基于人工智能的超声探头无盲区扫查方法和系统技术方案

本发明专利技术公开了基于人工智能的超声探头无盲区扫查方法和系统，涉及超声检查技术领域。具体包括以下步骤：获取目标部位的图像信息，并对图像信息进行预处理，获取精度图；根据所述精度图，通过深度学习目标检测网络绘制目标部位的待检查范围；通过深度学习目标检测网络，检测超声探头，实时获取超声探头扫查轨迹，将超声探头扫查过的位置显示在待检查范围上，判断待检查范围上任意一个方向的超声探头扫查轨迹与与其相邻的超声探头扫查轨迹之间是否存在空白未检区；若否，提示检查完成，旨在避免因超声探头漏扫导致的漏检问题。免因超声探头漏扫导致的漏检问题。免因超声探头漏扫导致的漏检问题。

【技术实现步骤摘要】
基于人工智能的超声探头无盲区扫查方法和系统


[0001]本专利技术涉及人工智能和超声检查
，特别涉及基于人工智能的超声探头无盲区扫查方法和系统。

技术介绍

[0002]临床在做乳腺超声探查时，所有的操作以及判断都依赖于操作者的个人经验，然而超声探头所扫过的覆盖面直接影响了乳腺超声的检查结果，往往因为超声扫描的覆盖面有遗漏，或者出现盲点，从而导致出现漏诊。乳腺超声扫描手法的标准化，一直困扰超声检查界。
[0003]为了解决上述技术问题，中国专利CN108634985A于2018年10月12日公开了一种B超探头无盲区扫查方法和系统，主要包括采集人体待检部位的视频帧图像，在所述视频帧图像上确定并绘制所述待检部位的待检查范围，响应于B超探头在人体待检部位上的扫查，将B超探头扫查过的覆盖面显示在视频帧图像上，判断覆盖面是否完全覆盖待检查范围，若覆盖面完全覆盖待检查范围，提示检查完成。其通过直接获取待检部位的视频帧图像，然后进行待检查范围的绘制，但由于图像获取过程中受光线影响严重，例如：1、如果光线太弱，图像可能会昏暗且难以辨别；如果光线太强，图像可能会过曝，导致细节丢失。2、白天的光线偏蓝色，而室内灯光偏黄色。如果在不同的光线环境下拍摄，可能会导致图像色彩失真。3、在侧面光的情况下，图像可能会产生强烈的阴影和高光，而在正面光的情况下则会产生比较平坦的图像。因此直接使用原始的视频帧图像进行待检查范围的绘制或检测超声探头，容易导致出现边界模糊、区域划分不明显或检测不到超声探头的情况出现，从而影响到后续的超声探头无盲区扫查。
[0004]因此，如何避免待扫查区域的边缘模糊，提高待检区域划分的准确性，如何实时准确检测到超声探头，成为了亟待解决的技术难题。

技术实现思路

[0005]本专利技术的主要目的是提供基于人工智能的超声探头无盲区扫查方法和系统，旨在避免待扫查区域的边缘模糊，提高待检区域划分的准确性，实时检测超声探头扫查运动轨迹。
[0006]为了实现上述目的，本专利技术提出一种基于人工智能的超声探头无盲区扫查方法，包括以下步骤：
[0007]获取目标部位的图像信息，并对图像信息进行预处理，获取精度图；
[0008]根据所述精度图，通过深度学习目标检测网络绘制目标部位的待检查范围；
[0009]通过深度学习目标检测网络实时检测超声探头；
[0010]实时获取超声探头扫查轨迹，并根据超声探头扫查轨迹将超声探头扫查过的位置显示在待检查范围上，判断待检查范围上任意一个方向的超声探头扫查轨迹与与其相邻的超声探头扫查轨迹之间是否存在空白未检区；若否，提示检查完成。
[0011]在本申请的一实施例中，预处理过程包括以下步骤：
[0012]对图像信息进行灰度处理，生成灰度图；
[0013]对所述灰度图进行高斯滤波过滤所述灰度图中的噪声部，生成锐度图；
[0014]采用直方图均衡化算法增强所述锐度图的对比度，并对增强后的锐度图进行归一化处理，生成精度图。
[0015]在本申请的一实施例中，所述灰度图的计算公式为：
[0016][0017]其中，u、v表示像素点与中心点在图像上的距离，σ是正态分布的标准偏差。
[0018]在本申请的一实施例中，对所述灰度图进行高斯滤波过滤所述灰度图中的噪声部，生成锐度图的计算公式为：
[0019][0020]其中，T(x，y)表示像素点(x，y)经过直方图均衡化后的像素值，g(x，y)表示图像中(x，y)处的像素值，T
R
(g(x,y))表示在局部区域R内，g(x,y)经过直方图均衡化后的像素值，L表示灰度级数量。
[0021]在本申请的一实施例中，采用直方图均衡化算法增强所述锐度图的对比度的计算公式为：
[0022][0023]其中，x表示图像原始像素值，Γ(x)表示图像经过增强处理后的像素值，t是积分变量，e是自然常数；
[0024]进行归一化的计算公式为：
[0025]其中x表示图像原始像素值，y表示图像归一化后的像素值，max(x)和min(x)分别表示原始图像的最大像素值和最小像素值。
[0026]在本申请的一实施例中，所述探头扫区轨迹包括：辐射状扫区、左右横切扫区、上下纵切扫区、混合扫区中的至少一种。
[0027]本申请还公开了一种基于人工智能的超声探头无盲区扫查系统，包括：
[0028]采集单元，用于采集待检部位的视频帧图像；
[0029]图像绘制单元，用于生成目标部位的待检查范围；以及
[0030]处理单元，用于判断待检查范围上任意一个方向的超声探头扫查轨迹与其相邻的超声探头扫查轨迹之间是否存在空白未检区，当不存在空白未检区域时，输出检查完成。
[0031]在本申请的一实施例中，还包括：
[0032]提示单元，用于提示检查完成或检查未完成；其中，提示单元包括画面提示件和/或语音提示件。
[0033]采用上述技术方案，获取目标部位的图像信息，先对目标部位的图像信息进行预处理，获取目标部位的精度图，从而提高后续对目标部位的识别精度，然后通过深度学习目标检测网络，其可以快速准确地识别目标部位并绘制待检查范围，并通过深度学习目标检测网络实时检测超声探头，同时实时获取超声探头扫查轨迹，可以实现高效检测。将超声探
头扫查过的位置轨迹显示在待检查范围上，可以有效避免漏检和误检的问题。该方法可以实时监测目标部位的检测情况，及时发现异常情况并进行处理，可以提高监测的实时性和准确性，流程简单，便于实施。
附图说明
[0034]下面结合具体实施例和附图对本专利技术进行详细的说明，其中：
[0035]图1为本专利技术第一种实施例的流程结构示意图。
具体实施方式
[0036]为了使本专利技术的目的、技术方案及优点更加清楚，以下结合附图和实施例对本专利技术进行详细的说明。应当理解，以下具体实施例仅用以解释本专利技术，并不对本专利技术构成限制。
[0037]如图1所示，为了实现上述目的，本专利技术提出一种基于人工智能的超声探头无盲区扫查方法，包括以下步骤：
[0038]获取目标部位的图像信息，并对图像信息进行预处理，获取精度图；
[0039]根据所述精度图，通过深度学习目标检测网络绘制目标部位的待检查范围；
[0040]通过深度学习目标检测网络实时检测超声探头；
[0041]实时获取超声探头扫查轨迹，并根据超声探头扫查轨迹将超声探头扫查过的位置显示在待检查范围上，判断待检查范围上任意一个方向的超声探头扫查轨迹与与其相邻的超声探头扫查轨迹之间是否存在空白未检区；若否，提示检查完成。
[0042]具体的，一种基于人工智能的超声探头无盲区扫查方法，包括以下步骤：
[0043]获取目标部位的图像信息，并对图像信息进行预处理，获取精度图。其中，获取目标部位的图像信息可以采用摄像头，通过摄像头连接到计算机、手机、平板电脑等设备上，使用相应的软件来获取。当然根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的超声探头无盲区扫查方法，其特征在于，包括以下步骤：获取目标部位的图像信息，并对图像信息进行预处理，获取精度图；根据所述精度图，通过深度学习目标检测网络绘制目标部位的待检查范围；通过深度学习目标检测网络实时检测超声探头；实时获取超声探头扫查轨迹，并根据超声探头扫查轨迹将超声探头扫查过的位置显示在待检查范围上，判断待检查范围上任意一个方向的超声探头扫查轨迹与与其相邻的超声探头扫查轨迹之间是否存在空白未检区；若否，提示检查完成。2.如权利要求1所述的基于人工智能的超声探头无盲区扫查方法，其特征在于，预处理过程包括以下步骤：对图像信息进行灰度处理，生成灰度图；对所述灰度图进行高斯滤波过滤所述灰度图中的噪声部，生成锐度图；采用直方图均衡化算法增强所述锐度图的对比度，并对增强后的锐度图进行归一化处理，生成精度图。3.如权利要求2所述的基于人工智能的超声探头无盲区扫查方法，其特征在于，所述灰度图的计算公式为：其中，u、v表示像素点与中心点在图像上的距离，σ是正态分布的标准偏差。4.如权利要求2所述的基于人工智能的超声探头无盲区扫查方法，其特征在于，对所述灰度图进行高斯滤波过滤所述灰度图中的噪声部，生成锐度图的计算公式为：其中，T(x，y)表示像素点(x，y)经过直方图均衡化后的像素值，g(x，y)表示图像中(x，y)处的像素...

【专利技术属性】
技术研发人员：周振忠，周龙灏，周龙瀚，
申请(专利权)人：广州尚医网信息技术有限公司，
类型：发明
国别省市：