CN115147358A - 一种腹部积血辅助诊断装置、介质及电子设备 - Google Patents
一种腹部积血辅助诊断装置、介质及电子设备 Download PDFInfo
- Publication number
- CN115147358A CN115147358A CN202210614736.2A CN202210614736A CN115147358A CN 115147358 A CN115147358 A CN 115147358A CN 202210614736 A CN202210614736 A CN 202210614736A CN 115147358 A CN115147358 A CN 115147358A
- Authority
- CN
- China
- Prior art keywords
- abdominal
- hematocele
- abdominal cavity
- target object
- 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.)
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/10136—3D 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种腹部积血辅助诊断装置、介质及电子设备,该装置包括:腹腔超声影像获取模块,用于获取目标对象的腹腔超声影像;腹部积血状况识别模块,用于根据腹腔超声影像判断目标对象是否存在腹部积血;腹部积血区域定位模块,用于定位腹腔超声影像中的积血区域;腹腔三维影像重建模块,用于根据腹腔超声影像进行三维重建以获取目标对象的腹腔三维影像;腹腔三维影像分割模块,用于对腹腔三维影像进行分割以获取积血区域的三维模型;腹部积血体积获取模块,用于获取目标对象的腹部积血体积。该装置能够辅助医务人员获取目标对象的腹部积血状况。
Description
技术领域
本发明涉及医学图像处理领域,特别是涉及一种基于腹腔超声影像的腹部积血辅助诊断装置、介质及电子设备。
背景技术
超声检查作为一种低成本、安全、有效、无辐射的医学影像检查方法,目前已经在临床上得到了广泛应用。此外,超声技术以其方便、快捷、高效等优点,目前也已成为事故现场、危重症患者抢救、120急救转运、战场等极端场景下的首选诊断方法。自身疾病或者外力会造成内脏破损从而引起腹部积血,超声是诊断腹部积血最快速、安全和便宜的方式。然而积血部位隐蔽、超声诊断人员缺乏诊断经验、诊断时间紧迫都会影响腹部积血超声诊断效果,造成腹部积血的误检和漏检,进而延误救治。因此,如何提供一种基于超声影像的腹部积血辅助诊断装置已成为相关技术人员亟需解决的技术问题之一。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于腹腔超声影像的腹部积血辅助诊断装置、介质及电子设备,用于解决现有技术在进行腹部积血超声诊断过程中容易出现误检漏检的问题,有利于提高腹部积血的诊断准确性并缩短诊断时间。
为实现上述目的及其他相关目的,本发明的第一方面提供一种基于腹腔超声影像的腹部积血辅助诊断装置,所述腹部积血辅助诊断装置包括:腹腔超声影像获取模块,用于获取目标对象的腹腔超声影像;腹部积血状况识别模块,用于根据所述腹腔超声影像判断所述目标对象是否存在腹部积血;腹部积血区域定位模块,用于在所述目标对象存在腹部积血时定位所述腹腔超声影像中的积血区域;腹腔三维影像重建模块,用于根据所述腹腔超声影像进行三维重建以获取所述目标对象的腹腔三维影像;腹腔三维影像分割模块,用于对所述腹腔三维影像进行分割以获取所述积血区域的三维模型;腹部积血体积获取模块,用于根据所述积血区域的三维模型获取所述目标对象的腹部积血体积;显示模块,用于显示所述腹腔超声影像、所述目标对象是否存在腹部积血、所述腹腔超声影像中的积血区域、所述目标对象的腹腔三维影像、所述积血区域的三维模型和/或所述目标对象的腹部积血体积。
于所述第一方面的一实施例中,所述腹部积血辅助诊断装置还包括数据预处理模块,所述数据预处理模块用于对所述腹腔超声影像进行预处理。
于所述第一方面的一实施例中,所述腹部积血状况识别模块利用基于神经网络的腹部积血识别模型对所述腹腔超声影像进行处理以获取所述腹腔超声影像的分类标签,所述分类标签用于标识所述目标对象是否存在腹部积血。
于所述第一方面的一实施例中,所述腹部积血区域定位模块利用基于神经网络的腹部积血区域定位模型对所述腹腔超声影像进行处理以定位所述腹腔超声影像中的积血区域。
于所述第一方面的一实施例中,所述腹部积血区域定位模型为一具有金字塔结构的神经网络模型,所述具有金字塔结构的神经网络模型用于检测所述腹腔超声影像中不同尺寸的积血区域。
于所述第一方面的一实施例中,所述腹腔三维影像分割模块利用基于神经网络的腹腔三维影像分割模型对所述腹腔三维影像进行分割以获取所述积血区域的三维模型。
于所述第一方面的一实施例中,所述腹部积血体积获取模块根据所述积血区域的三维模型中包含的体素点数量来获取所述目标对象的腹部积血体积。
于所述第一方面的一实施例中,所述腹腔超声影像由便携式超声影像采集设备对所述目标对象的腹部区域进行超声扫查得到。
本发明的第二方面提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一种基于腹腔超声影像的腹部积血辅助诊断方法,所述腹部积血辅助诊断方法包括:获取目标对象的腹腔超声影像;根据所述腹腔超声影像判断所述目标对象是否存在腹部积血;在所述目标对象存在腹部积血时定位所述腹腔超声影像中的积血区域;根据所述腹腔超声影像进行三维重建以获取所述目标对象的腹腔三维影像;对所述腹腔三维影像进行分割以获取所述积血区域的三维模型;根据所述积血区域的三维模型获取所述目标对象的腹部积血体积;利用显示器显示所述腹腔超声影像、所述目标对象是否存在腹部积血、所述腹腔超声影像中的积血区域、所述目标对象的腹腔三维影像、所述积血区域的三维模型和/或所述目标对象的腹部积血体积。
本发明的第三方面提供一种电子设备,所述电子设备包括:存储器,存储有一计算机程序;处理器,与所述存储器通信相连,调用所述计算机程序时执行一种基于腹腔超声影像的腹部积血辅助诊断方法,所述腹部积血辅助诊断方法包括:获取目标对象的腹腔超声影像;根据所述腹腔超声影像判断所述目标对象是否存在腹部积血;在所述目标对象存在腹部积血时定位所述腹腔超声影像中的积血区域;根据所述腹腔超声影像进行三维重建以获取所述目标对象的腹腔三维影像;对所述腹腔三维影像进行分割以获取所述积血区域的三维模型;根据所述积血区域的三维模型获取所述目标对象的腹部积血体积;利用显示器显示所述腹腔超声影像、所述目标对象是否存在腹部积血、所述腹腔超声影像中的积血区域、所述目标对象的腹腔三维影像、所述积血区域的三维模型和/或所述目标对象的腹部积血体积。
如上所述,本发明一个或多个实施例中所述的腹部积血辅助诊断装置、介质及电子设备具有以下有益效果:
所述腹部积血辅助诊断装置能够根据腹腔超声影像自动判断目标对象是否存在腹部积血,并能在目标对象存在腹部积血时自动定位积血区域以及自动获取积血区域的三维模型,且能够自动获取目标对象的腹部积血体积。所述腹部积血辅助诊断装置获取到的上述信息可以有效地辅助医务人员获取目标对象腹部积血的状况,进而辅助医务人员完成腹部相关疾病的诊断。
附图说明
图1显示为本发明所述腹部积血辅助诊断装置于一具体实施例中的结构示意图。
图2显示为本发明所述腹部积血辅助诊断装置于一具体实施例中腹部积血识别模型的训练方法流程图。
图3显示为本发明所述腹部积血辅助诊断装置于一具体实施例中腹部积血识别模型的网络架构示意图。
图4显示为本发明所述腹部积血辅助诊断装置于一具体实施例中腹部积血区域定位模型的训练方法流程图。
图5A显示为本发明所述腹部积血辅助诊断装置于一具体实施例中腹部积血辅助诊断装置的工作流程示意图。
图5B显示为本发明所述腹部积血辅助诊断装置于一具体实施例中模型的训练过程示意图。
图6显示为本发明所述腹部积血辅助诊断方法于一具体实施例中的流程图。
图7显示为本发明所述电子设备于一具体实施例中的结构示意图。
元件标号说明
1 腹部积血辅助诊断装置
11 腹腔超声影像获取模块
12 腹部积血状况识别模块
13 腹部积血区域定位模块
14 腹腔三维影像重建模块
15 腹腔三维影像分割模块
16 腹部积血体积获取模块
7 电子设备
71 存储器
72 处理器
73 显示器
S21~S24 步骤
S41~S46 步骤
S61~S67 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。此外,在本文中,诸如“第一”、“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。
自身疾病或者外力会造成内脏破损从而引起腹部积血,超声是诊断腹部积血最快速、安全和便宜的方式。然而积血部位隐蔽、超声诊断人员缺乏诊断经验、诊断时间紧迫都会影响腹部积血超声诊断效果,造成腹部积血的误检和漏检,进而延误救治。至少针对该技术问题,本发明提供一种腹部积血辅助诊断装置。该腹部积血辅助诊断装置能够根据腹腔超声影像自动判断目标对象是否存在腹部积血,并能在目标对象存在腹部积血时自动定位积血区域以及自动获取积血区域的三维模型,且能够自动获取目标对象的腹部积血体积。该腹部积血辅助诊断装置获取到的上述信息可以有效地辅助医务人员获取目标对象腹部积血的状况,进而辅助医务人员完成腹部相关疾病的诊断。
接下来将通过具体实施例结合附图的方式对本发明提供的腹部积血辅助诊断装置进行详细介绍。
请参阅图1,于本发明的一实施例中,腹部积血辅助诊断装置1包括腹腔超声影像获取模块11、腹部积血状况识别模块12、腹部积血区域定位模块13、腹腔三维影像重建模块14、腹腔三维影像分割模块15、腹部积血体积获取模块16以及显示模块(图中未示出)。
腹腔超声影像获取模块11用于获取目标对象的腹腔超声影像。在一些实施例中,腹腔超声影像获取模块11可以包含超声扫查设备,具体应用中可以通过该超声扫查设备对目标对象的腹部区域进行超声扫查来获取其腹腔超声影像。在另外一些实施例中,腹腔超声影像获取模块11可以与超声扫查设备通信相连,用于从超声扫查设备处获取目标对象的腹腔超声影像。
腹部积血状况识别模块12与腹腔超声影像获取模块11通信相连,用于根据目标对象的腹腔超声影像判断目标对象是否存在腹部积血。例如,当目标对象为腹部创伤伤员或者宫外孕等急重症患者时,其腹腔内可能存在积血,此时,腹部积血状况识别模块12可以根据目标对象的腹腔超声影像来识别器腹腔内是否存在积血。
腹部积血区域定位模块13与腹腔超声影像获取模块11和腹部积血状况识别模块12通信相连,用于在目标对象存在腹部积血时定位腹腔超声影像中的积血区域。
腹腔三维影像重建模块14与腹腔超声影像获取模块11和腹部积血状况识别模块12通信相连,用于在目标对象存在腹部积血时根据腹腔超声影像进行三维重建以获取积血区域的三维模型。
腹腔三维影像分割模块15与腹腔三维影像重建模块14相连,用于对腹腔三维影像进行分割以获取积血区域的三维模型。
腹部积血体积获取模块16与腹腔三维影像分割模块15相连,用于根据积血区域的三维模型获取目标对象的腹部积血体积。
显示模块与腹腔超声影像获取模块11、腹部积血区域识别模块12、腹部积血区域定位模块13、腹腔三维影像重建模块14、腹腔三维影像分割模块15和腹部积血体积获取模块16通信相连,用于显示腹腔超声影像、目标对象是否存在腹部积血、腹腔超声影像中的积血区域、目标对象的腹腔三维影像、积血区域的三维模型和/或目标对象的腹部积血体积。
根据以上描述可知,本实施例提供的腹部积血辅助诊断装置1能够在超声扫查过程中自动识别出存在腹部积血的病人。并且,对于此类病人,腹部积血辅助诊断装置1能够显示出其腹部积血区域的位置并自动评估腹部积血的体积,从而为医务人员提供辅助诊断信息,以便减少针对腹部积血的误检、漏检,同时为病人后续的救治决策提供参考信息。
于本发明的一实施例中,腹部积血辅助诊断装置1还可以包括数据预处理模块。该数据预处理模块与超声影像获取模块11相连,用于在超声影像获取模块11获取到目标对象的腹腔超声影像后对该腹腔超声影像进行预处理。
可选地,数据预处理模块对腹腔超声影像进行的预处理可以包括对腹腔超声影像进行去噪处理。例如,在一些实施例中数据预处理模块可以通过中值滤波、均值滤波、高斯滤波等方式对腹腔超声影像进行去噪处理。
可选地,数据预处理模块对腹腔超声影像进行的预处理可以包括对腹腔超声影像进行裁剪处理。例如,在一些实施例中数据预处理模块可以对腹腔超声图像进行中心裁剪、随机裁剪、随机长宽比裁剪、上下左右中心裁剪和/或上下左右中心裁剪后翻转等操作。
可选地,数据预处理模块对腹腔超声影像进行的预处理可以包括对腹腔超声影像进行缩放处理。例如,在一些实施例中数据预处理模块可以按照特定的比例对腹腔超声影像进行缩放,该特定的比例可以为默认值,也可以为用户指定的数值。
需要说明的是,上述去噪、裁剪和缩放仅为实现预处理的三种可行方式,但本发明并不以此为限。具体应用中还可以选择其他方式实现对腹腔超声影像的预处理。
于本发明的一实施例中,腹部积血状况识别模块12利用基于神经网络的腹部积血识别模型对腹腔超声影像进行处理以获取腹腔超声影像的分类标签,该分类标签用于标识目标对象是否存在腹部积血。具体地,腹部积血识别模型可以由一个或多个神经网络模型组成。在训练完成后,将腹腔超声影像输入该腹部积血识别模型即可得到标识目标对象是否存在腹部积血的标签,此后,显示模块可以显示该标签以供医务人员参考。
可选地,请参阅图2,本实施例中对腹部积血识别模型进行训练的方法例如可以包括以下步骤S21至步骤S23。
S21,获取第一训练数据,该第一训练数据包含大量的腹腔超声影像及各影像对应的标注信息,该标注信息用于标识腹腔超声影像内是否存在积血区域。本实施例中例如可以通过人工标注等方式得到上述标注信息,但并不以此为限。
S22,将第一训练数据划分为训练集数据、验证集数据和测试集数据。例如,可以采用特定的比例将训练集数据划分为训练集数据、验证集数据和测试集数据。
S23,利用训练集数据初步构建腹部积血识别模型,并利用验证集数据对腹部积血识别模型的参数进行优化。
S24,在腹部积血识别模型确定后,使用测试集数据评估腹部积血识别模型的效果。
请参阅图3,显示为本实施例中腹部积血识别模型的一种网络架构示意图。如图所示,该腹部积血识别模型包含2+2+3+3+3个卷积层以及3个全连接层。通过该腹部积血识别模型可以自动识别出目标对象是否存在腹部积血。需要说明的是,图3仅为本实施例中腹部积血识别模型的一种可行方式,但是本发明并不限制于此。
于本发明的一实施例中,腹部积血区域定位模块利用基于神经网络的腹部积血区域定位模型对腹腔超声影像进行处理以定位腹腔超声影像中的积血区域。
实际应用中,患者腹腔内的积血往往不止一处,且各处积血的位置、尺寸和形状各不相同。因此,为了更好地定位腹腔超声影像中的积血区域,本实施例中腹部积血区域定位模型优选为一具有金字塔结构的神经网络模型,该金字塔结构的神经网络模型用于检测腹腔超声影像中不同尺寸的积血区域。具体地,本实施例中可以利用上述金字塔结构的神经网络模型来学习腹腔超声影像的多尺寸纹理信息,从而检测目标对象不同尺寸的腹部积血区域。通过对该金字塔结构的神经网络模型进行训练与调参优化可以使得该模型能够根据灰阶超声影像准确定位腹部积血的位置和区域范围。
可选地,请参阅图4,本实施例中对腹部积血区域定位模型的训练方法例如可以包括以下步骤S41至步骤S46。
S41,获取第二训练数据,该第二训练数据包括大量腹腔超声影像及其标注结果,该标注结果用于标识腹腔超声影像中积血区域的位置和范围。本实施例中例如可以通过人工标注等方式得到上述标注结果。
S42,将第二训练数据分为训练集数据和测试集数据,将训练集数据分为M份,其中M 为大于1的正整数。
S43,分别使用M份训练集数据对腹部积血区域定位模型进行训练以得到M个备选模型。
S44,从M个备选模型中选取效果最好的一个模型,获取该模型的超参数作为最优超参数。
S45,利用上述最优超参数以及所有的M份训练集数据重新训练腹部积血区域定位模型从而得到最终的腹部积血区域定位模型。
S46,利用测试集数据对上述最终的腹部积血区域定位模型进行测试。
于本发明的一实施例中,腹腔三维影像分割模块可以利用基于神经网络的腹腔三维影像分割模型对腹腔三维影像进行分割以获取积血区域的三维模型。其中腹腔三维影像分割模型的训练方法与腹部积血区域定位模型和腹部积血状况识别模型类似,此处不做过多赘述。
于本发明的一实施例中,腹部积血体积获取模块根据积血区域的三维模型中包含的体素点数量来获取目标对象的腹部积血体积。
于本发明的一实施例中,腹腔超声影像由便携式超声影像采集设备对目标对象的腹部区域进行超声扫查得到。
接下来将通过一个较佳实施例对腹部积血辅助诊断装置1的工作流程进行详细介绍。如图5A所示,将腹腔超声影像输入腹部积血状况识别模型,由腹部积血状况识别模型判断目标对象是否存在腹部积血,并将判断结果输出至显示模块。若目标对象存在腹部积血,则腹部积血区域定位模型对腹腔超声影像进行处理并输出腹部积血位置至显示模块。其后对腹腔超声影像进行三维重建以获取腹腔三维影像,并利用腹腔三维影像分割模型对腹腔三维影像进行分割以获取积血区域的三维模型,且根据积血区域的三维模型获取目标对象的腹部积血体积并将其输出至显示模块。其中,上述腹部积血状况识别模型、腹部积血区域定位模型以及腹腔三维影像分割模型可以采用图5B所示的方法进行训练。
基于以上对腹部积血辅助诊断装置1的描述,本发明还提供一种基于腹腔超声影像的腹部积血辅助诊断方法。请参阅图6,于本发明的一实施例中,该腹部积血辅助诊断方法包括以下步骤S61至S67。
S61,获取目标对象的腹腔超声影像。
S62,根据腹腔超声影像判断目标对象是否存在腹部积血。
S63,在目标对象存在腹部积血时定位腹腔超声影像中的积血区域。
S64,根据腹腔超声影像进行三维重建以获取目标对象的腹腔三维影像。
S65,对腹腔三维影像进行分割以获取积血区域的三维模型。
S66,根据积血区域的三维模型获取目标对象的腹部积血体积。
S67,利用显示器显示腹腔超声影像、目标对象是否存在腹部积血、腹腔超声影像中的积血区域、目标对象的腹腔三维影像、积血区域的三维模型和/或目标对象的腹部积血体积。
需要说明的是,上述步骤S61至步骤S67与图1所示腹部积血辅助诊断装置1中的各模块一一对应,为节省说明书篇幅,此处不做过多赘述。
此外,本发明提供的腹部积血辅助诊断方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种腹部积血辅助诊断装置,所述腹部积血辅助诊断装置可以实现本发明所述的腹部积血辅助诊断方法,但本发明所述的腹部积血辅助诊断方法的实现装置包括但不限于本实施例列举的腹部积血辅助诊断装置的结构,凡是根据本发明的原理所做的现有技术的结构变形和替换,都包括在本发明的保护范围内。
基于以上对腹部积血辅助诊断装置1以及腹部积血辅助诊断方法的描述,本发明还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图 6所示的腹部积血辅助诊断方法。
基于以上对腹部积血辅助诊断装置1以及腹部积血辅助诊断方法的描述,本发明还提供一种电子设备。具体地,请参阅图7,显示为本发明一具体实施例中电子设备7结构示意图。如图7所示,本实施例中电子设备7包括存储器71和处理器72。存储器71被配置为存储有计算机程序。处理器72与存储器71通信相连,被配置为调用所述计算机程序时执行图6所示的腹部积血辅助诊断方法。
可选地,电子设备7还可以包括显示器73,其中,显示器73与存储器71和处理器72通信相连,用于显示腹部积血辅助诊断方法的相关GUI交互界面。
需要说明的是,本实施例中的存储器71可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。
此外,本实施例中的处理器72可以是通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本发明一个或多个实施例中提供了一种基于腹腔超声影像的腹部积血辅助诊断装置。该腹部积血辅助诊断装置能够在超声扫查过程中自动出存在腹部积血的病人。并且,对于此类病人,腹部积血辅助诊断装置能够显示出腹部积血区域的位置并自动评估腹部积血的体积,从而为医务人员提供腹部积血辅助诊断信息,以便减少针对腹部积血的误检、漏检,同时为病人后续的救治决策提供参考信息。该腹部积血辅助诊断装置尤其适用于灾难事故现场、急重症疑似腹部出血患者抢救、120急救转运、战场战伤等极端场景。因此,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于腹腔超声影像的腹部积血辅助诊断装置,其特征在于,所述腹部积血辅助诊断装置包括:
腹腔超声影像获取模块,用于获取目标对象的腹腔超声影像;
腹部积血状况识别模块,用于根据所述腹腔超声影像判断所述目标对象是否存在腹部积血;
腹部积血区域定位模块,用于在所述目标对象存在腹部积血时定位所述腹腔超声影像中的积血区域;
腹腔三维影像重建模块,用于根据所述腹腔超声影像进行三维重建以获取所述目标对象的腹腔三维影像;
腹腔三维影像分割模块,用于对所述腹腔三维影像进行分割以获取所述积血区域的三维模型;
腹部积血体积获取模块,用于根据所述积血区域的三维模型获取所述目标对象的腹部积血体积;
显示模块,用于显示所述腹腔超声影像、所述目标对象是否存在腹部积血、所述腹腔超声影像中的积血区域、所述目标对象的腹腔三维影像、所述积血区域的三维模型和/或所述目标对象的腹部积血体积。
2.根据权利要求1所述的腹部积血辅助诊断装置,其特征在于,所述腹部积血辅助诊断装置还包括数据预处理模块,所述数据预处理模块用于对所述腹腔超声影像进行预处理。
3.根据权利要求1所述的腹部积血辅助诊断装置,其特征在于,所述腹部积血状况识别模块利用基于神经网络的腹部积血识别模型对所述腹腔超声影像进行处理以获取所述腹腔超声影像的分类标签,所述分类标签用于标识所述目标对象是否存在腹部积血。
4.根据权利要求1所述的腹部积血辅助诊断装置,其特征在于,所述腹部积血区域定位模块利用基于神经网络的腹部积血区域定位模型对所述腹腔超声影像进行处理以定位所述腹腔超声影像中的积血区域。
5.根据权利要求4所述的腹部积血辅助诊断装置,其特征在于,所述腹部积血区域定位模型为一具有金字塔结构的神经网络模型,所述具有金字塔结构的神经网络模型用于检测所述腹腔超声影像中不同尺寸的积血区域。
6.根据权利要求1所述的腹部积血辅助诊断装置,其特征在于,所述腹腔三维影像分割模块利用基于神经网络的腹腔三维影像分割模型对所述腹腔三维影像进行分割以获取所述积血区域的三维模型。
7.根据权利要求1所述的腹部积血辅助诊断装置,其特征在于,所述腹部积血体积获取模块根据所述积血区域的三维模型中包含的体素点数量来获取所述目标对象的腹部积血体积。
8.根据权利要求1所述的腹部积血辅助诊断装置,其特征在于,所述腹腔超声影像由便携式超声影像采集设备对所述目标对象的腹部区域进行超声扫查得到。
9.一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,该计算机程序被处理器执行时实现一种基于腹腔超声影像的腹部积血辅助诊断方法,所述腹部积血辅助诊断方法包括:
获取目标对象的腹腔超声影像;
根据所述腹腔超声影像判断所述目标对象是否存在腹部积血;
在所述目标对象存在腹部积血时定位所述腹腔超声影像中的积血区域;
根据所述腹腔超声影像进行三维重建以获取所述目标对象的腹腔三维影像;
对所述腹腔三维影像进行分割以获取所述积血区域的三维模型;
根据所述积血区域的三维模型获取所述目标对象的腹部积血体积;
利用显示器显示所述腹腔超声影像、所述目标对象是否存在腹部积血、所述腹腔超声影像中的积血区域、所述目标对象的腹腔三维影像、所述积血区域的三维模型和/或所述目标对象的腹部积血体积。
10.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有一计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行一种基于腹腔超声影像的腹部积血辅助诊断方法,所述腹部积血辅助诊断方法包括:
获取目标对象的腹腔超声影像;
根据所述腹腔超声影像判断所述目标对象是否存在腹部积血;
在所述目标对象存在腹部积血时定位所述腹腔超声影像中的积血区域;
根据所述腹腔超声影像进行三维重建以获取所述目标对象的腹腔三维影像;
对所述腹腔三维影像进行分割以获取所述积血区域的三维模型;
根据所述积血区域的三维模型获取所述目标对象的腹部积血体积;
利用显示器显示所述腹腔超声影像、所述目标对象是否存在腹部积血、所述腹腔超声影像中的积血区域、所述目标对象的腹腔三维影像、所述积血区域的三维模型和/或所述目标对象的腹部积血体积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210614736.2A CN115147358A (zh) | 2022-05-30 | 2022-05-30 | 一种腹部积血辅助诊断装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210614736.2A CN115147358A (zh) | 2022-05-30 | 2022-05-30 | 一种腹部积血辅助诊断装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115147358A true CN115147358A (zh) | 2022-10-04 |
Family
ID=83407160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210614736.2A Pending CN115147358A (zh) | 2022-05-30 | 2022-05-30 | 一种腹部积血辅助诊断装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147358A (zh) |
-
2022
- 2022-05-30 CN CN202210614736.2A patent/CN115147358A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sobhaninia et al. | Fetal ultrasound image segmentation for measuring biometric parameters using multi-task deep learning | |
CN112070119B (zh) | 超声切面图像质量控制方法、装置和计算机设备 | |
JP6467041B2 (ja) | 超音波診断装置、及び画像処理方法 | |
CN112529894B (zh) | 一种基于深度学习网络的甲状腺结节的诊断方法 | |
KR101565311B1 (ko) | 3 차원 심초음파 검사 데이터로부터 평면들의 자동 검출 | |
CN108846829B (zh) | 病变部位识别装置、计算机装置及可读存储介质 | |
CN111080573B (zh) | 肋骨图像检测方法、计算机设备和存储介质 | |
CN112381164B (zh) | 一种基于多分支注意力机制的超声图像分类方法和装置 | |
CN110974306B (zh) | 一种超声内镜下识别和定位胰腺神经内分泌肿瘤的系统 | |
WO2022110525A1 (zh) | 一种癌变区域综合检测装置及方法 | |
WO2020215485A1 (zh) | 胎儿生长参数测量方法、系统及超声设备 | |
CN108052909B (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
CN111652838B (zh) | 基于目标检测网络的甲状腺结节定位与超声报告纠错方法 | |
CN114494215A (zh) | 基于Transformer的甲状腺结节检测方法 | |
CN113935943A (zh) | 颅内动脉瘤识别检测的方法、装置、计算机设备和存储介质 | |
CN114418999B (zh) | 基于病变关注金字塔卷积神经网络的视网膜病变检测系统 | |
CN115147358A (zh) | 一种腹部积血辅助诊断装置、介质及电子设备 | |
CN115564763A (zh) | 甲状腺超声图像处理方法、装置、介质及电子设备 | |
JP2003265463A (ja) | 画像診断支援システム及び画像診断支援プログラム | |
Al et al. | Reinforcement learning-based automatic diagnosis of acute appendicitis in abdominal ct | |
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 | |
CN114360695A (zh) | 乳腺超声扫查分析辅助系统、介质及设备 | |
CN116205929A (zh) | 一种超声融合成像方法及设备、存储介质 | |
CN114533128B (zh) | 一种气胸辅助诊断装置、介质及电子设备 | |
KR102528242B1 (ko) | 인공지능을 이용하여 방광용적을 측정하는 의료영상장치 및 의료영상장치의 동작 방법 |
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 |