颈动脉超声自动多普勒方法、超声设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114202504A(43)申请公布日2022.03.18(21)申请号202111119622.2(22)申请日2021.09.24(71)申请人无锡祥生医疗科技股份有限公司地址214142江苏省无锡市新吴区新区硕放工业园五期51、53号地块长江东路228号(72)发明人李璐甘从贵陈建军(74)专利代理机构无锡市兴为专利代理事务所(特殊普通合伙)32517代理人屠志力(51)Int.Cl.G06T7/00(2017.01)G06T7/60(2017.01)A61B8/08(2006.01)权利要求书2页说明书9页附图2页(54)发明名称颈动脉超声自动多普勒方法、超声设备及存储介质(57)摘要本发明提供一种颈动脉超声自动多普勒方法，所述方法包括：获取颈动脉超声图像；在所述颈动脉超声图像上随机提取预设数量的图像块；将所述预设数量的图像块输入卷积神经网络分类模型，得到所述颈动脉超声图像中的血管角度；将所述预设数量的图像块输入卷积神经网络回归模型，得到所述颈动脉超声图像中的血管位置和血管宽度；基于得到的所述血管角度、血管位置和血管宽度，在所述颈动脉超声图像上自动生成取样门。本发明能够在颈动脉超声多普勒检查时简化医生的操作，提高医生的工作效率。CN114202504ACN114202504A权利要求书1/2页1.一种颈动脉超声自动多普勒方法，其特征在于，所述方法包括：获取颈动脉超声图像；在所述颈动脉超声图像上随机提取预设数量的图像块；将所述预设数量的图像块输入卷积神经网络分类模型，得到所述颈动脉超声图像中的血管角度；将所述预设数量的图像块输入卷积神经网络回归模型，得到所述颈动脉超声图像中的血管位置和血管宽度；基于得到的所述血管角度、血管位置和血管宽度，在所述颈动脉超声图像上自动生成取样门。2.如权利要求1所述的颈动脉超声自动多普勒方法，其特征在于，所述在所述颈动脉超声图像上随机提取预设数量的图像块，包括：按照预设提取标准在所述颈动脉超声图像上提取预设数量的图像块，每个所述图像块记录有在所述颈动脉超声图像上的位置信息；所述预设提取标准包括：图像块的长宽比为一种或多种预设长宽比，和/或，提取长度为预设长度且宽度为预设宽度。3.如权利要求1或2所述的颈动脉超声自动多普勒方法，其特征在于，所述将所述预设数量的图像块输入卷积神经网络分类模型，得到所述颈动脉超声图像中的血管角度，具体包括：通过所述卷积神经网络分类模型对每个所述图像块输出包含多个血管角度预测概率的第一预测输出向量；确定所有第一预测输出向量中血管角度预测概率最高的图像块；将所述血管角度预测概率最高的图像块的第一预测输出向量中血管角度预测概率最高的类别对应的血管角度作为所述颈动脉超声图像中的血管角度。4.如权利要求3所述的颈动脉超声自动多普勒方法，其特征在于，所述将所述预设数量的图像块输入卷积神经网络回归模型，得到所述颈动脉超声图像中的血管位置和血管宽度，包括：通过所述卷积神经网络回归模型对每个所述图像块输出包含预测的血管位置和血管宽度的第二预测输出向量；将所述血管角度预测概率最高的图像块还原到所述颈动脉超声图像上，并结合该图像块中预测的血管位置和血管宽度得到颈动脉超声图像中的血管位置和血管宽度。5.如权利要求1所述的颈动脉超声自动多普勒方法，其特征在于，所述基于得到的所述血管角度、血管位置和血管宽度，在所述颈动脉超声图像上自动生成取样门，包括：将所述取样门的中心设置在所述颈动脉超声图像中血管位置的中心点；所述取样门的角度为得到的血管角度；所述取样门的宽度小于或等于得到的血管宽度。6.如权利要求1或2所述的颈动脉超声自动多普勒方法，其特征在于，所述卷积神经网络分类模型和卷积神经网络回归模型通过如下方式训练得到：获取样本颈动脉超声图像，所述样本颈动脉超声图像标记有血管角度信息、血管位置标记，血管宽度信息；在所述样本颈动脉超声图像上随机提取预设数量的样本图像块，并记录各样本图像块在所述颈动脉超声图像上的位置信息；2CN114202504A权利要求书2/2页将所述样本图像块根据预定规则划分为正样本图像块和负样本图像块；正样本图像块的血管角度取该正样本图像块所对应的样本颈动脉超声图像标记的血管角度；根据所述正样本图像块和所述负样本图像块训练所述卷积神经网络分类模型；根据所述正样本图像块和所述负样本图像块训练所述卷积神经网络回归模型。7.如权利要求6所述的颈动脉超声自动多普勒方法，其特征在于，所述将所述样本图像块根据预定规则划分为正样本图像块和负样本图像块，包括：计算每个样本图像块与对应的样本颈动脉超声图像中血管位置标记的血管交并比，所述交并比为交集与并集的比值；将所述交并比大于设定阈值的样本图像块作为正样本图像块，否