CN116236225A - 超声测量质控方法及设备 - Google Patents

Abstract

本发明实施例提供一种超声测量质控方法及设备。该方法包括：获取目标组织的超声图像；确定超声图像对应的测量项；基于测量标尺在超声图像上对测量项进行测量，得到测量项的测量值，测量标尺用于指示在超声图像上对测量项进行测量的位置信息；根据标记了测量标尺的超声图像确定测量标尺的标准程度；输出测量标尺的标准程度。本发明实施例的方法，通过测量标尺的标准程度可以实现对测量值准确性的客观评价，通过输出测量标尺的标准程度，便于操作者根据测量标尺的标准程度对测量标尺进行调整，有助于提高测量值的准确性。

Description

超声测量质控方法及设备

技术领域

本发明实施例涉及医用超声成像技术领域，具体涉及一种超声测量质控方法及设备。

背景技术

通过向诊断对象的组织发射超声波，接收由组织返回的超声波的回波，并据此生成组织的超声图像，基于得到的超声图像进行疾病的临床诊断，因为具有高可靠性、快速便捷、实时成像以及可重复检查等优点，逐渐成为当今医学影像检查中应用最广、使用频率最高，同时也是新技术普及应用最快的检查手段。人工智能的迅速发展也进一步推动了超声技术在临床诊疗中的应用。

超声测量的准确性对诊断结果至关重要，例如不规范的产科生长参数测量将会导致胎重计算误差增大。目前超声测量的准确性主要依赖于操作者的主观判断，不同操作者之间的测量误差较大，难以对超声测量的准确性进行客观评价。

发明内容

本发明实施例提供一种超声测量质控方法及设备，用于解决现有方法难以对超声测量的准确性进行客观评价的问题。

第一方面，本发明实施例提供一种超声测量质控方法，包括：

获取目标组织的超声图像；

确定超声图像对应的测量项；

基于测量标尺在超声图像上对测量项进行测量，得到测量项的测量值，测量标尺用于指示在超声图像上对测量项进行测量的位置信息；

根据标记了测量标尺的超声图像确定测量标尺的标准程度；

输出测量标尺的标准程度。

一种实施例中，根据标记了测量标尺的超声图像确定测量标尺的标准程度，包括：

将标记了测量标尺的超声图像输入预训练的第一神经网络模型，以得到测量标尺的标准程度，第一神经网络模型基于标注了测量标尺的标准程度的超声图像训练得到。

一种实施例中，根据标记了测量标尺的超声图像确定测量标尺的标准程度，包括：

确定测量项的测量标准，测量标准用于指示通过超声图像对测量项进行测量时应遵循的几何位置关系；

根据测量标准以及测量标尺的方向、位置和端点确定测量标尺的标准程度。

一种实施例中，所述方法还包括：

根据测量标准以及测量标尺的方向、位置和端点确定导致测量标尺的标准程度降低的原因；

输出第一提示信息，第一提示信息用于指示导致测量标尺的标准程度降低的原因。

一种实施例中，所述方法还包括：

根据测量标尺的标准程度对测量项的测量值进行校正；

输出校正后的测量值。

一种实施例中，根据测量标尺的标准程度对测量项的测量值进行校正，包括：

根据测量标尺的标准程度以及预先建立的测量标尺的标准程度与校正值之间的映射关系，确定测量标尺的标准程度所对应的校正值；

根据测量标尺的标准程度所对应的校正值对测量项的测量值进行校正。

一种实施例中，所述方法还包括：

确定超声图像的切面标准程度；

输出切面标准程度。

一种实施例中，确定超声图像的切面标准程度包括：

将超声图像输入预训练的第二神经网络模型，以得到超声图像的切面标准程度，第二神经网络模型基于标注了切面标准程度的超声图像训练得到。

一种实施例中，确定超声图像的切面标准程度包括：

检测超声图像中包含的关键解剖结构；

根据超声图像的切面类型以及预先建立的切面类型与关键解剖结构之间的对应关系，确定目标关键解剖结构集合；

根据超声图像中包含的关键解剖结构在目标关键解剖结构集合中的加权占比确定超声图像的切面标准程度，其中各关键解剖结构的权重与超声扫查的难易程度负相关。

一种实施例中，所述方法还包括：

根据超声图像中包含的关键解剖结构以及目标关键解剖结构集合确定超声图像中缺失的关键解剖结构；

输出第二提示信息，第二提示信息用于指示超声图像中缺失的关键解剖结构。

一种实施例中，所述方法还包括：

根据测量标尺的标准程度和/或超声图像的切面标准程度对测量项的测量值进行校正；

输出校正后的测量值。

一种实施例中，确定超声图像对应的测量项包括：

将超声图像输入预训练的第三神经网络模型，以得到超声图像对应的切面类型，第三神经网络模型基于标注了切面类型的超声图像训练得到；

根据超声图像对应的切面类型以及预先建立的切面类型与测量项之间的对应关系，确定测量项。

第二方面，本发明实施例提供一种超声成像设备，包括：

超声探头，用于向目标组织发射超声波，并接收由目标组织返回的超声波的回波，基于接收到的超声波的回波输出超声回波信号，超声回波信号中携带有目标组织的解剖结构信息；

发射电路，用于按照设定模式将相应的发射序列输出至超声探头，以控制超声探头发射相应的超声波；

接收电路，用于接收超声探头输出的超声回波信号，输出超声回波数据；

显示器，用于输出可视化信息；

处理器，用于执行如第一方面任一项所述的超声测量质控方法。

第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面任一项的超声测量质控方法。

本发明实施例提供的超声测量质控方法及设备，通过获取目标组织的超声图像；确定超声图像对应的测量项；基于测量标尺在超声图像上对测量项进行测量，得到测量项的测量值，测量标尺用于指示在超声图像上对测量项进行测量的位置信息；根据标记了测量标尺的超声图像确定测量标尺的标准程度；输出测量标尺的标准程度，通过测量标尺的标准程度可以实现对测量值准确性的客观评价，通过输出测量标尺的标准程度，便于操作者根据测量标尺的标准程度对测量标尺进行调整，有助于提高测量值的准确性。

附图说明

图1为本发明一实施例提供的超声成像设备的结构框图；

图2为本发明一实施例提供的超声测量质控方法的流程图；

图3A和图3B为本发明一实施例提供的测量标尺的示意图；

图4为本发明一实施例提供的显示界面示意图；

图5为本发明又一实施例提供的超声测量质控方法的流程图；

图6为本发明又一实施例提供的显示界面示意图；

图7为本发明另一实施例提供的超声测量质控方法的流程图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

如图1所示，本发明提供的超声成像设备可以包括：超声探头20、发射/接收电路30(即发射电路310和接收电路320)、波束合成模块40、IQ解调模块50、存储器60、处理器70和人机交互装置。处理器70可以包括控制模块710和图像处理模块720。

超声探头20包括由阵列式排布的多个阵元组成的换能器(图中未示出)，多个阵元排列成一排构成线阵，或排布成二维矩阵构成面阵，多个阵元也可以构成凸阵列。阵元用于根据激励电信号发射超声波束，或将接收的超声波束变换为电信号。因此每个阵元可用于实现电脉冲信号和超声波束的相互转换，从而实现向人体组织的目标区域(例如本实施例中的目标组织)发射超声波、也可用于接收经组织反射回的超声波的回波。在进行超声检测时，可通过发射电路310和接收电路320控制哪些阵元用于发射超声波束，哪些阵元用于接收超声波束，或者控制阵元分时隙用于发射超声波束或接收超声波束的回波。参与超声波发射的阵元可以同时被电信号激励，从而同时发射超声波；或者参与超声波发射的阵元也可以被具有一定时间间隔的若干电信号激励，从而持续发射具有一定时间间隔的超声波。

本实施例中，用户通过移动超声探头20选择合适的位置和角度向目标组织10发射超声波并接收由目标组织10返回的超声波的回波，获得并输出该回波的电信号，回波的电信号是按以接收阵元为通道所形成的通道模拟电信号，其携带有幅度信息、频率信息和时间信息。

发射电路310用于根据处理器70的控制模块710的控制产生发射序列，发射序列用于控制多个阵元中的部分或者全部向生物组织发射超声波，发射序列参数包括发射用的阵元位置、阵元数量和超声波束发射参数(例如幅度、频率、发射次数、发射间隔、发射角度、波型、聚焦位置等)。某些情况下，发射电路310还用于对发射的波束进行相位延迟，使不同的发射阵元按照不同的时间发射超声波，以便各发射超声波束能够在预定的感兴趣区域聚焦。不同的工作模式，例如B图像模式、C图像模式和D图像模式(多普勒模式)，发射序列参数可能不同，回波信号经接收电路320接收并经后续的模块和相应算法处理后，可生成反映组织解剖结构的B图像、反映组织解剖结构和血流信息的C图像以及反映多普勒频谱图像的D图像。

接收电路320用于从超声探头20接收超声回波的电信号，并对超声回波的电信号进行处理。接收电路320可以包括一个或多个放大器、模数转换器(ADC)等。放大器用于在适当增益补偿之后放大所接收到的超声回波的电信号，模数转换器用于对模拟回波信号按预定的时间间隔进行采样，从而转换成数字化的信号，数字化后的回波信号依然保留有幅度信息、频率信息和相位信息。接收电路320输出的数据可输出给波束合成模块40进行处理，或者，输出给存储器60进行存储。

波束合成模块40和接收电路320信号相连，用于对接收电路320输出的信号进行相应的延时和加权求和等波束合成处理，由于被测组织中的超声波接收点到接收阵元的距离不同，因此，不同接收阵元输出的同一接收点的通道数据具有延时差异，需要进行延时处理，将相位对齐，并将同一接收点的不同通道数据进行加权求和，得到波束合成后的超声图像数据，波束合成模块40输出的超声图像数据也称为射频数据(RF数据)。波束合成模块40将射频数据输出至IQ解调模块50。在有的实施例中，波束合成模块40也可以将射频数据输出至存储器60进行缓存或保存，或将射频数据直接输出至处理器70的图像处理模块720进行图像处理。

波束合成模块40可以采用硬件、固件或软件的方式执行上述功能，例如，波束合成模块40可以包括能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理芯片或其他任何电子部件，当波束合成模块40采用软件方式实现时，其可以执行存储在有形和非暂态计算机可读介质(例如，存储器60)上的指令，以使用任何适当波束合成方法进行波束合成计算。

IQ解调模块50通过IQ解调去除信号载波，提取信号中包含的组织结构信息，并进行滤波去除噪声，此时获取的信号称为基带信号(IQ数据对)。IQ解调模块50将IQ数据对输出至处理器70的图像处理模块720进行图像处理。在有的实施例中，IQ解调模块50还将IQ数据对输出至存储器60进行缓存或保存，以便图像处理模块720从存储器60中读出数据进行后续的图像处理。

处理器70用于配置成能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理器、图形控制器电路(GPU)或其他任何电子部件，其可以根据输入的指令或预定的指令对外围电子部件执行控制，或对存储器60执行数据读取和/或保存，也可以通过执行存储器60中的程序对输入数据进行处理，例如根据一个或多个工作模式对采集的超声数据执行一个或多个处理操作，处理操作包括但不限于调整或限定超声探头20发出的超声波的形式，生成各种图像帧以供后续人机交互装置的显示器80进行显示，或者调整或限定在显示器80上显示的内容和形式，或者调整在显示器80上显示的一个或多个图像显示设置(例如超声图像、界面组件、定位感兴趣区域)。

图像处理模块720用于对波束合成模块40输出的数据或IQ解调模块50输出的数据进行处理，以生成扫描范围内的信号强弱变化的灰度图像，该灰度图像反映组织内部的解剖结构，称为B图像。图像处理模块720可以将B图像输出至人机交互装置的显示器80进行显示。

人机交互装置用于进行人机交互，即接收用户的输入和输出可视化信息；其接收用户的输入可采用键盘、操作按钮、鼠标、轨迹球等，也可以采用与显示器集成在一起的触控屏；其输出可视化信息采用显示器80。

存储器60可以是有形且非暂态的计算机可读介质，例如可为闪存卡、固态存储器、硬盘等，用于存储数据或者程序，例如，存储器60可以用于存储所采集的超声数据或处理器70所生成的暂不立即显示的图像帧，或者存储器60可以存储图形用户界面、一个或多个默认图像显示设置、用于处理器、波束合成模块或IQ解码模块的编程指令。

需要说明的是，图1所示的结构仅为示意，还可以包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件和/或软件实现。图1所示的超声成像设备可以用于执行本发明任一实施例所提供的超声测量质控方法。

请参考图2，本发明一实施例提供的超声测量质控方法可以包括：

S201、获取目标组织的超声图像。

本实施例中既可以通过移动超声成像设备的超声探头以合适的位置和角度向目标组织发射超声波，并接收目标组织返回的超声回波，然后根据超声回波生成目标组织的超声图像；也可以从存储设备中读取预先存储的目标组织的超声图像。

S202、确定超声图像对应的测量项。

一种可选的实施方式中，在得到目标组织的超声图像之后，可以根据医生的操作来确定超声图像所对应的测量项。例如当医生判断超声图像为丘脑切面时，手动启动头围、双顶径、枕额径等测量项；当判断超声图像为腹部切面时，手动启动腹围等测量项；当判断超声图像为肱骨、股骨切面时，手动启动肱骨、股骨等测量项。

另一种可选的实施方式中，可以通过识别超声图像对应的切面类型，从而确定测量项。具体的，可以基于深度学习方法识别切面类型。如可以将超声图像输入预训练的第三神经网络模型，以得到超声图像对应的切面类型，第三神经网络模型基于标注了切面类型的超声图像训练得到；根据超声图像对应的切面类型以及预先建立的切面类型与测量项之间的对应关系，确定测量项。

第三神经网络模型可以采用卷积神经网络实现，卷积神经网络由堆叠的卷积层和全连接层组成，前者用于提取特征，后者用于完成图像分类得到切面类型。其中，全连接层也可用支持向量机(Support Vector Machines，SVM)等传统判别器替代完成分类。卷积神经网络例如可以采用AlexNet、Vgg、MobileNet等。本实施例中需要根据临床标准预先建立切面类型与测量项之间的对应关系，如丘脑切面对应头围、双顶径和枕额径，腹部切面对应腹围。当第三神经网络模型输出超声图像对应的切面类型为腹部切面时，根据该对应关系，便可以确定测量项为腹围。

S203、基于测量标尺在超声图像上对测量项进行测量，得到测量项的测量值，测量标尺用于指示在超声图像上对测量项进行测量的位置信息。

本实施例中在获取超声图像并确定测量项之后，便可以在超声图像上对测量项进行测量了。在进行测量时，通过测量标尺来指示在超声图像上对测量项进行测量的位置信息。图3A和图3B中的虚线示出了在测量胎儿颅脑双顶径(Biparietal Diameter，BPD)时的两种测量标尺。

本实施例中并不限制对测量项进行测量的具体实现方式，既可以采用手动测量也可以采用自动测量。例如可以直接在超声图像上基于测量标尺进行手动测量；也可以通过图像分割或者回归的方法自动获取测量项的值。当采用图像分割方法时，首先需要分割出超声图像中的特定部位及该部位内部所包含的关键解剖结构。一种可选的实施方式中，可以采用语义分割网络进行分割，语义分割网络通常采用全卷积形式，先通过连续的卷积层缩小图像分辨率，充分提取图像特征，再加入反卷积层或插值操作将分辨率恢复至输入尺寸，从而预测图像中每个像素的类别，常用的语义分割网络有FCN、U-Net、DeepLab系列等。另外一种可选的实施方式为传统图像分割方法，常用方法有LevelSet、Grab Cut、Snake等。然后根据分割结果，在超声图像中基于测量标尺自动测出测量项的值。当采用回归方法时，首先需要回归超声图像中特定部位的形状参数或长度，确定目标的轮廓，然后通过计算轮廓的周长、直径、长度等几何指标，自动得到测量项的值。例如在腹围测量的过程中，可以将腹部轮廓近似成一个椭圆，通过回归椭圆的长短轴长度、中心点坐标以及相对水平方向的旋转角度，就能确定该椭圆，其周长近似等于腹围。回归方法既可以采用多元线性回归、岭回归、支持向量回归等机器学习回归模型，也可用卷积神经网络实现端到端的参数预测。

S204、根据标记了测量标尺的超声图像确定测量标尺的标准程度。

如图3A和图3B所示，当测量标尺不同时，得到测量项的测量值也不相同。在测量胎儿颅脑的双顶径时，测量标尺需要与脑中线垂直，由此可知图3B中的测量标尺是符合测量规范的，得到的双顶径的测量值也更加准确，而图3A中的测量标尺是不符合测量规范的，得到的双顶径的测量值也不够准确，易导致胎重误差的增大。可以通过测量标尺的标准程度来客观地评价测量值的准确性，因此对测量标尺的标准程度进行评定具有重要意义。根据标记了测量标尺的超声图像确定测量标尺的标准程度时，既可以以临床标准为依据，根据各测量项的测量标准自动确定，也可以采用深度学习方法自动确定。

一种可选的实施方式中，根据标记了测量标尺的超声图像确定测量标尺的标准程度可以包括：确定测量项的测量标准，测量标准用于指示通过超声图像对测量项进行测量时应遵循的几何位置关系；根据测量标准以及测量标尺的方向、位置和端点确定测量标尺的标准程度。临床中各个测量项都有需要严格遵循的测量标准，例如BPD测量时，测量标尺需要与脑中线垂直；头围测量时，测量标尺应该位于颅骨光环的外侧；腹围测量时，测量标尺应该包含皮肤边缘；颈后透明层(Nuchal Translucency，NT)测量时，测量标尺应该垂直于颈后透明层；股骨测量时，测量标尺应该位于股骨的两端等。在确定测量项的测量标准之后，便可以根据测量标准以及测量标尺的方向、位置和端点确定测量标尺的标准程度。以测量颅脑切面的BPD为例，可以通过目标检测算法确定双顶径的两个端点及其连线，当测量标尺的端点与双顶径的两个端点距离越近，测量标尺与其连线之间的夹角越小时，测量标尺的标准程度就越高。

另一种可选的实施方式中，根据标记了测量标尺的超声图像确定测量标尺的标准程度可以包括：将标记了测量标尺的超声图像输入预训练的第一神经网络模型，以得到测量标尺的标准程度，第一神经网络模型基于标注了测量标尺的标准程度的超声图像训练得到。在训练之前，可以由资深的临床医生对样本库中标记了测量标尺的超声图像中测量标尺的标准程度进行评分，以确定训练标签，标签值例如可以位于区间[0，1]，值越大则标准程度越高。然后基于标注了测量标尺的标准程度的超声图像对第一神经网络模型进行训练，第一神经网络模型可以在常见的分类网络如AlexNet、Vgg、MobileNet等的基础上，将最后一层全连接层的输出神经元个数修改为1，则输出值即为测量标尺的标准程度评分。

本实施例中测量标尺的标准程度既可以采用标准程度评分来表示，例如采用0～100的整数或者0～1的小数来表示测量标尺的标准程度，数值越大则标准程度越高；也可以采用标准程度评级来表示，例如可以用高、中和低共3个等级，或者标准与不标准2个等级，或者可以用1～10共10个等级，数值越大则表示标准程度越高。

S205、输出测量标尺的标准程度。

本实施例中在确定测量标尺的标准程度之后，便可以通过文字、语音、图形等方式输出测量标尺的标准程度。例如可以在与标记了测量标尺的超声图像的同一显示界面中显示测量标尺的标准程度，具体的可以在标记了测量标尺的超声图像上以文字的形式输出表示测量标尺标准程度的评分或者评级。

本实施例提供的超声测量质控方法，通过获取目标组织的超声图像；确定超声图像对应的测量项；基于测量标尺在超声图像上对测量项进行测量，得到测量项的测量值，测量标尺用于指示在超声图像上对测量项进行测量的位置信息；根据标记了测量标尺的超声图像确定测量标尺的标准程度；输出测量标尺的标准程度，通过测量标尺的标准程度可以实现对测量值准确性的客观评价，通过输出测量标尺的标准程度，便于操作者根据测量标尺的标准程度对测量标尺进行调整，有助于提高测量值的准确性。

在上述实施例的基础上，为了便于指导操作者对测量标尺的调整，以加速测量过程，进一步提高测量值的准确性，本实施例提供的方法还可以包括：根据测量标准以及测量标尺的方向、位置和端点确定导致测量标尺的标准程度降低的原因；输出第一提示信息，第一提示信息用于指示导致测量标尺的标准程度降低的原因。仍以BPD测量为例，如图4所示为用于进行BPD测量的颅脑切面的超声图像，根据上述实施例提供的方法得到图4中测量标尺的标准程度评分为0.68(区间为[0，1])，可知测量标尺的标准程度偏低，需要对其调整。此时可以根据测量标准以及测量标尺的方向、位置和端点确定导致测量标尺的标准程度降低的原因，BPD测量标准规定BPD测量时，测量标尺要与脑中线垂直，根据图4中测量标尺的方向、位置和端点便可以确定是由于测量标尺与脑中线不垂直导致了测量标尺的标准程度降低，因此可以在显示界面上输出第一提示信息：测量标尺与脑中线不垂直，以指导操作者如何调整测量标尺。

请参考图5，为了进一步提高测量值的准确性，本实施例提供的方法在图2所示实施例的基础上，还可以包括：

S501、根据测量标尺的标准程度对测量项的测量值进行校正。

测量标尺的标准程度可以客观地评价测量项的测量值的准确性：测量标尺的标准程度评分越高，则测量值的准确性也越高，即测量值越接近真实值；测量标尺的标准程度评分越低，则测量值的准确性也越低，即测量值偏离真实值。因此可以根据测量标尺的标准程度对测量项的测量值进行校正，以使测量值更加接近真实值。

一种可选的实施方式中，根据测量标尺的标准程度对测量项的测量值进行校正可以包括：根据测量标尺的标准程度以及预先建立的测量标尺的标准程度与校正值之间的映射关系，确定测量标尺的标准程度所对应的校正值；根据测量标尺的标准程度所对应的校正值对测量项的测量值进行校正。可以预先根据历史测量数据建立测量标尺的标准程度与校正值之间的映射关系，可以理解的是，校正值与测量标尺的标准程度负相关，即测量标尺的标准程度评分越高，则校正值越小；测量标尺的标准程度评分越低，则校正值越大。映射关系例如可以采用表格、映射函数等表示。

S502、输出校正后的测量值。

本实施例中既可以将校正前的测量值和校正后的测量值以可对比的方式进行显示，例如显示在同一显示界面中；也可以用校正后的测量值直接替换校正前的测量值。

本实施例提供的超声测量质控方法，在上述实施例的基础上，根据测量标尺的标准程度对测量项的测量值进行校正，并输出校正后的测量值，进一步提高了测量值的准确性。

除了测量标尺的标准程度，超声图像的切面标准程度也是影响超声测量准确性的重要因素之一。因此在上述任一实施例的基础上，本实施例提供的超声测量质控方法还可以包括：确定超声图像的切面标准程度；输出切面标准程度。可以根据超声图像中所包含的关键解剖结构来确定切面标准程度，也可以根据超声图像整体来确定切面标准程度。本实施例中切面标准程度既可以采用标准程度评分来表示，例如采用0～100的整数或者0～1的小数来表示切面标准程度，数值越大则标准程度越高；也可以采用标准程度评级来表示，例如可以用高、中和低共3个等级，或者标准与不标准2个等级，或者可以用1～10共10个等级，数值越大则表示标准程度越高。

一种可选的实施方式中，确定超声图像的切面标准程度可以包括：将超声图像输入预训练的第二神经网络模型，以得到超声图像的切面标准程度，第二神经网络模型基于标注了切面标准程度的超声图像训练得到。在训练之前，可以由资深的临床医生对样本库中超声图像的切面标准程度进行评分，以确定训练标签，标签值例如可以位于区间[0，1]，值越大则标准程度越高。然后基于标注了切面标准程度评分的超声图像对第二神经网络模型进行训练。本实施例并不限定第二神经网络模型的网络结构，第二神经网络模型以超声图像作为输入，输出切面标准程度评分，根据整幅超声图像端到端地确定超声图像的切面标准程度。

又一种可选的实施方式中，确定超声图像的切面标准程度可以包括：检测超声图像中包含的关键解剖结构；根据超声图像的切面类型以及预先建立的切面类型与关键解剖结构之间的对应关系，确定目标关键解剖结构集合；根据超声图像中包含的关键解剖结构在目标关键解剖结构集合中的加权占比确定超声图像的切面标准程度，其中各关键解剖结构的权重与超声扫查的难易程度负相关。

本实施例中首先需要检测超声图像中所包含的关键解剖结构，检测结果的形式可以根据实际需要进行设定，例如可以是包含关键解剖结构的感兴趣区域(Region ofInterest，ROI)矩形框，也可以是对关键解剖结构进行精确分割的掩码(Mask)。具体可以采用以下方法从超声图像中检测出所包含的关键解剖结构：1)采用传统的基于滑窗的方法。首先对滑窗内的区域进行特征提取，特征提取既可以采用传统的主成分分析(PrincipalComponent Analysis，PCA)、线性判别分析(Linear Discriminant Analysis，LDA)、Haar特征、纹理特征等，也可以采用深度神经网络来进行特征提取，然后将提取到的特征和数据库进行匹配，可以用K最近邻(K-Nearest Neighbor，KNN)、支持向量机(Support VectorMachine，SVM)、随机森林等判别器进行分类，以确定当前滑窗是否为包含关键解剖结构的感兴趣区域，若是同时还可以确定该关键解剖结构对应的类别。2)采用基于深度学习的目标检测算法。根据是否使用先验框，又可以分为有锚点(anchor-based)和无锚点(anchor-free)两大类。其中，anchor-based通常利用连续的卷积层和降采样提取图像特征，获得低分辨率特征图；在低分辨率特征图的每个点处设置一定尺度和宽高比的先验框；在最后加上全连接层来回归关键解剖结构的外接矩形框，并预测其类别，例如可以采用R-CNN、FastR-CNN、Faster-RCNN、SSD、YOLO、RetinaNet等网络模型。基于anchor-free的方法又可分为两类，第一类将目标矩形框内部的像素点作为正样本点，回归这些点到矩形框四条边的距离，具有代表性的网络有FCOS、CenterNet、FSAF等；第二类通过回归位于目标矩形框边界上的关键点来获得检测结果，具有代表性的网络有CornorNet、ExtremeNet、RepPoints等。3)采用基于深度学习的实例分割算法。在基于深度学习的目标检测算法为基础，加上额外的卷积层来预测关键解剖结构的掩码，同时依然输出关键解剖结构的目标矩形框和类别，可以采用Mask R-CNN、Yolact、CenterMask等网络模型。

不同的切面类型包含着不同的关键解剖结构，例如颅脑的冠状面包含颅骨光环、丘脑、透明隔腔、大脑外侧裂等关键解剖结构，腹部的横断面包含胃泡、脐静脉、腹主动脉、下腔静脉等关键解剖结构。基于此可以预先建立切面类型与关键解剖结构之间的对应关系。在获取目标组织的超声图像之后，可以先识别出超声图像的切面类型，然后根据切面类型以及预先建立的对应关系，便可以确定该超声图像对应的目标关键解剖结构集合，目标关键解剖结构集合指示了当前超声图像中应当包含的关键解剖结构。例如当超声图像的切面类型为颅脑的冠状面时，则目标关键解剖结构集合包括颅骨光环、丘脑、透明隔腔和大脑外侧裂。

可以根据超声图像中所包含的关键解剖结构在目标关键解剖结构集合中的加权占比来确定超声图像的切面标准程度评分。在进行加权时，各个关键解剖结构的权重与超声扫查的难易程度负相关。例如对于胎儿腹部的横断面而言，通常腹主动脉和下腔静脉是较难扫查成像的关键解剖结构，应给予较低的权重；而胃泡和脐静脉相对容易扫查到，应给予较高的权重，以便拉开标准切面与不标准切面之间的评分差距。

请参考图6，图6所示为胎儿颅脑冠状面的超声图像，在该图像中检测到了丘脑、颅骨光环和大脑外侧裂共3个关键解剖结构，但是未能检测到透明隔腔。根据本实施例提供的根据超声图像中包含的关键解剖结构在目标关键解剖结构集合中的加权占比确定该超声图像的切面标准程度评分为0.78。在图6中以文字的形式显示了切面标准程度评分；以矩形框的形式标识了检测到的关键解剖结构的位置，以文字的形式显示了检测到的关键解剖结构的名称。

在上述实施例的基础上，为了便于指导操作者获取更为标准的切面超声图像，还可以根据超声图像中包含的关键解剖结构以及目标关键解剖结构集合确定超声图像中缺失的关键解剖结构；输出第二提示信息，第二提示信息用于指示超声图像中缺失的关键解剖结构。仍以图6所示胎儿颅脑冠状面的超声图像为例，根据在该图像中检测到的丘脑、颅骨光环和大脑外侧裂，以及该切面对应的目标关键解剖结构集合：颅骨光环、丘脑、透明隔腔和大脑外侧裂，可以确定该图像中缺失的关键解剖结构为透明隔腔，进一步的还可以在图6中输出如“透明隔腔未显示”的第二提示信息，以便指导操作者获取标准程度评分更高的切面超声图像。

为了进一步提高测量值的准确性，在上述实施例的基础上，还可以进一步地根据测量标尺的标准程度和/或超声图像的切面标准程度对测量项的测量值进行校正；输出校正后的测量值。

图7为本发明另一实施例提供的超声测量质控方法的流程图。如图7所示，本实施例提供的方法可以包括：

S701、获取目标组织的超声图像。

S702、确定超声图像对应的测量项。

S703、基于测量标尺在超声图像上对测量项进行测量，得到测量项的测量值。

S704、根据标记了测量标尺的超声图像确定测量标尺的标准程度。

S705、确定超声图像的切面标准程度。

S706、输出测量标尺的标准程度和切面标准程度。

本实施例中各步骤的具体实现方式可以参考上述实施例，此处不再赘述。需要说明的是，本实施例中并不限定步骤S704与S705执行的先后顺序。

本文参照了各种示范实施例进行说明。然而，本领域的技术人员将认识到，在不脱离本文范围的情况下，可以对示范性实施例做出改变和修正。例如，各种操作步骤以及用于执行操作步骤的组件，可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。

另外，如本领域技术人员所理解的，本文的原理可以反映在计算机可读存储介质上的计算机程序产品中，该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用，包括磁存储设备(硬盘、软盘等)、光学存储设备(CD-ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器，使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行，这样存储在计算机可读存储器中的指令就可以形成一件制造品，包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上，从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程，使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。

虽然在各种实施例中已经示出了本文的原理，但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。

前述具体说明已参照各种实施例进行了描述。然而，本领域技术人员将认识到，可以在不脱离本披露的范围的情况下进行各种修正和改变。因此，对于本披露的考虑将是说明性的而非限制性的意义上的，并且所有这些修改都将被包含在其范围内。同样，有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而，益处、优点、问题的解决方案以及任何能产生这些的要素，或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体，皆属于非排他性包含，这样包括要素列表的过程、方法、文章或设备不仅包括这些要素，还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外，本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (14)

1.一种超声测量质控方法，其特征在于，包括：

获取目标组织的超声图像；

确定所述超声图像对应的测量项；

基于测量标尺在所述超声图像上对所述测量项进行测量，得到所述测量项的测量值，所述测量标尺用于指示在所述超声图像上对所述测量项进行测量的位置信息；

根据标记了测量标尺的超声图像确定所述测量标尺的标准程度；

输出所述测量标尺的标准程度。

2.如权利要求1所述的方法，其特征在于，所述根据标记了测量标尺的超声图像确定所述测量标尺的标准程度，包括：

将所述标记了测量标尺的超声图像输入预训练的第一神经网络模型，以得到所述测量标尺的标准程度，所述第一神经网络模型基于标注了测量标尺的标准程度的超声图像训练得到。

3.如权利要求1所述的方法，其特征在于，所述根据标记了测量标尺的超声图像确定所述测量标尺的标准程度，包括：

确定所述测量项的测量标准，所述测量标准用于指示通过超声图像对所述测量项进行测量时应遵循的几何位置关系；

根据所述测量标准以及所述测量标尺的方向、位置和端点确定所述测量标尺的标准程度。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述测量标准以及所述测量标尺的方向、位置和端点确定导致所述测量标尺的标准程度降低的原因；

输出第一提示信息，所述第一提示信息用于指示导致所述测量标尺的标准程度降低的原因。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述测量标尺的标准程度对所述测量项的测量值进行校正；

输出校正后的测量值。

6.如权利要求5所述的方法，其特征在于，所述根据所述测量标尺的标准程度对所述测量项的测量值进行校正，包括：

根据所述测量标尺的标准程度以及预先建立的测量标尺的标准程度与校正值之间的映射关系，确定所述测量标尺的标准程度所对应的校正值；

根据所述测量标尺的标准程度所对应的校正值对所述测量项的测量值进行校正。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述超声图像的切面标准程度；

输出所述切面标准程度。

8.如权利要求7所述的方法，其特征在于，所述确定所述超声图像的切面标准程度包括：

将所述超声图像输入预训练的第二神经网络模型，以得到所述超声图像的切面标准程度，所述第二神经网络模型基于标注了切面标准程度的超声图像训练得到。

9.如权利要求7所述的方法，其特征在于，所述确定所述超声图像的切面标准程度包括：

检测所述超声图像中包含的关键解剖结构；

根据所述超声图像的切面类型以及预先建立的切面类型与关键解剖结构之间的对应关系，确定目标关键解剖结构集合；

根据所述超声图像中包含的关键解剖结构在所述目标关键解剖结构集合中的加权占比确定所述超声图像的切面标准程度，其中各关键解剖结构的权重与超声扫查的难易程度负相关。

10.如权利要求9所述的方法，其特征在于，所述方法还包括：

根据所述超声图像中包含的关键解剖结构以及所述目标关键解剖结构集合确定所述超声图像中缺失的关键解剖结构；

输出第二提示信息，所述第二提示信息用于指示所述超声图像中缺失的关键解剖结构。

11.如权利要求7所述的方法，其特征在于，所述方法还包括：

根据所述测量标尺的标准程度和/或所述超声图像的切面标准程度对所述测量项的测量值进行校正；

输出校正后的测量值。

12.如权利要求1-11任一项所述的方法，其特征在于，所述确定所述超声图像对应的测量项包括：

将所述超声图像输入预训练的第三神经网络模型，以得到所述超声图像对应的切面类型，所述第三神经网络模型基于标注了切面类型的超声图像训练得到；

根据所述超声图像对应的切面类型以及预先建立的切面类型与测量项之间的对应关系，确定测量项。

13.一种超声成像设备，其特征在于，包括：

超声探头，用于向目标组织发射超声波，并接收由所述目标组织返回的超声波的回波，基于接收到的超声波的回波输出超声回波信号，所述超声回波信号中携带有所述目标组织的解剖结构信息；

发射电路，用于按照设定模式将相应的发射序列输出至所述超声探头，以控制所述超声探头发射相应的超声波；

接收电路，用于接收所述超声探头输出的超声回波信号，输出超声回波数据；

显示器，用于输出可视化信息；

处理器，用于执行如权利要求1-12任一项所述的超声测量质控方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-12任一项所述的超声测量质控方法。

Images