CN115797296B

CN115797296B - 一种膈肌厚度自动测量方法、装置和存储介质

Info

Publication number: CN115797296B
Application number: CN202211546691.6A
Authority: CN
Inventors: 谢洪文; 葛慧青; 徐磊; 张羽; 方文耀; 贾建伟; 彭柳玲; 黄晓蔚
Original assignee: Beijing Itrason Technologies Co ltd
Current assignee: Beijing Itrason Technologies Co ltd
Priority date: 2022-12-05
Filing date: 2022-12-05
Publication date: 2023-09-05
Anticipated expiration: 2042-12-05
Also published as: CN115797296A

Abstract

本发明公开了一种膈肌厚度自动测量方法、装置和存储介质，包括：采集M模式下不小于1个完整呼吸周期的M模式膈肌超声图像；通过第一卷积神经网络模型对M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像；通过第二卷积神经网络模型对局部膈肌区域图像进行分割，获取膈肌掩膜；根据膈肌掩膜计算得到呼气末和吸气末的位置，并根据呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。本发明实施例，可以自动地定位并分割出膈肌区域，进而准确定位出膈肌吸气末和呼气末的时刻，实现了对应时刻膈肌厚度的自动测量，进一步可以自动计算出膈肌增厚分数，减少了医疗专家资源的投入，减少了诊断时长，并且提升了诊断结果的精度。

Description

一种膈肌厚度自动测量方法、装置和存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种膈肌厚度自动测量方法、装置和存储介质。

背景技术

ICU患者往往呼吸功能不全，需要借助气管插管的方式进行机械通气，以保持生理呼吸。膈肌对正常的吸气呼气功能起着重要作用，膈肌是位于胸腔与腹腔之间的肌肉-纤维结构，其周围为肌腹，中央为腱膜，又被译为横膈，是机体重要的呼吸肌，占所有呼吸肌功能的60％～80％。但是部分患者会由于其他病因导致膈肌功能障碍，同时持续的机械通气也会导致膈肌功能障碍，这些都将导致拔管后患者无法正常呼吸。

膈肌厚度的变化，如增厚分数，可以很好地评估患者膈肌功能，从而决定是否要拔管。超声设备可以很清晰地观察到膈肌的运动状态，进而测量出膈肌厚度变化情况，计算出膈肌增厚分数，最后决定是否可以拔管。

然而，目前对于超声图像中膈肌的厚度尚未有自动测量的方法，一般只能手动放置测量点，且由于厚度变化幅度很小，需要在放大的超声图像上精准放置测量光标，每组膈肌厚度测量至少需要放置4个光标，使得整个测量过程既繁琐又不够精准，而且不同操作者之间的重复性差。

因此，需要提供一种将膈肌厚度的测量过程自动化的方法，以解决上述问题。

发明内容

本发明的主要目的在于提供一种膈肌厚度自动测量方法、装置和存储介质，用于准确定位、分割膈肌，从而有效测量出呼气末和吸气末的膈肌厚度，从而进一步用于膈肌增厚分数的估计。

为实现上述目的，本发明提供了一种膈肌厚度自动测量方法，所述方法包括以下步骤：

S1：采集M模式下不小于1个完整呼吸周期的所述M模式膈肌超声图像；

S2：通过第一卷积神经网络模型对所述M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像；

S3：通过第二卷积神经网络模型对所述局部膈肌区域图像进行分割，获取膈肌掩膜；

S4：根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。

可选地，呼气末和吸气末的膈肌厚度包括呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值，所述方法还包括步骤：

S5：根据呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值计算得到膈肌增厚分数；

其中，所述膈肌增厚分数公式为

式中，η为膈肌增厚分数，为呼气末膈肌厚度的平均值，/>为吸气末膈肌厚度的平均值。

可选地，所述步骤S1包括：

患者自主呼吸时，取高频超声探头放置于肋骨间隙处，在B模式图像中观察到膈肌；

进入M模式，在患者持续呼吸不小于1个完整呼吸周期后冻结图像，并将所述冻结图像作为所述M模式膈肌超声图像。

可选地，所述步骤S2包括：

将所述M模式膈肌超声图像输入已训练得到的第一卷积神经网络模型中，获取检测框；

根据所述检测框的纵坐标进行深度定位，得到膈肌顶部和膈肌底部的纵向坐标；

其中，所述第一卷积神经网络模型是预先通过收集若干膈肌图像并逐张加上检测框标注，训练得到的卷积神经网络模型。

可选地，所述步骤S2还包括：

根据所述膈肌顶部和膈肌底部的纵向坐标，将所述M模式膈肌超声图像进行裁切，得到所述M模式膈肌超声图像中位于所述膈肌顶部和膈肌底部的纵向坐标之间的区域；

将所述区域作为所述局部膈肌区域图像。

可选地，所述步骤S3包括：

将所述局部膈肌区域图像输入已训练得到的第二卷积神经网络模型中，分割得到膈肌掩膜；

其中，所述第二卷积神经网络模型是预先通过收集若干膈肌图像并逐张加上掩膜标注，训练得到的卷积神经网络模型；所述膈肌掩膜为一张二值化图像。

可选地，所述步骤S4包括：

A1：在所述膈肌掩膜中筛选出面积最大的轮廓，获取上边沿和下边沿，绘制得到上边沿曲线和下边沿曲线；

A2：对所述上边沿曲线和所述下边沿曲线计算波峰和波谷位置，确定各呼气末和吸气末时刻对应在膈肌上的位置；

A3：根据呼气末和吸气末的位置计算膈肌在各呼气末、吸气末时刻的膈肌厚度。

可选地，所述步骤A1包括：

提取所述膈肌掩膜中所有连通域的轮廓，筛选并保留面积最大的轮廓；

遍历所述面积最大的轮廓的每一列像素，将自上而下找到的第一个非0像素记为所述上边沿的一个像素，直到得到所述膈肌掩膜中所述上边沿的所有像素，所述上边沿的所有像素组成所述上边沿；

遍历所述面积最大的轮廓的每一列像素，将自下而上找到的第一个非0像素记为所述下边沿的一个像素，直到得到所述膈肌掩膜中所述下边沿的所有像素，所述下边沿的所有像素组成所述下边沿；

提取所述上边沿，绘制得到所述上边沿曲线；

提取所述下边沿，绘制得到所述下边沿曲线。

可选地，所述步骤A2包括：

对所述上边沿曲线和所述下边沿曲线两条曲线进行寻峰，得到所述上边沿曲线和所述下边沿曲线中的波峰和波谷位置；

计算所述上边沿曲线和所述下边沿曲线中每个波峰到右侧相邻波谷的落差，得到上边沿曲线的平均振幅和下边沿曲线的平均振幅；

比对上边沿曲线的平均振幅和下边沿曲线的平均振幅的大小，将平均振幅更大的曲线作为参考曲线；

根据所述参考曲线上波峰和波谷的位置，确定各呼气末、吸气末时刻对应在膈肌上的位置。

可选地，所述步骤A3包括：

计算所述上边沿曲线和所述下边沿曲线在呼气末处的上下沿距离，取均值为呼气末膈肌厚度；

计算所述上边沿曲线和所述下边沿曲线在吸气末处的上下沿距离，取均值为吸气末膈肌厚度。

此外，为实现上述目的，本发明还提出一种膈肌厚度自动测量装置，所述膈肌厚度自动测量装置包括：

图像采集单元，用于采集M模式下不小于1个完整呼吸周期的所述M模式膈肌超声图像；

膈肌定位单元，用于通过第一卷积神经网络模型对所述M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像；

膈肌分割单元，用于通过第二卷积神经网络模型对所述局部膈肌区域图像进行分割，获取膈肌掩膜；

厚度测量单元，用于根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。

此外，为实现上述目的，本发明还提出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如上文所述的膈肌厚度自动测量方法的步骤。

本发明用于准确定位、分割膈肌，从而有效测量出呼气末和吸气末的膈肌厚度，可以进一步用于膈肌增厚分数的估计。通过实施本发明技术方案，可以自动地定位并分割出膈肌区域，进而准确定位出膈肌吸气末和呼气末的时刻，实现了对应时刻膈肌厚度的自动测量，进一步可以自动计算出膈肌增厚分数，减少了医疗专家资源的投入，减少了诊断时长，并且提升了诊断结果的精度。

附图说明

图1为本发明提供的一种膈肌厚度自动测量方法的流程示意图之一。

图2为本发明提供的膈肌定位的流程示意图之一。

图3为本发明提供的膈肌定位的流程示意图之二。

图4为本发明提供的由膈肌掩膜得到呼气末和吸气末的膈肌厚度的流程示意图之一。

图5为本发明提供的膈肌掩膜上边沿曲线和下边沿曲线的示意图之一。

图6为本发明提供的膈肌掩膜上边沿曲线和下边沿曲线的示意图之二。

图7为本发明提供的一种膈肌厚度自动测量方法的流程示意图之二。

图8为本发明提供的膈肌定位的流程示意图之三。

图9为本发明膈肌厚度自动测量装置实施例的结构框图之一。

图10是本发明实施例方案涉及的硬件运行环境的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

下面对本发明做进一步的详细说明，本发明的前述和其它目的、特征、方面和优点将变得更加明显，以令本领域技术人员参照说明书文字能够据以实施。

在一个实施例中，如图1所示，本发明提供一种膈肌厚度自动测量方法，所述方法包括：

步骤S1、采集M模式下不小于1个完整呼吸周期的所述M模式膈肌超声图像。

由于膈肌厚度变化幅度很小，许多时候变化幅度在1mm左右，为了准确测量膈肌厚度，有必要选择膈肌尽量靠近体表的位置进行扫查，然后采集患者M模式下不小于1个完整呼吸周期的所述M模式膈肌超声图像。

扫查时，患者一般取仰卧位，自主呼吸，取高频超声探头放置于肋骨间隙处，具体可以放置于右侧腋前线，且所述高频超声探头垂直置于胸壁第8肋至第9肋之间，然后在B模式图像中观察到膈肌。

在B模式成像下完成膈肌的定位后，进入M模式，患者持续呼吸一段时间后，如至少持续1个完整呼吸周期后，冻结图像，并将所述冻结图像作为所述M模式膈肌超声图像。

步骤S2、通过第一卷积神经网络模型对所述M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像。

由于高频超声探头分辨率高，图像较为细腻，加之探测区域为浅表皮肤，组织层次丰富，这些因素使得获取到的M模式图像信息非常复杂。一般情况下，对于采集的浅表膈肌处M模式图像，即使是有经验的医生，有时也会很难辨认何处是膈肌。

但是，如果可以先对膈肌所处位置进行大致判断，对含有膈肌的局部区域进行放大，再去观察放大区域，精确辨认膈肌的难度就会小非常多。

因此，为了能够让人工智能成功识别出图像中的膈肌，可以预先通过收集若干膈肌图像并逐张加上检测框标注，从而训练得到卷积神经网络模型，并将此卷积神经网络模型确认为第一卷积神经网络模型。

具体的，可以预先收集若干膈肌图像，先由人工对若干膈肌图像进行检测框标注，人眼辨认出图像中的膈肌所处位置，再得到包围膈肌的矩形检测框的四个数字。膈肌图像与检测框标注就构成了完整的数据集。

然后可以利用数据集训练第一卷积神经网络模型。基础模型可以是公知技术中的Yolov5、Picodet等。通过膈肌图像与检测框标注，让模型逐渐学习到如何从图形中定位出膈肌，最后训练出一个识别率较高的可用模型即第一卷积神经网络模型用于膈肌定位。

而对所述M模式膈肌超声图像进行膈肌定位的过程，则可以如图2所示：

步骤B1、将所述M模式膈肌超声图像输入已训练得到的第一卷积神经网络模型中，获取检测框。

步骤B2、根据所述检测框的纵坐标进行深度定位，得到膈肌顶部和膈肌底部的纵向坐标。

上述过程即为目标检测过程，即膈肌的目标检测过程。

举例说明，所谓目标检测是指，向所述第一卷积神经网络模型输入所述M模式膈肌超声图像，输出4个数字：X₁、Y₁、X₂、Y₂。其中，X₁、Y₁描述了一个矩形检测框左上角的横纵坐标，X₂、Y₂描述了一个矩形检测框右下角的横纵坐标。矩形检测框恰好包围住了所述M模式膈肌超声图像中的膈肌。Y₁、Y₂即为膈肌顶部和膈肌底部的纵向坐标。

在得到所述膈肌顶部和膈肌底部的纵向坐标的基础上，膈肌定位还包括得到膈肌区域的过程，如图3所示，在图2所示流程的基础上，还包括以下步骤：

步骤B3、根据所述膈肌顶部和膈肌底部的纵向坐标，将所述M模式膈肌超声图像进行裁切，得到所述M模式膈肌超声图像中位于所述膈肌顶部和膈肌底部的纵向坐标之间的区域。

步骤B4、将所述区域作为所述局部膈肌区域图像。

也就是说，可以根据膈肌顶部和膈肌底部的纵向坐标Y₁、Y₂，在原始的所述M模式膈肌超声图像中裁切纵向坐标在Y₁到Y₂之间的区域作为局部膈肌区域图像。

步骤S3、通过第二卷积神经网络模型对所述局部膈肌区域图像进行分割，获取膈肌掩膜。

为了实现对膈肌区域的精准识别、最终计算出膈肌厚度，需要对图像进行像素级别的分类，对每一个像素判断是膈肌或者不是膈肌，最终所有是膈肌的像素就构成了膈肌的掩膜，在掩膜的基础上才可以进一步计算出膈肌的厚度。

而所谓膈肌的掩膜可以是一幅二值化的图像，其中膈肌的区域像素值为1，其余区域像素值为0。

对图像进行像素级别的分类、获取膈肌掩膜这一过程称为分割。实现对图像中的膈肌进行自动分割的工具可以是人工智能技术的第二卷积神经网络模型如语义分割模型，而第二卷积神经网络模型是经过训练得到的。

为了能够让人工智能成功分割出图像中的膈肌，从而给出膈肌的掩膜，需要预先通过收集若干膈肌图像，先由人工对一些膈肌图像进行标注，人眼辨认出图像中的膈肌，通过画笔涂抹膈肌区域，就得到了膈肌的掩膜标注，膈肌图像与掩膜标注构成了完整的数据集。

然后利用数据集训练语义分割模型。基础模型可以是公知技术中的Unet，PSPNet等。通过膈肌图像与掩膜标注，让模型逐渐学习到如何从图像中分割出膈肌，最后训练出一个精确度率较高的可用模型如第二卷积神经网络模型用于膈肌分割。

然后，在已训练得到的第二卷积神经网络模型的基础上，将所述局部膈肌区域图像输入已训练得到的第二卷积神经网络模型中，即可分割得到膈肌掩膜。

步骤S4、根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。

在已经准确定位、分割膈肌的基础上，即可有效测量出呼气末和吸气末的膈肌厚度。即在步骤S3中已经获得膈肌掩膜的基础上，可以根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度，具体过程可以如图4所示：

步骤A1、在所述膈肌掩膜中筛选出面积最大的轮廓，获取上边沿和下边沿，绘制得到上边沿曲线和下边沿曲线。

由于所述膈肌掩膜是一幅二值化图像，其中的每一块独立的像素值是1的区域称为一个连通域，连通域的边缘称为轮廓。由于第二卷积神经网络模型不保证只分割出一个连通域，可能会有多个，因此可提取出膈肌掩膜中所有连通域的轮廓，只保留面积最大的那个轮廓，其余的删除。

筛选出的那个轮廓即为有效的膈肌边缘，但由于膈肌轮廓是封闭的，还需要提取出其中的上边沿曲线和下边沿曲线才能用于后续的计算。

其中，计算膈肌轮廓上边沿的方法可为：遍历每一列像素，从上往下找到的第一个非0像素记为上边沿一个像素，从下往上找到的第一个非0像素记为下边沿的一个像素。最终上边沿用一个一维数组来表示，数组长度为图片宽度，每个元素的值为图片当前列上上边沿像素点所在高度，为0表示此处无上边沿。最终下边沿用一个一维数组来表示，数组长度为图片宽度，每个元素的值为图片当前列上下边沿像素点所在高度，为0表示此处无下边沿。

进一步举例说明：假设膈肌掩膜图像尺寸为宽8像素、高100像素，通过边沿提取，得到膈肌上边沿数组为(0, 0, 56, 58, 58, 52, 0, 0)，此数组长度是8，与图像宽一致。其中数组前两个元素和末两个元素皆为0，3~6号元素非0，表示膈肌分布在在图像3~6列上，其中第3列上，在第56行是膈肌的上边沿，此列上比56行更深的像素都属于膈肌内部；第4列上，在第58行是膈肌的上边沿。当然，下边沿同理，本实施例在此不再赘述。

然后，通过提取上边沿和下边沿，可以在一副空白图像中单独将膈肌的上边沿和下边沿绘制出，如图5所示的两条实曲线，位于上方的实曲线即为上边沿曲线，位于下方的实曲线即为下边沿曲线。

步骤A2、对所述上边沿曲线和所述下边沿曲线计算波峰和波谷位置，确定各呼气末和吸气末时刻对应在膈肌上的位置。

在得到所述上边沿曲线和所述下边沿曲线的基础上，对所述上边沿曲线和所述下边沿曲线两条曲线进行寻峰，具体方法可使用现有技术中的一阶差分法，本实施例在此不再赘述。寻峰后可得到所述上边沿曲线和所述下边沿曲线中的波峰和波谷位置；如图5所示，以“+”标记上边沿曲线的波峰波谷位置，以“x”标记下边沿曲线的波峰波谷位置。

结合与膈肌有关的生理学背景知识可知，当人体呼吸时，膈肌也会随之上下起伏，呼气时膈肌向上运动，吸气时膈肌向下运动。

因此，如果仅看上边沿曲线，可以判断出凹陷处（波谷）为吸气末时刻，而凸起处（波谷）为呼气末时刻。同样仅看下边沿曲线，也会判断出一些吸气末、呼气末时刻。而如果同时观察两条曲线，会发现波峰和波谷处基本上是对齐的。但是由于种种原因，上下沿曲线的波峰波谷并不会严格对齐时刻，如图5中，上、下边沿曲线的从左向右数第2个波谷，就有些偏移。

因此，为了确保两条曲线的波峰和波谷处是对齐的，需要以上边沿曲线、下边沿曲线中其一为参考曲线，参考曲线的波峰对应呼气末，参考曲线的波谷对应吸气末时刻。本实例采用的是振幅法。

计算所述上边沿曲线和所述下边沿曲线中每个波峰到右侧相邻波谷的落差，即可得到上边沿曲线的平均振幅和下边沿曲线的平均振幅。具体的，对于所述上边沿曲线，计算每个波峰到右侧相邻波谷的落差，求均值即可得到上边沿曲线的平均振幅。例如，N₁为上边沿第一个波峰到右侧波谷的落差，N₂为上边沿第二个波峰到右侧波谷的落差，由于这里有2个落差，所以把N₁+N₂相加再除以2即可得到上边沿平均振幅C_上。C_上=(N₁+N₂)/2。

同理可得下边沿曲线的平均振幅，例如，N₃为下边沿第一个波峰到右侧波谷的落差，N₄为下边沿第二个波峰到右侧波谷的落差，由于这里有2个落差，所以把N₃+N₄相加再除以2即可得到下边沿平均振幅C_下。C_下=(N₃+N₄)/2。

决定参考曲线的规则为：通过比对上边沿曲线的平均振幅和下边沿曲线的平均振幅的大小，将平均振幅更大的曲线作为参考曲线；即如果C_上>C_下，使用上边沿曲线为参考曲线；如果C_上≤C_下，使用下边沿为参考曲线。

如图5中所示，可见下边沿曲线的平均振幅更大，因此本实施例以下边沿曲线为参考曲线，由其波峰波谷位置决定呼气末和吸气末对应的位置。

此时，可以修改上边沿曲线中波峰波谷的位置，使其时刻和下边沿完全对齐。具体操作为，遍历下边沿曲线每一个波峰的位置，在上边沿上取与下边沿波峰横坐标完全一样的点作为上边沿的波峰；波谷同理。修改上边沿曲线的波峰波谷后，上、下边沿曲线的波峰波谷位置完全对齐，如图6所示，即可根据所述参考曲线上波峰和波谷的位置，确定各呼气末、吸气末时刻对应在膈肌上的位置。

步骤A3、根据呼气末和吸气末的位置计算膈肌在各呼气末、吸气末时刻的膈肌厚度。

在确定呼气末、吸气末时刻后，只需要计算上下沿曲线上对应点的距离即可得到膈肌此时的厚度。

计算所述上边沿曲线和所述下边沿曲线在呼气末处的上下沿距离，取均值为呼气末膈肌厚度，举例说明，如图6所示，上边沿曲线为位于上方的实曲线，下边沿曲线为位于下方的实曲线，以“+”标记上边沿曲线的波峰波谷位置，以“x”标记下边沿曲线的波峰波谷位置。呼气末膈肌厚度即为呼气末膈肌厚度的平均值：/>=(H₁+H₃+H₅)/3，其中H₁为第一个波峰（即呼气末时刻）处膈肌上下沿曲线的距离，其中H₃为第二个呼气末时刻处膈肌上下沿曲线的距离，H₅为第三个呼气末时刻处膈肌上下沿曲线的距离。由于此图中出现了3次呼气末，因此把三个时刻的厚度加起来除以3得到了膈肌呼气末时刻平均厚度。

计算所述上边沿曲线和所述下边沿曲线在吸气末处的上下沿距离，取均值为吸气末膈肌厚度。举例说明，如图6所示，吸气末膈肌厚度即为吸气末膈肌厚度的平均值：=(H₂+H₄)/2，其中H₂为第一个波谷（即吸气末时刻）处膈肌上下沿曲线的距离，其中H₄为第二个吸气末时刻处膈肌上下沿曲线的距离。由于此图中出现了2次吸气末，因此把两个时刻的厚度加起来除以2得到了膈肌吸气末时刻平均厚度。

通过实施本发明技术方案，可以自动地定位并分割出膈肌区域，进而准确定位出膈肌吸气末和呼气末的时刻，实现了对应时刻膈肌厚度的自动测量，从而为可以自动计算出膈肌增厚分数提供基础，减少了医疗专家资源的投入，减少了诊断时长，并且提升了诊断结果的精度。

需要说明的是，图5至6只是为了便于理解所举例的膈肌掩膜上边沿曲线和下边沿曲线的示意图，以及上边沿曲线的波峰波谷位置与下边沿曲线的波峰波谷位置的示意区分，实际获得的膈肌掩膜并不以此为限，例如，可以得到更多的波峰波谷等。

在一个实施例中，图7提供了另一种膈肌厚度自动测量方法，在图1所示流程的基础上，还包括以下步骤：

S5、根据呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值计算得到膈肌增厚分数。

所述膈肌增厚分数公式为

通过实施本发明技术方案，可以自动地定位并分割出膈肌区域，进而准确定位出膈肌吸气末和呼气末的时刻，实现了对应时刻膈肌厚度的自动测量，进一步可以自动计算出膈肌增厚分数提供基础，减少了医疗专家资源的投入，减少了诊断时长，并且提升了诊断结果的精度。

当然，除了使用上述步骤S2中人工智能的目标检测模型即第一卷积神经网络模型可以做到自动定位膈肌所在区域，另一种方法，如使用匹配滤波等信号处理方法对膈肌进行定位也可以做到自动定位膈肌所在区域。

目标检测法正确定位成功率更高，但是有小概率检测不到膈肌，从而无法获取描述膈肌位置的结果导致定位失败。此时可以再使用信号处理法进行定位。后者可以保证获得一个描述膈肌位置的结果，但是准确度可能不如目标检测法。

在实际使用过程中，首选目标检测模型即第一卷积神经网络模型进行检测，若使用第一卷积神经网络模型没有成功获得所述膈肌顶部和膈肌底部的纵向坐标，可以使用信号处理方法对膈肌进行定位。请进一步参阅图8，与图3相比，本实施例的区别在于在步骤B2和步骤B3之间，还包括步骤B201和步骤B202。

步骤B201、判断是否已经得到膈肌顶部和膈肌底部的纵向坐标。

若是，则直接进入步骤B3；若否，即使用第一卷积神经网络模型没有成功获得所述膈肌顶部和膈肌底部的纵向坐标，进入步骤B202。

步骤B202、通过匹配滤波信号处理方法对所述M模式膈肌超声图像进行深度定位，得到膈肌顶部和膈肌底部的纵向坐标。

具体的，利用匹配滤波信号处理方法对图像中的膈肌进行纵向定位，再结合一般情况下膈肌的厚度数值，进行膈肌的深度定位。所谓“一般情况下膈肌的厚度数值”是指，浅表膈肌的厚度在0.3cm以内，进一步放宽为0.5cm，若所述M模式膈肌超声图像每个像素代表0.05mm，则0.5cm即对应于图像中100像素高度。使用合适的滤波器可从图像中定位到膈肌的胸膜所处的纵坐标，再上下拓展相应数目像素的距离，进而可估计出膈肌上下边界的位置。由于通过匹配滤波信号处理方法对所述M模式膈肌超声图像进行深度定位的方法属于现有技术，本实施例在此不做过多赘述。

此外，本发明实施例还提出一种膈肌厚度自动测量装置，参照图9，所述膈肌厚度自动测量装置900包括：

图像采集单元10，用于采集M模式下不小于1个完整呼吸周期的所述M模式膈肌超声图像；

膈肌定位单元20，用于通过第一卷积神经网络模型对所述M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像；

膈肌分割单元30，用于通过第二卷积神经网络模型对所述局部膈肌区域图像进行分割，获取膈肌掩膜；

厚度测量单元40，用于根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。

所述厚度测量单元40，还用于根据呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值计算得到膈肌增厚分数；其中，所述膈肌增厚分数公式为：

通过本发明实施例，可以自动地定位并分割出膈肌区域，进而准确定位出膈肌吸气末和呼气末的时刻，实现了对应时刻膈肌厚度的自动测量，从而为可以自动计算出膈肌增厚分数提供基础，减少了医疗专家资源的投入，减少了诊断时长，并且提升了诊断结果的精度。

需要说明的是，上述装置中的各单元可用于实现上述方法中的各个步骤，同时达到相应的技术效果，本实施例在此不再赘述。

参照图10，图10为本发明实施例方案涉及的硬件运行环境的系统的结构示意图。

如图10所示，该系统可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI、4G、5G接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图10中示出的结构并不构成对系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图10所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及膈肌厚度自动测量程序。

在图10所示的系统中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；系统通过处理器1001调用存储器1005中存储的膈肌厚度自动测量程序，并执行以下操作：

其中，所述膈肌增厚分数公式为

可选地，所述步骤S1包括：

可选地，所述步骤S2包括：

可选地，所述步骤S2还包括：

将所述区域作为所述局部膈肌区域图像。

可选地，所述步骤S3包括：

可选地，所述步骤S4包括：

可选地，所述步骤A1包括：

提取所述上边沿，绘制得到所述上边沿曲线；

提取所述下边沿，绘制得到所述下边沿曲线。

可选地，所述步骤A2包括：

可选地，所述步骤A3包括：

此外，本发明实施例还提出一种计算机可读存储介质，计算机可读存储介质上存储有膈肌厚度自动测量程序，膈肌厚度自动测量程序被处理器执行时实现如下操作：

其中，所述膈肌增厚分数公式为

可选地，所述步骤S1包括：

可选地，所述步骤S2包括：

可选地，所述步骤S2还包括：

将所述区域作为所述局部膈肌区域图像。

可选地，所述步骤S3包括：

可选地，所述步骤S4包括：

可选地，所述步骤A1包括：

提取所述上边沿，绘制得到所述上边沿曲线；

提取所述下边沿，绘制得到所述下边沿曲线。

可选地，所述步骤A2包括：

可选地，所述步骤A3包括：

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，控制器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种膈肌厚度自动测量方法，其特征在于，所述方法包括以下步骤：

S4：根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度；

其中，所述步骤S4包括：

A3：根据呼气末和吸气末的位置计算膈肌在各呼气末、吸气末时刻的膈肌厚度；

其中，所述步骤A2包括：

根据所述参考曲线上波峰和波谷的位置，确定各呼气末、吸气末时刻对应在膈肌上的位置，包括：

根据所述参考曲线上波峰和波谷的位置，修改所述参考曲线之外的上边沿曲线或下边沿曲线中的波峰和波谷位置，使修改后的上边沿曲线或下边沿曲线与所述参考曲线的波峰和波谷位置的横坐标对齐；

根据修改后的上边沿曲线或下边沿曲线与所述参考曲线的波峰和波谷位置，确定各呼气末、吸气末时刻对应在膈肌上的位置。

2.根据权利要求1所述方法，其特征在于，呼气末和吸气末的膈肌厚度包括呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值，所述方法还包括步骤：

其中，所述膈肌增厚分数公式为

式中，η为膈肌增厚分数，L₁为呼气末膈肌厚度的平均值，L₂为吸气末膈肌厚度的平均值。

3.根据权利要求1所述方法，其特征在于，所述步骤S1包括：

4.根据权利要求1所述方法，其特征在于，所述步骤S2包括：

5.根据权利要求4所述方法，其特征在于，所述步骤S2还包括：

将所述区域作为所述局部膈肌区域图像。

6.根据权利要求1所述方法，其特征在于，所述步骤S3包括：

7.根据权利要求1所述方法，其特征在于，所述步骤A1包括：

提取所述上边沿，绘制得到所述上边沿曲线；

提取所述下边沿，绘制得到所述下边沿曲线。

8.根据权利要求1所述方法，其特征在于，所述步骤A3包括：

9.一种膈肌厚度自动测量装置，其特征在于，所述膈肌厚度自动测量装置包括：

厚度测量单元，用于根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度；

其中，所述厚度测量单元，还用于在所述膈肌掩膜中筛选出面积最大的轮廓，获取上边沿和下边沿，绘制得到上边沿曲线和下边沿曲线；对所述上边沿曲线和所述下边沿曲线计算波峰和波谷位置，确定各呼气末和吸气末时刻对应在膈肌上的位置；包括：对所述上边沿曲线和所述下边沿曲线两条曲线进行寻峰，得到所述上边沿曲线和所述下边沿曲线中的波峰和波谷位置；计算所述上边沿曲线和所述下边沿曲线中每个波峰到右侧相邻波谷的落差，得到上边沿曲线的平均振幅和下边沿曲线的平均振幅；比对上边沿曲线的平均振幅和下边沿曲线的平均振幅的大小，将平均振幅更大的曲线作为参考曲线；根据所述参考曲线上波峰和波谷的位置，确定各呼气末、吸气末时刻对应在膈肌上的位置，包括：根据所述参考曲线上波峰和波谷的位置，修改所述参考曲线之外的上边沿曲线或下边沿曲线中的波峰和波谷位置，使修改后的上边沿曲线或下边沿曲线与所述参考曲线的波峰和波谷位置的横坐标对齐；根据修改后的上边沿曲线或下边沿曲线与所述参考曲线的波峰和波谷位置，确定各呼气末、吸气末时刻对应在膈肌上的位置；

所述厚度测量单元，还用于根据呼气末和吸气末的位置计算膈肌在各呼气末、吸气末时刻的膈肌厚度。

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至8中任一项所述的膈肌厚度自动测量方法的步骤。