CN114419044B - 一种基于人工智能的医用超声图像分析系统及方法 - Google Patents

一种基于人工智能的医用超声图像分析系统及方法 Download PDF

Info

Publication number
CN114419044B
CN114419044B CN202210321159.8A CN202210321159A CN114419044B CN 114419044 B CN114419044 B CN 114419044B CN 202210321159 A CN202210321159 A CN 202210321159A CN 114419044 B CN114419044 B CN 114419044B
Authority
CN
China
Prior art keywords
abnormal
ultrasonic
image
characteristic
abnormal 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.)
Active
Application number
CN202210321159.8A
Other languages
English (en)
Other versions
CN114419044A (zh
Inventor
吴月华
钟志腾
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.)
Guangdong Aloftace Technology Co ltd
Original Assignee
Guangdong Aloftace 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 Guangdong Aloftace Technology Co ltd filed Critical Guangdong Aloftace Technology Co ltd
Priority to CN202210321159.8A priority Critical patent/CN114419044B/zh
Publication of CN114419044A publication Critical patent/CN114419044A/zh
Application granted granted Critical
Publication of CN114419044B publication Critical patent/CN114419044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种基于人工智能的医用超声图像分析系统及方法，包括步骤S100：逐一对原始超声图像序列内每一超声图像进行异常筛查；步骤S200：基于异常图像序列在超声操作视频序列内进行视频分帧的提取，提取与每一异常图像对应的操作视频帧内的操作信息；获取每一异常图像的特征信息；步骤S300：对各异常图像进行特征事例挖掘；步骤S400：对规律特征事例进行挖掘；步骤S500：根据医生的超声伪像识别反馈结果将确认为超声伪像的异常图像从异常图像序列中进行删除得到校验过后的异常图像序列；步骤S600：将校验过后的异常图像序列发送至责任医生处。

Description

一种基于人工智能的医用超声图像分析系统及方法
技术领域
本发明涉及人工智能图像分析技术领域，具体为一种基于人工智能的医用超声图像分析系统及方法。
背景技术
超声伪像一般是指通过超声显示的声像图与其相应解剖断面图之间的差异，表现为声像图中的特殊地增添、减少，造成图像失真；超声伪像一般会与超声检测过程中的超声探头的操作习惯呈现出规律性变化，所以在对超声图像分析的过程中若能初步将与超声探头的操作习惯呈现出异常规律性变化的图像筛选出来并借助医生的专业判断，可在提高识别超声伪像的有效性，且既可减少因伪像引起的误诊和漏诊，对于责任医生而言还可利用特征性伪像识别有用的信息，增强对某些结构和病变的识别能力，提高临床超声分析水平，对超声图像分析这一主观性活动添加一些客观性依据。
发明内容
本发明的目的在于提供一种基于人工智能的医用超声图像分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的医用超声图像分析方法，分析方法包括：
步骤S100：实时获取医生利用医用超声设备对患者目标检测部位进行超声检测得到的原始超声图像序列，基于大数据提取目标检测部位的标准解剖断层图像，基于标准解剖断层图像逐一对原始超声图像序列内每一超声图像进行异常筛查，并将异常筛查得到的若干超声图像进行汇集得到异常图像序列；
步骤S200：分析系统对医生在利用医用超声设备对患者目标检测部位进行超声检测的全操作过程进行视频摄取并生成超声操作视频序列；分析系统基于异常图像序列在超声操作视频序列内进行视频分帧的提取，提取与每一异常图像对应的操作视频帧内的操作信息；获取每一异常图像的特征信息；
步骤S300：基于各异常图像的特征信息对各异常图像进行特征事例挖掘；
步骤S400：在所有挖掘得到的特征事例中对规律特征事例进行挖掘；
步骤S500：提取患者的就诊背景信息，将患者的就诊背景信息整合规律特征事例向医生发起超声伪像识别信号，根据医生的超声伪像识别反馈结果将确认为超声伪像的异常图像从异常图像序列中进行删除得到校验过后的异常图像序列；
步骤S600：将校验过后的异常图像序列发送至责任医生处；
上述责任医生可提取异常图像序列内每一异常图像的第三特征信息对患者进行病灶分析。
进一步的，步骤S100对原始超声图像序列内每一超声图像进行异常筛查的过程包括：
步骤S101：将标准解剖断层图像内各正常组织视为背景，分别将原始超声图像序列内每一超声图像逐一与标准解剖断层图像进行重合比对，筛选出与标准解剖断层图像不完全重合的超声图像，并将筛选出的超声图像均作为异常图像；
步骤S102：分别将若干张异常图像内未与背景组织重合的对照组织进行标记得到各异常图像的异常组织，并将标记后的若干张异常图像按照检测时间进行排序得到异常图像序列；
上述步骤相当于是一个图像匹配的过程，将标准解剖断层图像内各正常组织视为背景，可以很好的将原始超声图像序列内每一超声图像与标准解剖断层图像内各正常组织之间的区别识别开来，同时也可以很直观的看到偏差的组织结构，以及具体的偏差轮廓，为后续步骤中每一超声图像的特征信息提取提供了便利和参考，同时提高了检测的效率。
进一步的，步骤S200包括：
步骤S201：分别从与异常图像序列和正常图像序列内每一超声图像相对应的操作视频帧中提取医生在利用医用超声设备对患者目标检测部位进行超声检测时超声探头的操作方式；
步骤S202：将异常图像序列中每一异常图像内包括的若干异常组织作为该异常图像的第一特征信息；将异常图像序列中每一异常图像对应的一种超声探头操作方式作为该异常图像的第二特征信息；分别提取若干异常组织对照于对应背景组织的若干区别轮廓，将若干区别轮廓作为该异常图像的第三特征信息；
有上述可知，异常图像的特征信息包括第一特征信息、第二特征信息、第三特征信息；
因为超声伪像一般会与超声检测过程中超声探头的操作习惯呈现出规律性变化，所以在对超声图像分析的过程中将每一超声图像所对应的超声探头的操作方式作为其特征信息，是为了后续判别异常图像中异常组织的出现是否同超声伪像相关，如果异常组织的规律性出现的同时伴随着操作方式的规律性变化的话，则判断异常组织的出现与超声伪像有关的概率性则越大；且能作为筛选出与超声探头的操作习惯呈现出异常规律性变化的图像的依据。
进一步的，在每一操作视频帧中含有一种超声探头的操作方式；记一种超声探头的操作方式包括探头的探测位置
Figure 469129DEST_PATH_IMAGE001
，探头的探测角度
Figure 524066DEST_PATH_IMAGE002
；
若超声图像1对应的操作方式为
Figure 161852DEST_PATH_IMAGE003
，在超声图像序列上存在位于超声图像1之后的超声图像2对应的操作方式为
Figure 671331DEST_PATH_IMAGE004
或者
Figure 500484DEST_PATH_IMAGE005
，则判定超声图像1到超声图像2发生了操作方式的转变；
因为人体的内部构造往往是是十分复杂的，在利用超声设备对同一个目标检测部位进行超声检测的时候，探头处于不同的位置不同的角度所得到的超声图像都有可能不一样，且不同的位置和不同的角度结合人体内部构造的个样性可能会产生的伪像形式也是不同的；上述将操作方式包括探头的探测位置
Figure 744515DEST_PATH_IMAGE001
，探头的探测角度
Figure 687457DEST_PATH_IMAGE002
是为了能对超声探头的具体操作形态进行把控，也是为了实现能对规律性变化进行更加精准的把控。
进一步的，步骤S300对特征事例进行挖掘的过程包括：
步骤S301：记异常图像序列包括
Figure 67753DEST_PATH_IMAGE006
，其中，
Figure 333387DEST_PATH_IMAGE007
分别表示在时间序列上的第一个、第二个、第三个、
Figure 595873DEST_PATH_IMAGE008
、第
Figure 280188DEST_PATH_IMAGE009
个异常图像；对异常图像序列中各异常图像的特征信息进行整合，分别提取
Figure 577309DEST_PATH_IMAGE010
的第一特征信息、第二特征信息；
步骤S302：在异常图像序列中捕捉发生了操作方式转变的所有异常图像对，一对异常图像对存在一次操作方式转变；记某对异常图像对为
Figure 748265DEST_PATH_IMAGE011
，其中
Figure 232467DEST_PATH_IMAGE012
,
Figure 325667DEST_PATH_IMAGE013
，且
Figure 211715DEST_PATH_IMAGE014
；
Figure 756835DEST_PATH_IMAGE015
的操作方式为
Figure 993912DEST_PATH_IMAGE016
，
Figure 767833DEST_PATH_IMAGE017
的操作方式为
Figure 822901DEST_PATH_IMAGE018
；
步骤S303：记
Figure 289655DEST_PATH_IMAGE015
与
Figure 715826DEST_PATH_IMAGE019
之间的操作转变形式为
Figure 106487DEST_PATH_IMAGE020
，其中，
Figure 671854DEST_PATH_IMAGE020
可以为
Figure 122558DEST_PATH_IMAGE021
，
Figure 770446DEST_PATH_IMAGE022
或者
Figure 699219DEST_PATH_IMAGE023
，
Figure 181409DEST_PATH_IMAGE024
；获取所有异常图像对之间的操作转变形式；同时对所有异常图像对中每个异常图像的第一特征信息进行提取；
Figure 989965DEST_PATH_IMAGE015
对应的第一特征信息内的异常组织集为
Figure 423351DEST_PATH_IMAGE025
，
Figure 388771DEST_PATH_IMAGE019
对应的第一特征信息内的异常组织集为
Figure 427265DEST_PATH_IMAGE026
，与操作转变形式
Figure 709518DEST_PATH_IMAGE027
对应的规律异常组织为
Figure 630201DEST_PATH_IMAGE028
；
步骤S304：将操作转变形式
Figure 868153DEST_PATH_IMAGE027
与规律异常组织集
Figure 495574DEST_PATH_IMAGE029
组合出现作为一种特征事例
Figure 226026DEST_PATH_IMAGE030
，循环步骤S302-步骤S303得到所有的特征事例；
在上述步骤中，分别将探头位置的转变或者探头角度改变作为一种操作转变形式，是为了增加转变形式的多样性，且因为多样性的增多，挖掘出来的规律性也能更加的具备代表性，且把握的规律性也能更加的具像化；规律异常组织集
Figure 820956DEST_PATH_IMAGE031
是表示用
Figure 629643DEST_PATH_IMAGE032
和
Figure 938002DEST_PATH_IMAGE033
的并集减去
Figure 275574DEST_PATH_IMAGE032
和
Figure 406734DEST_PATH_IMAGE033
的交集，得到随着操作形式的转变呈现出现或者消失的异常组织，也进一步的说明，这些异常组织的出现或者是消失同操作形式的转变呈现伴随的关系，那么这些异常组织就很有可能是假性的病灶，可能是因为超声伪像所产生的，对实际病灶的分析中起着干扰作用或者特殊标识的作用。
进一步的，步骤S400对规律特征事例进行挖掘的过程包括：
步骤S401：分别计算所有特征事例的重复率：
Figure 487954DEST_PATH_IMAGE034
；其中
Figure 385240DEST_PATH_IMAGE035
表示所有事例中出现事例
Figure 893713DEST_PATH_IMAGE036
的总次数；
Figure 777749DEST_PATH_IMAGE037
表示所有事例的总例数；
步骤S402：设置重复率阈值，将大于重复率阈值的特征事例筛选出来作为规律特征事例。
为更好的实现上述方法还提出了一种基于人工智能的医用超声图像分析系统，分析系统包括：数据库、异常筛查模块、特征信息提取模块、特征事例挖掘模块、规律特征事例挖掘模块、伪像校验模块、病灶分析模块；
数据库，用于实时获取医生利用医用超声设备对患者目标检测部位进行超声检测得到的原始超声图像序列；用于基于大数据提取目标检测部位的标准解剖断层图像；用于获取医生在利用医用超声设备对患者目标检测部位进行超声检测全操作过程的超声操作视频序列；
异常筛查模块，用于接收数据库中的数据，基于标准解剖断层图像逐一对原始超声图像序列内每一超声图像进行异常筛查；
特征信息提取模块，用于接收异常筛查模块中的数据，对每一异常图像的特征信息进行提取；
特征事例挖掘模块，用于接收特征信息提取模块中的数据，对各异常图像进行特征事例挖掘；
规律特征事例挖掘模块，用于接收特征事例挖掘模块中的数据，在所有挖掘得到的特征事例中对规律特征事例进行挖掘；
伪像校验模块，用于提取患者的就诊背景信息，将患者的就诊背景信息整合规律特征事例向医生发起超声伪像识别信号，根据医生的超声伪像识别反馈结果对异常图像序列进行伪像筛查；
病灶分析模块，用于接收伪像校验模块中数据，将经过伪像校验过后的异常图像序列发送至责任医生处，责任医生可提取异常图像序列内每一异常图像的第三特征信息对患者进行病灶分析。
进一步的，特征事例挖掘模块包括异常图像对捕捉单元、特征事例捕捉单元；
异常图像对捕捉单元，用于在异常图像序列中捕捉发生了操作方式转变的所有异常图像对；
特征事例捕捉单元，用于接收异常图像对捕捉单元中的数据，对所有异常图像对的操作转变形式和规律异常组织进行捕捉识别。
进一步的，规律特征事例挖掘模块包括重复率计算单元、规律特征事例筛选单元；
重复率计算单元，用于计算所有特征事例的重复率；
规律特征事例筛选单元，用于接收重复率计算单元中的数据，基于各特征事例的重复率筛选出重复率高的规律特征事例。
与现有技术相比，本发明所达到的有益效果是：本发明在对超声图像分析的过程中考量了超声伪像的出现一般会与超声检测过程中超声探头的操作习惯一起呈现出规律性变化，所以将与上述规律性变化像相对应的超声图像筛选出来，并将这些超声图像的规律性转述给责任医生进行综合判断，可提高识别超声伪像的有效性，且既可减少因伪像引起的误诊和漏诊，对于责任医生而言还可利用特征性伪像识别有用的信息，增强对某些结构和病变的识别能力，提高临床超声分析水平，对责任医生在进行超声图像分析这一主观性活动上添加一些客观性依据。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于人工智能的医用超声图像分析方法的流程示意图；
图2是本发明一种基于人工智能的医用超声图像分析系统的结构示意图。
具体实施方式
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。
请参阅图1-图2，本发明提供技术方案：一种基于人工智能的医用超声图像分析方法，分析方法包括：
步骤S100：实时获取医生利用医用超声设备对患者目标检测部位进行超声检测得到的原始超声图像序列，基于大数据提取目标检测部位的标准解剖断层图像，基于标准解剖断层图像逐一对原始超声图像序列内每一超声图像进行异常筛查，并将异常筛查得到的若干超声图像进行汇集得到异常图像序列；
其中，对原始超声图像序列内每一超声图像进行异常筛查的过程包括：
步骤S101：将标准解剖断层图像内各正常组织视为背景，分别将原始超声图像序列内每一超声图像逐一与标准解剖断层图像进行重合比对，筛选出与标准解剖断层图像不完全重合的超声图像，并将筛选出的超声图像均作为异常图像；
步骤S102：分别将若干张异常图像内未与背景组织重合的对照组织进行标记得到各异常图像的异常组织，并将标记后的若干张异常图像按照检测时间进行排序得到异常图像序列；
步骤S200：分析系统对医生在利用医用超声设备对患者目标检测部位进行超声检测的全操作过程进行视频摄取并生成超声操作视频序列；分析系统基于异常图像序列在超声操作视频序列内进行视频分帧的提取，提取与每一异常图像对应的操作视频帧内的操作信息；获取每一异常图像的特征信息；
其中，步骤S200包括：
步骤S201：分别从与异常图像序列和正常图像序列内每一超声图像相对应的操作视频帧中提取医生在利用医用超声设备对患者目标检测部位进行超声检测时超声探头的操作方式；
步骤S202：将异常图像序列中每一异常图像内包括的若干异常组织作为该异常图像的第一特征信息；将异常图像序列中每一异常图像对应的一种超声探头操作方式作为该异常图像的第二特征信息；分别提取若干异常组织对照于对应背景组织的若干区别轮廓，将若干区别轮廓作为该异常图像的第三特征信息；
其中，在每一操作视频帧中含有一种超声探头的操作方式；记一种超声探头的操作方式包括探头的探测位置
Figure 646348DEST_PATH_IMAGE038
，探头的探测角度
Figure 165185DEST_PATH_IMAGE039
；
若超声图像1对应的操作方式为
Figure 608674DEST_PATH_IMAGE040
，在超声图像序列上存在位于超声图像1之后的超声图像2对应的操作方式为
Figure 947382DEST_PATH_IMAGE041
或者
Figure 961667DEST_PATH_IMAGE042
，则判定超声图像1到超声图像2发生了操作方式的转变；
步骤S300：基于各异常图像的特征信息对各异常图像进行特征事例挖掘；
其中，对特征事例进行挖掘的过程包括：
步骤S301：记异常图像序列包括
Figure 866169DEST_PATH_IMAGE043
，其中，
Figure 949401DEST_PATH_IMAGE044
分别表示在时间序列上的第一个、第二个、第三个、
Figure 40985DEST_PATH_IMAGE045
、第n个异常图像；对异常图像序列中各异常图像的特征信息进行整合，分别提取
Figure 300321DEST_PATH_IMAGE046
的第一特征信息、第二特征信息；
步骤S302：在异常图像序列中捕捉发生了操作方式转变的所有异常图像对，一对异常图像对存在一次操作方式转变；记某对异常图像对为
Figure 793750DEST_PATH_IMAGE047
，其中
Figure 47883DEST_PATH_IMAGE048
，
Figure 626763DEST_PATH_IMAGE049
，且
Figure 640856DEST_PATH_IMAGE050
；
Figure 490256DEST_PATH_IMAGE015
的操作方式为
Figure DEST_PATH_IMAGE051
，
Figure 321815DEST_PATH_IMAGE052
的操作方式为
Figure 325674DEST_PATH_IMAGE053
；
步骤S303：记
Figure 192392DEST_PATH_IMAGE015
与
Figure 863676DEST_PATH_IMAGE052
之间的操作转变形式为
Figure 521928DEST_PATH_IMAGE054
，其中，
Figure 996772DEST_PATH_IMAGE054
可以为
Figure 368979DEST_PATH_IMAGE055
，
Figure 915674DEST_PATH_IMAGE056
或者
Figure 246292DEST_PATH_IMAGE057
，
Figure 988858DEST_PATH_IMAGE058
；获取所有异常图像对之间的操作转变形式；同时对所有异常图像对中每个异常图像的第一特征信息进行提取；
Figure 695914DEST_PATH_IMAGE015
对应的第一特征信息内的异常组织集为
Figure 108834DEST_PATH_IMAGE059
，
Figure 610354DEST_PATH_IMAGE052
对应的第一特征信息内的异常组织集为
Figure 574636DEST_PATH_IMAGE060
，与操作转变形式
Figure 819804DEST_PATH_IMAGE054
对应的规律异常组织为
Figure 303875DEST_PATH_IMAGE061
；
步骤S304：将操作转变形式
Figure 743340DEST_PATH_IMAGE054
与规律异常组织集
Figure 430804DEST_PATH_IMAGE062
组合出现作为一种特征事例
Figure 509356DEST_PATH_IMAGE063
，循环步骤S302-步骤S303得到所有的特征事例；
例如说，在一个异常图像对中，得到异常图像1时对应的超声探头操作方式为
Figure 598666DEST_PATH_IMAGE064
，得到异常图像2时对应的超声探头操作方式为
Figure 412295DEST_PATH_IMAGE065
，存在
Figure 180531DEST_PATH_IMAGE066
2；异常图像1的异常组织集为（异常组织1、异常组织2、异常组织3）；异常图像2的异常组织集为（异常组织2、异常组织3、异常组织4）；所以操作转变形式
Figure 266036DEST_PATH_IMAGE067
对应的规律异常组织为（异常组织1、异常组织4）；说明异常组织1、异常组织4是与同等
Figure 803328DEST_PATH_IMAGE068
的情况下，对着探头角度的变化呈现出现态势和消失态势的；异常组织4原本不在异常图像1中出现，随着探头角度由
Figure 612626DEST_PATH_IMAGE069
变成了
Figure 304376DEST_PATH_IMAGE070
出现了；异常组织1原本在异常图像1中出现，随着探头角度由
Figure 413146DEST_PATH_IMAGE069
变成了
Figure 477049DEST_PATH_IMAGE070
消失；了；所以初步判定异常组织1、异常组织4的异常现象同
Figure 429217DEST_PATH_IMAGE068
，探头角度由
Figure 109729DEST_PATH_IMAGE069
变成了
Figure 740299DEST_PATH_IMAGE070
相关；为一种事例；
步骤S400：在所有挖掘得到的特征事例中对规律特征事例进行挖掘；
其中，步骤S400对规律特征事例进行挖掘的过程包括：
步骤S401：分别计算所有特征事例的重复率：
Figure 924287DEST_PATH_IMAGE071
；其中
Figure 47357DEST_PATH_IMAGE072
表示所有事例中出现事例
Figure 933273DEST_PATH_IMAGE073
的总次数；
Figure 665737DEST_PATH_IMAGE074
表示所有事例的总例数；
步骤S402：设置重复率阈值，将大于重复率阈值的特征事例筛选出来作为规律特征事例；
例如说，异常组织1、异常组织4的异常现象同
Figure 468346DEST_PATH_IMAGE068
，探头角度由
Figure 198536DEST_PATH_IMAGE069
变成了
Figure 620683DEST_PATH_IMAGE070
相关的事例出现的重复率大于重复率阈值，说明这个事例是具有普遍性和规律性的；
步骤S500：提取患者的就诊背景信息，将患者的就诊背景信息整合规律特征事例向医生发起超声伪像识别信号，根据医生的超声伪像识别反馈结果将确认为超声伪像的异常图像从异常图像序列中进行删除得到校验过后的异常图像序列；
步骤S600：将校验过后的异常图像序列发送至责任医生处，责任医生可提取异常图像序列内每一异常图像的第三特征信息对患者进行病灶分析。
为更好的实现上述方法还提出了一种基于人工智能的医用超声图像分析系统，分析系统包括：数据库、异常筛查模块、特征信息提取模块、特征事例挖掘模块、规律特征事例挖掘模块、伪像校验模块、病灶分析模块；
数据库，用于实时获取医生利用医用超声设备对患者目标检测部位进行超声检测得到的原始超声图像序列；用于基于大数据提取目标检测部位的标准解剖断层图像；用于获取医生在利用医用超声设备对患者目标检测部位进行超声检测全操作过程的超声操作视频序列；
异常筛查模块，用于接收数据库中的数据，基于标准解剖断层图像逐一对原始超声图像序列内每一超声图像进行异常筛查；
特征信息提取模块，用于接收异常筛查模块中的数据，对每一异常图像的特征信息进行提取；
特征事例挖掘模块，用于接收特征信息提取模块中的数据，对各异常图像进行特征事例挖掘；
其中，特征事例挖掘模块包括异常图像对捕捉单元、特征事例捕捉单元；
异常图像对捕捉单元，用于在异常图像序列中捕捉发生了操作方式转变的所有异常图像对；
特征事例捕捉单元，用于接收异常图像对捕捉单元中的数据，对所有异常图像对的操作转变形式和规律异常组织进行捕捉识别；
规律特征事例挖掘模块，用于接收特征事例挖掘模块中的数据，在所有挖掘得到的事例中对规律特征事例进行挖掘；
其中，规律特征事例挖掘模块包括重复率计算单元、规律特征事例筛选单元；
重复率计算单元，用于计算所有特征事例的重复率；
规律特征事例筛选单元，用于接收重复率计算单元中的数据，基于各特征事例的重复率筛选出重复率高的规律特征事例；
伪像校验模块，用于提取患者的就诊背景信息，将患者的就诊背景信息整合规律特征事例向医生发起超声伪像识别信号，根据医生的超声伪像识别反馈结果对异常图像序列进行伪像筛查；
病灶分析模块，用于接收伪像校验模块中数据，将经过伪像校验过后的异常图像序列发送至责任医生处，责任医生可提取异常图像序列内每一异常图像的第三特征信息对患者进行病灶分析。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于人工智能的医用超声图像分析方法，其特征在于，所述分析方法包括：
步骤S100：实时获取医生利用医用超声设备对患者目标检测部位进行超声检测得到的原始超声图像序列，基于大数据提取所述目标检测部位的标准解剖断层图像，基于所述标准解剖断层图像逐一对所述原始超声图像序列内每一超声图像进行异常筛查，并将异常筛查得到的若干超声图像进行汇集得到异常图像序列；
步骤S200：分析系统对医生在利用医用超声设备对患者目标检测部位进行超声检测的全操作过程进行视频摄取并生成超声操作视频序列；所述分析系统基于异常图像序列在所述超声操作视频序列内进行视频分帧的提取，提取与每一异常图像对应的操作视频帧内的操作信息；获取每一异常图像的特征信息；
步骤S300：基于各异常图像的特征信息对各异常图像进行特征事例挖掘；
步骤S400：在所有挖掘得到的特征事例中对规律特征事例进行挖掘；
步骤S500：提取患者的就诊背景信息，将所述患者的就诊背景信息整合所述规律特征事例向医生发起超声伪像识别信号，根据医生的超声伪像识别反馈结果将确认为超声伪像的异常图像从所述异常图像序列中进行删除得到校验过后的异常图像序列；
步骤S600：将所述校验过后的异常图像序列发送至责任医生处。
2.根据权利要求1所述的一种基于人工智能的医用超声图像分析方法，其特征在于，所述步骤S100对原始超声图像序列内每一超声图像进行异常筛查的过程包括：
步骤S101：将所述标准解剖断层图像内各正常组织视为背景，分别将所述原始超声图像序列内每一超声图像逐一与所述标准解剖断层图像进行重合比对，筛选出与所述标准解剖断层图像不完全重合的超声图像，并将筛选出的超声图像均作为异常图像；
步骤S102：分别将若干张所述异常图像内未与背景组织重合的对照组织进行标记得到各异常图像的异常组织，并将标记后的若干张所述异常图像按照检测时间进行排序得到异常图像序列。
3.根据权利要求1所述的一种基于人工智能的医用超声图像分析方法，其特征在于，所述步骤S200包括：
步骤S201：分别从与异常图像序列和正常图像序列内每一超声图像相对应的操作视频帧中提取医生在利用医用超声设备对患者目标检测部位进行超声检测时超声探头的操作方式；
步骤S202：将所述异常图像序列中每一异常图像内包括的若干异常组织作为该异常图像的第一特征信息；将所述异常图像序列中每一异常图像对应的一种超声探头操作方式作为该异常图像的第二特征信息；分别提取所述若干异常组织对照于对应背景组织的若干区别轮廓，将所述若干区别轮廓作为该异常图像的第三特征信息。
4.根据权利要求3所述的一种基于人工智能的医用超声图像分析方法，其特征在于，在每一操作视频帧中含有一种超声探头的操作方式；记所述一种超声探头的操作方式包括探头的探测位置place，探头的探测角度angle；
若超声图像1对应的操作方式为
Figure 915297DEST_PATH_IMAGE002
，在超声图像序列上存在位于超声图像1之后的超声图像2对应的操作方式为
Figure 795397DEST_PATH_IMAGE004
或者
Figure 512686DEST_PATH_IMAGE006
，则判定超声图像1到超声图像2发生了操作方式的转变。
5.根据权利要求1所述的一种基于人工智能的医用超声图像分析方法，其特征在于，所述步骤S300对各异常图像进行特征事例挖掘的过程包括：
步骤S301：记所述异常图像序列包括
Figure 452829DEST_PATH_IMAGE008
，其中，
Figure 537460DEST_PATH_IMAGE010
分别表示在时间序列上的第一个、第二个、第三个、
Figure 224180DEST_PATH_IMAGE012
、第n个异常图像；对异常图像序列中各异常图像的特征信息进行整合，分别提取
Figure 61555DEST_PATH_IMAGE014
的第一特征信息、第二特征信息；
步骤S302：在所述异常图像序列中捕捉发生了操作方式转变的所有异常图像对，一对异常图像对存在一次操作方式转变；记某对异常图像对为
Figure 657753DEST_PATH_IMAGE016
，其中
Figure 947789DEST_PATH_IMAGE018
，且
Figure 169692DEST_PATH_IMAGE020
；
Figure 661240DEST_PATH_IMAGE022
的操作方式为
Figure 693918DEST_PATH_IMAGE024
，
Figure 471250DEST_PATH_IMAGE026
的操作方式为
Figure 762423DEST_PATH_IMAGE028
；其中，
Figure 43232DEST_PATH_IMAGE030
表示探头的探测位置，
Figure 512390DEST_PATH_IMAGE032
表示探头的探测角度；
步骤S303：记
Figure 45528DEST_PATH_IMAGE022
与
Figure 422282DEST_PATH_IMAGE026
之间的操作转变形式为A，其中，A可以为
Figure 885493DEST_PATH_IMAGE034
，
Figure 259974DEST_PATH_IMAGE036
或者
Figure 11898DEST_PATH_IMAGE038
，
Figure 910453DEST_PATH_IMAGE040
；获取所有异常图像对之间的操作转变形式；同时对所有异常图像对中每个异常图像的第一特征信息进行提取；
Figure 978903DEST_PATH_IMAGE022
对应的第一特征信息内的异常组织集为
Figure 788201DEST_PATH_IMAGE042
，
Figure 309312DEST_PATH_IMAGE026
对应的第一特征信息内的异常组织集为
Figure 745979DEST_PATH_IMAGE044
，与操作转变形式A对应的规律异常组织为
Figure 934515DEST_PATH_IMAGE046
；
步骤S304：将操作转变形式A与规律异常组织集
Figure 713115DEST_PATH_IMAGE048
组合出现作为一种特征事例
Figure DEST_PATH_IMAGE050
，循环步骤S302-步骤S303得到所有的特征事例。
6.根据权利要求5所述的一种基于人工智能的医用超声图像分析方法，其特征在于，所述步骤S400对规律特征事例进行挖掘的过程包括：
步骤S401：分别计算所有特征事例的重复率：
Figure DEST_PATH_IMAGE052
；其中
Figure DEST_PATH_IMAGE054
表示所有事例中出现事例
Figure DEST_PATH_IMAGE056
的总次数；N表示所有事例的总例数；
步骤S402：设置重复率阈值，将大于所述重复率阈值的特征事例筛选出来作为规律特征事例。
7.一种应用于权利要求1-6中任一项的基于人工智能的医用超声图像分析方法的基于人工智能的医用超声图像分析系统，其特征在于，所述分析系统包括：数据库、异常筛查模块、特征信息提取模块、特征事例挖掘模块、规律特征事例挖掘模块、伪像校验模块、病灶分析模块；
所述数据库，用于实时获取医生利用医用超声设备对患者目标检测部位进行超声检测得到的原始超声图像序列；用于基于大数据提取所述目标检测部位的标准解剖断层图像；用于获取医生在利用医用超声设备对患者目标检测部位进行超声检测全操作过程的超声操作视频序列；
所述异常筛查模块，用于接收所述数据库中的数据，基于所述标准解剖断层图像逐一对所述原始超声图像序列内每一超声图像进行异常筛查；
所述特征信息提取模块，用于接收所述异常筛查模块中的数据，基于异常图像序列在超声操作视频序列内进行视频分帧的提取，提取与每一异常图像对应的操作视频帧内的操作信息；获取每一异常图像的特征信息；
所述特征事例挖掘模块，用于接收所述特征信息提取模块中的数据，对各异常图像进行特征事例挖掘；
所述规律特征事例挖掘模块，用于接收所述特征事例挖掘模块中的数据，在所有挖掘得到的特征事例中对规律特征事例进行挖掘；
所述伪像校验模块，用于提取患者的就诊背景信息，将所述患者的就诊背景信息整合规律特征事例向医生发起超声伪像识别信号，根据医生的超声伪像识别反馈结果对异常图像序列进行伪像筛查；
所述病灶分析模块，用于接收所述伪像校验模块中数据，将经过伪像校验过后的异常图像序列发送至责任医生处，责任医生可提取所述异常图像序列内每一异常图像的第三特征信息对患者进行病灶分析。
8.根据权利要求7所述的一种基于人工智能的医用超声图像分析系统，其特征在于，所述特征事例挖掘模块包括异常图像对捕捉单元、特征事例捕捉单元；
所述异常图像对捕捉单元，用于在异常图像序列中捕捉发生了操作方式转变的所有异常图像对；
所述特征事例捕捉单元，用于接收所述异常图像对捕捉单元中的数据，对所有异常图像对的操作转变形式和规律异常组织进行捕捉识别。
9.根据权利要求7所述的一种基于人工智能的医用超声图像分析系统，其特征在于，所述规律特征事例挖掘模块包括重复率计算单元、规律特征事例筛选单元；
所述重复率计算单元，用于计算所有特征事例的重复率；
所述规律特征事例筛选单元，用于接收所述重复率计算单元中的数据，基于各特征事例的重复率筛选出重复率高的规律特征事例。
CN202210321159.8A 2022-03-30 2022-03-30 一种基于人工智能的医用超声图像分析系统及方法 Active CN114419044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210321159.8A CN114419044B (zh) 2022-03-30 2022-03-30 一种基于人工智能的医用超声图像分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210321159.8A CN114419044B (zh) 2022-03-30 2022-03-30 一种基于人工智能的医用超声图像分析系统及方法

Publications (2)

Publication Number Publication Date
CN114419044A CN114419044A (zh) 2022-04-29
CN114419044B true CN114419044B (zh) 2022-06-17

Family

ID=81263632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210321159.8A Active CN114419044B (zh) 2022-03-30 2022-03-30 一种基于人工智能的医用超声图像分析系统及方法

Country Status (1)

Country Link
CN (1) CN114419044B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721040B (zh) * 2023-08-09 2023-12-05 广州索诺星信息科技有限公司 一种基于大数据的超声影像管理方法及系统
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996025882A1 (en) * 1995-02-22 1996-08-29 Groenningsaeter Aage Method for ultrasound guidance during clinical procedures
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6589176B2 (en) * 2001-12-05 2003-07-08 Koninklijke Philips Electronics N.V. Ultrasonic image stabilization system and method
RU2740698C2 (ru) * 2016-03-09 2021-01-19 Эконаус, Инк. Системы и способы распознавания ультразвуковых изображений, осуществляемого с использованием сети с искусственным интеллектом
JP6925824B2 (ja) * 2017-02-28 2021-08-25 キヤノンメディカルシステムズ株式会社 超音波診断装置、画像処理装置、及び画像処理プログラム
JP7145107B2 (ja) * 2019-03-11 2022-09-30 富士フイルムヘルスケア株式会社 超音波診断装置及び表示方法
US11819363B2 (en) * 2020-09-01 2023-11-21 GE Precision Healthcare LLC Systems and methods to improve resolution of ultrasound images with a neural network

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996025882A1 (en) * 1995-02-22 1996-08-29 Groenningsaeter Aage Method for ultrasound guidance during clinical procedures
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

Also Published As

Publication number Publication date
CN114419044A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN114419044B (zh) 一种基于人工智能的医用超声图像分析系统及方法
EP1704816B1 (en) Information processing apparatus and method
JP4997225B2 (ja) 前立腺の機械的イメージングをリアルタイムで行うための二重アレイ式トランスデューサ・プローブ
CN111214255B (zh) 一种医学超声图像计算机辅助方法
CN109830289B (zh) 肋骨图像显示装置
CN109616195A (zh) 基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法
US7922674B2 (en) Method and device for real time mechanical imaging of prostate
WO2017150497A1 (ja) 肺野病変の診断支援装置、該装置の制御方法及びプログラム
US20050238218A1 (en) Image display method, apparatus and program
CN109615633A (zh) 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法
EP1774910A1 (en) Medical image diagnosis assisting system, device and image processing program
US20200193598A1 (en) Dynamic analysis system
US20120166211A1 (en) Method and apparatus for aiding imaging diagnosis using medical image, and image diagnosis aiding system for performing the method
JP2001137230A (ja) コンピュータ支援診断システム
KR102202617B1 (ko) 의료 영상 기반 복부 질환 분석 방법 및 장치
JPH0824227A (ja) 医用画像診断装置
US20230206435A1 (en) Artificial intelligence-based gastroscopy diagnosis supporting system and method for improving gastrointestinal disease detection rate
US20230255467A1 (en) Diagnostic imaging device, diagnostic imaging method, diagnostic imaging program, and learned model
JP4832794B2 (ja) 画像処理装置及び画像処理プログラム
US20220277445A1 (en) Artificial intelligence-based gastroscopic image diagnosis assisting system and method
JP5157766B2 (ja) 画像表示装置およびプログラム
JP7275961B2 (ja) 教師画像生成プログラム、教師画像生成方法、および教師画像生成システム
CN114783575B (zh) 一种医疗用图像处理系统及方法
EP4268729A1 (en) Method for the automated assessment of lung ultrasound scans and ultrasound machine which implements said method
CN107693043B (zh) 肠鸣音信号的非线性动力学分析方法

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