CN114469175B - 一种甲状腺扫查完整性的判断方法及装置 - Google Patents
一种甲状腺扫查完整性的判断方法及装置 Download PDFInfo
- Publication number
- CN114469175B CN114469175B CN202111573990.4A CN202111573990A CN114469175B CN 114469175 B CN114469175 B CN 114469175B CN 202111573990 A CN202111573990 A CN 202111573990A CN 114469175 B CN114469175 B CN 114469175B
- Authority
- CN
- China
- Prior art keywords
- thyroid
- ultrasonic scanning
- scanning
- image
- identification
- 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
Links
- 210000001685 thyroid gland Anatomy 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000002604 ultrasonography Methods 0.000 claims description 23
- 210000001715 carotid artery Anatomy 0.000 claims description 18
- 210000003437 trachea Anatomy 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 239000000523 sample Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
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
-
- 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
-
- 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
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
Abstract
本发明涉及超声扫查技术领域，具体涉及一种甲状腺扫查完整性的判断方法及装置，包括:S1：对患者的甲状腺部位进行超声扫查以获得一超声扫查视频；S2：采用一预先生成的甲状腺完整性识别模型对超声扫查视频进行逐帧识别，获取对应于每一帧超声扫查图像的识别类型，生成对应于每一个识别类型的统计参数值；S3：根据统计参数值判断是否扫查到完整的甲状腺组织；若是，表明扫查完整，将超声扫查视频上传至一外部的后台系统，随后结束扫查过程；若否，表明扫查不完整，生成一提醒消息随后返回S1。本发明的有益效果在于：实现了对超声扫查视频中是否包含了完整的甲状腺组织的判断，便于在社区医疗环境中协助医生准确判断扫查影像是否存在遗漏。
Description
技术领域
本发明涉及超声扫查技术领域，具体涉及一种甲状腺扫查完整性的判断方法及装置。
背景技术
掌上超声设备，即手持超声设备，其是一种基于超声波成像技术的医学检查设备。该类设备得益于计算机和集成电路技术的发展，将原有的体积较为庞大的台式超声扫查设备变成了手机大小的移动扫查设备，进而实现了超声扫查设备的可携带性，便于满足医生随时随地对患者进行超声检查，或满足患者居家医疗、社区医疗时进行超声检查的需求。
现有技术中的掌上超声设备在一定程度上已能够满足基本的检查需求。但是，在实际实施过程中，发明人发现，现有的掌上超声设备在基层医疗机构的使用过程中，使用者往往不能有效地判断出扫查过程中获得的超声影像是否对待扫查器官进行了完整扫查。这导致了超声检查遗漏、不利于作出相关诊断的问题。
发明内容
针对现有技术中存在的上述问题，现提供一种甲状腺扫查完整性的判断方法及装置。
具体技术方案如下：
一种甲状腺扫查完整性的判断方法，包括：
步骤S1：对患者的甲状腺部位进行超声扫查以获得一超声扫查视频；
步骤S2：采用一预先生成的甲状腺完整性识别模型对所述超声扫查视频进行逐帧识别，获取对应于每一帧超声扫查图像的识别类型，生成对应于每一个所述识别类型的统计参数值；
步骤S3：根据所述统计参数值判断是否扫查到完整的甲状腺组织；
若是，表明扫查完整，将所述超声扫查视频上传至一外部的后台系统，随后结束扫查过程；
若否，表明扫查不完整，生成一提醒消息随后返回所述步骤S1。
优选地，于所述步骤S1之前，对多个所述统计参数值分别分配一零值以作为所述统计参数值的初始值。
优选地，所述步骤S2中，所述识别类型包括一用于表示识别到所述甲状腺部位的第一类图像类型；
所述第一类图像类型包括：
用于表示同时识别到甲状腺、气管和颈动脉，且甲状腺位于气管和颈动脉之间的第一图像类型；和/或
用于表示同时识别到甲状腺和气管的第二图像类型；和/或
用于表示同时识别到甲状腺和颈动脉的第三图像类型；和/或
用于表示识别到甲状腺的第四图像类型。
优选地，所述步骤S2包括：
步骤S21：自所述甲状腺扫查视频中根据时间顺序获取一帧所述超声扫查图像；
步骤S22：采用所述甲状腺完整性识别模型对所述超声扫查图像进行识别，生成对应于所述超声扫查图像的所述识别类型；
步骤S23：根据所述识别类型选择对应的所述统计参数值并进行累加，随后返回所述步骤S21，直至对所述甲状腺扫查视频识别完毕，输出关联于每个所述识别类型的所述统计参数值。
优选地，所述步骤S3包括：
步骤S31：根据关联于所有所述第一类图像类型的所述统计参数值形成一参数值总量；
步骤S32：根据所述参数值总量和所述超声扫查视频的总帧数生成一识别比例；
步骤S33：将所述识别比例与一预设的第一阈值进行比较：
若所述识别比例大于所述第一阈值，则表示扫查完整，将所述超声扫查视频上传至所述后台系统，随后结束扫查过程；
若所述识别比例不大于所述第一阈值，表示扫查不完整，生成所述提醒消息随后返回所述步骤S1。
优选地，所述步骤S33中，当所述识别比例大于所述第一阈值时，首先执行下述步骤：
步骤S331：自所述超声扫查视频中提取多幅对应于所述第一类图像类型的所述超声扫查图像，生成被提取的所述超声扫查图像的最大连续帧数；
步骤S332：根据所述最大连续张数和所述总帧数生成一连续比例，判断所述连续比例是否大于一预设的第二阈值；
若是，表明扫查完整，将所述超声扫查视频上传至所述后台系统，随后结束扫查过程；
若否，表明扫查不完整，生成所述提醒消息随后返回所述步骤S1。
优选地，所述步骤S331包括：
步骤S3311：自所述超声扫查视频中提取多幅对应于所述第一类图像类型的所述超声扫查图像；
步骤S3312：根据被提取的多幅所述超声扫查图像生成至少一个连续图像段；
步骤S3313：判断相邻的两个所述连续图像段之间间隔的所述超声扫查图像的总帧数是否大于一预设的第三阈值；
若是，输出所述连续图像段的总帧数以作为所述最大连续帧数；
若否，根据相邻的所述连续图像段的总帧数和间隔的所述超声扫查图像的总帧数生成所述最大连续帧数。
优选地，在执行所述步骤S2之前还包括一预处理步骤，具体包括：
步骤A1：将所述超声扫查视频逐帧拆分形成多帧所述超声扫查图像；
步骤A2：对每帧所述超声扫查图像分别进行处理，以分别生成对应的灰度图像，随后执行所述步骤S2；
则于所述步骤S2中，采用所述甲状腺轮廓完整性识别模型，对每帧所述超声扫查图像所对应的所述灰度图像进行识别。
一种甲状腺扫查完整性的判断装置，包括：
采集模块，所述采集模块连接一超声扫查探头；
所述采集模块自所述超声扫查探头中获得超声扫查视频；
通信模块，所述通信模块连接一外部的后台系统；
所述通信模块可控制地将所述超声扫查视频发送至所述后台系统；
存储器，所述存储器包含计算机指令；
处理器，所述处理器连接所述存储器、所述采集模块和所述通信模块；
所述处理器运行所述计算机指令时，执行上述的判断方法，以控制所述通信模块将所述超声扫查视频发送至所述后台系统。
上述技术方案具有如下优点或有益效果：通过设置相应的统计参数值和甲状腺完整性识别模型对甲状腺扫查视频进行逐帧识别实现了对超声扫查视频中是否包含了完整的甲状腺组织的判断，便于在社区医疗环境中协助医生准确判断扫查影像是否存在遗漏。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明实施例的方法整体示意图；
图2为本发明实施例中步骤S2子步骤示意图；
图3为本发明实施例中步骤S3子步骤示意图；
图4为本发明实施例中步骤S33子步骤示意图
图5为本发明实施例中步骤S331子步骤示意图；
图6为本发明实施例中预处理步骤示意图；
图7为本发明实施例中甲状腺完整性识别模型示意图；
图8为本发明实施例中判断装置的原理框图。
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作出创造性劳动的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，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明包括：
一种甲状腺扫查完整性的判断方法，如图1所示，包括：
步骤S1：对患者的甲状腺部位进行超声扫查以获得一超声扫查视频；
步骤S2：采用一预先生成的甲状腺完整性识别模型对超声扫查视频进行逐帧识别，获取对应于每一帧超声扫查图像的识别类型，生成对应于每一个识别类型的统计参数值；
步骤S3：根据统计参数值判断是否扫查到完整的甲状腺组织；
若是，表明扫查完整，将超声扫查视频上传至一外部的后台系统，随后结束扫查过程；
若否，表明扫查不完整，生成一提醒消息随后返回步骤S1。
具体地，针对现有技术中的掌上超声设备无法判断超声扫查视频是否完整的问题，本发明提出一种针对甲状腺部位的超声扫查完整性的判断方法。通过甲状腺完整性识别模型对超声扫查视频进行逐帧判断，并设置相对应的统计参数值进而实现对扫查完整性的有效判断。
在实施过程中，上述判断方法可以作为一软件实施例部署于掌上超声设备中，或是作为一依赖于硬件装置的部分软件实施例，比如一独立于掌上超声设备的判断装置。其中还包括预先建立、训练得到的甲状腺完整性识别模型，其能够对单张超声扫查图像进行识别，进而输出相应的结果。统计参数值为计算机程序中的一数值变量或存储字段，其用于记录甲状腺完整性识别模型输出的不同的识别类型。
具体地，甲状腺完整性识别模型对超声扫查图像中的甲状腺部位的甲状腺、气管和颈动脉，及甲状腺、气管和颈动脉之间的相对位置进行检测并生成识别类型。
在一种较优的实施例中，于步骤S1之前，对多个统计参数值分别分配一零值以作为统计参数值的初始值。
在一种较优的实施例中，步骤S2中，识别类型包括一用于表示识别到甲状腺部位的第一类图像类型；
第一类图像类型包括：
用于表示同时识别到甲状腺、气管和颈动脉，且甲状腺位于气管和颈动脉之间的第一图像类型；和/或
用于表示同时识别到甲状腺和气管的第二图像类型；和/或
用于表示同时识别到甲状腺和颈动脉的第三图像类型；和/或
用于表示识别到甲状腺的第四图像类型。
还包括有：
用于表示同时识别到气管和颈动脉的第五图像类型；
用于表示识别到甲状腺的第六图像类型。
用于表示识别到甲状腺的第七图像类型。
用于表示未识别到甲状腺、气管或颈动脉的第四图像类型。
以及用于表示识别错误的第九图像类型，比如当超声扫查图像中同时出现甲状腺、气管和颈动脉，但甲状腺位于外侧时。
具体地，为实现对超声扫查视频中每帧超声扫查图像的有效识别，本实施例中通过根据甲状腺完整性识别模型的识别类型进行判断，并匹配对应的统计参数值，对统计参数值进行改变，实现了对各超声扫查图像的有效标注。
作为可选的实施方式，第五图像类型、第六图像类型、第七图像类型和第八图像类型还用于统计未识别到甲状腺的第二类图像类型。
在一种较优的实施例中，如图2所示，步骤S2包括：
步骤S21：自甲状腺扫查视频中根据时间顺序获取一帧超声扫查图像；
步骤S22：采用甲状腺完整性识别模型对超声扫查图像进行识别，生成对应于超声扫查图像的识别类型；
步骤S23：根据识别类型选择对应的统计参数值并进行累加，随后返回步骤S21，直至对甲状腺扫查视频识别完毕，输出关联于每个识别类型的统计参数值。
具体地，为实现对超声扫查视频中的多幅超声扫查图像的遍历查找，本实施例中设置了对应于甲状腺完整性识别模型的各个输出情况的统计参数值。通过记录统计参数值的变化，可以实现对识别结果的记录，进而进一步判断超声扫查视频中是否包括有完整的甲状腺组织。
在实施过程中，上述统计参数值体现为单独的数值变量，其根据相关的判断条件进行步长为1的累加过程。在超声扫查视频的逐帧识别的过程中，上述统计参数的计数结果值会根据甲状腺完整性识别模型识别得出的结果进行改变，进而反映出超声扫查视频中，甲状腺部位、气管和颈动脉在视频时间轴上的位置。
在一种较优的实施例中，则如图3所示，步骤S3包括：
步骤S31：根据关联于所有第一类图像类型的统计参数值形成一参数值总量；
步骤S32：根据参数值总量和超声扫查视频的总帧数生成一识别比例；
步骤S33：将识别比例与一预设的第一阈值进行比较：
若识别比例大于第一阈值，则表示扫查完整，将超声扫查视频上传至后台系统，随后结束扫查过程；
若识别比例不大于第一阈值，表示扫查不完整，生成提醒消息随后返回步骤S1。
在一种较优的实施例中，步骤S33中，当识别比例大于第一阈值时，首先执行如图4所示的下述步骤：
步骤S331：自超声扫查视频中提取多幅对应于第一类图像类型的超声扫查图像，生成被提取的超声扫查图像的最大连续帧数；
步骤S332：根据最大连续张数和总帧数生成一连续比例，判断连续比例是否大于一预设的第二阈值；
若是，表明扫查完整，将超声扫查视频上传至后台系统，随后结束扫查过程；
若否，表明扫查不完整，生成提醒消息随后返回步骤S1。
具体地，针对现有技术中无法有效判断超声扫查视频中是否完整包括了甲状腺组织的问题，本实施例中通过先后执行的两次判断过程实现了对超声扫查视频是否包含了连续的组织图像的判断过程。
在实施过程中，预设的第一阈值取值可以是10％或其他取值，即在整体超声扫查视频中，扫查到甲状腺部分的超声扫查图像的占比应当大于10％；若小于10％，则表明未扫查到甲状腺部位。预设的第二阈值可以是10％，其用于表明连续扫查到的甲状腺图像在视频整体中的占比；通过设置第二阈值可以有效判断出甲状腺扫查视频中连续视频的长度，进而可以通过连续视频有效帮助医生进行诊断。
在一种较优的实施例中，如图5所示，步骤S331包括：
步骤S3311：自超声扫查视频中提取多幅对应于第一类图像类型的超声扫查图像；
步骤S3312：根据被提取的多幅超声扫查图像生成至少一个连续图像段；
步骤S3313：判断相邻的两个连续图像段之间间隔的超声扫查图像的总帧数是否大于一预设的第三阈值；
若是，输出连续图像段的总帧数以作为最大连续帧数；
若否，根据相邻的连续图像段的总帧数和间隔的超声扫查图像的总帧数生成最大连续帧数。
具体地，针对现有技术中无法准确判断超声扫查视频中是否包含连贯的甲状腺扫查视频的问题，本实施例中通过获取连续图像段和第三阈值实现了对连贯的甲状腺扫查视频的判断，有效地自超声扫查视频中提取出了连贯的甲状腺扫查视频，有助于医生进行诊断。
在实施过程中，每一个连续图像段中包括有多帧超声扫查图像，其体现为超声扫查视频在时间轴上的一个区间，该连续图像段中的超声扫查图像在甲状腺完整性识别模型的识别结果中为同时识别到甲状腺、气管和颈动脉、同时识别到甲状腺和气管、同时识别到甲状腺和颈动脉和识别到甲状腺中的一种。间隔的超声扫查图像指在时间轴上位于两个连续图像段中间的图像，其是未扫查到甲状腺的超声扫查图像。通过对该类图像设置阈值判断，可以有效地将对扫查质量影响较低的跳帧问题进行忽略，以生成较长的连续视频。
在一种较优的实施例中，在执行步骤S2之前还包括一预处理步骤，如图6所示，具体包括：
步骤A1：将超声扫查视频逐帧拆分形成多帧超声扫查图像；
步骤A2：对每帧超声扫查图像分别进行处理，以分别生成对应的灰度图像，随后执行步骤S2；
则于步骤S2中，采用甲状腺轮廓完整性识别模型，对每帧超声扫查图像所对应的灰度图像进行识别。
具体地，为实现较好的图像识别效果，本实施例中在甲状腺轮廓完整性识别模型进行识别之前设置了一预处理步骤，通过预处理过程将超声扫查视频转换成多幅灰度图像，进而实现了较好的甲状腺轮廓完整性识别效果。
在一种较优的实施例中，如图7所示，甲状腺轮廓完整性识别模型包括依次设置的：
输入层B1，输入层B1接收灰度图像；
语义分割层B2，语义分割层B2对灰度图像进行识别以生成甲状腺区域掩膜图像、气管区域掩膜图像和颈动脉区域掩膜图像；
轮廓提取层B3，轮廓提取层B3对甲状腺区域掩膜图像进行处理以输出甲状腺轮廓；
轮廓提取层B3对气管区域掩膜图像进行处理以输出气管轮廓；
轮廓提取层B3对颈动脉区域掩膜图像进行处理以输出颈动脉轮廓。
具体地，针对现有技术中无法准确识别超声扫查视频中是否存在甲状腺的问题，本实施例中通过设置甲状腺完整性识别模型实现了对超声扫查图像中的甲状腺部分的有效提取，进而实现了对超声扫查视频中出现甲状腺的超声扫查图像的有效统计。
在实施过程中，甲状腺轮廓完整性识别模型主要由语义分割层B2实现自超声扫查图像中提取甲状腺区域、气管区域和颈动脉区域。其中，语义分割层B2在一实施例中采用Unet网络实现，其采用对应于甲状腺区域、气管区域和颈动脉区域的超声扫查影像作为训练集生成，进而实现了将甲状腺区域、气管区域或颈动脉区域自作为背景的其他扫查区域中分离。该语义分割层B2在使用过程中根据超声扫查影像的不同会输出甲状腺区域和/或气管区域和/或颈动脉区域。当未识别到甲状腺区域、气管区域或颈动脉区域则输出一零值。进一步地，通过轮廓提取层B3对甲状腺区域掩膜图像、气管区域掩膜图像和颈动脉区域掩膜图像进行处理可以有效提取出其轮廓，并根据其轮廓完整性判断是否扫查到对应的区域。
一种甲状腺扫查完整性的判断装置，如图8所示，包括：
采集模块1，采集模块连接一超声扫查探头A；
采集模块1自超声扫查探头A中获得超声扫查视频；
通信模块2，通信模块2连接一外部的后台系统B；
通信模块2可控制地将超声扫查视频发送至后台系统；
存储器3，存储器3包含计算机指令；
处理器4，处理器连接存储器3、采集模块1和通信模块2；
处理器4运行计算机指令时，执行上述的判断方法，以控制通信模块2将超声扫查视频发送至后台系统B。
具体地，针对现有技术中的掌上超声设备无法准确判断超声扫查视频中是否获得了完整的甲状腺组织的问题，本实施例中通过设置判断装置对超声扫查视频进行了识别，进而辅助医生判断是否准确获得了完整的扫查影像。
在实施过程中，上述判断装置可以作为一独立的具有软件部分的硬件装置，其与掌上超声设备连接以获取超声扫查视频；或是作为掌上超声设备中的一个独立组件，以实现对超声扫查视频的识别。
本发明的有益效果在于：通过设置相应的统计参数值和甲状腺完整性识别模型对甲状腺扫查视频进行逐帧识别实现了对超声扫查视频中是否包含了完整的甲状腺组织的判断，便于在社区医疗环境中协助医生准确判断扫查影像是否存在遗漏。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (6)
1.一种甲状腺扫查完整性的判断方法，其特征在于，包括：
步骤S1：对患者的甲状腺部位进行超声扫查以获得一超声扫查视频；
步骤S2：采用一预先生成的甲状腺完整性识别模型对所述超声扫查视频进行逐帧识别，获取对应于每一帧超声扫查图像的识别类型，生成对应于每一个所述识别类型的统计参数值；
步骤S3：根据所述统计参数值判断是否扫查到完整的甲状腺组织；
若是，表明扫查完整，将所述超声扫查视频上传至一外部的后台系统，随后结束扫查过程；
若否，表明扫查不完整，生成一提醒消息随后返回所述步骤S1；
所述步骤S2中，所述识别类型包括一用于表示识别到所述甲状腺部位的第一类图像类型；
所述第一类图像类型包括：
用于表示同时识别到甲状腺、气管和颈动脉，且所述甲状腺位于所述气管和所述颈动脉之间的第一图像类型；和/或
用于表示同时识别到所述甲状腺和所述气管的第二图像类型；和/或
用于表示同时识别到所述甲状腺和所述颈动脉的第三图像类型；和/或
用于表示识别到所述甲状腺的第四图像类型；
所述步骤S3包括：
步骤S31：根据关联于所有所述第一类图像类型的所述统计参数值形成一参数值总量；
步骤S32：根据所述参数值总量和所述超声扫查视频的总帧数生成一识别比例；
步骤S33：将所述识别比例与一预设的第一阈值进行比较：
若所述识别比例大于所述第一阈值，则表示扫查完整，将所述超声扫查视频上传至所述后台系统，随后结束扫查过程；
若所述识别比例不大于所述第一阈值，表示扫查不完整，生成所述提醒消息随后返回所述步骤S1；
所述步骤S33中，当所述识别比例大于所述第一阈值时，首先执行下述步骤：
步骤S331：自所述超声扫查视频中提取多幅对应于所述第一类图像类型的所述超声扫查图像，生成被提取的所述超声扫查图像的最大连续帧数；
步骤S332：根据所述最大连续张数和所述总帧数生成一连续比例，判断所述连续比例是否大于一预设的第二阈值；
若是，表明扫查完整，将所述超声扫查视频上传至所述后台系统，随后结束扫查过程；
若否，表明扫查不完整，生成所述提醒消息随后返回所述步骤S1。
2.根据权利要求1所述的判断方法，其特征在于，于所述步骤S1之前，对多个所述统计参数值分别分配一零值以作为所述统计参数值的初始值。
3.根据权利要求1所述的判断方法，其特征在于，所述步骤S2包括：
步骤S21：自所述甲状腺扫查视频中根据时间顺序获取一帧所述超声扫查图像；
步骤S22：采用所述甲状腺完整性识别模型对所述超声扫查图像进行识别，生成对应于所述超声扫查图像的所述识别类型；
步骤S23：根据所述识别类型选择对应的所述统计参数值并进行累加，随后返回所述步骤S21，直至对所述甲状腺扫查视频识别完毕，输出关联于每个所述识别类型的所述统计参数值。
4.根据权利要求1所述的判断方法，其特征在于，所述步骤S331包括：
步骤S3311：自所述超声扫查视频中提取多幅对应于所述第一类图像类型的所述超声扫查图像；
步骤S3312：根据被提取的多幅所述超声扫查图像生成至少一个连续图像段；
步骤S3313：判断相邻的两个所述连续图像段之间间隔的所述超声扫查图像的总帧数是否大于一预设的第三阈值；
若是，输出所述连续图像段的总帧数以作为所述最大连续帧数；
若否，根据相邻的所述连续图像段的总帧数和间隔的所述超声扫查图像的总帧数生成所述最大连续帧数。
5.根据权利要求1所述的判断方法，其特征在于，在执行所述步骤S2之前还包括一预处理步骤，具体包括：
步骤A1：将所述超声扫查视频逐帧拆分形成多帧所述超声扫查图像；
步骤A2：对每帧所述超声扫查图像分别进行处理，以分别生成对应的灰度图像，随后执行所述步骤S2；
则于所述步骤S2中，采用所述甲状腺轮廓完整性识别模型，对每帧所述超声扫查图像所对应的所述灰度图像进行识别。
6.一种甲状腺扫查完整性的判断装置，包括：
采集模块，所述采集模块连接一超声扫查探头；
所述采集模块自所述超声扫查探头中获得超声扫查视频；
通信模块，所述通信模块连接一外部的后台系统；
所述通信模块可控制地将所述超声扫查视频发送至所述后台系统；
存储器，所述存储器包含计算机指令；
处理器，所述处理器连接所述存储器、所述采集模块和所述通信模块；
所述处理器运行所述计算机指令时，执行如权利要求1-5任意一项所述的判断方法，以控制所述通信模块将所述超声扫查视频发送至所述后台系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111573990.4A CN114469175B (zh) | 2021-12-21 | 2021-12-21 | 一种甲状腺扫查完整性的判断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111573990.4A CN114469175B (zh) | 2021-12-21 | 2021-12-21 | 一种甲状腺扫查完整性的判断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114469175A CN114469175A (zh) | 2022-05-13 |
| CN114469175B true CN114469175B (zh) | 2024-04-05 |
Family
ID=81493555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111573990.4A Active CN114469175B (zh) | 2021-12-21 | 2021-12-21 | 一种甲状腺扫查完整性的判断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114469175B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998024065A1 (en) * | 1996-11-28 | 1998-06-04 | Zeneca Limited | 3d imaging from 2d scans |
| CN1738576A (zh) * | 2003-01-15 | 2006-02-22 | 株式会社日立医药 | 超声波诊断装置 |
| CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像系统和方法、实时动态帧间处理方法 |
| CN109674494A (zh) * | 2019-01-29 | 2019-04-26 | 深圳瀚维智能医疗科技有限公司 | 超声扫查实时控制方法、装置、存储介质及计算机设备 |
| CN112842394A (zh) * | 2019-11-27 | 2021-05-28 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像系统及超声成像方法、存储介质 |
| CN113116390A (zh) * | 2019-12-31 | 2021-07-16 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像的检测方法及超声影像设备 |
| CN113570559A (zh) * | 2021-07-13 | 2021-10-29 | 上海深至信息科技有限公司 | 一种甲状腺超声扫查视频质量筛选方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9310473B2 (en) * | 2010-02-17 | 2016-04-12 | Hitachi Medical Corporation | Method for evaluating image quality of elastic image, and ultrasonic diagnostic apparatus |
-
2021
- 2021-12-21 CN CN202111573990.4A patent/CN114469175B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998024065A1 (en) * | 1996-11-28 | 1998-06-04 | Zeneca Limited | 3d imaging from 2d scans |
| CN1738576A (zh) * | 2003-01-15 | 2006-02-22 | 株式会社日立医药 | 超声波诊断装置 |
| CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像系统和方法、实时动态帧间处理方法 |
| CN109674494A (zh) * | 2019-01-29 | 2019-04-26 | 深圳瀚维智能医疗科技有限公司 | 超声扫查实时控制方法、装置、存储介质及计算机设备 |
| CN112842394A (zh) * | 2019-11-27 | 2021-05-28 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像系统及超声成像方法、存储介质 |
| CN113116390A (zh) * | 2019-12-31 | 2021-07-16 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像的检测方法及超声影像设备 |
| CN113570559A (zh) * | 2021-07-13 | 2021-10-29 | 上海深至信息科技有限公司 | 一种甲状腺超声扫查视频质量筛选方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114469175A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4614548B2 (ja) | 超音波診断装置 | |
| CN111214255B (zh) | 一种医学超声图像计算机辅助方法 | |
| CN105825516B (zh) | 一种dicom影像血流分析系统 | |
| CN113781440B (zh) | 超声视频病灶检测方法及装置 | |
| CN111242921B (zh) | 一种医学超声图像辅助诊断系统自动更新的方法及系统 | |
| CN111243730B (zh) | 一种基于乳腺超声影像的乳腺病灶智能分析方法及系统 | |
| US20200245969A1 (en) | Ultrasound Needle Positioning System and Ultrasound Needle Positioning Method Utilizing Convolutional Neural Networks | |
| CN110942447A (zh) | Oct图像分割方法、装置、设备及存储介质 | |
| KR20130006011A (ko) | 초음파 근육 영상 처리 장치 | |
| CN112508941A (zh) | 三维超声扫描完整性检测方法及装置 | |
| US8897521B2 (en) | Ultrasound image registration apparatus and method thereof | |
| CN114469175B (zh) | 一种甲状腺扫查完整性的判断方法及装置 | |
| CN116407154A (zh) | 一种超声诊查数据处理方法、装置及超声设备和存储介质 | |
| CN116823701A (zh) | 基于ai的医学影像分析处理方法 | |
| CN113112469B (zh) | 一种b超图像选取方法及系统 | |
| CN108968892A (zh) | 一种肠镜下盲区监测的系统及方法 | |
| JP2022147713A (ja) | 画像生成装置、学習装置、及び、画像生成方法 | |
| CN111035403A (zh) | 一种扫描时机确定方法、装置、设备及存储介质 | |
| CN115937219B (zh) | 一种基于视频分类的超声图像部位识别方法及系统 | |
| Pena et al. | Skin prick test wheal detection in 3D images via convolutional neural networks | |
| CN116416193A (zh) | 超声图像处理方法、装置、设备及可读存储介质 | |
| CN116309593B (zh) | 基于数学模型的肝脏穿刺活检b超图像处理方法及系统 | |
| CN113274051B (zh) | 超声辅助扫查方法、装置、电子设备和存储介质 | |
| US11972584B2 (en) | Tissue specific time gain compensation methods and systems | |
| US20220101544A1 (en) | Tissue specific time gain compensation methods and systems |
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 |