CN114947957A - 基于超声影像的颈动脉斑块分析方法及系统 - Google Patents

Abstract

本申请涉及超声影像领域，尤其是涉及一种基于超声影像的颈动脉斑块分析方法及系统，该方法包括：获取输入超声图像；基于输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；对输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；对目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到至少一个斑块的暗区域；将至少一个斑块的亮区域与至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到至少一个斑块的边界轮廓；根据至少一个斑块的边界轮廓，确定至少一个斑块的类型。本申请能够实现颈动脉斑块类型的分析，降低医生对颈动脉斑块检查的工作量。

Description

基于超声影像的颈动脉斑块分析方法及系统

技术领域

本申请涉及超声影像领域，尤其是涉及一种基于超声影像的颈动脉斑块分析方法及系统。

背景技术

心脑血管疾病是危害人类健康的首要因素。由于颈动脉位置表浅，超声对其敏感，可通过颈动脉彩色多普勒检测颈动脉硬化程度间接反映全身动脉粥样硬化情况，其中颈动脉斑块是动脉粥样硬化的直接表现之一，斑块的早期识别及有效干预是预防急性心脑血管事件的重要方法。

目前，颈动脉斑块的检查一般通过医生来人工确定斑块区域、提取斑块边界、测量斑块长径和短径等参数值，使得检测的工作量较大，且基于不同医生的手法和经验影响，在检测过程中出现漏诊、误诊的概率比较高、检测的数据不够准确以及检测的效率较低。

发明内容

为了实现颈动脉斑块类型的分析，降低医生对颈动脉斑块检查的工作量，本申请提供了一种基于超声影像的颈动脉斑块分析方法及系统。

第一方面，本申请提供一种基于超声影像的颈动脉斑块分析方法，采用如下的技术方案：获取输入超声图像；基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；对所述目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到所述至少一个斑块的暗区域；将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓；根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型。

通过采用上述技术方案，通过对输入超声图像进行灰阶分类处理，能够得到至少一个斑块的亮区域，以实现对斑块中亮区域的筛选；另外，通过对输入超声图像进行斑块感兴趣区域选取，并进行基于深度学习的分类处理，能够得到至少一个斑块的暗区域，以实现对暗区域的筛选；最终将至少一个斑块的亮区域与至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，可以得到更加清晰的至少一个斑块的边界轮廓，进而可根据至少一个斑块的边界轮廓，来确定至少一个斑块的类型，进而可实现基于输入的超声图像对颈动脉中斑块类型的分析，降低医生对颈动脉斑块检查的工作量，同时降低漏诊和误诊的概率，以及提高检测数据的准确性和检测效率。

可选的，所述基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域，具体包括：对所述输入超声图像进行图像标准化处理，得到标准化超声图像；对所述标准化超声图像进行灰阶配置，得到目标超声图像；对所述目标超声图像进行灰阶分类处理，得到所述至少一个斑块的亮区域。

通过采用上述技术方案，通过对输入超声图像进行图像标准化处理，得到标准化超声图像，以及再对标准化超声图像进行灰阶配置，以得到目标超声图像，可以提高超声图像的清晰度，降低图像因灰阶占比不足，导致忽略关键特征的情况发生，以影响后续检测过程的准确性，造成漏诊和误诊；通过对目标超声图像进行灰阶分类处理，得到至少一个斑块的亮区域，可以实现对亮区域的筛选，便于后续对斑块感兴趣区域边界轮廓的提取。

可选的，所述对所述输入超声图像进行图像标准化处理，得到标准化超声图像，具体包括：将所述输入超声图像的灰阶百分比与预设灰阶百分比进行比较；若所述输入超声图像的灰阶百分比不满足所述预设灰阶百分比，将所述输入超声图像的灰阶百分比调整至所述预设灰阶百分比，得到所述标准超声图像；若所述输入超声图像的灰阶百分比满足所述预设灰阶百分比，将所述输入超声图像作为所述标准化超声图像。

通过采用上述技术方案，通过设置预设灰阶百分比，可以对输入超声图像的灰阶百分比进行标准统一的调节，来降低在后续斑块类型分析时因忽略关键特征，发生检测不准确性，造成漏诊和误诊的情况。

可选的，所述基于所述输入超声图像的灰阶百分比与预设灰阶百分比，进行图像标准化处理，得到标准超声图像之前，包括：确定所述输入超声图像中的灰阶百分比是否满足预设过亮灰阶或预设过暗灰阶；若所述输入超声图像中的灰阶百分比满足预设过亮灰阶或预设过暗灰阶，不进行处理。

通过采用上述技术方案，通过在进行图像标准化处理之前，进行灰阶百分比的判断，可以预先筛选出过亮或过暗的图像，以提高对超声图像检测的质量要求，且提前筛选出不合格的图像，可避免因图像质量问题带来的检测不准确，造成误诊以及漏诊的情况。

可选的，所述对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像，具体包括：识别所述输入超声图像中的斑块感兴趣区域，得到初始斑块感兴趣区域；确定所述初始斑块感兴趣区域是否满足斑块感兴趣区域置信度；若所述初始斑块感兴趣区域满足斑块感兴趣区域置信度，将所述初始斑块感兴趣区域作为所述目标斑块感兴趣区域图像。

通过采用上述技术方案，通过对识别得到的始斑块感兴趣区域进行斑块感兴趣区域置信度的判断，可以筛选出置信度高的目标斑块感兴趣区域图像，以避免置信度不高的斑块感兴趣区域图像对斑块类型判断结果的影响，进而可保证斑块类型的准确性。

可选的，所述根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型，具体包括：基于所述至少一个斑块的边界轮廓，确定斑块本体的连续性、斑块本体与血管壁的关系；根据所述斑块本体的连续性、斑块本体与血管壁的关系，确定所述斑块的类型。

通过采用上述技术方案，通过基于至少一个斑块的边界轮廓，可以确定斑块本体的连续性、斑块本体与血管壁的关系，再根据斑块本体的连续性、斑块本体与血管壁的关系，可确定出斑块的类型，以提供给医生参考，减少医生对颈动脉斑块检查的工作量，且分析判断出的斑块类型结合医生的判断使得斑块的类型准确度更高。

可选的，所述根据所述斑块本体的连续性、斑块本体与血管壁的关系，确定所述斑块的类型，具体包括：

在确定斑块本体不连续的情况下，确定所述斑块的类型为伪影或溃疡；

在确定斑块本体连续的情况下，确定所述斑块本体连续的置信度是否满足预设连续置信度；

在确定满足预设连续置信度的情况下，确定所述斑块本体为有效边界轮廓，获取斑块的类型为普通斑块；

在确定不满足预设连续置信度的情况下，进行提示，接收输入信息；

在确定所述斑块的两侧与所述血管壁连接情况下，确定斑块边界轮廓的置信度是否满足预设边界轮廓置信度；

在确定满足预设边界轮廓置信度的情况下，确定所述斑块本体为有效边界轮廓；

在确定不满足预设边界轮廓置信度的情况下，进行提示，接收输入信息；

在确定所述斑块的一侧与所述血管壁连接的情况下，确定斑块是否满足近心端或远心端；

在确定斑块满足近心端的情况下，确定所述斑块的类型为夹层；

在确定斑块满足远心端的情况下，基于彩色血流图像确定所述斑块的类型为溃疡或断崖式影像；

在确定所述斑块的类型为断崖式影像的情况下，确定斑块的边界轮廓是否远离血管壁；

在确定斑块的边界轮廓远离血管壁的情况下，确定斑块的边界轮廓为无效边界轮廓；

在确定斑块的边界轮廓接触血管壁的情况下，确定所述斑块的类型为普通斑块。

通过采用上述技术方案，通过不同情况的判断，可以实现对斑块类型的智能判断，准确的分析出颈动脉中斑块的类型，从而可以降低由人工判断所产生漏诊和误诊的概率，同时可提高检测数据的准确性和检测效率。

可选的，所述基于彩色血流图像确定所述斑块的类型为溃疡或断崖式影像，具体包括：在确定所述彩色血流图像中血流的流向满足单一流向的情况下，确定所述斑块的类型为溃疡；在确定所述彩色血流图像中血流的流向不满足单一流向的情况下，确定所述斑块的类型为所述断崖式影像。

通过采用上述技术方案，通过基于彩色血流图像中血流的方向，可以更进一步地分析判断出在血流方向所可能存的斑块类型，以辅助医生对患者的斑块状况快速的作出判断，提高医生诊断的准确性和效率。

可选的，所述根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型，之后包括：基于所述至少一个斑块的类型，生成斑块识别报告。

通过采用上述技术方案，通过将判断出来的斑块类型生产报告，可以便于医生更直观的进行参考判断，提高医生诊断的准确性和效率。

第二方面，本申请还提供一种基于超声影像的颈动脉斑块分析系统，采用如下的技术方案：输入超声图像获取模块，用于获取输入超声图像；斑块亮区域获取模块，用于基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；目标斑块感兴趣区域图像获取模块，用于对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；斑块暗区域获取模块，用于对所述目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到所述至少一个斑块的暗区域；斑块边界轮廓获取模块，用于将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓；斑块类型确定模块，用于根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型。

通过采用上述技术方案，通过输入超声图像获取模块能够获取输入超声图像，通过斑块亮区域获取模块可以基于输入超声图像，进行灰阶分类处理，以得到至少一个斑块的亮区域，实现对斑块亮区域的筛选，通过目标斑块感兴趣区域图像获取模块，可以对输入超声图像进行斑块感兴趣区域选取，以得到目标斑块感兴趣区域图像，通过对斑块暗区域获取模块可以对目标斑块感兴趣区域图像，进行基于深度学习的分类处理，以得到至少一个斑块的暗区域，实现对斑块暗区域的筛选，通过斑块边界轮廓获取模块用于将至少一个斑块的亮区域与至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，以得到轮廓更加清晰的至少一个斑块的边界轮廓，通过斑块类型确定模块，根据至少一个斑块的边界轮廓，可以确定至少一个斑块的类型，进而可以实现基于输入的超声图像对颈动脉斑块的分析，降低医生对颈动脉斑块检查的工作量，同时降低漏诊和误诊的概率，以及提高检测数据的准确性和检测效率。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过对输入超声图像进行灰阶分类处理，能够得到至少一个斑块的亮区域，以实现对斑块中亮区域的筛选；另外，通过对输入超声图像进行斑块感兴趣区域选取，并进行基于深度学习的分类处理，能够得到至少一个斑块的暗区域，以实现对暗区域的筛选；最终将至少一个斑块的亮区域与至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，可以得到更加清晰的至少一个斑块的边界轮廓，进而可根据至少一个斑块的边界轮廓，来准确至少一个斑块的类型，进而可实现基于输入的超声图像对颈动脉斑块的分析，降低医生对颈动脉斑块检查的工作量，同时降低漏诊和误诊的概率，以及提高检测数据的准确性和检测效率。

2.通过对输入超声图像进行图像标准化处理，得到标准化超声图像，以及再对标准化超声图像进行灰阶配置，以得到目标超声图像，可以提高超声图像的清晰度，降低图像因灰阶占比不足，导致忽略关键特征的情况发生，以影响后续检测过程的准确性，造成漏诊和误诊；通过对目标超声图像进行灰阶分类处理，得到至少一个斑块的亮区域，可以实现对亮区域的筛选，便于后续对斑块感兴趣区域边界轮廓的提取。

3.通过设置预设灰阶百分比，可以对输入超声图像的灰阶百分比进行标准统一的调节，来降低在后续斑块类型分析时因忽略关键特征，发生检测不准确性，造成漏诊和误诊的情况。

附图说明

图1是本申请实施例公开的基于超声影像的颈动脉斑块分析方法的流程示意图；

图2为图1中所示的S20步骤的一种实现流程示意图；

图3为图1中所示的S21步骤的一种实现流程示意图；

图4为图1中所示的S30步骤的一种实现流程示意图；

图5为图1中所示的S60步骤的一种实现流程示意图；

图6为本申请实施例公开的基于超声影像的颈动脉斑块分析方法的一种举例流程框图示意图；

图7为图6中基于融合斑块轮廓的斑块类型判断的一种举例流程框图示意图；

图8是本申请实施例公开的基于超声影像的颈动脉斑块分析系统的模块示意图。

附图标记说明：

10、输入超声图像获取模块；20、斑块亮区域获取模块；30、目标斑块感兴趣区域图像获取模块；40、斑块暗区域获取模块；50、斑块边界轮廓获取模块；60、斑块类型确定模块。

具体实施方式

以下结合附图对本申请作进一步详细说明。

为了实现对颈动脉中斑块类型的分析，降低医生对颈动脉斑块检查的工作量，本申请一实施例提供了一种基于超声影像的颈动脉斑块分析方法。参见图1，该方法包括以下步骤：

S10：获取输入超声图像；

其中，提到的获取输入超声图像，可以为医生将患者基于超声影像所获取的颈动脉图像，输入至本申请公开的方法所应用的设备中，该设备所获取到的超声图像，此设备可以为具有数据处理能力的电脑，当然，在本实施例，获取输入超声图像也可以是设备自动从数据库进行调取，所获取的输入超声图像。

S20：基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；

其中，提到的灰阶分类处理，可例如采用聚类分析将灰度层级进行分类处理，其中灰阶可理解为黑色至白色之间的灰度（亮度）层级，超声图像基于灰阶的不同，对应超声波具有不同的回声强度，回声强度可分为强回声、高回声、等回声、低回声、无回声等；提到的亮区域可以为超声图像中强回声、高回声所呈现的过亮区域。

在另一实施例中，参见图2，步骤S20包括：

S21：对所述输入超声图像进行图像标准化处理，得到标准化超声图像；

其中，提到的输入超声图像进行标准化处理，可优化超声图像的质量，以提高清晰度，降低图像因灰阶占比不足，导致忽略关键特征的情况发生，以影响后续检测过程的准确性，造成漏诊和误诊。

在另一实施例中，参见图3，步骤S21具体包括：

基于所述输入超声图像的灰阶百分比与预设灰阶百分比，进行图像标准化处理，得到标准超声图像，进而来实现基于预设灰阶百分比来调整输入超声图像的灰阶百分比，提高超声图像的质量，其具体地判断流程包括：

S211：将所述输入超声图像的灰阶百分比与预设灰阶百分比进行比较；

S212：若所述输入超声图像的灰阶百分比不满足所述预设灰阶百分比，将所述输入超声图像的灰阶百分比调整至所述预设灰阶百分比，得到所述标准超声图像；

S213：若所述输入超声图像的灰阶百分比满足所述预设灰阶百分比，将所述输入超声图像作为所述标准化超声图像。

其中，提到的预设灰阶百分比，可理解为各个灰阶所对应的回声占比，关于预设灰阶百分比，举例而言，色阶0-50所对应的无回声占比15%~20%、色阶51-100所对应的低回声占比15%~20%、色阶所101-150对应的等回声占比30%~35%、色阶151-200所对应的高回声占比15%~20%、色阶201-255所对应的强回声占比0%~5%，当然，在此说明，预设灰阶百分比并不依此为限，可依据实际情况进行人工设定。

S22：对所述标准化超声图像进行灰阶配置，得到目标超声图像；

其中，提到的灰阶配置，可以为对灰度层级进行调整配置，以提高超声图像的质量。

S23：对所述目标超声图像进行灰阶分类处理，得到所述至少一个斑块的亮区域；

其中，提到的灰阶分类处理可以为将图像的灰度依据层级进行分类，从分类的灰阶中选出灰阶高的例如强回声、高回声所呈现出的亮区域。

S30：对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；

其中，在本实施例中，对输入超声图像进行斑块感兴趣区域选取可理解为无需人工也即医生参与自动进行斑块感兴趣区域选取，当然，在另一实施例中，目标斑块感兴趣区域图像的选取还可以是在设备自动进行斑块感兴趣区域选取后，由医生再进行审核选取确定的。

在另一实施例中，参见图4，步骤S30中涉及医生进行选取的流程，具体包括：

S31：识别所述输入超声图像中的斑块感兴趣区域，得到第一斑块感兴趣区域；

其中，提到的识别输入超声图像中的斑块感兴趣区域，可例如采用语义分割方法或目标检测方法，语义分割方法如PSPNet（Pyramid Scene Parsing Network，金字塔结构网络）、Unet网络模型和DeeplabV3+图像语义分割等；目标检测方法，如采用Faster R-CNN，SSD等，当然，在本实施例中，并不以此为限，能够实现相同效果即可。

S32：确定所述第一斑块感兴趣区域是否满足斑块感兴趣区域置信度；

其中，提到的斑块感兴趣区域置信度在此可理解为斑块感兴趣区域的可信度，真实相信的概率。

S33：若所述第一斑块感兴趣区域中的至少一个斑块感兴趣区域满足斑块感兴趣区域置信度，将所述至少一个第一初始斑块感兴趣区域作为所述第二斑块感兴趣区域图像。

S34：从所述第二斑块感兴趣区域图像中选取至少一个感兴趣区域图像，得到所述目标斑块感兴趣区域图像；在此，从所述第二斑块感兴趣区域图像中选取为基于人工也即医生选取后所执行的流程。

S40：对所述目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到所述至少一个斑块的暗区域；

其中，提到的深度学习例如可通过卷积神经网络的VGG网络模型、GoogleNet网络模型或ResNet网络模型进行深度学习；提到的基于深度学习的分类处理例如采用的是语义分割（Semantic segmentation）方法，该方法用于选取出至少一个斑块的暗区域，其中暗区域可以为低回声所呈现的过暗区域。

S50：将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓。

其中，提到的亮区域与暗区域进行结合可理解为，组成每个斑块的亮区域与暗区域的两者进行边界融合也即结合，呈现出更加清晰的边界轮廓，使得边界轮廓易于选取；提到至少一个斑块包括一个或多个斑块，在此实施例中，以第一斑块为例进行边界轮廓融合的举例，其具体步骤为：

提取所述第一斑块的亮区域边界轮廓，作为第一边界轮廓；

提取所述第一斑块的暗区域边界轮廓，作为第二边界轮廓；

将所述第一边界轮廓与所述第二边界轮廓对应结合，作为所述至少一个斑块中所述第一斑块的边界轮廓。

S60：根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型；

其中，在本实施例中，是以斑块的边界轮廓来确定斑块的类型，参见图4，在另一实施例中，参见图5，步骤S60，具体包括：

S61：基于所述至少一个斑块的边界轮廓，确定各个斑块本体的连续性、各个斑块本体与血管壁的关系。

S62：根据所述各个斑块本体的连续性、所述各个斑块本体与血管壁的关系，确定各个所述斑块的类型；

其中，提到的斑块本体的连续性可理解为斑块本体轮廓的连续性；提到的斑块本体与血管壁的关系可以理解为两者是否接触，在本实施例中，通过基于斑块本体的连续性、斑块本体与血管壁的关系，来进一步确定斑块的类型，可以提高斑块类型分析的准确性。

在另一实施中，步骤S62的判断过程，具体包括：

在确定所述各个斑块本体中的任一者连续，且本体连续置信度满足预设连续置信度的情况下，获取斑块的类型为普通斑块；其中，预设连续置信度可例如设置为80%~100%的阈值区间，以筛选出斑块本体连续置信度大于80%的斑块，避免斑块本体连续的置信度不高，影响斑块类型的判断。

在确定所述各个斑块本体中的任一者连续，且本体连续置信度不满足预设连续置信度的情况下，提示医生输入斑块类型；其中提示医生进行输入板块类型，可以通过医生的再次判断，提高斑块类型判断的准确性。

在确定所述各个斑块中的任一者的两侧与所述血管壁连接，且斑块的两侧与所述血管壁连接的置信度满足预设连接置信度，获取斑块的类型为普通斑块；其中，预设连接置信度可例如为80%~100%的阈值区间，以筛选出斑块本体连接置信度大于80%的斑块，避免斑块的两侧与血管壁连接的置信度不高，影响斑块类型的判断。

在确定所述各个斑块中的任一者的一侧与所述血管壁连接，且满足位于近心端的情况下，获取斑块的所述斑块的类型为夹层；其中，近心端可理解为血流的输入端，且由于血流输入对斑块及血管壁的冲击，极易导致夹层或溃疡的产生；其中夹层可理解血管内壁出现穿孔，血液可通过穿孔的孔径流通，在超声图像中呈现“三字型”血液流通通道，“三字型”的中间一横类似为血管内壁漂浮在血管中的形态。

在此说明，关于斑块类型的判断条件，上述并不限定，可依据实际情况进行设定。

为了更清楚的说明本申请所公开的基于超声影像的颈动脉斑块分析方法，请参见图6和图7所示，其在实际应用时所执行的流程如下所述：

首先，参见图6，通过人工输入患者的超声图像，一个处理流程为先对超声图像进行标准化判断及处理，以得到标准的超声图像，然后对标准超声图像进行灰阶处理，以得到质量更优的超声图像，再基于优质的超声图像的灰阶进行亮区域的选取，以获得至少一个斑块的亮区域，另一个处理流程为先对输入的超声图像进行斑块感兴趣区域的选取，可通过人工圈定进行筛选出目标感兴趣区域，对目标感兴趣区域基于神经网络的深度学习，以获得斑块的暗区域，将两个流程处理后的同一斑块的亮区域与暗区域进行边界轮廓的融合也即结合，进一步地，再通过融合的边界轮廓，来判断出斑块的类型。

再次，参见图7，将融合的边界轮廓分别判断出各个斑块本体的连续性、各个斑块本体与血管壁的关系，首先，一个处理流程为基于融合的边界轮廓判断斑块本体是否为连续性，当判断为不连续是，可直接的得出斑块的类型为疑似伪影、疑似溃疡，后续可再由医生进行判断，当判断为连续时，并判断是否满足连续置信度，当同时满足时，可判断出斑块为普通斑块类型，当不满连续置信度时，则可提示医生进行判断，输入斑块的类型；另一处理流程为基于融合的边界轮廓判断各个斑块本体与血管壁的关系，首先判断斑块边界两侧是否和血管壁连接，当判断出是时，并判断是否满足连接置信度，若同时满足，则判断出为普通斑块类型，当不满足连接置信度，则可提示医生进行判断，输入斑块的类型；其次，当不满足斑块边界两侧和血管壁连接，而满足斑块边界一侧和血管壁连接时，并判断是否是血流输入的近心端，若是则判断出疑似溃疡，若不是近心端，则判断为疑似断崖式影像；再次，当不满足斑块边界一侧和血管壁连接时，直接判断出为疑似伪影；综上为斑块判断的执行流程，关于判断条件，在此并不限定，可依据实际情况进行调整，其中关于疑似类型，后续可由医生进行再次判断，以增加判断的准确性。

参见图1，在本实施例中，在步骤S60之后，还包括：

S70：基于所述至少一个斑块的类型，生成斑块识别报告；

其中，步骤S70是基于判断得到斑块类型后，可将确定的斑块类型生产类型报告，另外，在本实施例中，还可以将判断出的普通斑块进行尺寸测量后以生成测量报告，以供医生直观的对患者的斑块状况快速的作出判断，提高医生诊断的准确性和效率。

此外，在另一实施例中，在步骤S20之前，还可包括：

确定所述输入超声图像中的灰阶百分比是否满足预设过亮灰阶或预设过暗灰阶；其中，过亮灰阶可理解为图像高回声占比较大，预设过亮灰阶可以为高回声占比为80%以上，过暗灰阶可理解图像低回声占比较大，预设过暗灰阶可以为过低回声占比为80%以上，当然，在此占比数据并不以此为限，可依据实际情况进行人工设定。

若所述输入超声图像中的灰阶百分比满足预设过亮灰阶或预设过暗灰阶满足，将不对该输入超声图像再进行后续处理；其中，通过将输入超声图像中的灰阶百分比与预设过亮灰阶或预设过暗灰阶进行比较，可预先筛选掉过亮或过暗的不合格超声图像，以降低后续对斑块类型确定的影响。

综上所述，本申请公开的基于超声影像的颈动脉斑块分析方法，通过对输入超声图像进行灰阶分类处理，能够得到至少一个斑块的亮区域，以实现对斑块中亮区域的筛选；另外，通过对输入超声图像进行斑块感兴趣区域选取，并进行基于深度学习的分类处理，能够得到至少一个斑块的暗区域，以实现对暗区域的筛选；最终将至少一个斑块的亮区域与至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，可以得到更加清晰的至少一个斑块的边界轮廓，进而可根据至少一个斑块的边界轮廓，来准确至少一个斑块的类型，进而可实现基于输入的超声图像对颈动脉斑块的分析，降低医生对颈动脉斑块检查的工作量，同时降低漏诊和误诊的概率，以及提高检测数据的准确性和检测效率；通过对输入超声图像进行图像标准化处理，得到标准化超声图像，以及再对标准化超声图像进行灰阶配置，以得到目标超声图像，可以提高超声图像的清晰度，降低图像因灰阶占比不足，导致忽略关键特征的情况发生，以影响后续检测过程的准确性，造成漏诊和误诊；通过对目标超声图像进行灰阶分类处理，得到至少一个斑块的亮区域，可以实现对亮区域的筛选，便于后续对斑块感兴趣区域边界轮廓的提取；通过设置预设灰阶百分比，可以对输入超声图像的灰阶百分比进行标准统一的调节，来降低在后续斑块类型分析时因忽略关键特征，发生检测不准确性，造成漏诊和误诊的情况。

另外，本实施例中各步骤的标号仅为方便说明，不代表对各步骤执行顺序的限定，在实际应用时，可以根据需要各步骤执行顺序进行调整，或同时进行，这些调整或者替换均属于本发明的保护范围。

本申请另一实施例提供了一种基于超声影像的颈动脉斑块分析系统。参照图8，该系统包括：输入超声图像获取模块10、斑块亮区域获取模块20、目标斑块感兴趣区域图像获取模块30、斑块暗区域获取模块40、斑块边界轮廓获取模块50和斑块类型确定模块60，输入超声图像获取模块10用于获取输入超声图像；斑块亮区域获取模块20用于基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；目标斑块感兴趣区域图像获取模块30用于对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；斑块暗区域获取模块40用于对所述目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到所述至少一个斑块的暗区域；斑块边界轮廓获取模块50用于将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓；斑块类型确定模块60用于根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型。

需要说明的是，本实施例公开的一种基于超声影像的颈动脉斑块分析系统，所实现的基于超声影像的颈动脉斑块分析方法如前述实施例所述，故在此不再进行详细讲述。可选地，本实施例中的各个模块、单元和上述其他操作或功能分别为了实现前述实施例中的方法。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (10)

1.一种基于超声影像的颈动脉斑块分析方法，其特征在于，包括：

获取输入超声图像；

基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；

对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；

对所述目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到所述至少一个斑块的暗区域；

将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓；

根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域，具体包括：

对所述输入超声图像进行图像标准化处理，得到标准化超声图像；

对所述标准化超声图像进行灰阶配置，得到目标超声图像；

对所述目标超声图像进行灰阶分类处理，得到所述至少一个斑块的亮区域。

3.根据权利要求2所述的方法，其特征在于，所述对所述输入超声图像进行图像标准化处理，得到标准化超声图像，具体包括：

将所述输入超声图像的灰阶百分比与预设灰阶百分比进行比较；

若所述输入超声图像的灰阶百分比不满足所述预设灰阶百分比，将所述输入超声图像的灰阶百分比调整至所述预设灰阶百分比，得到所述标准超声图像；

若所述输入超声图像的灰阶百分比满足所述预设灰阶百分比，将所述输入超声图像作为所述标准化超声图像。

4.根据权利要求3所述的方法，其特征在于，所述基于所述输入超声图像的灰阶百分比与预设灰阶百分比，进行图像标准化处理，得到标准超声图像之前，包括：

确定所述输入超声图像中的灰阶百分比是否满足预设过亮灰阶或预设过暗灰阶；

若所述输入超声图像中的灰阶百分比满足预设过亮灰阶或预设过暗灰阶，不进行处理。

5.根据权利要求1所述的方法，其特征在于，所述对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像，具体包括：

识别所述输入超声图像中的斑块感兴趣区域，得到第一斑块感兴趣区域；

确定所述第一斑块感兴趣区域是否满足斑块感兴趣区域置信度；

若所述第一斑块感兴趣区域中的至少一个斑块感兴趣区域满足斑块感兴趣区域置信度，将所述至少一个斑块感兴趣区域作为第二斑块感兴趣区域图像；

从所述第二斑块感兴趣区域图像中选取至少一个感兴趣区域图像，得到所述目标斑块感兴趣区域图像。

6.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型，具体包括：

基于所述至少一个斑块的边界轮廓，确定各个斑块本体的连续性、各个斑块本体与血管壁的关系；

根据所述各个斑块本体的连续性、所述各个斑块本体与血管壁的关系，确定各个斑块的类型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述斑块本体的连续性、斑块本体与血管壁的关系，确定所述斑块的类型，具体包括：

在确定所述各个斑块本体中的任一者连续，且本体连续置信度满足预设连续置信度的情况下，获取斑块的类型为普通斑块；

在确定所述各个斑块本体中的任一者连续，且本体连续置信度不满足预设连续置信度的情况下，提示医生输入斑块类型；

在确定所述各个斑块中的任一者的两侧与所述血管壁连接，且斑块的两侧与所述血管壁连接的置信度满足预设连接置信度，获取斑块的类型为普通斑块；

在确定所述各个斑块中的任一者的一侧与所述血管壁连接，且满足位于近心端的情况下，获取斑块的类型为夹层。

8.根据权利要求1所述的方法，其特征在于，所述至少一个斑块包括第一斑块；

所述将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓，具体包括：

提取所述第一斑块的亮区域边界轮廓，作为第一边界轮廓；

提取所述第一斑块的暗区域边界轮廓，作为第二边界轮廓；

将所述第一边界轮廓与所述第二边界轮廓对应结合，作为所述至少一个斑块中所述第一斑块的边界轮廓。

9.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型，之后包括：

基于所述至少一个斑块的类型，生成斑块识别报告。

10.一种基于超声影像的颈动脉斑块分析系统，其特征在于，包括：

输入超声图像获取模块，用于获取输入超声图像；

斑块亮区域获取模块，用于基于所述输入超声图像，进行灰阶分类处理，得到至少一个斑块的亮区域；

目标斑块感兴趣区域图像获取模块，用于对所述输入超声图像进行斑块感兴趣区域选取，得到目标斑块感兴趣区域图像；

斑块暗区域获取模块，用于对所述目标斑块感兴趣区域图像，进行基于深度学习的分类处理，得到所述至少一个斑块的暗区域；

斑块边界轮廓获取模块，用于将所述至少一个斑块的亮区域与所述至少一个斑块的暗区域中对应的亮区域与暗区域进行结合，得到所述至少一个斑块的边界轮廓；

斑块类型确定模块，用于根据所述至少一个斑块的边界轮廓，确定所述至少一个斑块的类型。

Images