CN117100318A - 一种超声探头导航方法、系统、介质及设备 - Google Patents

一种超声探头导航方法、系统、介质及设备 Download PDF

Info

Publication number
CN117100318A
CN117100318A CN202311327922.9A CN202311327922A CN117100318A CN 117100318 A CN117100318 A CN 117100318A CN 202311327922 A CN202311327922 A CN 202311327922A CN 117100318 A CN117100318 A CN 117100318A
Authority
CN
China
Prior art keywords
section
heart
ultrasonic
human body
key points
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
Application number
CN202311327922.9A
Other languages
English (en)
Inventor
刘治
李一然
曹艳坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN202311327922.9A priority Critical patent/CN117100318A/zh
Publication of CN117100318A publication Critical patent/CN117100318A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/40—Positioning of patients, e.g. means for holding or immobilising parts of the patient's body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/42—Details of probe positioning or probe attachment to the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/42—Details of probe positioning or probe attachment to the patient
    • A61B8/4245—Details of probe positioning or probe attachment to the patient involving determining the position of the probe, e.g. with respect to an external reference frame or to the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4444—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to the probe
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明属于医学图像处理技术领域，针对手动调整超声探头的方法对操作者的依赖性强的问题，提供了一种超声探头导航方法、系统、介质及设备，包括：对心脏超声切面进行识别，并进行心脏超声切面的分类，得到心脏超声切面所属的类别；计算心脏超声切面参数，并与标准切面的参数对比，判断心脏超声切面是否为标准切面，若是，则输出心脏超声切面及其所属的类别；否则，将被试人的所有人体关键点的自由度数值，与标准切面的采集所需的所有人体关键点的自由度数值进行比对，利用每个自由度上的差值信息，判断超声探头在每个自由度上需要移动的角度和距离。让经验较少的使用者较为轻松的获取高质量的超声心动图切面，减轻了医生负担。

Description

一种超声探头导航方法、系统、介质及设备
技术领域
本发明属于医学图像处理技术领域，尤其涉及一种超声探头导航方法、系统、介质及设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
超声心动图是最常见的心脏成像方式，在诊断心脏器质性病变和心脏功能方面起到了重要的效果。面对超声科高水平医生短缺、不同设备精度存在差异等诸多问题，在许多临床环境中获取的超声心动图存在非诊断性和误导性成像的风险，会因为超声心动图质量欠缺造成医生误诊。除此之外，如果单纯的依靠专业超声医生进行图像采集和分析，在耗费大量人力物力的同时会增加时间成本。而且，医生手动调整超声探头的方法，对于操作者的依赖性强，受制于人脑、人眼和人手的生理性局限，在进行复查时，无法保证探头与前一次探查时处在同一个部位。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种超声探头导航方法、系统、介质及设备，减少了对操作者的依赖，让经验较少的使用者较为轻松的获取高质量的超声心动图切面，减轻了医生负担，而且在多次探查时，能保证探头处在同一个部位。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种超声探头导航方法，其包括：
获取被试人的人体关键点，判断出被试人的人体姿态，以使数据采集装置在被试人的人体姿态符合标准姿态时，采集被试人的心脏超声切面；
采用切面识别算法对心脏超声切面进行识别，并基于切面识别结果，进行心脏超声切面的分类，得到心脏超声切面所属的类别；
计算心脏超声切面参数，并与所述心脏超声切面所属的类别对应的标准切面的参数对比，判断心脏超声切面是否为标准切面，若是，则输出心脏超声切面及其所属的类别；否则，将被试人的所有人体关键点的自由度数值，与所述心脏超声切面所属的类别对应的标准切面的采集所需的所有人体关键点的自由度数值进行比对，利用每个自由度上的差值信息，判断超声探头在每个自由度上需要移动的角度和距离。
进一步地，所述被试人的人体关键点的获取步骤为：
获取被试人的视频；
分割出视频中每一帧图像中的人体图像；
在人体图像内，将人体关节点与标准的人体姿态估计关键点进行拟合，实现人体关键点标定。
进一步地，所述判断出被试人的人体姿态的具体步骤为：
建立以头部关键点为原点的人体姿态坐标系，计算出被试人的所有人体关键点的坐标；
基于人体关键点的坐标，计算出人体关键点的自由度数值、人体关键点的角度和距离的偏移量、不同关键点之间的位置关系，进而判断被试人的姿态。
进一步地，在所述判断心脏超声切面是否为标准切面的具体方法为：
对被试人的心脏超声切面中的心房和心室进行分割；
计算得到被试人的心脏超声切面中的心房和心室的长宽比和面积，并与所述心脏超声切面所属的类别对应的标准切面的参数进行对比。
进一步地，若切面识别结果为所述被试人的心脏超声切面为心脏切面，则采用生成式对抗网络对心脏超声切面进行特征提取和分类。
进一步地，所述切面识别算法为支持向量机、极限学习机、最邻近节点算法、小波变换、傅立叶变换或神经网络。
进一步地，所述心脏超声切面所属的类别包括：胸骨旁左室长轴切面、四腔心切面、二腔心切面、五强心切面、二尖瓣水平切面和大动脉段短轴切面。
本发明的第二个方面提供一种超声探头导航系统，其包括：
人体姿态判断模块，其被配置为：获取被试人的人体关键点，判断出被试人的人体姿态，以使数据采集装置在被试人的人体姿态符合标准姿态时，采集被试人的心脏超声切面；
分类模块，其被配置为：采用切面识别算法对心脏超声切面进行识别，并基于切面识别结果，进行心脏超声切面的分类，得到心脏超声切面所属的类别；
输出模块，其被配置为：计算心脏超声切面参数，并与所述心脏超声切面所属的类别对应的标准切面的参数对比，判断心脏超声切面是否为标准切面，若是，则输出心脏超声切面及其所属的类别；否则，将被试人的所有人体关键点的自由度数值，与所述心脏超声切面所属的类别对应的标准切面的采集所需的所有人体关键点的自由度数值进行比对，利用每个自由度上的差值信息，判断超声探头在每个自由度上需要移动的角度和距离。
进一步地，所述切面识别算法为支持向量机、极限学习机、最邻近节点算法、小波变换、傅立叶变换或神经网络。
进一步地，所述心脏超声切面所属的类别包括：胸骨旁左室长轴切面、四腔心切面、二腔心切面、五强心切面、二尖瓣水平切面和大动脉段短轴切面。
本发明的第三个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，该程序被处理器执行时实现如上述所述的一种超声探头导航方法中的步骤。
本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种超声探头导航方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供了一种超声探头导航方法，其在心脏超声切面的采集及其所属的类别的判断中，自动判断被试人的人体姿态符合标准姿态、并计算数据采集装置的移动信息，减少了对操作者的依赖，让经验较少的使用者较为轻松的获取高质量的超声心动图切面，减轻了医生负担，使得超声诊断更加智能、高效，而且在多次探查时，能保证探头处在同一个部位。
附图说明
构成本发明的一部分说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的限定。
图1是本发明实施例一的一种超声探头导航方法流程图；
图2是本发明实施例一的动作捕捉的流程图；
图3是本发明实施例一的生成式对抗网络的结构图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步地说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供了一种超声探头导航方法，如图1所示，包括以下步骤：
步骤1、动作捕捉：通过测距装置和视频动作捕捉装置（或视频采集装置）对病人的人体姿态进行监控，并通过动作捕捉语音提示引导病人至最优姿势。如图2所示，具体包括以下步骤：
步骤101、病人进入捕捉范围后，获取测距装置测量得到的心脏超声图像检测设备（或超声设备或超声装置）与被试人（即病人或人体）的距离。同时，设定一个距离范围，并根据心脏超声图像检测设备与被试人的距离（简称，人体距离），判断出被试人的位置信息（即病人当前位置）。如果人体距离超过设定的距离范围（即设定阈值），则发出动作捕捉语音提示的播放指令给语音提示装置，语音提醒被试人向前或者向后移动；例如，距离大于设定阈值，动作捕捉语音提示的播放指令为“向后移动”；距离小于设定阈值，动作捕捉语音提示的播放指令为“向前移动”。如果人体距离未超过设定的距离范围（即人体距离等于设定阈值），输出病人当前位置，发送视频采集指令给视频采集装置，以使视频采集装置根据病人当前位置采集视频，并语音提示“请保持当前位置”。
步骤102、采用自上而下的方法，根据视频采集装置采集的视频，对人体关键点进行检测，实时标定人体关键点的位置，从而判断出被试人的人体姿态，以使数据采集装置在被试人的人体姿态符合标准姿态时，采集被试人的心脏超声切面。
具体的，视频采集装置接收到视频采集指令后，进行视频采集；获取视频采集装置采集的视频，对视频动作捕捉范围内的人体进行检测，并划定人体的边界框（即对采集的视频中的每一帧数据进行图像分割，分割出每一帧图像中的人体图像）；之后，在边界框划定的范围内，将人体关节点与标准的人体姿态估计关键点进行拟合，实现人体关键点标定（即，对人体图像进行人体关键点识别）；之后，建立以头部关键点为原点的人体姿态坐标系，计算出所有人体关键点的坐标信息，并基于人体关键点的坐标，计算出所有人体关键点的六个自由度数值；之后，基于所有人体关键点的六个自由度数值，计算人体关键点的角度和距离的偏移量；之后，基于人体关键点的坐标，计算得到不同关键点之间的位置关系，判断不同关键点之间的连线是否存在角度弯曲；最后，利用不同关键点之间的连线是否存在角度弯曲、所有人体关键点的六个自由度数值、人体关键点的坐标、以及关键点的角度和距离的偏移量，判断出当前人体姿态。例如，人体脚踝、膝盖和大腿对应的关键点的连线呈180°时，人体姿态则处于直立状态，且结合关键点自由度中的坐标数值可判断出站立或者躺卧；同理，若连线成90°且结合坐标数值，即可判断人体处于坐立状态。
其中，对于输入图像X，令为人体关键点的六个自由度数值，R代表角度，T代表坐标，x、y、z为人体姿态坐标系的三个方向，则关键点角度和距离的偏移量B如下所示，/>和/>分别是实时关键点自由度和标准切面关键点自由度数值：
步骤103、根据当前人体姿态与标准姿态的比对结果，发送语音播放指令给语音提示装置，进行动作捕捉语音提示，提示被试人站立、转身、躺下或者翻身。例如，捕捉并判断当前人体姿态是否为侧躺（标准姿态），若不是，语音播放指令为“请侧躺”；若当前人体姿态符合超声采集标准（标准姿态），则语音提示“超声采集开始，请保持当前姿势”，同时发送图像采集指令给数据采集装置。
步骤2、数据采集装置采集病人的心脏超声图像（或超声心动图或心脏超声切面）。具体的，数据采集装置在接收到图像采集指令后，进行心脏超声图像采集。
数据采集装置包括但不限于超声诊断仪和便携式超声采集仪等，数据采集装置采用主机+探头的产品形式，通过超声探头对心脏超声切面进行采集。
步骤3、特征分析：采用切面识别算法对采集的心脏超声图像进行切面识别，得到切面识别结果（即采集的心脏超声图像是否为心脏切面的结果）；基于切面识别结果，采用生成式对抗网络提取心脏超声切面的特征，得到切面特征，并基于切面特征，得到心脏超声切面所属的类别（分类结果），即特征提取；计算心脏超声图像参数，并与得到的类别对应的标准切面的参数对比，判断心脏超声切面是否为标准切面，即特征检测；若是，则输出心脏超声切面及其所属的类别；否则，结合所述人体关键点和所述心脏超声切面所属的类别，计算数据采集装置的移动信息，即数据分析。
其中，切面识别算法包括但不限于支持向量机、极限学习机、最邻近节点算法、小波变换、傅立叶变换和神经网络等切面识别算法。
其中，若切面识别结果采集的心脏超声图像为心脏切面，采用迁移学习领域中的生成式对抗网络对心脏超声切面进行特征提取和分类。如图3所示，生成式对抗网络由卷积神经网络构成生成器和判别器，并利用子空间对齐网络实现生成性约束。采用生成式对抗网络提取心脏超声切面的特征的具体步骤包括：
（1）利用卷积神经网络组成的深层特征提取器对心脏超声切面（实时心脏超影像）的深层特征进行提取，提取心脏超声切面的深层特征。
（2）基于心脏超声切面的深层特征，利用生成器和生成特征提取器，得到心脏超声切面的领域不变特征。
其中，生成式对抗网络在训练的过程，利用生成器和判别器进行相互对抗训练。具体的，在生成式对抗网络训练阶段，首先，生成器基于深层特征生成切面图像（即生成器输出影像），并通过生成特征提取器对生成器输出影像进行领域不变特征提取后，和特征提取器提取的心脏超声切面的深层特征共同输入判别器中；其次，基于深层特征或领域不变特征，利用判别器判断当前图像是生成器生成的切面图像还是生成式对抗网络输入的心脏超声图像（原始图像），二者的差别越小，判别器越不能判定出当前图像是生成器生成的切面图像还是原始图像，判别器的效果越好，生成器和生成特征提取器要寻找更有效地特征生成和提取方式去寻找输入的心脏超声图像的本质特征；之后，通过生成器和判别器之间的博弈，对抗过程最终达到动态平衡，在此状态下，生成特征提取器可提取出识别心脏超声切面类别所需要的领域不变特征，同时，得到的深层特征提取器可以有效的应用于超声心动图的深层特征的提取。
（3）基于切面特征（深层特征和领域不变性特征共同构成切面特征），分类器对心脏超声切面进行分类。
具体地，分类器利用Softmax（归一化指数函数）对心脏超声切面进行分类，输出心脏超声切面分别属于各类切面的概率，并将概率最大项作为结果进行输出，得到心脏超声切面所属的类别（即分类结果），心脏超声切面所属的类别包括：胸骨旁左室长轴切面、四腔心切面、二腔心切面、五强心切面、二尖瓣水平切面、大动脉段短轴切面等。
其中，判断心脏超声切面是否为标准切面的具体方法为：对心脏超声切面中的心房和心室利用U-Net（Convolutional Networks for Biomedical Image Segmentation，用于分割细胞图像的网络）方法进行分割，测量分割结果的长度和宽度，从而计算得到心脏超声切面中的心房和心室的长宽比和面积大小；将切面参数（心房和心室的长宽比和面积大小）和心脏超声切面所属的类别对应的标准切面的参数进行对比，进而分析出当前切面是否为标准切面；若是，则输出心脏超声切面及其所属的类别；否则，计算数据采集装置的移动信息，进入数据分析。
其中，计算数据采集装置（超声探头）的移动信息的具体步骤为：
a、获取心脏超声切面对应的人体关键点自由度以及所得到的心脏超声切面所属的类别；
b、将被试人的所有人体关键点的自由度数值与心脏超声切面所属的类别对应的标准切面的采集所需的所有人体关键点的六个自由度信息/>进行比对，利用每个自由度上的差值信息判断超声探头在六个自由度上需要移动的角度和距离/>；
c、将超声探头在六个自由度需要移动的角度信息和距离信息，汇总成提示信息进行输出。
在具体实施过程中，超声探头的六个自由度包括：探头向病人头部和脚部倾斜、探头向病人左侧和右侧倾斜、探头向顺时针和逆时针旋转、探头向左侧和右侧移动、探头向病人头部和脚部移动以及探头的受力反馈的信息。
步骤4、超声识别：对分类结果及移动信息，以数字化显示以及语音播报的形式输出。数字化显示是指将输出心脏超声切面在屏幕上进行显示，并根据其所属的类别给定心脏超声切面位于心脏的3D位置演示。
语音播报根据超声探头在六个自由度的移动信息，对采集设备使用者进行探头向左、向右等的距离信息指引，向逆时针、顺时针的旋转角度指引，以及轻压、重压的用力大小指引。
步骤5、标准切面识别结果反馈：专业超声医生可直接对心脏超声切面的识别结果、分类结果进行质量认定，通过修改识别结果、分类结果和移动信息，进一步提升准确性；并，将修改识别结果、分类结果和移动信息，反馈到步骤3中，用于切面识别算法和生成式对抗网络的训练。
结果反馈用来增强识别结果、分类结果的准确性，减少错误率的同时，提高识别的稳定性。通过专家对识别结果、分类结果进行鉴定，判断识别心脏超声切面是否标准，并修改超声探头移动信息，在此过程中，专家可通过直接修改识别结果、分类结果和移动信息，从而修改报告信息，修改的结果将反馈到步骤3中，从而进一步提高切面识别算法和生成式对抗网络的训练精度，解决了标记样本获取困难以及小样本的问题。
本发明的一种超声探头导航方法，其让经验较少的使用者较为轻松的获取高质量的超声心动图切面，减轻了医生负担，使得超声诊断更加智能、高效。
实施例二
本实施例提供了一种超声探头导航系统，其具体包括如下模块：
人体姿态判断模块，其被配置为：获取被试人的人体关键点，判断出被试人的人体姿态，以使数据采集装置在被试人的人体姿态符合标准姿态时，采集被试人的心脏超声切面；
分类模块，其被配置为：采用切面识别算法对心脏超声切面进行识别，并基于切面识别结果，进行心脏超声切面的分类，得到心脏超声切面所属的类别；
输出模块，其被配置为：计算心脏超声切面参数，并与所述心脏超声切面所属的类别对应的标准切面的参数对比，判断心脏超声切面是否为标准切面，若是，则输出心脏超声切面及其所属的类别；否则，将被试人的所有人体关键点的自由度数值，与所述心脏超声切面所属的类别对应的标准切面的采集所需的所有人体关键点的自由度数值进行比对，利用每个自由度上的差值信息，判断超声探头在每个自由度上需要移动的角度和距离。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的一种超声探头导航方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的一种超声探头导航方法中的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种超声探头导航方法，其特征在于，包括：
获取被试人的人体关键点，判断出被试人的人体姿态，以使数据采集装置在被试人的人体姿态符合标准姿态时，采集被试人的心脏超声切面；
采用切面识别算法对心脏超声切面进行识别，并基于切面识别结果，进行心脏超声切面的分类，得到心脏超声切面所属的类别；
计算心脏超声切面参数，并与所述心脏超声切面所属的类别对应的标准切面的参数对比，判断心脏超声切面是否为标准切面，若是，则输出心脏超声切面及其所属的类别；否则，将被试人的所有人体关键点的自由度数值，与所述心脏超声切面所属的类别对应的标准切面的采集所需的所有人体关键点的自由度数值进行比对，利用每个自由度上的差值信息，判断超声探头在每个自由度上需要移动的角度和距离。
2.如权利要求1所述的一种超声探头导航方法，其特征在于，所述被试人的人体关键点的获取步骤为：
获取被试人的视频；
分割出视频中每一帧图像中的人体图像；
在人体图像内，将人体关节点与标准的人体姿态估计关键点进行拟合，实现人体关键点标定。
3.如权利要求1所述的一种超声探头导航方法，其特征在于，所述判断出被试人的人体姿态的具体步骤为：
建立以头部关键点为原点的人体姿态坐标系，计算出被试人的所有人体关键点的坐标；
基于人体关键点的坐标，计算出人体关键点的自由度数值、人体关键点的角度和距离的偏移量、不同关键点之间的位置关系，进而判断被试人的姿态。
4.如权利要求1所述的一种超声探头导航方法，其特征在于，在所述判断心脏超声切面是否为标准切面的具体方法为：
对被试人的心脏超声切面中的心房和心室进行分割；
计算得到被试人的心脏超声切面中的心房和心室的长宽比和面积，并与所述心脏超声切面所属的类别对应的标准切面的参数进行对比。
5.如权利要求1所述的一种超声探头导航方法，其特征在于，若切面识别结果为所述被试人的心脏超声切面为心脏切面，则采用生成式对抗网络对心脏超声切面进行特征提取和分类。
6.如权利要求1所述的一种超声探头导航方法，其特征在于，所述切面识别算法为支持向量机、极限学习机、最邻近节点算法、小波变换、傅立叶变换或神经网络。
7.如权利要求1所述的一种超声探头导航方法，其特征在于，所述心脏超声切面所属的类别包括：胸骨旁左室长轴切面、四腔心切面、二腔心切面、五强心切面、二尖瓣水平切面和大动脉段短轴切面。
8.一种超声探头导航系统，其特征在于，包括：
人体姿态判断模块，其被配置为：获取被试人的人体关键点，判断出被试人的人体姿态，以使数据采集装置在被试人的人体姿态符合标准姿态时，采集被试人的心脏超声切面；
分类模块，其被配置为：采用切面识别算法对心脏超声切面进行识别，并基于切面识别结果，进行心脏超声切面的分类，得到心脏超声切面所属的类别；
输出模块，其被配置为：计算心脏超声切面参数，并与所述心脏超声切面所属的类别对应的标准切面的参数对比，判断心脏超声切面是否为标准切面，若是，则输出心脏超声切面及其所属的类别；否则，将被试人的所有人体关键点的自由度数值，与所述心脏超声切面所属的类别对应的标准切面的采集所需的所有人体关键点的自由度数值进行比对，利用每个自由度上的差值信息，判断超声探头在每个自由度上需要移动的角度和距离。
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，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种超声探头导航方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种超声探头导航方法中的步骤。
CN202311327922.9A 2023-10-13 2023-10-13 一种超声探头导航方法、系统、介质及设备 Pending CN117100318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311327922.9A CN117100318A (zh) 2023-10-13 2023-10-13 一种超声探头导航方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311327922.9A CN117100318A (zh) 2023-10-13 2023-10-13 一种超声探头导航方法、系统、介质及设备

Publications (1)

Publication Number Publication Date
CN117100318A true CN117100318A (zh) 2023-11-24

Family

ID=88813061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311327922.9A Pending CN117100318A (zh) 2023-10-13 2023-10-13 一种超声探头导航方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN117100318A (zh)

Similar Documents

Publication Publication Date Title
CN107480677B (zh) 一种识别三维ct图像中感兴趣区域的方法及装置
WO2021078064A1 (zh) 超声扫查轨迹规划方法、装置、存储介质及计算机设备
CN110177504B (zh) 超声图像中参数测量的方法和超声成像系统
Sridar et al. Decision fusion-based fetal ultrasound image plane classification using convolutional neural networks
CN111227864B (zh) 使用超声图像利用计算机视觉进行病灶检测的装置
CN111214255B (zh) 一种医学超声图像计算机辅助方法
WO2021078065A1 (zh) 乳房三维点云重建方法、装置、存储介质及计算机设备
WO2020027228A1 (ja) 診断支援システム及び診断支援方法
EP2498222B1 (en) Method and system for regression-based 4D mitral valve segmentation from 2D+T magnetic resonance imaging slices
CN113298773A (zh) 基于深度学习的心脏视图识别与左心室检测装置、系统
Horgan et al. Artificial intelligence in obstetric ultrasound: A scoping review
CN112185515A (zh) 一种基于动作识别的病患辅助系统
CN113870227B (zh) 基于压力分布的医学定位方法、装置、电子设备及存储介质
WO2024126468A1 (en) Echocardiogram classification with machine learning
Aji et al. Automatic measurement of fetal head circumference from 2-dimensional ultrasound
CN111640127A (zh) 一种用于骨科的精准临床诊断导航方法
Liu et al. Learning-based scan plane identification from fetal head ultrasound images
Droste et al. Discovering salient anatomical landmarks by predicting human gaze
CN117100318A (zh) 一种超声探头导航方法、系统、介质及设备
CN116128942A (zh) 基于深度学习的三维多模块医学影像的配准方法和系统
CN116092157A (zh) 一种智能面舌诊方法、系统及智能设备
Feng et al. Automatic fetal weight estimation using 3d ultrasonography
CN111640126A (zh) 基于医学影像的人工智能诊断辅助方法
CN112330603A (zh) 基于软组织表面形变估计组织内部目标运动的系统与方法
CN112515705A (zh) 用于投影轮廓启用的计算机辅助检测(cad)的方法和系统

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