CN112508941A - 三维超声扫描完整性检测方法及装置 - Google Patents
三维超声扫描完整性检测方法及装置 Download PDFInfo
- Publication number
- CN112508941A CN112508941A CN202011556439.4A CN202011556439A CN112508941A CN 112508941 A CN112508941 A CN 112508941A CN 202011556439 A CN202011556439 A CN 202011556439A CN 112508941 A CN112508941 A CN 112508941A
- Authority
- CN
- China
- Prior art keywords
- integrity
- section
- dimensional ultrasonic
- scanning
- cross
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000002604 ultrasonography Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 210000000481 breast Anatomy 0.000 description 13
- 210000004907 gland Anatomy 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 208000030270 breast disease Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/10136—3D 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
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明实施例提供一种三维超声扫描完整性检测方法及装置,所述方法包括:获取扫描得到的固定方位的三维超声影像;对三维超声影像进行切割,获取三维超声影像中横断面和矢状面的切面截图;获取预设的完整性人工智能模型,将横断面和矢状面的切面截图输入到完整性人工智能模型,通过完整性人工智能模型检测横断面和矢状面的切面截图的完整性;将横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出三维超声影像的完整性检测结果。采用本方法能够更快更高效的判断当前扫描是否完整,快速高效的减少漏扫,提高患者扫描体验。
Description
技术领域
本发明涉及医疗器械技术领域,尤其涉及一种三维超声扫描完整性检测方法及装置。
背景技术
自动乳腺超声成像***是一种三维超声成像新技术,能够实现操作便捷的全乳腺扫描,三维重建显示冠状面图像等功能,在乳腺疾病诊断中有良好的应用前景。
但乳腺三维超声成像***改变了超声医生熟悉的操作、扫查流程,以及阅片诊断模式,需要前期进行培训以及积累一定数量的病例,结果依赖学***不同,使用乳腺三维超声也会出现漏扫腺体的情况,通过有经验医生的读图培训和扫描后的图像回放可以一定程度上减少此情况的发生,但扫描后回放扫描图像的方法不高效,用时长,降低患者的扫描体验。
发明内容
针对现有技术中存在的问题,本发明实施例提供一种三维超声扫描完整性检测方法及装置。
本发明实施例提供一种三维超声扫描完整性检测方法,包括:
获取扫描得到的固定方位的三维超声影像;
对所述三维超声影像进行切割,获取所述三维超声影像中横断面和矢状面的切面截图;
获取预设的完整性人工智能模型,将所述横断面和矢状面的切面截图输入到所述完整性人工智能模型,通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性;
将所述横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出所述三维超声影像的完整性检测结果。
在其中一个实施例中,所述方法还包括:
通过所述横断面和矢状面的切面截图进行对应的完整性判断,根据所述完整性判断得到所述横断面和矢状面的扫描结果;
获取所述完整性人工智能模型对应的阈值,将所述扫描结果与所述阈值进行对比,根据对比结果检测所述横断面和矢状面的切面截图的完整性。
在其中一个实施例中,所述方法还包括:
获取历史数据中的三维超声影像,并对所述三维超声影像进行标注;
对所述三维超声影像通过数据增强训练,得到对应的DenseNet121模型;
通过预设的调参调优方法处理所述DenseNet121模型,得到所述完整性人工智能模型。
在其中一个实施例中,所述方法还包括:
所述完整性人工智能模型包括横断位模型和矢状位模型;
所述通过所述完整性人工智能模型检测所述切面截图的完整性,包括:
通过横断位模型检测横断位切面截图的完整性,通过所述矢状位模型检测矢状位切面截图的完整性。
在其中一个实施例中,所述方法还包括:
对所述切面截图进行预处理步骤,所述预处理步骤包括:图像裁剪、图像补全、像素调节、像素值归一。
在其中一个实施例中,所述方法还包括:
当所述完整性检测结果为所述切面截图中不存在不完整截图,则控制扫描探头对所述固定方位的下一方位进行扫描或结束扫描。
在其中一个实施例中,所述方法还包括:
当所述完整性检测结果为所述切面截图中存在不完整截图,则控制扫描探头重扫所述固定方位的三维超声影像的对应部位。
本发明实施例提供一种三维超声扫描完整性检测装置,包括:
第一获取模块,用于获取扫描得到的固定方位的三维超声影像;
切割模块,用于对所述三维超声影像进行切割,获取所述三维超声影像中横断面和矢状面的切面截图;
第二获取模块,用于获取预设的完整性人工智能模型,将所述横断面和矢状面的切面截图输入到所述完整性人工智能模型,通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性;
综合模块,用于将所述横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出所述三维超声影像的完整性检测结果。
本发明实施例提供一种电子设备,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上述三维超声扫描完整性检测方法的步骤。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述三维超声扫描完整性检测方法的步骤。
本发明实施例提供的三维超声扫描完整性检测方法及装置,获取扫描得到的固定方位的三维超声影像;对三维超声影像进行切割,获取三维超声影像中横断面和矢状面的切面截图;获取预设的完整性人工智能模型,将横断面和矢状面边缘处的切面截图输入到完整性人工智能模型,通过完整性人工智能模型检测横断面和矢状面的切面截图的完整性;将横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出三维超声影像的完整性检测结果。这样能够更快更高效的判断当前扫描是否完整,快速高效的减少漏扫,提高患者扫描体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例中三维超声扫描完整性检测方法的流程图;
图2为本发明实施例中需要进行检测的扫描位置的示意图;
图3为本发明实施例中完整性人工智能模型的训练的流程图;
图4为本发明另一实施例中三维超声扫描完整性检测方法的流程图;
图5为本发明实施例中三维超声扫描完整性检测装置的结构图;
图6为本发明实施例中电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
图1为本发明实施例提供的三维超声扫描完整性检测方法的流程示意图,如图1所示,本发明实施例提供了一种三维超声扫描完整性检测方法,包括:
步骤S101,获取扫描得到的固定方位的三维超声影像。
具体地,获取通过相关扫描仪器扫描得到的患者的乳腺三维超声影像,其中,患者的乳腺三维超声影像为固定方位三维超声影像,其中,固定方位三维超声影像指的是通过单个方向上的扫描,得到的三维超声影像。
步骤S102,对所述三维超声影像进行切割,获取所述三维超声影像中横断面和矢状面的切面截图。
具体地,获取到患者的乳腺三维超声影像后,根据扫描工作站中的影像处理装置对三维超声影像进行影像切割,获取切割过后的特定方向上的切面截图,其中,切面截图指的一般是在横断面和矢状面边缘的截图,在进行影像切割时,可以将乳腺三维超声影像切割为横断面、矢状面、冠状面,并处理其中的固定方位的特定方向上的横断面和矢状面图像(通常来说,根据扫描方向的不同,需要进行扫描完整性检测的图像也不同),其中,具体的检测过程可以如图2所示,对于图2中的图像来说,R-LAT矢状位右侧、R-AP矢状位左右侧、R-MED矢状位左侧、L-MED矢状位右侧、L-AP矢状位左右侧、L-LAT矢状位左侧一般情况下不需要进行扫描完整性检查,因为正常情况下,这些方位的图像中理应包含腺体。因此,需要进行扫描完整性检测的图像方位包含各方位的横断位上下侧,R-LAT矢状位左侧、R-MED矢状位右侧、L-MED矢状位左侧、L-LAT矢状位右侧。
进一步的,切面截图可以包括单切面和连续切面,对于单切面,直接进行后续处理即可,对于连续切面,要分别进行后续处理后,对处理后的数据进行算数平均或加权平均等操作进行完整性检测。
步骤S103,获取预设的完整性人工智能模型,将所述横断面和矢状面的切面截图输入到所述完整性人工智能模型,通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性。
具体地,获取预设的完整性人工智能模型,其中,完整性人工智能模型可以包括横断位模型和矢状位模型,将横断位切面截图和矢状位切面截图输入对应的完整性人工智能模型中,并通过完整性人工智能模型进行完整性检测,其中,关于完整性的判定指的是在横断面和矢状面边缘的截图中是否出现腺体,当截图中没有腺体时,当存在腺体时,说明扫描结果为不完整,当截图中不存在腺体时,说明扫描结果为完整。
其中,完整性的检测可以是通过横断面和矢状面的切面截图进行对应的完整性判断,将横断面和矢状面的切面截图输入到完整性人工智能模型,得到切面截图的模型预测值,然后获取完整性人工智能模型对应的阈值,将模型预测值与阈值进行对比,根据对比结果检测横断面和矢状面的切面截图的完整性。
另外,在进行完整性判断时,可以由边缘图像先进行判断,当边缘图像中存在腺体时,则视作该方向上扫描结果为不完整,可以在该方向获取多张切面截图进行检测,当边缘图像中不含腺体,可以视为该方向的扫描结果为完整。
另外,在检测切面截图的完整性之前,还可以对切面截图进行预处理步骤,其中包括但不限于横断位或矢状位图像的像素间距一致性调节,裁剪或补全图像,像素调节,像素值归一化等。
步骤S104,将所述横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出所述三维超声影像的完整性检测结果。
具体地,将横断面和矢状面的切面截图的完整性检测结果进行综合,具体的综合结果可以为,当此扫描方位的各个方向上的切面截图中都完整,输出乳腺三维超声此扫描方位影像完整的检测结果,当各个方向上的切面截图中存在截图不完整,输出三维超声此扫描方位影像不完整的检测结果。
另外,当完整性检测结果为切面截图中不存在不完整截图,则控制扫描探头对固定方位的下一方位进行扫描,或者在不存在下一方位时结束扫描。
另外,当完整性检测结果为切面截图中存在不完整截图,则控制扫描探头重扫或加扫固定方位的三维超声影像的对应部位。
本发明实施例提供的一种三维超声扫描完整性检测方法,获取扫描得到的固定方位的三维超声影像;对三维超声影像进行切割,获取三维超声影像中横断面和矢状面的切面截图;获取预设的完整性人工智能模型,将横断面和矢状面的切面截图输入到完整性人工智能模型,通过完整性人工智能模型检测横断面和矢状面的切面截图的完整性;将横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出三维超声影像的完整性检测结果。这样能够更快更高效的判断当前扫描是否完整,快速高效的减少漏扫,提高患者扫描体验。
在上述实施例的基础上,所述三维超声扫描完整性检测方法,还包括:
获取历史数据中的三维超声影像,并对所述三维超声影像进行标注;
对所述三维超声影像通过数据增强训练,得到对应的DenseNet121模型;
通过预设的调参调优方法处理所述DenseNet121模型,得到所述完整性人工智能模型。
在本发明实施例中,模型训练流程图可见图3,图3中的步骤分别得到横断位和矢状位模型,其中,预设的完整性人工智能模型的训练步骤包括获取标注好的训练数据(历史数据,乳腺三维超声的横断位上下侧、矢状位左右侧图像)训练得出的DenseNet121模型,模型包括但不限于目前所用模型,可用任何深度学***移,旋转,翻转,随机亮度,随机对比度,模糊,对比度受限的自适应直方图均衡化(CLAHE)等。
本发明实施例通过对历史数据进行训练得到完整性人工智能模型,用于后续对切面截图的完整性进行检测。
在另一个实施例中,三维超声扫描完整性检测方法可以如图4所示,包括:
获取医生或技师扫描的乳腺三维超声图像,然后根据扫描方位获取乳腺三维超声的特定方向截图,其次进行横断位图像预处理(矢状位图像预处理)、横断位模型预测(矢状位模型预测)、横断位输出结果后处理(矢状位输出结果后处理),再将两种方向的预测结果进行综合提示,当扫描完整,结束扫描,当扫描不完整,重扫或加扫。
图5为本发明实施例提供的一种三维超声扫描完整性检测装置,包括:第一获取模块201、第二获取模块202、计算模块203、检测模块204和补偿模块205,其中:
第一获取模块201,用于获取扫描得到的固定方位的三维超声影像。
切割模块202,用于对所述三维超声影像进行切割,获取所述三维超声影像中横断面和矢状面的切面截图。
第二获取模块203,用于获取预设的完整性人工智能模型,将所述横断面和矢状面的切面截图输入到所述完整性人工智能模型,通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性。
综合模块204,用于将所述横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出所述三维超声影像的完整性检测结果。
在一个实施例中,装置还可以包括:
判断模块,用于通过所述横断面和矢状面的切面截图进行对应的完整性判断,根据所述完整性判断得到所述横断面和矢状面的扫描结果。
对比模块,用于获取所述完整性人工智能模型对应的阈值,将所述扫描结果与所述阈值进行对比,根据对比结果检测所述横断面和矢状面的切面截图的完整性。
在一个实施例中,装置还可以包括:
第三获取模块,用于获取历史数据中的三维超声影像,并对所述三维超声影像进行标注。
训练模块,用于对所述三维超声影像通过数据增强训练,得到对应的DenseNet121模型。
模型处理模块,用于通过预设的调参调优方法处理所述DenseNet121模型,得到所述完整性人工智能模型。
在一个实施例中,装置还可以包括:
预处理模块,用于对所述切面截图进行预处理步骤,所述预处理步骤包括:图像裁剪、图像补全、像素调节、像素值归一。
在一个实施例中,装置还可以包括:
第一控制模块,用于当所述完整性检测结果为所述切面截图中不存在不完整截图,则控制扫描探头对所述固定方位的下一方位进行扫描或结束扫描。
在一个实施例中,装置还可以包括:
第二控制模块,用于当所述完整性检测结果为所述切面截图中存在不完整截图,则控制扫描探头重扫所述固定方位的三维超声影像的对应部位。
关于三维超声扫描完整性检测装置的具体限定可以参见上文中对于三维超声扫描完整性检测方法的限定,在此不再赘述。上述三维超声扫描完整性检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)301、存储器(memory)302、通信接口(Communications Interface)303和通信总线304,其中,处理器301,存储器302,通信接口303通过通信总线304完成相互间的通信。处理器301可以调用存储器302中的逻辑指令,以执行如下方法:获取扫描得到的固定方位的三维超声影像;对三维超声影像进行切割,获取三维超声影像中横断面和矢状面的切面截图;获取预设的完整性人工智能模型,将横断面和矢状面的切面截图输入到完整性人工智能模型,通过完整性人工智能模型检测横断面和矢状面的切面截图的完整性;将横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出三维超声影像的完整性检测结果。
此外,上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取扫描得到的固定方位的三维超声影像;对三维超声影像进行切割,获取三维超声影像中横断面和矢状面的切面截图;获取预设的完整性人工智能模型,将横断面和矢状面的切面截图输入到完整性人工智能模型,通过完整性人工智能模型检测横断面和矢状面的切面截图的完整性;将横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出三维超声影像的完整性检测结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。
通过以上的实施方式的描述,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,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种三维超声扫描完整性检测方法,其特征在于,包括:
获取扫描得到的固定方位的三维超声影像;
对所述三维超声影像进行切割,获取所述三维超声影像中横断面和矢状面的切面截图;
获取预设的完整性人工智能模型,将所述横断面和矢状面的切面截图输入到所述完整性人工智能模型,通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性;
将所述横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出所述三维超声影像的完整性检测结果。
2.根据权利要求1所述的三维超声扫描完整性检测方法,其特征在于,所述通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性,包括:
通过所述横断面和矢状面的切面截图进行对应的完整性判断,根据所述完整性判断得到所述横断面和矢状面的扫描结果;
获取所述完整性人工智能模型对应的阈值,将所述扫描结果与所述阈值进行对比,根据对比结果检测所述横断面和矢状面的切面截图的完整性。
3.根据权利要求1所述的三维超声扫描完整性检测方法,其特征在于,所述完整性人工智能模型,包括:
获取历史数据中的三维超声影像,并对所述三维超声影像进行标注;
对所述三维超声影像通过数据增强训练,得到对应的DenseNet121模型;
通过预设的调参调优方法处理所述DenseNet121模型,得到所述完整性人工智能模型。
4.根据权利要求1所述的三维超声扫描完整性检测方法,其特征在于,获取预设的完整性人工智能模型,包括:
所述完整性人工智能模型包括横断位模型和矢状位模型;
所述通过所述完整性人工智能模型检测所述切面截图的完整性,包括:
通过横断位模型检测横断位切面截图的完整性,通过所述矢状位模型检测矢状位切面截图的完整性。
5.根据权利要求1所述的三维超声扫描完整性检测方法,其特征在于,所述通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性之前,还包括:
对所述切面截图进行预处理步骤,所述预处理步骤包括:图像裁剪、图像补全、像素调节、像素值归一。
6.根据权利要求1所述的三维超声扫描完整性检测方法,其特征在于,所述方法还包括:
当所述完整性检测结果为所述切面截图中不存在不完整截图,则控制扫描探头对所述固定方位的下一方位进行扫描或结束扫描。
7.根据权利要求1所述的三维超声扫描完整性检测方法,其特征在于,所述方法还包括:
当所述完整性检测结果为所述切面截图中存在不完整截图,则控制扫描探头重扫所述固定方位的三维超声影像的对应部位。
8.一种三维超声扫描完整性检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取扫描得到的固定方位的三维超声影像;
切割模块,用于对所述三维超声影像进行切割,获取所述三维超声影像中横断面和矢状面的切面截图;
第二获取模块,用于获取预设的完整性人工智能模型,将所述横断面和矢状面的切面截图输入到所述完整性人工智能模型,通过所述完整性人工智能模型检测所述横断面和矢状面的切面截图的完整性;
综合模块,用于将所述横断面和矢状面的切面截图的完整性检测结果进行综合,根据综合结果,输出所述三维超声影像的完整性检测结果。
9.一种电子设备,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至7任一项所述三维超声扫描完整性检测方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述三维超声扫描完整性检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011556439.4A CN112508941A (zh) | 2020-12-25 | 2020-12-25 | 三维超声扫描完整性检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011556439.4A CN112508941A (zh) | 2020-12-25 | 2020-12-25 | 三维超声扫描完整性检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508941A true CN112508941A (zh) | 2021-03-16 |
Family
ID=74921969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011556439.4A Pending CN112508941A (zh) | 2020-12-25 | 2020-12-25 | 三维超声扫描完整性检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508941A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284145A (zh) * | 2021-07-22 | 2021-08-20 | 杭州太美星程医药科技有限公司 | 图像处理方法及装置、计算机可读存储介质及电子设备 |
CN114376615A (zh) * | 2022-03-04 | 2022-04-22 | 厦门大学附属中山医院 | 一种基于人工智能的乳腺超声筛查***及筛查方法 |
CN114565582A (zh) * | 2022-03-01 | 2022-05-31 | 佛山读图科技有限公司 | 一种医学图像分类和病变区域定位方法、***及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109559295A (zh) * | 2018-06-04 | 2019-04-02 | 新影智能科技(昆山)有限公司 | 图像分析***、方法、计算机可读存储介质、及电子终端 |
CN110338841A (zh) * | 2015-02-16 | 2019-10-18 | 深圳迈瑞生物医疗电子股份有限公司 | 三维成像数据的显示处理方法和三维超声成像方法及*** |
CN110399913A (zh) * | 2019-07-12 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种医学图像中拍摄部位的分类方法及装置 |
CN110533637A (zh) * | 2019-08-02 | 2019-12-03 | 杭州依图医疗技术有限公司 | 一种检测对象的方法及装置 |
CN111210444A (zh) * | 2020-01-03 | 2020-05-29 | 中国科学技术大学 | 多模态磁共振影像的分割方法、装置及介质 |
CN111242920A (zh) * | 2020-01-10 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种生物组织图像检测方法、装置、设备及介质 |
CN111340780A (zh) * | 2020-02-26 | 2020-06-26 | 汕头市超声仪器研究所有限公司 | 一种基于三维超声图像的病灶检测方法 |
WO2020133510A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及设备 |
CN111768379A (zh) * | 2020-06-29 | 2020-10-13 | 深圳度影医疗科技有限公司 | 一种子宫三维超声图像的标准切面检测方法 |
CN111915698A (zh) * | 2020-08-21 | 2020-11-10 | 南方科技大学 | 一种脉管浸润检测方法、装置、计算机设备及存储介质 |
CN112070119A (zh) * | 2020-08-11 | 2020-12-11 | 长沙大端信息科技有限公司 | 超声切面图像质量控制方法、装置和计算机设备 |
-
2020
- 2020-12-25 CN CN202011556439.4A patent/CN112508941A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110338841A (zh) * | 2015-02-16 | 2019-10-18 | 深圳迈瑞生物医疗电子股份有限公司 | 三维成像数据的显示处理方法和三维超声成像方法及*** |
CN109559295A (zh) * | 2018-06-04 | 2019-04-02 | 新影智能科技(昆山)有限公司 | 图像分析***、方法、计算机可读存储介质、及电子终端 |
WO2020133510A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及设备 |
CN110399913A (zh) * | 2019-07-12 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种医学图像中拍摄部位的分类方法及装置 |
CN110533637A (zh) * | 2019-08-02 | 2019-12-03 | 杭州依图医疗技术有限公司 | 一种检测对象的方法及装置 |
CN111210444A (zh) * | 2020-01-03 | 2020-05-29 | 中国科学技术大学 | 多模态磁共振影像的分割方法、装置及介质 |
CN111242920A (zh) * | 2020-01-10 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种生物组织图像检测方法、装置、设备及介质 |
CN111340780A (zh) * | 2020-02-26 | 2020-06-26 | 汕头市超声仪器研究所有限公司 | 一种基于三维超声图像的病灶检测方法 |
CN111768379A (zh) * | 2020-06-29 | 2020-10-13 | 深圳度影医疗科技有限公司 | 一种子宫三维超声图像的标准切面检测方法 |
CN112070119A (zh) * | 2020-08-11 | 2020-12-11 | 长沙大端信息科技有限公司 | 超声切面图像质量控制方法、装置和计算机设备 |
CN111915698A (zh) * | 2020-08-21 | 2020-11-10 | 南方科技大学 | 一种脉管浸润检测方法、装置、计算机设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284145A (zh) * | 2021-07-22 | 2021-08-20 | 杭州太美星程医药科技有限公司 | 图像处理方法及装置、计算机可读存储介质及电子设备 |
CN113284145B (zh) * | 2021-07-22 | 2021-11-30 | 杭州太美星程医药科技有限公司 | 图像处理方法及装置、计算机可读存储介质及电子设备 |
CN114565582A (zh) * | 2022-03-01 | 2022-05-31 | 佛山读图科技有限公司 | 一种医学图像分类和病变区域定位方法、***及存储介质 |
CN114565582B (zh) * | 2022-03-01 | 2023-03-10 | 佛山读图科技有限公司 | 一种医学图像分类和病变区域定位方法、***及存储介质 |
CN114376615A (zh) * | 2022-03-04 | 2022-04-22 | 厦门大学附属中山医院 | 一种基于人工智能的乳腺超声筛查***及筛查方法 |
CN114376615B (zh) * | 2022-03-04 | 2023-09-15 | 厦门大学附属中山医院 | 一种基于人工智能的乳腺超声筛查***及筛查方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741346B (zh) | 感兴趣区域提取方法、装置、设备及存储介质 | |
CN110458883B (zh) | 一种医疗影像的处理***、方法、装置和设备 | |
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别*** | |
CN112508941A (zh) | 三维超声扫描完整性检测方法及装置 | |
CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
CN110110723B (zh) | 一种图像中目标区域自动提取的方法及装置 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
JP2023540910A (ja) | 病変検出のための共同訓練を伴う接続機械学習モデル | |
CN109087310B (zh) | 睑板腺纹理区域的分割方法、***、存储介质及智能终端 | |
CN111899244B (zh) | 图像分割、网络模型的训练方法及装置,及电子设备 | |
CN109919254B (zh) | 乳腺密度分类方法、***、可读存储介质和计算机设备 | |
CN112132854B (zh) | 图像分割的方法及装置,以及电子设备 | |
CN111166362B (zh) | 医学图像的显示方法及装置、存储介质及电子设备 | |
CN110610498A (zh) | 乳腺钼靶图像处理方法、***、存储介质及设备 | |
CN114757950B (zh) | 超声图像处理方法、装置以及计算机可读存储介质 | |
CN110956632A (zh) | 钼靶图像中胸大肌区域自动检测方法及装置 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
CN115861250B (zh) | 自适应数据集的半监督医学图像器官分割方法及*** | |
CN113537408A (zh) | 一种超声图像处理方法、装置、设备及存储介质 | |
CN117115184A (zh) | 一种医疗图像分割模型的训练方法、分割方法及相关产品 | |
CN111915626A (zh) | 心脏超声图像的心室区域自动分割方法、装置及存储介质 | |
CN117523204A (zh) | 面向医疗场景的肝脏肿瘤图像分割方法、装置和可读存储介质 | |
CN117036253A (zh) | 用于对分割脑血管的分割模型进行训练的方法和相关产品 | |
CN114399501B (zh) | 基于深度学习卷积神经网络的自动分割***全腺体方法 | |
CN111325758A (zh) | 肺部图像分割方法及装置、图像分割模型的训练方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |