CN114882019B - 孕早期或孕中期超声图像标准化质量控制方法、系统及设备 - Google Patents

孕早期或孕中期超声图像标准化质量控制方法、系统及设备 Download PDF

Info

Publication number
CN114882019B
CN114882019B CN202210764269.1A CN202210764269A CN114882019B CN 114882019 B CN114882019 B CN 114882019B CN 202210764269 A CN202210764269 A CN 202210764269A CN 114882019 B CN114882019 B CN 114882019B
Authority
CN
China
Prior art keywords
pregnancy
section
early
fetus
judgment model
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
CN202210764269.1A
Other languages
English (en)
Other versions
CN114882019A (zh
Inventor
吴青青
冯丽
宋世晶
王晶晶
李晓菲
朱燕彤
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.)
BEIJING OBSTETRICS AND GYNECOLOGY HOSPITAL CAPITAL MEDICAL UNIVERSITY
Original Assignee
BEIJING OBSTETRICS AND GYNECOLOGY HOSPITAL CAPITAL MEDICAL UNIVERSITY
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 BEIJING OBSTETRICS AND GYNECOLOGY HOSPITAL CAPITAL MEDICAL UNIVERSITY filed Critical BEIJING OBSTETRICS AND GYNECOLOGY HOSPITAL CAPITAL MEDICAL UNIVERSITY
Priority to CN202210764269.1A priority Critical patent/CN114882019B/zh
Publication of CN114882019A publication Critical patent/CN114882019A/zh
Application granted granted Critical
Publication of CN114882019B publication Critical patent/CN114882019B/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
    • 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
    • A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Gynecology & Obstetrics (AREA)
  • Pregnancy & Childbirth (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及孕早期或孕中期超声图像标准化质量控制方法、系统及设备。所述方法包括：获取孕早期或孕中期胎儿超声图像；对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型；输出质量评测结果。本发明从临床孕早期或孕中期超声图像实际问题出发，具有重要的临床应用和推广价值。

Description

孕早期或孕中期超声图像标准化质量控制方法、系统及设备
技术领域
本发明涉及智能医疗技术领域，更具体地，涉及孕早期或孕中期超声图像标准化质量控制方法、系统、设备和计算机可读存储介质。
背景技术
孕早期及孕中期超声检查在胎儿产前检查中发挥重要作用，超声图像质量是产前筛查和诊断的关键影响因素。检查过程中主要依靠检查者的专业水平及操作技巧来保证超声图像质量，然而不同检查者的主观操作及检查者相关技术水平使得超声图像质量参差不齐。严重制约产前超声诊断技术的临床应用、检查效能、同行交流。目前为了克服这一局限性，多采取专业技能培训等传统模式，但这些模式存在的缺点有1：培训效果随着时间延长递减；2：培训师资的水平及授课条件的水平会影响培训效果；3：被培训者在日常操作过程中可能会不依照培训要求进行操作。因此，需要一种对孕早期及孕中期超声图像质量控制的，不依赖于操作者主观因素的方法，达到超声图像的标准化，排除低质量超声图像和非标准超声图像对诊断结果的影响，提高产前超声诊断准确率，方便医生同行进行交流和远程会诊，最终服务于患者，促进卫生健康事业的发展。
发明内容
本研究首次开发了一种孕早期或孕中期超声图像标准化质量控制方法、系统、设备和计算机可读存储介质，用以提高产前超声诊断准确率。
本申请的目的在于提供一种孕早期或孕中期超声图像标准化质量控制方法，所述方法包括：
获取孕早期或孕中期胎儿超声图像；
对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；
根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型；
输出质量评测结果。
进一步，所述分类基于超声图像命名，提取所述孕早期或孕中期胎儿超声图像的名称，根据提取的名称进行匹配得到所述孕早期或孕中期胎儿超声图像切面种类；可选的，所述孕早期胎儿超声图像切面种类包括胎儿NT切面、胎儿正中矢状切面、经侧脑室水平切面、脐带腹壁入口横切面；所述孕中期胎儿超声图像切面种类包括：经丘脑横切面、经侧脑室横切面、经小脑横切面、双眼球横切面、鼻唇冠状切面、脊柱矢状切面、四腔心切面、左心室流出道切面、右心室流出道切面、三血管气管切面、腹围横切面、脐带腹壁入口切面、双肾水平切面、膀胱水平横切面、肱骨长轴切面、尺骨和桡骨长轴切面、股骨长轴切面、胫骨和腓骨长轴切面。
进一步，所述切面质量判断模型包括参数判断模型和内容判断模型，先采用参数判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果；当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，采用内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测。
进一步，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果，所述图像参数不合格的类别包括：增益调节不当、聚焦调节不当、图像干扰、干扰诊断的超声伪像。
进一步，采用内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，输出质量评测结果为合格；当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果。
可选的，所述孕早期或孕中期超声图像标准化质量控制方法还包括输出角度偏差值，当所述质量评测结果为内容不合格时，输出所述获取孕早期或孕中期胎儿超声图像的角度偏差值；所述输出角度偏差值包括如下步骤：
提取所述获取孕早期或孕中期胎儿超声图像中的关键点；
将所述获取孕早期或孕中期胎儿超声图像中的关键点与预先构建的孕早期或孕中期胎儿关键点3D点云图进行匹配；
获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度；
调取与所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度；
将所述获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度和所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度进行比对，输出角度偏差值；
可选的，采用HRNet算法提取所述获取孕早期或孕中期胎儿超声图像中的关键点；
可选的，采用ICP算法进行匹配。
进一步，所述切面质量判断模型包括孕早期胎儿超声图像切面质量判断模型和孕中期胎儿超声图像切面质量判断模型，所述孕早期胎儿超声图像切面质量判断模型包括胎儿NT切面质量判断模型、胎儿正中矢状切面质量判断模型、经侧脑室水平切面质量判断模型、脐带腹壁入口横切面质量判断模型；所述孕中期胎儿超声图像切面质量判断模型包括：经丘脑横切面质量判断模型、经侧脑室横切面质量判断模型、经小脑横切面质量判断模型、双眼球横切面质量判断模型、鼻唇冠状切面质量判断模型、脊柱矢状切面质量判断模型、四腔心切面质量判断模型、左心室流出道切面质量判断模型、右心室流出道切面质量判断模型、三血管气管切面质量判断模型、腹围横切面质量判断模型、脐带腹壁入口切面质量判断模型、双肾水平切面质量判断模型、膀胱水平横切面质量判断模型、肱骨长轴切面质量判断模型、尺骨和桡骨长轴切面质量判断模型、股骨长轴切面质量判断模型、胫骨和腓骨长轴切面质量判断模型。
进一步，采用所述胎儿正中矢状切面质量判断模型中的内容判断模型对所述孕早期胎儿超声图像进行质量评测，当所述孕早期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括楚：前额未显示或不清楚、鼻前皮肤未显示或不清楚、鼻骨未显示或不清楚、鼻尖未显示或不清楚，背部不显示脊柱或显示不清楚、头顶部及骶尾部未显示或不清楚、躯干部未显示脊柱矢状面全长或显示不清楚；
采用所述胎儿NT切面质量判断模型中的内容判断模型对所述孕早期胎儿超声图像进行质量评测，当所述孕早期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：前额未显示或不清楚、鼻前皮肤未显示或不清楚、鼻骨未显示或不清楚、鼻尖未显示或不清楚，背部不显示脊柱或显示不清楚、头顶部及骶尾部未显示或不清楚、躯干部未显示脊柱矢状面全长或显示不清楚；
采用所述经侧脑室横切面质量判断模型（孕早期部分）中的内容判断模型对所述孕早期胎儿超声图像进行质量评测，当所述孕早期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：颅骨环未显示或不清楚、大脑镰未显示或不清楚、左右侧脑室及脑室内的脉络丛未显示或不清楚；
采用所述脐带腹壁入口横切面质量判断模型中的内容判断模型对所述孕早期胎儿超声图像进行质量评测，当所述孕早期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：脐带与腹壁的连接未显示或不清楚；
采用所述经丘脑横切面质量判断模型（孕中期部分）中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：颅骨强回声环未显示或不清楚、大脑镰未显示或不清楚、透明隔腔未显示或不清楚、两侧丘脑及丘脑后方的大脑脚未显示或不清楚；
采用所述经侧脑室横切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：颅骨强回声环未显示或不清楚、大脑镰未显示或不清楚、透明隔腔未显示或不清楚、侧脑室前角及后角未显示或不清楚、脑室内脉络丛未显示或不清楚；
采用所述经小脑横切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：颅骨强回声环未显示或不清楚、透明隔腔未显示或不清楚、丘脑未显示或不清楚、大脑脚未显示或不清楚、小脑半球最大横径处未显示或不清楚；
采用所述双眼球横切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：同一平面最大径线的双侧眼球未显示或不清楚；
采用所述鼻唇冠状切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：双侧鼻孔未显示或不清楚、上唇未显示或不清楚；
采用所述脊柱矢状切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：脊柱全长及其表面覆盖的皮肤未显示或不清楚 ；
采用所述四腔心切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：左右房室腔及两组房室瓣未显示或不清楚，未显示一条完整肋骨或显示不清楚 ；
采用所述左心室流出道切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：左心室及起自左心室的主动脉和主动脉瓣未显示或不清楚；
采用所述右心室流出道切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：右心室及起自右心室的肺动脉和肺动脉瓣未显示或不清楚；
采用所述三血管气管切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：主动脉弓和动脉导管弓的横弓及上腔静脉和气管横切面未显示或不清楚；
采用所述腹围横切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：胃泡及脐静脉腹内段未显示或不清楚；
采用所述脐带腹壁入口切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：脐带与腹壁的连接未显示或不清楚；
采用所述双肾水平切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：双侧肾脏横切面未显示或不清楚；
采用所述膀胱水平横切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：膀胱及两侧的脐动脉未显示或不清楚；
采用所述肱骨长轴切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：肱骨长轴未显示或不清楚；
采用所述尺骨和桡骨长轴切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：尺骨和桡骨长轴未同时显示或显示不清楚；
采用所述股骨长轴切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：股骨长轴未显示或不清楚；
采用所述胫骨和腓骨长轴切面质量判断模型中的内容判断模型对所述孕中期胎儿超声图像进行质量评测，当所述孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：胫骨和腓骨长轴未同时显示或显示不清楚。
本申请的目的在于提供一种孕早期或孕中期超声图像标准化质量控制设备，所述设备包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时，用于执行实现上述的孕早期或孕中期超声图像标准化质量控制方法。
本申请的目的在于提供一种孕早期或孕中期超声图像标准化质量控制系统，所述系统包括：
获取单元，用于获取孕早期或孕中期胎儿超声图像；
切面种类分类单元，用于对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；
图像质量评测单元，用于根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型；
显示单元，用于输出质量评测结果。
本申请的目的在于提供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，实现上述的孕早期或孕中期超声图像标准化质量控制方法。
进一步，所述孕早期或孕中期胎儿超声图像进行分类、参数判断模型以及内容判断模型采用分类器，所述分类器可采用下列分类模型中的一种或几种：KNN、Bayesian、决策树（Decision Tree）、随机森林（Random Forest）、SVM、逻辑回归（Logistic regression）、Ensemble-Boosting、Ensemble-Bagging。
决策树（Decision Tree）一般是其他算法的基石，可以同时处理不同类型的数据，该模型比较容易理解不同属性对于结果的影响程度。
随机森林（Random Forest）是决策树的随机集成，该模型适用于数据维度不太高又想达到较高准确性的时候。
Ensemble-Boosting每次寻找一个可以解决当前错误的分类器，最后进行权重加和，该模型自带特征选择，发现有效的特征，也方便理解高维数据。
Ensemble-Bagging训练多个弱分类器投票解决，随机选取训练集，避免了过拟合。
本申请的优点：
1.现有技术中没有根据孕早期或孕中期胎儿超声图像实际要求，本申请基于临床实践首先考虑孕早期和孕中期超声检测内容不同，将孕期超声图像细分为孕早期超声图像和孕中期超声图像，继而通过超声图像切面种类将超声图像进行分类，得到孕早期胎儿超声图像切面种类和孕中期胎儿超声图像切面种类，降低后面模型算法的运算难度；
2.根据临床超声图像检查者相关技术水平将切面质量判断模型分成两个模型，对于初级检查者超声图像的参数不达标居多，并且图像参数不达标会影响后续超声图像内容的判断结果，故而，一方面考虑实际检查者的技能水平状态，另一方面考虑提高运行效率及准确率，将切面质量判断模型先后分为参数判断模型和内容判断模型，在医师考核过程中，将超声图像通过无线设备输入，系统可以快速的向考官输出质量控制结果，在日常临床工作中连接超声仪器设备或影像工作站，输入图像后，能即时得到图像质量控制结果，避免图像质量的因素导致的重复检查或误诊等情况发生；
3.本申请基于丰富的临床经验，将孕早期或孕中期胎儿超声图像中各种不合格情况进行了充分的考虑，包括多种图像参数不合格的种类和每种切面内容不合格的种类，为医师的考核和临床实际应用奠定基础。
4.现有技术中临床超声图像检查者的进步较慢的主要原因之一为没有量化的指导，本申请不仅对超声图像质量是否合格进行反馈，还进一步提供了不合格的原因以及对内容不合格的图像与其对应的标准图像的角度差值，临床超声图像检查者可据此得知其需要调整的角度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。
图1是本发明实施例提供的孕早期或孕中期超声图像标准化质量控制方法示意流程图；
图2是本发明实施例提供的一种孕早期或孕中期超声图像标准化质量控制方法示意流程图；
图3是本发明实施例提供的孕早期或孕中期超声图像标准化质量控制设备示意流程图；
图4是本发明实施例提供的孕早期或孕中期超声图像标准化质量控制系统示意图；
图5是本发明实施例提供的孕早期经侧脑室横切面质量判断模型示意流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S101、S102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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，本领域技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例提供的孕早期或孕中期超声图像标准化质量控制方法示意流程图，具体地，所述方法包括如下步骤：
S101：获取孕早期或孕中期胎儿超声图像；
在一个实施例中，获取胎儿超声图像，根据临床信息对胎儿超声图像划分为孕早期胎儿超声图像和孕中期胎儿超声图像；优选的，孕早期为11-13（+6天）周，孕中期：18-27（+6天）周。
S102：对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；
在一个实施例中，所述分类基于超声图像命名，提取所述孕早期或孕中期胎儿超声图像的名称，根据提取的名称进行匹配得到所述孕早期或孕中期胎儿超声图像切面种类；可选的，所述孕早期胎儿超声图像切面种类包括胎儿NT切面、胎儿正中矢状切面、经侧脑室水平切面、脐带腹壁入口横切面；所述孕中期胎儿超声图像切面种类包括：经丘脑横切面、经侧脑室横切面、经小脑横切面、双眼球横切面、鼻唇冠状切面、脊柱矢状切面、四腔心切面、左心室流出道切面、右心室流出道切面、三血管气管切面、腹围横切面、脐带腹壁入口切面、双肾水平切面、膀胱水平横切面、肱骨长轴切面、尺骨和桡骨长轴切面、股骨长轴切面、胫骨和腓骨长轴切面。
在一个实施例中，将所述孕早期或孕中期胎儿超声图像输入分类器中进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类，可选的，所述孕早期胎儿超声图像切面种类包括胎儿NT切面、胎儿正中矢状切面、经侧脑室水平切面、脐带腹壁入口横切面；所述孕中期胎儿超声图像切面种类包括：经丘脑横切面、经侧脑室横切面、经小脑横切面、双眼球横切面、鼻唇冠状切面、脊柱矢状切面、四腔心切面、左心室流出道切面、右心室流出道切面、三血管气管切面、腹围横切面、脐带腹壁入口切面、双肾水平切面、膀胱水平横切面、肱骨长轴切面、尺骨和桡骨长轴切面、股骨长轴切面、胫骨和腓骨长轴切面。所述分类器可采用下列分类模型中的一种或几种：KNN、Bayesian、决策树、随机森林、SVM、逻辑回归、Ensemble-Boosting、Ensemble-Bagging。
S103：根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型；
在一个实施例中，所述切面质量判断模型包括参数判断模型和内容判断模型，先采用参数判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果；当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，采用内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测。
在一个实施例中，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果，所述图像参数不合格的类别包括：增益调节不当、聚焦调节不当、图像干扰、干扰诊断的超声伪像。
在一个实施例中，采用内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，输出质量评测结果为合格；当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果。
在一个实施例中，可选的，所述孕早期或孕中期超声图像标准化质量控制方法还包括输出角度偏差值，当所述质量评测结果为内容不合格时，输出所述获取孕早期或孕中期胎儿超声图像的角度偏差值；所述输出角度偏差值包括如下步骤：
提取所述获取孕早期或孕中期胎儿超声图像中的关键点；
将所述获取孕早期或孕中期胎儿超声图像中的关键点与预先构建的孕早期或孕中期胎儿关键点3D点云图进行匹配；
获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度；
调取与所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度；
将所述获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度和所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度进行比对，输出角度偏差值；
在一个具体实施例中，采用HRNet算法提取所述获取孕早期或孕中期胎儿超声图像中的关键点；在一个具体实施例中，关键点的自动检测需要医生标记并训练HRNet，从而获得训练后的可提取孕早期或孕中期胎儿超声图像中的关键点的HRNet；采用ICP算法进行匹配；所述3D点云图是对孕早期或孕中期胎儿超声图像基于图像三维重建技术和医生手工标记后获得。
在一个实施例中，如图2所示，所述切面质量判断模型包括孕早期胎儿超声图像切面质量判断模型和孕中期胎儿超声图像切面质量判断模型，所述孕早期胎儿超声图像切面质量判断模型包括胎儿NT切面质量判断模型、胎儿正中矢状切面质量判断模型、经侧脑室水平切面质量判断模型、脐带腹壁入口横切面质量判断模型；所述孕中期胎儿超声图像切面质量判断模型包括：经丘脑横切面质量判断模型、经侧脑室横切面质量判断模型、经小脑横切面质量判断模型、双眼球横切面质量判断模型、鼻唇冠状切面质量判断模型、脊柱矢状切面质量判断模型、四腔心切面质量判断模型、左心室流出道切面质量判断模型、右心室流出道切面质量判断模型、三血管气管切面质量判断模型、腹围横切面质量判断模型、脐带腹壁入口切面质量判断模型、双肾水平切面质量判断模型、膀胱水平横切面质量判断模型、肱骨长轴切面质量判断模型、尺骨和桡骨长轴切面质量判断模型、股骨长轴切面质量判断模型、胫骨和腓骨长轴切面质量判断模型；在一个具体实施例中，切面种类为胎儿NT切面的孕早期胎儿超声图像输入胎儿NT切面质量判断模型得到质量评测结果。
在一个具体实施例中，如图5所示，所述经侧脑室横切面质量判断模型包括经侧脑室横切面参数判断模型和经侧脑室横切面内容判断模型，先采用经侧脑室横切面参数判断模型对所述孕早期胎儿超声图像进行质量评测，当所述孕早期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果，所述图像参数不合格的类别包括：增益调节不当、聚焦调节不当、图像干扰、干扰诊断的超声伪像；当所述孕早期胎儿超声图像质量评测结果为合格时，采用经侧脑室横切面内容判断模型对所述孕早期胎儿超声图像进行质量评测，当所述孕早期胎儿超声图像质量评测结果为合格时，输出质量评测结果为合格；当所述孕早期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果，所述内容不合格的类别包括：颅骨环未显示或不清楚、大脑镰未显示或不清楚、左右侧脑室及脑室内的脉络丛未显示或不清楚。
在一个实施例中，所述参数判断模型和内容判断模型为分类器，所述分类器可采用下列分类模型中的一种或几种：KNN、Bayesian、决策树、随机森林、SVM、逻辑回归、Ensemble-Boosting、Ensemble-Bagging。
S104：输出质量评测结果。
在一个实施例中，所述质量评测结果为合格或不合格，所述不合格包括图像参数不合格或内容不合格，所述图像参数不合格的类别包括：增益调节不当、聚焦调节不当、图像干扰、干扰诊断的超声伪像，所述内容不合格根据切面种类不同而不同。
在一个实施例中，在每个模型的训练阶段，输入采集的胎儿不同种类的超声图像至校正后的分类器，查看输出的分类结果，将获得的分类结果与高年资具有产前诊断资质的医生的手动分类结果进行比对，生成损失值，反向传播，优化模型，得出效果最优的分类器或分类器组合。
图3是本发明实施例提供的孕早期或孕中期超声图像标准化质量控制设备示意图，所述设备包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时，用于执行实现上述的孕早期或孕中期超声图像标准化质量控制方法。
在一个实施例中，设备的应用场景包括：在日常临床工作中连接超声仪器设备或影像工作站，输入图像并得到图像质量控制结果；在医师考核过程中，将图像通过无线设备输入，向考官输出质量控制结果；同行交流前，通过无线设备或手机APP判定图像质量，来决定可否进行同行交流。
图4是本发明实施例提供的孕早期或孕中期超声图像标准化质量控制系统示意图，所述风险诊断系统包括：
获取单元401，用于获取孕早期或孕中期胎儿超声图像；
切面种类分类单元402，用于对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；
图像质量评测单元403，用于根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型；
显示单元404，用于输出质量评测结果。
本发明的一个目的在于提供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上述的孕早期或孕中期超声图像标准化质量控制方法。
本验证实施例的验证结果表明，为适应症分配固有权重相对于默认设置来说可以适度改善本方法的性能。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁盘或光盘等。
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步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上对本发明所提供的一种计算机设备进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种孕早期或孕中期超声图像标准化质量控制方法，其特征在于，所述方法包括：
获取孕早期或孕中期胎儿超声图像；
对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；
根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型，先采用参数判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果；当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，采用内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测；其中，采用所述内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，输出质量评测结果为合格；当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果；所述孕早期或孕中期超声图像标准化质量控制方法还包括输出角度偏差值，当所述质量评测结果为内容不合格时，输出所述获取孕早期或孕中期胎儿超声图像的角度偏差值；所述输出角度偏差值包括如下步骤：
提取所述获取孕早期或孕中期胎儿超声图像中的关键点；
将所述获取孕早期或孕中期胎儿超声图像中的关键点与预先构建的孕早期或孕中期胎儿关键点3D点云图进行匹配，采用ICP算法进行匹配；
获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度；
调取与所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度；
将所述获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度和所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度进行比对，输出角度偏差值；
输出质量评测结果。
2.根据权利要求1所述的孕早期或孕中期超声图像标准化质量控制方法，其特征在于，所述分类基于超声图像命名，提取所述孕早期或孕中期胎儿超声图像的名称，根据提取的名称进行匹配得到所述孕早期或孕中期胎儿超声图像切面种类。
3.根据权利要求1所述的孕早期或孕中期超声图像标准化质量控制方法，其特征在于，所述孕早期胎儿超声图像切面种类包括胎儿NT切面、胎儿正中矢状切面、经侧脑室水平切面、脐带腹壁入口横切面；所述孕中期胎儿超声图像切面种类包括：经丘脑横切面、经侧脑室横切面、经小脑横切面、双眼球横切面、鼻唇冠状切面、脊柱矢状切面、四腔心切面、左心室流出道切面、右心室流出道切面、三血管气管切面、腹围横切面、脐带腹壁入口切面、双肾水平切面、膀胱水平横切面、肱骨长轴切面、尺骨和桡骨长轴切面、股骨长轴切面、胫骨和腓骨长轴切面。
4.根据权利要求1所述的孕早期或孕中期超声图像标准化质量控制方法，其特征在于，所述孕早期或孕中期胎儿超声图像进行分类、参数判断模型以及内容判断模型采用分类器，所述分类器采用下列分类模型中的一种或几种：KNN、Bayesian、决策树、随机森林、SVM、逻辑回归、Ensemble-Boosting、Ensemble-Bagging。
5.根据权利要求1所述的孕早期或孕中期超声图像标准化质量控制方法，其特征在于，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果，所述图像参数不合格的类别包括：增益调节不当、聚焦调节不当、图像干扰、干扰诊断的超声伪像。
6.根据权利要求1所述的孕早期或孕中期超声图像标准化质量控制方法，其特征在于，采用HRNet算法提取所述获取孕早期或孕中期胎儿超声图像中的关键点。
7.根据权利要求1所述的孕早期或孕中期超声图像标准化质量控制方法，其特征在于，所述切面质量判断模型包括孕早期胎儿超声图像切面质量判断模型和孕中期胎儿超声图像切面质量判断模型，所述孕早期胎儿超声图像切面质量判断模型包括胎儿NT切面质量判断模型、胎儿正中矢状切面质量判断模型、经侧脑室水平切面质量判断模型、脐带腹壁入口横切面质量判断模型；所述孕中期胎儿超声图像切面质量判断模型包括：经丘脑横切面质量判断模型、经侧脑室横切面质量判断模型、经小脑横切面质量判断模型、双眼球横切面质量判断模型、鼻唇冠状切面质量判断模型、脊柱矢状切面质量判断模型、四腔心切面质量判断模型、左心室流出道切面质量判断模型、右心室流出道切面质量判断模型、三血管气管切面质量判断模型、腹围横切面质量判断模型、脐带腹壁入口切面质量判断模型、双肾水平切面质量判断模型、膀胱水平横切面质量判断模型、肱骨长轴切面质量判断模型、尺骨和桡骨长轴切面质量判断模型、股骨长轴切面质量判断模型、胫骨和腓骨长轴切面质量判断模型。
8.一种孕早期或孕中期超声图像标准化质量控制设备，其特征在于，所述设备包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时，用于执行实现权利要求1-7任意一项所述的孕早期或孕中期超声图像标准化质量控制方法。
9.一种孕早期或孕中期超声图像标准化质量控制系统，其特征在于，所述系统包括：
获取单元，用于获取孕早期或孕中期胎儿超声图像；
切面种类分类单元，用于对所述孕早期或孕中期胎儿超声图像进行分类，获得所述孕早期或孕中期胎儿超声图像切面种类；
图像质量评测单元，用于根据切面种类，将所述孕早期或孕中期胎儿超声图像输入所述切面种类对应的切面质量判断模型，得到所述孕早期或孕中期胎儿超声图像质量评测结果，所述切面质量判断模型包括参数判断模型和内容判断模型，先采用参数判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出图像参数不合格的类别作为质量评测结果；当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，采用内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测；其中，采用所述内容判断模型对所述孕早期或孕中期胎儿超声图像进行质量评测，当所述孕早期或孕中期胎儿超声图像质量评测结果为合格时，输出质量评测结果为合格；当所述孕早期或孕中期胎儿超声图像质量评测结果为不合格时，输出内容不合格的类别作为质量评测结果；
所述孕早期或孕中期超声图像标准化质量控制方法还包括输出角度偏差值，当所述质量评测结果为内容不合格时，输出所述获取孕早期或孕中期胎儿超声图像的角度偏差值；所述输出角度偏差值包括如下步骤：
提取所述获取孕早期或孕中期胎儿超声图像中的关键点；
将所述获取孕早期或孕中期胎儿超声图像中的关键点与预先构建的孕早期或孕中期胎儿关键点3D点云图进行匹配，采用ICP算法进行匹配；
获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度；
调取与所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度；
将所述获取孕早期或孕中期胎儿超声图像在3D点云图中的位置和角度和所述获取孕早期或孕中期胎儿超声图像切面种类对应的标准图像在3D点云图中的位置和角度进行比对，输出角度偏差值；
显示单元，用于输出质量评测结果。
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1-7任意一项所述的孕早期或孕中期超声图像标准化质量控制方法。
CN202210764269.1A 2022-07-01 2022-07-01 孕早期或孕中期超声图像标准化质量控制方法、系统及设备 Active CN114882019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210764269.1A CN114882019B (zh) 2022-07-01 2022-07-01 孕早期或孕中期超声图像标准化质量控制方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210764269.1A CN114882019B (zh) 2022-07-01 2022-07-01 孕早期或孕中期超声图像标准化质量控制方法、系统及设备

Publications (2)

Publication Number Publication Date
CN114882019A CN114882019A (zh) 2022-08-09
CN114882019B true CN114882019B (zh) 2023-02-03

Family

ID=82683152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210764269.1A Active CN114882019B (zh) 2022-07-01 2022-07-01 孕早期或孕中期超声图像标准化质量控制方法、系统及设备

Country Status (1)

Country Link
CN (1) CN114882019B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723691A (zh) * 2020-06-03 2020-09-29 北京的卢深视科技有限公司 一种三维人脸识别方法、装置、电子设备及存储介质
CN112070119A (zh) * 2020-08-11 2020-12-11 长沙大端信息科技有限公司 超声切面图像质量控制方法、装置和计算机设备
CN113393456A (zh) * 2021-07-13 2021-09-14 湖南大学 基于多任务的早孕期胎儿标准切面的自动质量控制方法
CN113951922A (zh) * 2021-10-26 2022-01-21 深圳迈瑞动物医疗科技有限公司 一种超声成像设备及其扫查提示方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160081663A1 (en) * 2014-09-18 2016-03-24 General Electric Company Method and system for automated detection and measurement of a target structure
KR102285007B1 (ko) * 2019-06-21 2021-08-03 주식회사 데카사이트 초음파 스캐너의 탐촉자의 위치 및 자세 추적을 이용한 초음파 영상 제공 장치 및 방법
CN110464380B (zh) * 2019-09-12 2021-10-29 李肯立 一种对中晚孕期胎儿的超声切面图像进行质量控制的方法
WO2022099705A1 (zh) * 2020-11-16 2022-05-19 深圳迈瑞生物医疗电子股份有限公司 早孕期胎儿的超声成像方法和超声成像系统
CN114219807B (zh) * 2022-02-22 2022-07-12 成都爱迦飞诗特科技有限公司 乳腺超声检查图像分级方法、装置、设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723691A (zh) * 2020-06-03 2020-09-29 北京的卢深视科技有限公司 一种三维人脸识别方法、装置、电子设备及存储介质
CN112070119A (zh) * 2020-08-11 2020-12-11 长沙大端信息科技有限公司 超声切面图像质量控制方法、装置和计算机设备
CN113393456A (zh) * 2021-07-13 2021-09-14 湖南大学 基于多任务的早孕期胎儿标准切面的自动质量控制方法
CN113951922A (zh) * 2021-10-26 2022-01-21 深圳迈瑞动物医疗科技有限公司 一种超声成像设备及其扫查提示方法

Also Published As

Publication number Publication date
CN114882019A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN110464380B (zh) 一种对中晚孕期胎儿的超声切面图像进行质量控制的方法
CN111310851B (zh) 一种人工智能超声辅助系统及其应用
CN104424385B (zh) 一种医学影像的评价方法和装置
NL1027674C2 (nl) Werkwijze en besturingsinrichting voor bedrijf van een magneetresonantietomografie-apparaat.
CN113902741B (zh) 一种对医学图像进行血管分割的方法、装置及介质
CN111161241B (zh) 一种肝脏图像识别方法、电子设备及存储介质
JP2008534082A (ja) 胎児、新生児及び成体の器官のオペレータに依存しない標準超音波画像を取得及び生成するシステム、方法及び媒体
WO2005023086B1 (en) Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
CN111223092A (zh) 胎儿超声切面图像自动质控系统及检测方法
CN112508902B (zh) 白质高信号分级方法、电子设备及存储介质
CN110880366A (zh) 一种医学影像处理系统
CN111553436A (zh) 训练数据生成方法、模型训练方法及设备
US20210059758A1 (en) System and Method for Identification, Labeling, and Tracking of a Medical Instrument
CN115170540A (zh) 一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法
CN114882019B (zh) 孕早期或孕中期超声图像标准化质量控制方法、系统及设备
CN113762285A (zh) 一种分析和处理医学影像的系统及方法
CN111540442A (zh) 基于计算机视觉的医学图像诊断调度管理系统
Na'am et al. An automatic ROI of the fundus photography
CN111951950A (zh) 基于深度学习的三维数据医疗分类系统、方法和装置
CN107705829B (zh) 一种基于智能识别的医学影像传输方法
Smith et al. Automated torso contour extraction from clinical cardiac MR slices for 3D torso reconstruction
WO2019068536A1 (en) METHOD FOR SETTING MEDICAL IMAGING PROTOCOL, MEDICAL INSTRUMENT SETTING SYSTEM, COMPUTER PROGRAM, AND COMPUTER-READABLE MEDIUM
CN114332947A (zh) 一种图像分类系统及终端设备
KR102136107B1 (ko) 뼈 감쇄된 x-선 영상의 정합 장치 및 방법
DE102021201912A1 (de) Verfahren zur Bereitstellung eines Metadaten-Attributs, das mit einem medizinischen Bild assoziiert ist

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