CN115631152A - 超声图像截取方法及装置、电子设备和存储介质 - Google Patents
超声图像截取方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115631152A CN115631152A CN202211255832.9A CN202211255832A CN115631152A CN 115631152 A CN115631152 A CN 115631152A CN 202211255832 A CN202211255832 A CN 202211255832A CN 115631152 A CN115631152 A CN 115631152A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic image
- legend
- standard
- image
- effective information
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
-
- 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
- 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
-
- 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]
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本公开提供了一种超声图像截取方法及装置、电子设备和存储介质,涉及超声检测图像处理技术领域,技术方案包括:构建标准切面图例集;设置截取超声图像所参照的标准切面图例;获取超声图像;将超声图像与标准切面图例进行有效信息比较;若超声图像的有效信息与标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取超声图像。与相关技术性相比,基于设置截取超声图像所参照的标准切面图例,将获取的超声图像有效信息与标准切面图例的有效信息相比较,若有效信息等同的比例系数大于预设阈值,则对超声图像进行自动截取。实现了无需按键自动截图的功能,从而解决了按键截图容易出现因抖动而导致所截取的超声图像模糊的问题。
Description
技术领域
本公开涉及超声检测图像处理技术领域,尤其涉及一种超声图像截取方法及装置、电子设备和存储介质。
背景技术
超声检查具有无创性、实时性,目前广泛应用于临床检查。超声检查中,重要解剖结构的标准切面是超声诊断的关键步骤。超声医生做检查时,需要看到重要解剖结构的标准切面,才能给出准确的检查结论。超声检查完成,超声医生会选择对应的图像出一份超声检查报告,这份报告可以辅助主治医生诊断患者病情。
超声检查时,医生在患者身体表面涂抹耦合剂后操作探头查看患者所述的不适部位,如内部肌肉、内脏器官等的大小、结构、形态、病理学病灶等等,对于怀疑有病灶的部位或者医生在图上看到关键的和/或感兴趣的信息后会按下“Save”键进行截图。
医生手动按下控制面板上的“Save”按键进行截图时,身体产生联动,握持探头的手也会跟着小幅度抖动。因此,按键截图容易出现因抖动而导致所截取的超声图像模糊的问题,由于截取下来的超声图像模糊,导致其在作为超声诊断教学素材时,不能满足需求。同时,由于超声图像模糊医生需要重新截图,影响医生工作效率,也增加了病人的检查时间。医生工作时间过长时,注意力会分散,容易遗漏部分标准切面截图,导致医院超声科超声图像质控得不到保证。
发明内容
本公开提供了一种超声图像截取方法及装置、电子设备和存储介质。其主要目的在于解决相关技术中按键截图容易出现因抖动而导致所截取的超声图像模糊的问题,本公开能够实现无需按键对超声图像进行自动截图。
根据本公开的第一方面,提供了一种超声图像截取方法,包括:
构建标准切面图例集;
获取超声图像,所述超声图像包括至少一帧超声图像图像帧;
将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;
若所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像。
可选的,在所述获取超声图像之前,所述方法还包括:
设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中。
可选的,所述构建标准切面图例集包括:
根据所述标准切面图例的内容进行分类;
对属于相同类的标准切面图例进行优先级划分,并按照优先级排列。
可选的,所述设置截取超声图像所参照的标准切面图例,包括:
根据需求在所述标准切面图例集中选取所述标准切面图例;
将选取的所述标准切面图例设置为截取超声图像所参照的标准切面图例。
可选的,所述将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较包括:
将所述超声图像图像帧与所述标准切面图例进行有效信息比较;
若所述超声图像图像帧的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像图像帧;
可选的,所述方法还包括:
基于深度学习模型分别提取标准切面图例和超声图像图像帧的有效信息。
可选的,所述方法还包括:
判断预设存储路径下是否已存在与所述超声图像相似的历史超声图像;
若不存在,则将截取的图像质量最高的超声图像图像帧进行自动保存;
若存在,则比较所述超声图像与所述历史超声图像的图像质量;
可选的,所述比较所述超声图像与所述历史超声图像的图像质量包括:
若所述超声图像的图像质量优于所述历史超声图像的图像质量,则将所述超声图像进行存储,并覆盖所述历史超声图像;
若所述历史超声图像的图像质量优于所述超声图像的图像质量,则忽略所述超声图像。
根据本公开的第二方面,提供了超声图像截取装置,其中,包括:
构建单元,用于构建标准切面图例集;
获取单元,用于获取超声图像,所述超声图像包括至少一帧超声图像图像帧;
第一比较单元,用于将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;
截取单元,用于当所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值时,自动截取所述超声图像。
可选的,所述装置还包括:
设置单元,用于设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中。
可选的,所述构建单元包括:
分类模块,用于根据所述标准切面图例的内容进行分类;
划分模块,用于对属于相同类的标准切面图例进行优先级划分,并按照优先级排列。
可选的,所述设置单元,包括:
选取模块,用于根据需求在所述标准切面图例集中选取所述标准切面图例;
设置模块,用于将选取的所述标准切面图例设置为截取超声图像所参照的标准切面图例。
可选的,所述第一比较单元包括:
比较模块,用于将所述超声图像图像帧与所述标准切面图例进行有效信息比较;
截取模块,用于当所述超声图像图像帧的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值时,自动截取所述超声图像图像帧;
可选的,所述装置还包括:
提取单元,用于基于深度学习模型分别提取标准切面图例和超声图像图像帧的有效信息。
可选的,所述装置还包括:
判断单元,用于判断预设存储路径下是否已存在与所述超声图像相似的历史超声图像;
保存单元,用于当判断单元的判断结果为不存在时,将截取的图像质量最高的超声图像图像帧进行自动保存;
第二比较单元,用于当判断单元的判断结果为存在时,比较所述超声图像与所述历史超声图像的图像质量;
可选的,所述第二比较单元包括:
存储模块,用于当所述超声图像的图像质量优于所述历史超声图像的图像质量时,将所述超声图像进行存储,并覆盖所述历史超声图像;
忽略模块,用于当所述历史超声图像的图像质量优于所述超声图像的图像质量时,忽略所述超声图像。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如前述第一方面所述的方法。
本公开提供的超声图像截取方法及装置、电子设备和存储介质,主要方案包括:构建标准切面图例集;设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中;获取超声图像,所述超声图像包括至少一帧超声图像图像帧;将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;若所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像。与相关技术性相比,基于设置截取超声图像所参照的标准切面图例,将获取的超声图像有效信息与所述标准切面图例的有效信息相比较,根据所述有效信息等同的比例系数,来确定是否对超声图像进行自动截取,若所述有效信息等同的比例系数大于预设阈值,则对所述超声图像进行自动截取。实现了无需按键自动截图的功能,从而解决了按键截图容易出现因抖动而导致所截取的超声图像模糊的问题。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例所提供的一种超声图像截取方法的流程示意图;
图2为本公开实施例提供的另一种超声图像截取方法的流程示意图;
图3为本公开实施例所提供的一种超声图像截取装置的结构示意图;
图4为本公开实施例所提供的另一种超声图像截取装置的结构示意图;
图5示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的超声图像截取方法及装置、电子设备和存储介质。
图1为本公开实施例所提供的一种超声图像截取方法的流程示意图。
如图1所示,该方法包含以下步骤:
步骤101,构建标准切面图例集。
所述构建标准切面图例集,即向超声主机导入按部位分类的重要解剖结构的超声标准切面图例、常见病征标准切面图例等。通过向超声主机预先导入标准切面图例,以便于用户在进行截图对标准切面图例进行选用。
步骤102,获取超声图像,所述超声图像包括至少一帧超声图像图像帧。
在获取超声图像时,需要获取连续多帧超声图像,即内容相同的多帧超声图像,所述一帧超声图像图像帧即为一帧超声图像。
为了便于理解超声图像的获取过程,本公开实施例提供了一种场景性的说明,在获取超声图像时,医生需要完成检测前的准备工作,例如:为被检查人员涂抹耦合剂,将超声检测仪启动等,当超声探头被放置于被检测者的检测部位时,超声探头将检测到的超声图像信息传入超声主机进行处理成像,然后输出显示,使得可视化页面得以呈现,所述可视化页面即为超声图像。
步骤103,将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较。
所述有效信息包括:对所述超声图像或标准切面图例进行组织腔室分割、提取回声处理,从而得到的轮廓状态、位置、回声的高低强弱、回声的分布情况等信息。将得到的有效信息进行比较。
步骤104,若所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像。
所述等同的比例系数,即有效信息等同的相似度,当所述超声图像与所述标准切面图例的有效信息进行比较时,若两者的有效信息等同比例系数大于预设阈值,则截取所述超声图像。
本公开提供的超声图像截取方法,主要方案包括:构建标准切面图例集;设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中;获取超声图像,所述超声图像包括至少一帧超声图像图像帧;将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;若所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像。与相关技术性相比,基于设置截取超声图像所参照的标准切面图例,将获取的超声图像有效信息与所述标准切面图例的有效信息相比较,根据所述有效信息等同的比例系数,来确定是否对超声图像进行自动截取,若所述有效信息等同的比例系数大于预设阈值,则对所述超声图像进行自动截取。实现了无需按键自动截图的功能,从而解决了按键截图容易出现因抖动而导致所截取的超声图像模糊的问题。
作为本公开实施例的细化,在步骤102执行所述获取超声图像之前,所述方法还可以采用但不限于以下实现方式,例如:设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中。
于此为了实现所述超声图像的自动截取,需要预先根据用户想要截取的目标超声图像在所述标准切面图例集选取出与之相似的标准切面图例。所述标准切面图例即为所述目标超声图像对应的标准的超声图像,示例性的,比如用户想要自动截取被检测者的左心室长轴切面的超声图像,那么需要先从所述标准切面图例集中查寻到内容为左心室长轴切面的标准切面图例,然后将该内容为左心室长轴切面的标准切面图例设置为参照图例,所述标准切面图例的内容不只包含左心室长轴切面,例如:左心室短轴切面、右心室流出道长轴切面、右心室流入道长轴切面、四腔心切面等等都为所述标准切面图例,应当明白,本公开实施例对标准切面图例的内容不进行限定。
作为上述实施例的细化,在步骤101执行构建标准切面图例集时,可以采用但不限于以下实现方式,例如:根据所述标准切面图例的内容进行分类;对属于相同类的标准切面图例进行优先级划分,并按照优先级排列。
为了清楚的说明分类过程,本公开提供了一种示性说明,例如:所述标准切面图例可分为不同部位标准切面图例类,以及正常切面图例类、常见病征标准切面图例类。且同一个标准切面图例可以对应多个标准切面图例类,之后将图例类中包含的标准切面图例划分优先级,并基于优先级进行排列。即每个切面可以对应多个图例,按照优先级排列,高优先级的图例优先低优先级的图例。
作为上述实施例的细化,在执行设置截取超声图像所参照的标准切面图例时,可以采用但不限于以下实现方式,例如:根据需求在所述标准切面图例集中选取所述标准切面图例;将选取的所述标准切面图例设置为截取超声图像所参照的标准切面图例。
所述根据需求在所述标准切面图例集中选取所述标准切面图例,即根据实际需要选取标准切面图例作为超声图像自动截取的参照图例,例如:每个医院,甚至一家医院的不同科室的质控要求可能都不相同,因此需要根据医院或者科室的要求设置每个部位需要保存的超声图像所对应的标准切面图例,同时,用户也可以根据自己的需求设置所需的标准切面图例,所选标准切面图例可以不为同一类,且不限数量。在确定完成所述标准切面图例后,基于超声探头获取检测的超声图像,所述超声图像与设置的所有标准切面图例进行有效信息的遍历比较,然后确定所有标准切面图例中是否存在与该超声图像相似的标准切面图例,若存在,则对所述超声图像进行自动截取。作为上述实施例的细化,在步骤103执行将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较时,可以采用但不限于以下实现方式,例如:将所述超声图像图像帧与所述标准切面图例进行有效信息比较;若所述超声图像图像帧的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像图像帧;
根据步骤102的内容,所述获取超声图像,是获取的内容相同的连续帧超声图像,每一帧超声图像称为超声图像图像帧,所述超声图像与所述标准切面图例进行的有效信息对比,本质上即为超声图像图像帧的有效信息与所述标准切面图例进行的对比,例如:获取得超声图像包含三帧连续超声图像图像帧,将每一帧超声图像图像帧与示例切面图例进行有效信息进行遍历对比,若确定所有标准切面图例中存在与该超声图像图像帧相似的标准切面图例,则对所述超声图像图像帧进行自动截取。若所述三帧连续超声图像图像帧的,第一帧与第二帧超声图像图像帧存在与其相似的标准切面图例,第三帧超声图像图像帧不存在与之相似的标准切面图例,则自动截取第一帧与第二帧超声图像图像帧,并将该两帧缓存,第三帧超声图像图像帧则被忽略,本公开实施例对具体的实现方式不进行限定。
作为上述实施例的细化,在4执行所述标准切面图例和超声图像图像帧的有效信息获取时,可以采用但不限于以下实现方式,例如:基于深度学习模型分别提取标准切面图例和超声图像图像帧的有效信息。
通过对神经网络模型的训练得到可以获取所述有效信息的深度学习模型,基于深度学习模型得到所需的有效信息。
作为上述实施例的细化,所述方法在将截取到的超声图像进行保存时,可以采用但不限于以下实现方式,例如:判断预设存储路径下是否已存在与所述超声图像相似的历史超声图像;若不存在,则将截取的图像质量最高的超声图像图像帧进行自动保存;若存在,则比较所述超声图像与所述历史超声图像的图像质量;
所述历史超声图像即先于所述超声图像存放在预设存储路径下的超声图像。预设存储路径为预先设置的超声图像存储位置及文件。
为了清除说明上述超声图像保存过程,先判断所述超声图像在预设存储路径中是否已经存在与之相似的历史超声图像,如果所述预设路径中不存在与所述超声图像相似的历史超声图像,则从所述超声图像的所有被截取的超声图像图像帧中,自动选取图像质量最好的超声图像图像帧进行自动保存。如果所述预设路径中存在与所述超声图像相似的历史超声图像,则比较所述超声图像与所述历史超声图像的图像质量。
作为上述实施例的细化,在执行比较所述超声图像与所述历史超声图像的图像质量时,可以采用但不限于以下实现方式,例如:若所述超声图像的图像质量优于所述历史超声图像的图像质量,则将所述超声图像进行存储,并覆盖所述历史超声图像;若所述历史超声图像的图像质量优于所述超声图像的图像质量,则忽略所述超声图像。
在执行比较所述超声图像与所述历史超声图像的图像质量完成判定之前,所述比较方法可以采用但不限于以下实现方式,例如:将所述超声图像对应的被截取缓存的超声图像图像帧顺序与所述历史超声图像进行图像质量比较;或者,预先确认出所述超声图像对应的超声图像图像帧中图像质量最高的超声图像图像帧,所述超声图像对应的超声图像图像帧已被截取缓存,将该超声图像图像帧与所述历史超声图像进行图像质量比较。
在执行本公开实例保存输出超声图像时,所述超声图像可以与被检测人员信息相对应,例如:先向超声主机输入被检测人员信息,例如:姓名,性别,年龄,然后输出带有该检测人员信息及其超声图像的检测报告。
图2为本公开实施例提供的另一种超声图像截取方法的流程示意图,如图2所示,导入标准切面图例,设置待保存图的部位切面,获取超声图像,判断某帧图像有效信息是否等同标准切面图库的图例,若等同,则判断是否已存有相同内容的帧图像,若否,则自动选取图像质量最高的图像帧,存图;若是,则判断新图像的清晰度是否比旧图像的清晰度高,若是则存储新图像,覆盖旧图像。
综上所述,本申请实施例能够达到以下效果:
1.基于设置截取超声图像所参照的标准切面图例,将获取的超声图像有效信息与所述标准切面图例的有效信息相比较,根据所述有效信息等同的比例系数,来确定是否对超声图像进行自动截取,若所述有效信息等同的比例系数大于预设阈值,则对所述超声图像进行自动截取。实现了无需按键自动截图的功能,从而解决了按键截图容易出现因抖动而导致所截取的超声图像模糊的问题。
2.自动对符合条件的图像进行截取,无需医生手动截图,减少了医生的工作量。
3.自动选取高清晰度的图像,提升了医生的截图质量。
4.只需医生将所有部位都准确扫查到,所需截图就自动保存下来了,无需返工,提高了医生的工作效率。
5.医生快速获得高质量的超声图像,无需重新采集,减少了病人的检查时间。
与上述的超声图像截取方法相对应,本发明还提出一种超声图像截取装置。由于本发明的装置实施例与上述的方法实施例相对应,对于装置实施例中未披露的细节可参照上述的方法实施例,本发明中不再进行赘述。
图3为本公开实施例所提供的一种超声图像截取装置的结构示意图。如图3所示,所述装置包括:
构建单元21,用于构建标准切面图例集;
获取单元22,用于获取超声图像,所述超声图像包括至少一帧超声图像图像帧;
第一比较单元23,用于将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;
截取单元24,用于当所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值时,自动截取所述超声图像。
本公开提供的超声图像截取装置,主要方案包括:构建标准切面图例集;设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中;获取超声图像,所述超声图像包括至少一帧超声图像图像帧;将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;若所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像。与相关技术性相比,基于设置截取超声图像所参照的标准切面图例,将获取的超声图像有效信息与所述标准切面图例的有效信息相比较,根据所述有效信息等同的比例系数,来确定是否对超声图像进行自动截取,若所述有效信息等同的比例系数大于预设阈值,则对所述超声图像进行自动截取。实现了无需按键自动截图的功能,从而解决了按键截图容易出现因抖动而导致所截取的超声图像模糊的问题。
图4为本公开实施例所提供的另一种超声图像截取装置的结构示意图。如图4所示,所述装置还包括:
设置单元25,用于设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中。
进一步地,在本实施例一种可能的实现方式中,如图4所示,所述构建单元21包括:
分类模块211,用于根据所述标准切面图例的内容进行分类;
划分模块212,用于对属于相同类的标准切面图例进行优先级划分,并按照优先级排列。
进一步地,在本实施例一种可能的实现方式中,如图4所示,所述设置单元25,包括:
选取模块251,用于根据需求在所述标准切面图例集中选取所述标准切面图例;
设置模块252,用于将选取的所述标准切面图例设置为截取超声图像所参照的标准切面图例。
进一步地,在本实施例一种可能的实现方式中,如图4所示,所述第一比较单元23包括:
比较模块231,用于将所述超声图像图像帧与所述标准切面图例进行有效信息比较;
截取模块232,用于当所述超声图像图像帧的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值时,自动截取所述超声图像图像帧;
进一步地,在本实施例一种可能的实现方式中,如图4所示,所述装置还包括:
提取单元26,用于基于深度学习模型分别提取标准切面图例和超声图像图像帧的有效信息。
进一步地,在本实施例一种可能的实现方式中,如图4所示,所述装置还包括:
判断单元27,用于判断预设存储路径下是否已存在与所述超声图像相似的历史超声图像;
保存单元28,用于当判断单元的判断结果为不存在时,将截取的图像质量最高的超声图像图像帧进行自动保存;
第二比较单元29,用于当判断单元的判断结果为存在时,比较所述超声图像与所述历史超声图像的图像质量;
进一步地,在本实施例一种可能的实现方式中,如图4所示,所述第二比较单元29包括:
存储模块291,用于当所述超声图像的图像质量优于所述历史超声图像的图像质量时,将所述超声图像进行存储,并覆盖所述历史超声图像;
忽略模块292,用于当所述历史超声图像的图像质量优于所述超声图像的图像质量时,忽略所述超声图像。
需要说明的是,前述对方法实施例的解释说明,也适用于本实施例的装置,原理相同,本实施例中不再限定。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备300包括计算单元301,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)302中的计算机程序或者从存储单元308加载到RAM(Random AccessMemory,随机访问/存取存储器)303中的计算机程序,来执行各种适当的动作和处理。在RAM303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。I/O(Input/Output,输入/输出)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元303,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理,例如超声图像截取方法。例如,在一些实施例中,超声图像截取方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时,可以执行上文描述的方法的一个或多个步骤。备选地,在其他实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行前述超声图像截取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode-Ray Tube,阴极射线管)或者LCD(LiquidCrystal Display,液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (12)
1.一种超声图像截取方法,其特征在于,包括:
构建标准切面图例集;获取超声图像,所述超声图像包括至少一帧超声图像图像帧;
将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;
若所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像。
2.根据权利要求1所述的方法,其特征在于,在所述获取超声图像之前,所述方法还包括:
设置截取超声图像所参照的标准切面图例,所述标准切面图例已存在于所述标准切面图例集中。
3.根据权利要求2所述的方法,其特征在于,所述构建标准切面图例集包括:
根据所述标准切面图例的内容进行分类;
对属于相同类的标准切面图例进行优先级划分,并按照优先级排列。
4.根据权利要求3所述的方法,其特征在于,所述设置截取超声图像所参照的标准切面图例,包括:
根据需求在所述标准切面图例集中选取所述标准切面图例;
将选取的所述标准切面图例设置为截取超声图像所参照的标准切面图例。
5.根据权利要求4所述的方法,其特征在于,所述将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较包括:
将所述超声图像图像帧与所述标准切面图例进行有效信息比较;
若所述超声图像图像帧的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值,则自动截取所述超声图像图像帧。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于深度学习模型分别提取标准切面图例和超声图像图像帧的有效信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
判断预设存储路径下是否已存在与所述超声图像相似的历史超声图像;
若不存在,则将截取的图像质量最高的超声图像图像帧进行自动保存;
若存在,则比较所述超声图像与所述历史超声图像的图像质量。
8.根据权利要求7所述的方法,其特征在于,所述比较所述超声图像与所述历史超声图像的图像质量包括:
若所述超声图像的图像质量优于所述历史超声图像的图像质量,则将所述超声图像进行存储,并覆盖所述历史超声图像;
若所述历史超声图像的图像质量优于所述超声图像的图像质量,则忽略所述超声图像。
9.一种超声图像截取装置,其特征在于,包括:
构建单元,用于构建标准切面图例集;
获取单元,用于获取超声图像,所述超声图像包括至少一帧超声图像图像帧;
第一比较单元,用于将所述超声图像与所述标准切面图例集中的标准切面图例进行有效信息比较;
截取单元,用于当所述超声图像的有效信息与所述标准切面图例的有效信息等同的比例系数高于预设阈值时,自动截取所述超声图像。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
12.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211255832.9A CN115631152A (zh) | 2022-10-13 | 2022-10-13 | 超声图像截取方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211255832.9A CN115631152A (zh) | 2022-10-13 | 2022-10-13 | 超声图像截取方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115631152A true CN115631152A (zh) | 2023-01-20 |
Family
ID=84903811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211255832.9A Pending CN115631152A (zh) | 2022-10-13 | 2022-10-13 | 超声图像截取方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631152A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116521912A (zh) * | 2023-07-04 | 2023-08-01 | 广东恒腾科技有限公司 | 一种基于人工智能的超声数据存储管理系统及方法 |
-
2022
- 2022-10-13 CN CN202211255832.9A patent/CN115631152A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116521912A (zh) * | 2023-07-04 | 2023-08-01 | 广东恒腾科技有限公司 | 一种基于人工智能的超声数据存储管理系统及方法 |
CN116521912B (zh) * | 2023-07-04 | 2023-10-27 | 广东恒腾科技有限公司 | 一种基于人工智能的超声数据存储管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11604949B2 (en) | Image processing method and apparatus, computer-readable storage medium, and computer device | |
CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
CN112906502A (zh) | 目标检测模型的训练方法、装置、设备以及存储介质 | |
US10123747B2 (en) | Retinal scan processing for diagnosis of a subject | |
US10127664B2 (en) | Ovarian image processing for diagnosis of a subject | |
US11967181B2 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
US10249040B2 (en) | Digital data processing for diagnosis of a subject | |
CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
CN115516571A (zh) | 一种影像学研究报告生成系统 | |
US20230133218A1 (en) | Image segmentation method, device and medium | |
CN112785582A (zh) | 热力图生成模型的训练方法、装置、电子设备和存储介质 | |
CN110648318A (zh) | 用于皮肤病的辅助分析方法及装置、电子设备、存储介质 | |
US20180140256A1 (en) | Brain Wave Processing for Diagnosis of a Subject | |
CN114782321B (zh) | 胸部ct影像选择方法、装置、设备及存储介质 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
CN115631152A (zh) | 超声图像截取方法及装置、电子设备和存储介质 | |
CN109658425B (zh) | 一种肺叶分割方法、装置、计算机设备及存储介质 | |
Lin et al. | Echocardiography-based AI detection of regional wall motion abnormalities and quantification of cardiac function in myocardial infarction | |
CN113888566A (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN116452579B (zh) | 一种基于胸片图像的肺动脉高压智能评估方法和系统 | |
CN115631151A (zh) | 超声图像截取方法及装置、电子设备和存储介质 | |
CN114419375B (zh) | 图像分类方法、训练方法、装置、电子设备以及存储介质 | |
CN115526882A (zh) | 一种医学图像的分类方法、装置、设备及存储介质 | |
WO2022103659A1 (en) | System and method for detecting medical conditions | |
CN113869023A (zh) | 质控数据的处理方法、装置和存储介质 |
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 |