理方法、超声图像重建方法及电子设备 | |
US20230360225A1 (en) | Systems and methods for medical imaging | |
CN117152026B (zh) | 一种血管内超声图像处理方法、装置和设备 | |
CN114663359A (zh) | 用于对猪只肌内脂肪含量进行检测的方法及其相关产品 |
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 |