CN117115164A - 结构特征的自动检测方法及装置 - Google Patents
结构特征的自动检测方法及装置 Download PDFInfo
- Publication number
- CN117115164A CN117115164A CN202311377183.4A CN202311377183A CN117115164A CN 117115164 A CN117115164 A CN 117115164A CN 202311377183 A CN202311377183 A CN 202311377183A CN 117115164 A CN117115164 A CN 117115164A
- Authority
- CN
- China
- Prior art keywords
- target structure
- target
- real
- time
- substructure
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 230000001605 fetal effect Effects 0.000 claims description 186
- 238000004458 analytical method Methods 0.000 claims description 137
- 238000000034 method Methods 0.000 claims description 90
- 230000002159 abnormal effect Effects 0.000 claims description 87
- 238000002604 ultrasonography Methods 0.000 claims description 47
- 239000013598 vector Substances 0.000 claims description 40
- 238000012216 screening Methods 0.000 claims description 13
- 230000008520 organization Effects 0.000 claims description 10
- 230000002792 vascular Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 2
- 210000003414 extremity Anatomy 0.000 description 43
- 239000000523 sample Substances 0.000 description 32
- 210000003754 fetus Anatomy 0.000 description 28
- 238000012549 training Methods 0.000 description 24
- 210000001519 tissue Anatomy 0.000 description 19
- 238000004088 simulation Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002082 fibula Anatomy 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 210000002758 humerus Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000623 ulna Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
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
-
- 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
- A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
-
- 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
-
- 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
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Pregnancy & Childbirth (AREA)
- Gynecology & Obstetrics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明本发明涉及图像处理技术领域,公开了一种结构特征的自动检测方法及装置,该装置通过自动分析采集到的实时胎儿超声影像中目标结构的类型,并自动为其设置标识信息以及跟踪该标识信息在全局扫描采集到的实时胎儿超声影像,即视频连续序列帧中的变化情况,从而实现对目标结构进行精准跟踪定位,进而实现对胎儿结构的精准检测,无需人工参与,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种结构特征的自动检测方法及装置。
背景技术
目前,胎儿结构检测主要通过采集胎儿的超声影像,并依赖人工对超声影像进行查看,从而知晓胎儿生长发育情况。
然而,实践发现,现有胎儿结构检测方法的超声探头所扫查的区域较小,难以形成超声全局影像,致使胎儿结构的检测准确性很低。因此,如何提出一种减少人工依赖及提高胎儿结构的检测准确性的检测方法,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据的技术方案显得尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种结构特征的自动检测方法及装置,能够减少人工依赖及提高胎儿结构的检测准确性,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。
为了解决上述技术问题,本发明第一方面公开了一种结构特征的自动检测方法,所述方法包括:
分析采集到的实时胎儿超声影像,得到所述实时胎儿超声影像中的目标结构,并根据所述实时胎儿超声影像,确定所述目标结构的类型;
根据所述目标结构的类型,确定用于分析所述目标结构的目标信息,所述目标信息包括所述目标结构的标识信息,所述目标结构的标识信息用于追踪所述目标结构;
在超声设备的扫描模块移动过程中,分析所述目标信息在所述实时胎儿超声影像中的变化情况,所述超声设备用于采集所述实时胎儿超声影像;
根据所述目标结构对应的变化情况,确定所述目标结构的分析结果,所述分析结果用于表示所述目标结构为异常结构或者正常结构。
作为一种可选的实施方式,在本发明第一方面中,所述目标结构的类型包括第一结构类型或者第二结构类型,当所述目标结构的类型为所述第二结构类型时,所述目标信息还包括所述目标结构的起始检测信息,所述目标结构的起始检测信息包括在所述实时胎儿超声影像中检测到所述目标结构时所述目标结构的起始局部图像及所述目标结构在所述实时胎儿超声影像的起始位置信息;
其中,所述第一结构类型包括血管结构类型,所述第二结构类型包括脊柱结构类型和/或肢体结构类型。
作为一种可选的实施方式,在本发明第一方面中,当所述目标结构的类型为所述第一结构类型时,所述在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果,包括:
在超声设备的扫描模块移动过程中,若采集到所述第一结构类型用于表示所述目标结构为预估异常结构,计算所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中采集到所述目标结构的标识信息的持续时长,并判断所述持续时长是否大于等于预设时长阈值;当判断结果为是时,确定所述目标结构的分析结果用于表示所述目标结构为异常结构;当判断结果为否时,确定所述目标结构的分析结果用于表示所述目标结构为正常结构;
所述方法还包括:
判断所述目标结构的标识信息是否发生变化,当判断结果为是时,执行所述的确定所述目标结构的分析结果用于表示所述目标结构为正常结构;或者,
判断在同一位置上采集到的所述实时胎儿超声影像中的所述目标结构的类别是否发生变化,当判断结果为是时,执行所述的确定所述目标结构的分析结果用于表示所述目标结构为正常结构。
作为一种可选的实施方式,在本发明第一方面中,当所述目标结构为所述第二结构类型且所述第二结构类型为所述肢体结构类型时,所述目标结构包括多个子结构,所述目标结构的标识信息包括所有所述子结构的标识信息;
所述在超声设备的扫描模块移动过程中,分析所述目标信息,在所述实时胎儿超声影像的变化情况,并根据所述变化情况,确定所述目标结构的分析结果,包括:
在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,并根据每个所述子结构的跟踪结果,确定每个所述子结构在所述实时胎儿超声影像的出现时间,以及分析每个所述子结构的标识信息,在所述实时胎儿超声影像的变化情况;
当每个所述子结构在所述实时胎儿超声影像的出现时间均不相同且每个所述子结构的标识信息在所述实时胎儿超声影像的变化情况用于表示该标识信息不变时,确定所述目标结构的分析结果用于表示所述目标结构为正常结构。
作为一种可选的实施方式,在本发明第一方面中,所述目标结构的起始检测信息包括所有所述子结构的起始检测信息;
所述在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,包括:
当每个所述子结构的跟踪方式为单目标跟踪方式时,针对任一所述子结构:
根据所述子结构的标识信息及起始检测信息,确定所述子结构在接下来所述实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将所述子结构对应的纹理特征及出现时间记录至所述子结构的累积特征向量中;
在所述超声设备的扫描模块移动过程中识别到所述子结构消失后又重新出现时,计算重新出现的所述子结构在所述实时胎儿超声影像中位置的纹理特征与所述子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有所述纹理特征中,筛选最小余弦距离的目标纹理特征,并将所述目标纹理特征记录至所述累积特征向量中,以及重新执行所述的在所述超声设备的扫描模块移动过程中识别到所述子结构消失后又重新出现时,计算重新出现的所述子结构在所述实时胎儿超声影像中位置的纹理特征与所述子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有所述纹理特征中,筛选最小余弦距离的目标纹理特征的操作,得到所述子结构在所述实时胎儿超声影像中的跟踪结果;
所述方法还包括:
从所述子结构的累积特征向量中删除出现时刻由先到后排序在预设名次前的子结构的纹理特征,得到删除特征后的所述子结构的累积特征向量。
作为一种可选的实施方式,在本发明第一方面中,所述在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,包括:
当每个所述子结构的跟踪方式为多目标跟踪方式时,根据每个所述子结构的标识信息及起始检测信息,确定每个所述子结构在接下来所述实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将每个所述子结构对应的纹理特征记录及出现时间至每个所述子结构的累积特征向量中;
根据在同一时刻中每个所述子结构对应的纹理特征,计算每个所述子结构之间的特征关联信息,并根据所述特征关联信息,从每个所述子结构的累积特征向量中删除异常信息,得到所述子结构在所述实时胎儿超声影像中的跟踪结果,所述异常信息包括已经扫描的、扫描时刻间隔时长大于等于预设间隔时长阈值且重新出现在同一帧胎儿超声图像的两个子结构在中每个所述子结构的纹理特征。
作为一种可选的实施方式,在本发明第一方面中,当所述目标结构的类型为所述脊柱结构类型时,所述目标结构包括多个子结构;
所述在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果,包括:
根据所述目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动扫描,当根据所述超声设备的扫描模块移动扫描得到的实时胎儿超声影像,检测所述目标结构的所有所述子结构中是否存在异常结构,当检测结果为是时,从所有所述子结构中筛选所述异常结构及与所述异常结构相邻的至少一个子结构;在所述超声设备的扫描模块移动过程中,计算所述异常结构的标识信息的持续出现时长及与所述异常结构相邻的所有所述子结构的标识信息的持续出现时长,并判断所述异常结构的标识信息的持续出现时长及所有该子结构的标识信息的持续出现时长是否均大于等于对应的预设出现时长阈值,当判断结果为是时,确定所述目标结构的分析结果用于表示所述目标结构为异常结构;
所述方法还包括:
当未检测到存在所述异常结构且判断出所述目标结构在采集到的所述实时胎儿超声影像中出现的所有所述子结构的数量不少于预设数量阈值且标识信息的持续出现时长大于等于预设出现时长阈值时,所述目标结构的分析结果用于表示所述目标结构为正常结构。
作为一种可选的实施方式,在本发明第一方面中,当所述目标结构的类型为所述肢体结构类型且所述肢体结构类型包括两侧肢体结构类型时,所述目标结构由两个子结构组成,所述在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果,包括:
根据所述目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动,当检测所述目标结构中的其中一个子结构时,为所述目标结构的两个所述子结构分别设置第一标识和第二标识;
记录每次扫描到非对称组织结构的出现时刻及每个所述第一标识的出现时刻及每个所述第二标识的出现时刻,直至所述第一标识最后一次出现和所述第二标识最后一次出现,其中,所述非对称组织结构分别与所述第一标识、所述第二标识间隔出现;
根据每次扫描到所述非对称组织结构的出现时刻及所述第一标识的出现时刻,计算所述非对称组织结构与所述第一标识之间的第一平均间隔时长,以及根据每次扫描到所述非对称组织结构的出现时刻及所述第二标识的出现时刻,计算所述非对称组织结构与所述第二标识之间的第二平均间隔时长,并从所述第一平均间隔时长和所述第二平均间隔时长中确定较短间隔时长对应的子结构为左肢结构,确定较长间隔时长对应的子结构为右肢结构。
本发明第二方面公开了一种结构特征的自动检测装置,所述装置包括:
分析模块,用于分析采集到的实时胎儿超声影像,得到所述实时胎儿超声影像中的目标结构;
确定模块,用于根据所述实时胎儿超声影像,确定所述目标结构的类型;
所述确定模块,还用于根据所述目标结构的类型,确定用于分析所述目标结构的目标信息,所述目标信息包括所述目标结构的标识信息,所述目标结构的标识信息用于追踪所述目标结构;
所述分析模块,还用于在超声设备的扫描模块移动过程中,分析所述目标信息在所述实时胎儿超声影像中的变化情况,所述超声设备用于采集所述实时胎儿超声影像,并根据所述目标结构对应的变化情况,确定所述目标结构的分析结果,所述分析结果用于表示所述目标结构为异常结构或者正常结构。
作为一种可选的实施方式,在本发明第二方面中,所述目标结构的类型包括第一结构类型或者第二结构类型,当所述目标结构的类型为所述第二结构类型时,所述目标信息还包括所述目标结构的起始检测信息,所述目标结构的起始检测信息包括在所述实时胎儿超声影像中检测到所述目标结构时所述目标结构的起始局部图像及所述目标结构在所述实时胎儿超声影像的起始位置信息;
其中,所述第一结构类型包括血管结构类型,所述第二结构类型包括脊柱结构类型和/或肢体结构类型。
作为一种可选的实施方式,在本发明第二方面中,当所述目标结构的类型为所述第一结构类型时,所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
在超声设备的扫描模块移动过程中,若采集到所述第一结构类型用于表示所述目标结构为预估异常结构,计算所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中采集到所述目标结构的标识信息的持续时长,并判断所述持续时长是否大于等于预设时长阈值;当判断结果为是时,确定所述目标结构的分析结果用于表示所述目标结构为异常结构;当判断结果为否时,确定所述目标结构的分析结果用于表示所述目标结构为正常结构;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体还包括:判断所述目标结构的标识信息是否发生变化,当判断结果为是时,执行所述的确定所述目标结构的分析结果用于表示所述目标结构为正常结构;或者,判断在同一位置上采集到的所述实时胎儿超声影像中的所述目标结构的类别是否发生变化,当判断结果为是时,执行所述的确定所述目标结构的分析结果用于表示所述目标结构为正常结构。
作为一种可选的实施方式,在本发明第二方面中,当所述目标结构为所述第二结构类型且所述第二结构类型为所述肢体结构类型时,所述目标结构包括多个子结构,所述目标结构的标识信息包括所有所述子结构的标识信息;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标信息,在所述实时胎儿超声影像的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,并根据每个所述子结构的跟踪结果,确定每个所述子结构在所述实时胎儿超声影像的出现时间,以及分析每个所述子结构的标识信息,在所述实时胎儿超声影像的变化情况;
当每个所述子结构在所述实时胎儿超声影像的出现时间均不相同且每个所述子结构的标识信息在所述实时胎儿超声影像的变化情况用于表示该标识信息不变时,确定所述目标结构的分析结果用于表示所述目标结构为正常结构。
作为一种可选的实施方式,在本发明第二方面中,所述目标结构的起始检测信息包括所有所述子结构的起始检测信息;
所述分析模块在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果的方式具体包括:
当每个所述子结构的跟踪方式为单目标跟踪方式时,针对任一所述子结构:
根据所述子结构的标识信息及起始检测信息,确定所述子结构在接下来所述实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将所述子结构对应的纹理特征及出现时间记录至所述子结构的累积特征向量中;
在所述超声设备的扫描模块移动过程中识别到所述子结构消失后又重新出现时,计算重新出现的所述子结构在所述实时胎儿超声影像中位置的纹理特征与所述子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有所述纹理特征中,筛选最小余弦距离的目标纹理特征,并将所述目标纹理特征记录至所述累积特征向量中,以及重新执行所述的在所述超声设备的扫描模块移动过程中识别到所述子结构消失后又重新出现时,计算重新出现的所述子结构在所述实时胎儿超声影像中位置的纹理特征与所述子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有所述纹理特征中,筛选最小余弦距离的目标纹理特征的操作,得到所述子结构在所述实时胎儿超声影像中的跟踪结果;
所述分析模块在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果的方式具体还包括:
从所述子结构的累积特征向量中删除出现时刻由先到后排序在预设名次前的子结构的纹理特征,得到删除特征后的所述子结构的累积特征向量。
作为一种可选的实施方式,在本发明第二方面中,所述在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,包括:
当每个所述子结构的跟踪方式为多目标跟踪方式时,根据每个所述子结构的标识信息及起始检测信息,确定每个所述子结构在接下来所述实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将每个所述子结构对应的纹理特征记录及出现时间至每个所述子结构的累积特征向量中;
根据在同一时刻中每个所述子结构对应的纹理特征,计算每个所述子结构之间的特征关联信息,并根据所述特征关联信息,从每个所述子结构的累积特征向量中删除异常信息,得到所述子结构在所述实时胎儿超声影像中的跟踪结果,所述异常信息包括已经扫描的、扫描时刻间隔时长大于等于预设间隔时长阈值且重新出现在同一帧胎儿超声图像的两个子结构在中每个所述子结构的纹理特征。
作为一种可选的实施方式,在本发明第二方面中,当所述目标结构的类型为所述脊柱结构类型时,所述目标结构包括多个子结构;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
根据所述目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动扫描,当根据所述超声设备的扫描模块移动扫描得到的实时胎儿超声影像,检测所述目标结构的所有所述子结构中是否存在异常结构,当检测结果为是时,从所有所述子结构中筛选所述异常结构及与所述异常结构相邻的至少一个子结构;在所述超声设备的扫描模块移动过程中,计算所述异常结构的标识信息的持续出现时长及与所述异常结构相邻的所有所述子结构的标识信息的持续出现时长,并判断所述异常结构的标识信息的持续出现时长及所有该子结构的标识信息的持续出现时长是否均大于等于对应的预设出现时长阈值,当判断结果为是时,确定所述目标结构的分析结果用于表示所述目标结构为异常结构;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体还包括:
当未检测到存在所述异常结构且判断出所述目标结构在采集到的所述实时胎儿超声影像中出现的所有所述子结构的数量不少于预设数量阈值且标识信息的持续出现时长大于等于预设出现时长阈值时,所述目标结构的分析结果用于表示所述目标结构为正常结构。
作为一种可选的实施方式,在本发明第二方面中,当所述目标结构的类型为所述肢体结构类型且所述肢体结构类型包括两侧肢体结构类型时,所述目标结构由两个子结构组成,所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
根据所述目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动,当检测所述目标结构中的其中一个子结构时,为所述目标结构的两个所述子结构分别设置第一标识和第二标识;
记录每次扫描到非对称组织结构的出现时刻及每个所述第一标识的出现时刻及每个所述第二标识的出现时刻,直至所述第一标识最后一次出现和所述第二标识最后一次出现,其中,所述非对称组织结构分别与所述第一标识、所述第二标识间隔出现;
根据每次扫描到所述非对称组织结构的出现时刻及所述第一标识的出现时刻,计算所述非对称组织结构与所述第一标识之间的第一平均间隔时长,以及根据每次扫描到所述非对称组织结构的出现时刻及所述第二标识的出现时刻,计算所述非对称组织结构与所述第二标识之间的第二平均间隔时长,并从所述第一平均间隔时长和所述第二平均间隔时长中确定较短间隔时长对应的子结构为左肢结构,确定较长间隔时长对应的子结构为右肢结构。
本发明第三方面公开了另一种结构特征的自动检测装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的结构特征的自动检测方法。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的结构特征的自动检测方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,分析采集到的实时胎儿超声影像,得到实时胎儿超声影像中的目标结构,并根据实时胎儿超声影像,确定目标结构的类型;根据目标结构的类型,确定用于分析目标结构的目标信息,目标信息包括目标结构的标识信息,目标结构的标识信息用于追踪目标结构;在超声设备的扫描模块移动过程中,分析目标信息在实时胎儿超声影像中的变化情况,超声设备用于采集实时胎儿超声影像;根据目标结构对应的变化情况,确定目标结构的分析结果,分析结果用于表示目标结构为异常结构或者正常结构。可见,实施本发明通过自动分析采集到的实时胎儿超声影像中目标结构的类型,并自动为其设置标识信息以及跟踪该标识信息在全局扫描采集到的实时胎儿超声影像,即视频连续序列帧中的变化情况,从而实现对目标结构进行精准跟踪定位,进而实现对胎儿结构的精准检测,无需人工参与,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种结构特征的自动检测方法的流程示意图;
图2是本发明实施例公开的另一种结构特征的自动检测方法的流程示意图;
图3是本发明实施例公开的一种结构特征的自动检测装置的结构示意图;
图4是本发明实施例公开的另一种结构特征的自动检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
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”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种结构特征的自动检测方法及装置,能够通过自动分析采集到的实时胎儿超声影像中目标结构的类型,并自动为其设置标识信息以及跟踪该标识信息在全局扫描采集到的实时胎儿超声影像,即视频连续序列帧中的变化情况,从而实现对目标结构进行精准跟踪定位,进而实现对胎儿结构的精准检测,无需人工参与,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种结构特征的自动检测方法的流程示意图。其中,图1所描述的结构特征的自动检测方法可以应用于能够进行结构特征检测的服务器中,其中,该服务器可以包括本地服务器或云服务器,本发明实施例不做限定。如图1所示,该结构特征的自动检测方法可以包括以下操作:
101、分析超声设备的扫描模块采集到的实时胎儿超声影像,得到实时胎儿超声影像中的目标结构,并根据该实时胎儿超声影像,确定目标结构的类型。
本发明实施例中,可选的,目标结构的类型包括第一结构类型或者第二结构类型,当目标结构的类型为第二结构类型时,该目标信息还包括但不限于目标结构的起始检测信息,目标结构的起始检测信息包括在实时胎儿超声影像中检测到目标结构时目标结构的起始局部图像及目标结构在实时胎儿超声影像的起始位置信息;其中,第一结构类型包括但不限于血管结构类型,第二结构类型包括但不限于脊柱结构类型和/或肢体结构类型。
102、根据目标结构的类型,确定用于分析目标结构的目标信息,该目标信息包括目标结构的标识信息,该目标结构的标识信息用于追踪目标结构。
103、在超声设备的扫描模块移动过程中,分析目标信息在实时胎儿超声影像中的变化情况。
本发明实施例中,可选的,将目标结构的目标信息输入预先确定出的跟踪分析模型中进行分析,得到目标结构对应的信息,该目标结构对应的信息包括目标信息在实时胎儿超声影像中的变化情况。进一步的,还可以包括下述提及的跟踪结果,其中,该跟踪结果包括目标结构的跟踪路径和/或目标结构的跟踪形态。又进一步的,该跟踪结果还包括目标结构的周围结构的类型、形态及与周围结构之间的位置关系中的一种或多种。这样分析出的目标结构对应的信息所包含的内容越多,越有利于提高目标结构的跟踪准确性,进而进一步提高胎儿结构的检测精准性。其中,跟踪分析模型通过以下方式确定:
获取多种类型的训练样本结构及每种类型的每个训练样本结构与其周围结构之间的关系,其中,所有类型包括但不限于上述提及的目标结构的所有类型,以及,可选的,每种类型的训练样本结构包括各种形态的结构,此处的周围结构也包括任何形态的结构;
基于每种类型的训练样本结构训练基础分析模型,并将训练后的基础分析模型,确定为上述预先确定出的跟踪分析模型。
本发明实施例中,基础分析模型包括但不限于Transformer、LSTM以及BERT中的一种或多种。
这样通过将每种类型的样本结构及该样本结构与其周围结构一并进行训练,能够提高模型的训练准确性,得到精准的模型,从而有利于使用该精准的模型分析胎儿结构的信息,进而对胎儿结构进行精准检测。
本发明实施例中,进一步的,该方法还可以包括以下步骤:
基于基础分析模型对当前样本结构的信息执行预测操作,得到基础分析模型的分析结果,基础分析模型的分析结果包括当前样本结构的预测结果以及当前样本结构的每个信息在基础分析模型的每个分析标志上的概率,基础分析模型包括多个分析标志,当前样本结构的预测结果为基础分析模型识别到当前样本结构中每个信息的识别结果,其中,当前样本结构的信息包括但不限于标识信息、局部图像信息、位置信息等;每个信息的识别结果包括标识的变化情况和/或当前样本结构对应的跟踪结果;
判断当前样本结构的预测结果是否与当前样本结构的样本标志匹配,当前样本结构的样本标志用于表示当前样本结构每个信息的真实结果;
当判断出匹配时,根据当前样本结构的每个信息在基础分析模型的每个分析标志上的概率,对当前样本结构执行数据增强操作,得到数据增强后的训练样本结构,数据增强后的训练样本结构用于对基础分析模型执行训练操作。
可见,本发明实施例还能够通过在判断出当前样本结构的预测结果与当前样本结构的样本标志匹配之后,基于当前样本结构的每个信息在基础分析模型的每个分析标志上的概率,对当前样本结构执行数据增强操作,能够获取到不同形态的增强训练样本结构,实现训练样本结构的数据增强,有利于通过数据增强后的训练样本结构继续对基础分析模型进行训练,有利于基础分析模型对任意形态结构的识别能力,即使没有大量训练样本,也能够提高模型的训练准确性及效率。
104、根据目标结构对应的变化情况,确定目标结构的分析结果,该分析结果用于表示目标结构为异常结构或者正常结构。
可见,实施图1所描述的结构特征的自动检测方法能够通过自动分析采集到的实时胎儿超声影像中目标结构的类型,并自动为其设置标识信息以及跟踪该标识信息在全局扫描采集到的实时胎儿超声影像,即视频连续序列帧中的变化情况,从而实现对目标结构进行精准跟踪定位,进而实现对胎儿结构的精准检测,无需人工参与,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。
在一个可选的实施例中,当目标结构的类型为第一结构类型时,在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果,包括:
在超声设备的扫描模块移动过程中,若采集到第一结构类型用于表示目标结构为预估异常结构,计算目标结构的标识信息,在采集到的实时胎儿超声影像中采集到目标结构的标识信息的持续时长,并判断持续时长是否大于等于预设时长阈值;当判断结果为是时,确定目标结构的分析结果用于表示目标结构为异常结构;当判断结果为否时,确定目标结构的分析结果用于表示目标结构为正常结构。
该可选的实施例中,预估异常结构包括狭窄血管和/或跨骑血管。
可见,该可选的实施例通过初步检测到扫描到的结构为异常结构时,继续监测该结构的标识信息在接下来扫描中实时胎儿超声图像中出现的持续时长是否达到固定时长,若是,则自动确定该结构为异常结构,否则为正常结构,能够提高胎儿结构的检测效率。
在另一个可选的实施例中,该方法还可以包括以下步骤:
判断目标结构的标识信息是否发生变化,当判断结果为是时,执行上述的确定目标结构的分析结果用于表示目标结构为正常结构;或者,
判断在同一位置上采集到的实时胎儿超声影像中的目标结构的类别是否发生变化,当判断结果为是时,执行上述的确定目标结构的分析结果用于表示目标结构为正常结构。
该可选的实施例中,当判断出目标结构的标识信息未发生变化时或者当判断出在同一位置上采集到的实时胎儿超声影像中的目标结构的类别未发生变化,确定目标结构的分析结果用于表示目标结构为异常结构。
该可选的实施例中,在跟踪目标结构过程中,除了当前检测的目标结构,删除其他结构,以减少其他结构影像目标结构的检测。
可见,该可选的实施例在初步判断出检测到的结构为异常结构时,继续在接下来扫描采集到的实时胎儿超声影像中监测其标识信息是否发生变化,若是,则确定该结构为正常结构,或者若判断出在同一位置上前后采集到的实时胎儿超声影像中显示出结构的类别发生变化,则确定该结构为正常结构,能够提供多种结构的判断方式,在保证结构检测准确性的同时提高了结构的检测效率。
在又一个可选的实施例中,当目标结构的类型为脊柱结构类型时,目标结构包括多个子结构;在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果,包括:
根据目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动扫描,当根据超声设备的扫描模块移动扫描得到的实时胎儿超声影像,检测目标结构的所有子结构中是否存在异常结构,当检测结果为是时,从所有子结构中筛选异常结构及与异常结构相邻的至少一个子结构;在超声设备的扫描模块移动过程中,计算异常结构的标识信息的持续出现时长及与异常结构相邻的所有子结构的标识信息的持续出现时长,并判断异常结构的标识信息的持续出现时长及所有该子结构的标识信息的持续出现时长是否均大于等于对应的预设出现时长阈值,当判断结果为是时,确定目标结构的分析结果用于表示目标结构为异常结构;
该可选的实施例,可选的,该方法还可以包括以下步骤:
当未检测到存在异常结构且判断出目标结构在采集到的实时胎儿超声影像中出现的所有子结构的数量不少于预设数量阈值且标识信息的持续出现时长大于等于预设出现时长阈值时,目标结构的分析结果用于表示目标结构为正常结构。
可见,该可选的实施例中当需要检测的结构为脊柱类型结构时,当跟踪到存在部分异常结构时,通过跟踪部分异常结构及其相邻结构的标识信息在实时胎儿超声图像中出现的持续时长,确定整个结构为异常结构,当未检测到部分异常结构时,继续跟踪子结构在后续扫描采集到的实时胎儿超声影响中出现的数量不变以及标识信息出现的持续时长较长,则确定整个结构为正常结构,能够提高结构的检测精准性及可靠性。
在又一个可选的实施例中,当目标结构的类型为肢体结构类型且肢体结构类型包括两侧肢体结构类型时,目标结构由两个子结构组成,在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果,包括:
根据目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动,当检测目标结构中的其中一个子结构时,为目标结构的两个子结构分别设置第一标识和第二标识;
记录每次扫描到非对称组织结构的出现时刻及每个第一标识的出现时刻及每个第二标识的出现时刻,直至第一标识最后一次出现和第二标识最后一次出现,其中,非对称组织结构分别与第一标识、第二标识间隔出现;
根据每次扫描到非对称组织结构的出现时刻及第一标识的出现时刻,计算非对称组织结构与第一标识之间的第一平均间隔时长,根据每次扫描到所述非对称组织结构的出现时刻及第二标识的出现时刻,计算非对称组织结构与第二标识之间的第二平均间隔时长,并从第一平均间隔时长和第二平均间隔时长中确定较短间隔时长对应的子结构为左肢结构,确定较长间隔时长对应的子结构为右肢结构。
该可选的实施例中,非对称组织结构包括但不限于心脏、胃泡等等。
可见,该可选的实施例当要检测的结构为肢体结构时,基于结构的标识信息及起始检测信息控制超声设备移动进行结构跟踪,并在出现两侧肢体结构中其中一个结构时,通过进一步设两个标识,并计算非对称组织结构分别与跟踪到的每个标识之间的间隔时长,实现两侧肢体左右肢的精准确定,进而实现胎儿结构的精准检测,为胎儿结构检测的教学或模拟或培训提供准确的参考依据。
实施例二
请参阅图2,图2是本发明实施例公开的另一种结构特征的自动检测方法的流程示意图。其中,图2所描述的结构特征的自动检测方法可以应用于能够进行结构特征检测的服务器中,其中,该服务器可以包括本地服务器或云服务器,本发明实施例不做限定。如图2所示,该结构特征的自动检测方法可以包括以下操作:
201、分析超声设备的扫描模块采集到的实时胎儿超声影像,得到实时胎儿超声影像中的目标结构,并根据该实时胎儿超声影像,确定目标结构的类型。
本发明实施例中,可选的,目标结构的类型包括第一结构类型或者第二结构类型,当目标结构的类型为第二结构类型时,该目标信息还包括但不限于目标结构的起始检测信息,目标结构的起始检测信息包括在实时胎儿超声影像中检测到目标结构时目标结构的起始局部图像及目标结构在实时胎儿超声影像的起始位置信息;其中,第一结构类型包括但不限于血管结构类型,第二结构类型包括但不限于脊柱结构类型和/或肢体结构类型。
202、根据目标结构的类型,确定用于分析目标结构的目标信息,该目标信息包括目标结构的标识信息,该目标结构的标识信息用于追踪目标结构,当目标结构为第二结构类型且第二结构类型为肢体结构类型时,目标结构包括多个子结构,目标结构的标识信息包括所有子结构的标识信息。
203、在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果。
204、根据每个子结构的跟踪结果,确定每个子结构在实时胎儿超声影像的出现时间,以及分析每个子结构的标识信息,在实时胎儿超声影像的变化情况;
205、当每个子结构在实时胎儿超声影像的出现时间均不相同且每个子结构的标识信息在实时胎儿超声影像的变化情况用于表示该标识信息不变时,确定目标结构的分析结果用于表示目标结构为正常结构;当所有子结构中存在在实时胎儿超声影像的出现时间不相同的子结构和/或所有子结构中存在其标识信息在实时胎儿超声影像的变化情况用于表示该标识信息发生改变时,确定目标结构的分析结果用于表示目标结构为异常结构。
本发明实施例中,当一开始检测到目标结构的部分结构时,记录目标结构的标识信息及起始检测信息,进行跟踪。其中,部分结构包括手、尺桡骨、胫腓骨、肱骨及股骨中的一种或多种。
本发明实施例中,针对步骤201和步骤202的其他描述请参阅实施例一中针对步骤101、步骤102的详细描述,本发明实施例不再赘述。
可见,实施图2所描述的结构特征的自动检测方法能够通过自动分析采集到的实时胎儿超声影像中目标结构的类型,并自动为其设置标识信息以及跟踪该标识信息在全局扫描采集到的实时胎儿超声影像,即视频连续序列帧中的变化情况,从而实现对目标结构进行精准跟踪定位,进而实现对胎儿结构的精准检测,无需人工参与,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。此外,当检测的结构为肢体结构时,自动跟踪结构及结构的标识信息,并在所有子结构不是同一时间出现且对应的标识信息未发生变化时,确定结构为正常结构,能够提高胎儿肢体结构的判断准确性及可靠性。
在一个可选的实施例中,目标结构的起始检测信息包括所有子结构的起始检测信息;在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果,包括:
当每个子结构的跟踪方式为单目标跟踪方式时,针对任一子结构:
根据子结构的标识信息及起始检测信息,确定子结构在接下来实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将子结构对应的纹理特征及出现时间记录至子结构的累积特征向量中;
在超声设备的扫描模块移动过程中识别到子结构消失后又重新出现时,计算重新出现的子结构在实时胎儿超声影像中位置的纹理特征与子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有纹理特征中,筛选最小余弦距离的目标纹理特征,并将目标纹理特征记录至累积特征向量中,以及重新执行上述的在超声设备的扫描模块移动过程中识别到子结构消失后又重新出现时,计算重新出现的子结构在实时胎儿超声影像中位置的纹理特征与子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有纹理特征中,筛选最小余弦距离的目标纹理特征的操作,得到子结构在实时胎儿超声影像中的跟踪结果。
该可选的实施例,可选的,该方法还可以包括以下步骤:
从子结构的累积特征向量中删除出现时刻由先到后排序在预设名次前的子结构的纹理特征,得到删除特征后的子结构的累积特征向量。
可见,该可选的实施例通过对任一单个子结构在实时胎儿超声影像进行跟踪并对消失后又出现时的结构的纹理特征与已经存在的纹理特征进行余弦距离值计算,并继续进行跟踪,能够提高结构的跟踪效率及准确性,进而提高结构的检测精准性;以及将扫描时间较前的纹理特征进行删除,能够减少纹理特征数据量,保证精准数据参与跟踪,提高了结构跟踪的实时性,有利于进一步提高胎儿结构的检测精准性及可靠性。
在另一个可选的实施例中,在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果,包括:
当每个子结构的跟踪方式为多目标跟踪方式时,根据每个子结构的标识信息及起始检测信息,确定每个子结构在接下来实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将每个子结构对应的纹理特征记录及出现时间至每个子结构的累积特征向量中;
根据在同一时刻中每个子结构对应的纹理特征,计算每个子结构之间的特征关联信息,并根据特征关联信息,从每个子结构的累积特征向量中删除异常信息,得到子结构在所述实时胎儿超声影像中的跟踪结果,异常信息包括已经扫描的、扫描时刻间隔时长大于等于预设间隔时长阈值且重新出现在同一帧胎儿超声图像的两个子结构在中每个所述子结构的纹理特征。
可见,该可选的实施例通过同时对多个子结构进行跟踪,并计算在同一时刻时采集到的子结构的纹理特征之间的关联关系,从而实现结构的精准跟踪,并删除异常信息,减少纹理特征数据量,保证精准的纹理特征数量,有利于进一步提高结构的跟踪效果。
实施例三
请参阅图3,图3是本发明实施例公开的一种结构特征的自动检测装置的结构示意图。其中,图3所描述的结构特征的自动检测装置可以应用于能够进行结构特征检测的服务器中,其中,该服务器可以包括本地服务器或云服务器,本发明实施例不做限定。如图3所示,该结构特征的自动检测装置可以包括分析模块301以及确定模块302,其中:
分析模块301,用于分析超声设备的扫描模块采集到的实时胎儿超声影像,得到实时胎儿超声影像中的目标结构;
确定模块302,用于根据该实时胎儿超声影像,确定目标结构的类型;
本发明实施例中,目标结构的类型包括第一结构类型或者第二结构类型,当目标结构的类型为第二结构类型时,该目标信息还包括但不限于目标结构的起始检测信息,目标结构的起始检测信息包括在实时胎儿超声影像中检测到目标结构时目标结构的起始局部图像及目标结构在实时胎儿超声影像的起始位置信息;其中,第一结构类型包括但不限于血管结构类型,第二结构类型包括但不限于脊柱结构类型和/或肢体结构类型。
确定模块302,还用于根据目标结构的类型,确定用于分析目标结构的目标信息,该目标信息包括目标结构的标识信息,该目标结构的标识信息用于追踪目标结构;
分析模块301,还用于在超声设备的扫描模块移动过程中,分析目标信息在实时胎儿超声影像中的变化情况,并根据目标结构对应的变化情况,确定目标结构的分析结果,该分析结果用于表示目标结构为异常结构或者正常结构。
可见,实施图3所描述的结构特征的自动检测装置能够通过自动分析采集到的实时胎儿超声影像中目标结构的类型,并自动为其设置标识信息以及跟踪该标识信息在全局扫描采集到的实时胎儿超声影像,即视频连续序列帧中的变化情况,从而实现对目标结构进行精准跟踪定位,进而实现对胎儿结构的精准检测,无需人工参与,进而为胎儿结构检测的教学或模拟或培训提供准确的参考依据。
在一个可选的实施例中,如图3所示,当目标结构的类型为第一结构类型时,分析模块301在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果的方式具体包括:
在超声设备的扫描模块移动过程中,若采集到第一结构类型用于表示目标结构为预估异常结构,计算目标结构的标识信息,在采集到的实时胎儿超声影像中采集到目标结构的标识信息的持续时长,并判断持续时长是否大于等于预设时长阈值;当判断结果为是时,确定目标结构的分析结果用于表示目标结构为异常结构;当判断结果为否时,确定目标结构的分析结果用于表示目标结构为正常结构;
分析模块301在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果的方式具体还包括:判断目标结构的标识信息是否发生变化,当判断结果为是时,执行上述的确定目标结构的分析结果用于表示目标结构为正常结构;或者,判断在同一位置上采集到的实时胎儿超声影像中的目标结构的类别是否发生变化,当判断结果为是时,执行上述的确定目标结构的分析结果用于表示目标结构为正常结构。
可见,实施图3所描述的装置还能够通过初步检测到扫描到的结构为异常结构时,继续监测该结构的标识信息在接下来扫描中实时胎儿超声图像中出现的持续时长是否达到固定时长,若是,则自动确定该结构为异常结构,否则为正常结构,能够提高胎儿结构的检测效率;在初步判断出检测到的结构为异常结构时,继续在接下来扫描采集到的实时胎儿超声影像中监测其标识信息是否发生变化,若是,则确定该结构为正常结构,或者若判断出在同一位置上前后采集到的实时胎儿超声影像中显示出结构的类别发生变化,则确定该结构为正常结构,能够提供多种结构的判断方式,在保证结构检测准确性的同时提高了结构的检测效率。
在另一个可选的实施例中,如图3所示,当目标结构为第二结构类型且第二结构类型为肢体结构类型时,目标结构包括多个子结构,目标结构的标识信息包括所有子结构的标识信息;分析模块301在超声设备的扫描模块移动过程中,分析目标信息,在实时胎儿超声影像的变化情况,并根据变化情况,确定目标结构的分析结果的方式具体包括:
在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果;根据每个子结构的跟踪结果,确定每个子结构在实时胎儿超声影像的出现时间,以及分析每个子结构的标识信息,在实时胎儿超声影像的变化情况;当每个子结构在实时胎儿超声影像的出现时间均不相同且每个子结构的标识信息在实时胎儿超声影像的变化情况用于表示该标识信息不变时,确定目标结构的分析结果用于表示目标结构为正常结构;当所有子结构中存在在实时胎儿超声影像的出现时间不相同的子结构和/或所有子结构中存在其标识信息在实时胎儿超声影像的变化情况用于表示该标识信息发生改变时,确定目标结构的分析结果用于表示目标结构为异常结构。
可见,实施图3所描述的装置还能够当检测的结构为肢体结构时,自动跟踪结构及结构的标识信息,并在所有子结构不是同一时间出现且对应的标识信息未发生变化时,确定结构为正常结构,能够提高胎儿肢体结构的判断准确性及可靠性。
在又一个可选的实施例中,如图3所示,目标结构的起始检测信息包括所有子结构的起始检测信息;分析模块301在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果的方式具体包括:
当每个子结构的跟踪方式为单目标跟踪方式时,针对任一子结构:
根据子结构的标识信息及起始检测信息,确定子结构在接下来实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将子结构对应的纹理特征及出现时间记录至子结构的累积特征向量中;
在超声设备的扫描模块移动过程中识别到子结构消失后又重新出现时,计算重新出现的子结构在实时胎儿超声影像中位置的纹理特征与子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有纹理特征中,筛选最小余弦距离的目标纹理特征,并将目标纹理特征记录至累积特征向量中,以及重新执行上述的在超声设备的扫描模块移动过程中识别到子结构消失后又重新出现时,计算重新出现的子结构在实时胎儿超声影像中位置的纹理特征与子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有纹理特征中,筛选最小余弦距离的目标纹理特征的操作,得到子结构在实时胎儿超声影像中的跟踪结果。
分析模块301在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果的方式具体还包括:
从子结构的累积特征向量中删除出现时刻由先到后排序在预设名次前的子结构的纹理特征,得到删除特征后的子结构的累积特征向量。
可见,实施图3所描述的装置还能够通过对任一单个子结构在实时胎儿超声影像进行跟踪并对消失后又出现时的结构的纹理特征与已经存在的纹理特征进行余弦距离值计算,并继续进行跟踪,能够提高结构的跟踪效率及准确性,进而提高结构的检测精准性;以及将扫描时间较前的纹理特征进行删除,能够减少纹理特征数据量,保证精准数据参与跟踪,提高了结构跟踪的实时性,有利于进一步提高胎儿结构的检测精准性及可靠性。
在又一个可选的实施例中,分析模块301在超声设备的扫描模块移动过程中跟踪每个子结构,得到每个子结构的跟踪结果,包括:
当每个子结构的跟踪方式为多目标跟踪方式时,根据每个子结构的标识信息及起始检测信息,确定每个子结构在接下来实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将每个子结构对应的纹理特征记录及出现时间至每个子结构的累积特征向量中;
根据在同一时刻中每个子结构对应的纹理特征,计算每个子结构之间的特征关联信息,并根据特征关联信息,从每个子结构的累积特征向量中删除异常信息,得到子结构在所述实时胎儿超声影像中的跟踪结果,异常信息包括已经扫描的、扫描时刻间隔时长大于等于预设间隔时长阈值且重新出现在同一帧胎儿超声图像的两个子结构在中每个所述子结构的纹理特征。
可见,实施图3所描述的装置能够通过同时对多个子结构进行跟踪,并计算在同一时刻时采集到的子结构的纹理特征之间的关联关系,从而实现结构的精准跟踪,并删除异常信息,减少纹理特征数据量,保证精准的纹理特征数量,有利于进一步提高结构的跟踪效果。
在又一个可选的实施例中,如图3所示,当目标结构的类型为脊柱结构类型时,目标结构包括多个子结构,分析模块301在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果的方式具体包括:
根据目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动扫描,当根据超声设备的扫描模块移动扫描得到的实时胎儿超声影像,检测目标结构的所有子结构中是否存在异常结构,当检测结果为是时,从所有子结构中筛选异常结构及与异常结构相邻的至少一个子结构;在超声设备的扫描模块移动过程中,计算异常结构的标识信息的持续出现时长及与异常结构相邻的所有子结构的标识信息的持续出现时长,并判断异常结构的标识信息的持续出现时长及所有该子结构的标识信息的持续出现时长是否均大于等于对应的预设出现时长阈值,当判断结果为是时,确定目标结构的分析结果用于表示目标结构为异常结构;
分析模块301在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果的方式具体还包括:
当未检测到存在异常结构且判断出目标结构在采集到的实时胎儿超声影像中出现的所有子结构的数量不少于预设数量阈值且标识信息的持续出现时长大于等于预设出现时长阈值时,目标结构的分析结果用于表示目标结构为正常结构。
可见,实施图3所描述的装置当需要检测的结构为脊柱类型结构时,当跟踪到存在部分异常结构时,通过跟踪部分异常结构及其相邻结构的标识信息在实时胎儿超声图像中出现的持续时长,确定整个结构为异常结构,当未检测到部分异常结构时,继续跟踪子结构在后续扫描采集到的实时胎儿超声影响中出现的数量不变以及标识信息出现的持续时长较长,则确定整个结构为正常结构,能够提高结构的检测精准性及可靠性。
在又一个可选的实施例中,如图3所示,当目标结构的类型为肢体结构类型且肢体结构类型包括两侧肢体结构类型时,目标结构由两个子结构组成,分析模块301在超声设备的扫描模块移动过程中,分析目标结构的标识信息,在采集到的实时胎儿超声影像中的变化情况,并根据变化情况,确定目标结构的分析结果的方式具体包括:
根据目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动,当检测目标结构中的其中一个子结构时,为目标结构的两个子结构分别设置第一标识和第二标识;
记录每次扫描到非对称组织结构的出现时刻及每个第一标识的出现时刻及每个第二标识的出现时刻,直至第一标识最后一次出现和第二标识最后一次出现,其中,非对称组织结构分别与第一标识、第二标识间隔出现;
根据每次扫描到非对称组织结构的出现时刻及第一标识的出现时刻,计算非对称组织结构与第一标识之间的第一平均间隔时长,根据每次扫描到非对称组织结构的出现时刻及第二标识的出现时刻,计算非对称组织结构与第二标识之间的第二平均间隔时长,并从第一平均间隔时长和第二平均间隔时长中确定较短间隔时长对应的子结构为左肢结构,确定较长间隔时长对应的子结构为右肢结构。
可见,实施图3所描述的装置还能够通过当要检测的结构为肢体结构时,基于结构的标识信息及起始检测信息控制超声设备移动进行结构跟踪,并在出现两侧肢体结构中其中一个结构时,通过进一步设两个标识,并计算非对称组织结构分别与跟踪到的每个标识之间的间隔时长,实现两侧肢体左右肢的精准确定。
实施例四
请参阅图4,图4是本发明实施例公开的又一种结构特征的自动检测装置。其中,图4所描述的结构特征的自动检测装置可以应用于参数测量服务器中,其中,该参数测量服务器可以包括本地参数测量服务器或云参数测量服务器,本发明实施例不做限定。如图4所示,该结构特征的自动检测装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
进一步的,还可以包括与处理器402耦合的输入接口403以及输出接口404;
其中,处理器402调用存储器401中存储的可执行程序代码,用于执行实施例一或实施例二所描述的结构特征的自动检测方法中部分或者全部的步骤。
实施例五
本发明实施例公开了一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行实施例一或实施例二所描述的结构特征的自动检测方法中部分或者全部的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的结构特征的自动检测方法中部分或者全部的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种结构特征的自动检测方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种结构特征的自动检测装置,其特征在于,所述装置包括:
分析模块,用于分析超声设备的扫描模块采集到的实时胎儿超声影像,得到所述实时胎儿超声影像中的目标结构;
确定模块,用于根据所述实时胎儿超声影像,确定所述目标结构的类型;
所述确定模块,还用于根据所述目标结构的类型,确定用于分析所述目标结构的目标信息,所述目标信息包括所述目标结构的标识信息,所述目标结构的标识信息用于追踪所述目标结构;
所述分析模块,还用于在超声设备的扫描模块移动过程中,分析所述目标信息在所述实时胎儿超声影像中的变化情况;
所述确定模块,还用于根据所述目标结构对应的变化情况,确定所述目标结构的分析结果,所述分析结果用于表示所述目标结构为异常结构或者正常结构。
2.根据权利要求1所述的结构特征的自动检测装置,其特征在于,所述目标结构的类型包括第一结构类型或者第二结构类型,当所述目标结构的类型为所述第二结构类型时,所述目标信息还包括所述目标结构的起始检测信息,所述目标结构的起始检测信息包括在所述实时胎儿超声影像中检测到所述目标结构时所述目标结构的起始局部图像及所述目标结构在所述实时胎儿超声影像的起始位置信息;
其中,所述第一结构类型包括血管结构类型,所述第二结构类型包括脊柱结构类型和/或肢体结构类型。
3.根据权利要求2所述的结构特征的自动检测装置,其特征在于,当所述目标结构的类型为所述第一结构类型时,所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
在超声设备的扫描模块移动过程中,若采集到所述第一结构类型用于表示所述目标结构为预估异常结构,计算所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中采集到所述目标结构的标识信息的持续时长,并判断所述持续时长是否大于等于预设时长阈值;当判断结果为是时,确定所述目标结构的分析结果用于表示所述目标结构为异常结构;当判断结果为否时,确定所述目标结构的分析结果用于表示所述目标结构为正常结构;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体还包括:判断所述目标结构的标识信息是否发生变化,当判断结果为是时,执行所述的确定所述目标结构的分析结果用于表示所述目标结构为正常结构;或者,判断在同一位置上采集到的所述实时胎儿超声影像中的所述目标结构的类别是否发生变化,当判断结果为是时,执行所述的确定所述目标结构的分析结果用于表示所述目标结构为正常结构。
4.根据权利要求2所述的结构特征的自动检测装置,其特征在于,当所述目标结构为所述第二结构类型且所述第二结构类型为所述肢体结构类型时,所述目标结构包括多个子结构,所述目标结构的标识信息包括所有所述子结构的标识信息;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标信息,在所述实时胎儿超声影像的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,并根据每个所述子结构的跟踪结果,确定每个所述子结构在所述实时胎儿超声影像的出现时间,以及分析每个所述子结构的标识信息,在所述实时胎儿超声影像的变化情况;
当每个所述子结构在所述实时胎儿超声影像的出现时间均不相同且每个所述子结构的标识信息在所述实时胎儿超声影像的变化情况用于表示该标识信息不变时,确定所述目标结构的分析结果用于表示所述目标结构为正常结构。
5.根据权利要求4所述的结构特征的自动检测装置,其特征在于,所述目标结构的起始检测信息包括所有所述子结构的起始检测信息;
所述分析模块在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果的方式具体包括:
当每个所述子结构的跟踪方式为单目标跟踪方式时,针对任一所述子结构:
根据所述子结构的标识信息及起始检测信息,确定所述子结构在接下来所述实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将所述子结构对应的纹理特征及出现时间记录至所述子结构的累积特征向量中;
在所述超声设备的扫描模块移动过程中识别到所述子结构消失后又重新出现时,计算重新出现的所述子结构在所述实时胎儿超声影像中位置的纹理特征与所述子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有所述纹理特征中,筛选最小余弦距离的目标纹理特征,并将所述目标纹理特征记录至所述累积特征向量中,以及重新执行所述的在所述超声设备的扫描模块移动过程中识别到所述子结构消失后又重新出现时,计算重新出现的所述子结构在所述实时胎儿超声影像中位置的纹理特征与所述子结构的累积特征向量中每个纹理特征之间的余弦距离,并从所有所述纹理特征中,筛选最小余弦距离的目标纹理特征的操作,得到所述子结构在所述实时胎儿超声影像中的跟踪结果;
所述分析模块在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果的方式具体还包括:
从所述子结构的累积特征向量中删除出现时刻由先到后排序在预设名次前的子结构的纹理特征,得到删除特征后的所述子结构的累积特征向量。
6.根据权利要求4所述的结构特征的自动检测装置,其特征在于,所述在超声设备的扫描模块移动过程中跟踪每个所述子结构,得到每个所述子结构的跟踪结果,包括:
当每个所述子结构的跟踪方式为多目标跟踪方式时,根据每个所述子结构的标识信息及起始检测信息,确定每个所述子结构在接下来所述实时胎儿超声影像中每帧胎儿超声图像中位置的纹理特征及出现时间,并将每个所述子结构对应的纹理特征记录及出现时间至每个所述子结构的累积特征向量中;
根据在同一时刻中每个所述子结构对应的纹理特征,计算每个所述子结构之间的特征关联信息,并根据所述特征关联信息,从每个所述子结构的累积特征向量中删除异常信息,得到所述子结构在所述实时胎儿超声影像中的跟踪结果,所述异常信息包括已经扫描的、扫描时刻间隔时长大于等于预设间隔时长阈值且重新出现在同一帧胎儿超声图像的两个子结构在中每个所述子结构的纹理特征。
7.根据权利要求2所述的结构特征的自动检测装置,其特征在于,当所述目标结构的类型为所述脊柱结构类型时,所述目标结构包括多个子结构;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
根据所述目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动扫描,当根据所述超声设备的扫描模块移动扫描得到的实时胎儿超声影像,检测所述目标结构的所有所述子结构中是否存在异常结构,当检测结果为是时,从所有所述子结构中筛选所述异常结构及与所述异常结构相邻的至少一个子结构;在所述超声设备的扫描模块移动过程中,计算所述异常结构的标识信息的持续出现时长及与所述异常结构相邻的所有所述子结构的标识信息的持续出现时长,并判断所述异常结构的标识信息的持续出现时长及所有该子结构的标识信息的持续出现时长是否均大于等于对应的预设出现时长阈值,当判断结果为是时,确定所述目标结构的分析结果用于表示所述目标结构为异常结构;
所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体还包括:
当未检测到存在所述异常结构且判断出所述目标结构在采集到的所述实时胎儿超声影像中出现的所有所述子结构的数量不少于预设数量阈值且标识信息的持续出现时长大于等于预设出现时长阈值时,所述目标结构的分析结果用于表示所述目标结构为正常结构。
8.根据权利要求2所述的结构特征的自动检测装置,其特征在于,当所述目标结构的类型为所述肢体结构类型且所述肢体结构类型包括两侧肢体结构类型时,所述目标结构由两个子结构组成,所述分析模块在超声设备的扫描模块移动过程中,分析所述目标结构的标识信息,在采集到的所述实时胎儿超声影像中的变化情况,并根据所述变化情况,确定所述目标结构的分析结果的方式具体包括:
根据所述目标结构的标识信息及起始检测信息,控制超声设备的扫描模块移动,当检测所述目标结构中的其中一个子结构时,为所述目标结构的两个所述子结构分别设置第一标识和第二标识;
记录每次扫描到非对称组织结构的出现时刻及每个所述第一标识的出现时刻及每个所述第二标识的出现时刻,直至所述第一标识最后一次出现和所述第二标识最后一次出现,其中,所述非对称组织结构分别与所述第一标识、所述第二标识间隔出现;
根据每次扫描到所述非对称组织结构的出现时刻及所述第一标识的出现时刻,计算所述非对称组织结构与所述第一标识之间的第一平均间隔时长,以及根据每次扫描到所述非对称组织结构的出现时刻及所述第二标识的出现时刻,计算所述非对称组织结构与所述第二标识之间的第二平均间隔时长,并从所述第一平均间隔时长和所述第二平均间隔时长中确定较短间隔时长对应的子结构为左肢结构,确定较长间隔时长对应的子结构为右肢结构。
9.一种结构特征的自动检测方法,其特征在于,所述方法包括:
分析超声设备的扫描模块采集到的实时胎儿超声影像,得到所述实时胎儿超声影像中的目标结构,并根据所述实时胎儿超声影像,确定所述目标结构的类型;
根据所述目标结构的类型,确定用于分析所述目标结构的目标信息,所述目标信息包括所述目标结构的标识信息,所述目标结构的标识信息用于追踪所述目标结构;
在所述超声设备的扫描模块移动过程中,分析所述目标信息在所述实时胎儿超声影像中的变化情况;
根据所述目标结构对应的变化情况,确定所述目标结构的分析结果,所述分析结果用于表示所述目标结构为异常结构或者正常结构。
10.一种结构特征的自动检测装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求9所述的结构特征的自动检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311377183.4A CN117115164B (zh) | 2023-10-24 | 2023-10-24 | 结构特征的自动检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311377183.4A CN117115164B (zh) | 2023-10-24 | 2023-10-24 | 结构特征的自动检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115164A true CN117115164A (zh) | 2023-11-24 |
CN117115164B CN117115164B (zh) | 2024-02-27 |
Family
ID=88795129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311377183.4A Active CN117115164B (zh) | 2023-10-24 | 2023-10-24 | 结构特征的自动检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115164B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110613480A (zh) * | 2019-01-14 | 2019-12-27 | 广州爱孕记信息科技有限公司 | 基于深度学习的胎儿超声动态影像检测方法及系统 |
CN111462077A (zh) * | 2020-03-31 | 2020-07-28 | 南京大学 | 一种利用非线性信息熵定征生物组织的方法 |
CN112184656A (zh) * | 2020-09-24 | 2021-01-05 | 广州爱孕记信息科技有限公司 | 基于超声动态图像的胎儿切面的确定方法及装置 |
US20210202069A1 (en) * | 2019-12-31 | 2021-07-01 | GE Precision Healthcare LLC | Method and system for providing a guided workflow through a series of ultrasound image acquisitions with reference images updated based on a determined anatomical position |
WO2022062456A1 (zh) * | 2020-09-24 | 2022-03-31 | 广州爱孕记信息科技有限公司 | 胎儿超声影像的检测结果的输出控制方法、装置及系统 |
CN114419044A (zh) * | 2022-03-30 | 2022-04-29 | 广东恒腾科技有限公司 | 一种基于人工智能的医用超声图像分析系统及方法 |
CN116563785A (zh) * | 2023-05-08 | 2023-08-08 | 河南云迹智能技术有限公司 | 目标监测方法、装置、监测设备、系统及存储介质 |
-
2023
- 2023-10-24 CN CN202311377183.4A patent/CN117115164B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110613480A (zh) * | 2019-01-14 | 2019-12-27 | 广州爱孕记信息科技有限公司 | 基于深度学习的胎儿超声动态影像检测方法及系统 |
US20210202069A1 (en) * | 2019-12-31 | 2021-07-01 | GE Precision Healthcare LLC | Method and system for providing a guided workflow through a series of ultrasound image acquisitions with reference images updated based on a determined anatomical position |
CN111462077A (zh) * | 2020-03-31 | 2020-07-28 | 南京大学 | 一种利用非线性信息熵定征生物组织的方法 |
CN112184656A (zh) * | 2020-09-24 | 2021-01-05 | 广州爱孕记信息科技有限公司 | 基于超声动态图像的胎儿切面的确定方法及装置 |
WO2022062456A1 (zh) * | 2020-09-24 | 2022-03-31 | 广州爱孕记信息科技有限公司 | 胎儿超声影像的检测结果的输出控制方法、装置及系统 |
CN114419044A (zh) * | 2022-03-30 | 2022-04-29 | 广东恒腾科技有限公司 | 一种基于人工智能的医用超声图像分析系统及方法 |
CN116563785A (zh) * | 2023-05-08 | 2023-08-08 | 河南云迹智能技术有限公司 | 目标监测方法、装置、监测设备、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117115164B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886933B (zh) | 一种医学图像识别方法、装置和存储介质 | |
US4542744A (en) | Method and apparatus for remote tissue identification by statistical modeling and hypothesis testing of echo ultrasound signals | |
EP1026516B1 (en) | Method and apparatus for analyzing an ultrasonic image of a carcass | |
CN105555198B (zh) | 自动识别测量项的方法、装置及一种超声成像设备 | |
US8094899B2 (en) | Medical image diagnostic device | |
CN105022719B (zh) | 医学造影系统及方法 | |
WO2018119718A1 (zh) | 在超声扫描中的图像提取方法、装置及超声成像系统 | |
US9237881B2 (en) | Ultrasonic diagnostic apparatus and method of retrieving and displaying heart function test period | |
KR20190061041A (ko) | 이미지 프로세싱 | |
US20060064016A1 (en) | Method and apparatus for automatic examination of cardiovascular functionality indexes by echographic imaging | |
Urschler et al. | What automated age estimation of hand and wrist MRI data tells us about skeletal maturation in male adolescents | |
JP5558727B2 (ja) | 超音波診断装置および超音波診断装置のデータ処理プログラム | |
CN113440789B (zh) | 一种多人跳绳测试智能计数方法及系统 | |
CN108720868A (zh) | 血流成像方法、装置及计算机可读存储介质 | |
CN111985452B (zh) | 一种人员活动轨迹及落脚点的自动生成方法及系统 | |
CN117115164B (zh) | 结构特征的自动检测方法及装置 | |
KR20140126229A (ko) | 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템 | |
Li et al. | Automatic dairy cow body condition scoring using depth images and 3D surface fitting | |
CN114007513A (zh) | 超声成像设备及检测b线的方法、装置、存储介质 | |
CN109171807B (zh) | 一种超声诊断设备的信号处理方法、系统和超声诊断设备 | |
CN113808105A (zh) | 一种基于超声扫查的病灶检测方法 | |
CN109919935B (zh) | 一种头颈体血管分割方法及设备 | |
CN111773651A (zh) | 一种基于大数据的羽毛球训练监控评估系统及方法 | |
CN115153631A (zh) | 一种马跟腱的检查方法和超声成像设备 | |
CN117152125B (zh) | 基于超声影像的心脏异常分析方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |