【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种超声心动图像切面类型识别方法、电子设备和存储介质。
技术介绍
1、超声心动图像是利用超声检查心血管系统结构和功能的一种无创性检查，是心血管病筛查、诊断的必备检查之一。心脏各部分结构在对应的心脏切面中呈现，并以此来评价心脏相关结构的大小、形态以及功能是否正常。
2、随着图像处理技术的发展，基于图像算法确定超声心动图像标准切面得到了一定发展。例如，基于目标检测标准切面判断方法对超声心动图像进行目标检测，获得待检测心脏图像中各目标心脏结构的结构类型及对应的置信度等，根据这些目标信息确定目标心脏切面的类型以及是否为标准切面。该方法能够提高心脏标准切面检测结果可信度，但是仍然需要人工标注左心室、左心房、右心室、右心房等心脏结构，需要耗费大量的人力和时间成本，限制了该方法的推广应用。
3、需要说明的是，公开于该专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术的目的在于提供一种超声心动图像切面类型识别方法、电子设备和存储介质，可以自动对超声心动图像进行切面类型的识别，以降低超声心动图像切面类型识别过程中的难度。
2、为达到上述目的，本专利技术提供一种超声心动图像切面类型识别方法，包括：
3、对所获取的待识别超声心动图像进行预处理，以去除所述待识别超声心动图像中的背景区域，获取待识别超
4、对所述待识别超声心动感兴趣区域图像进行切面特征的提取，以获取待识别心脏切面特征向量；
5、将所述待识别心脏切面特征向量与预先获取的标准心脏切面数据库中的每一个标准心脏切面特征向量分别进行比对，其中，每一所述标准心脏切面特征向量均对应一种切面类型，且所述标准心脏切面特征向量为通过对基于一标准心脏三维模型所获取的对应切面类型的心脏切面轮廓填充图像进行切面特征的提取所获得的；
6、根据所述待识别心脏切面特征向量与各个标准心脏切面特征向量的比对结果，获取所述待识别超声心动图像的切面类型的识别结果。
7、可选的，所述对所获取的待识别超声心动图像进行预处理，以去除所述待识别超声心动图像中的背景区域，获取待识别超声心动感兴趣区域图像，包括：
8、获取所述待识别超声心动图像所对应的感兴趣区域掩膜，其中，在所述感兴趣区域掩膜中，背景区域的像素值为0，感兴趣区域的像素值为1；
9、将所述待识别超声心动图像与所述感兴趣区域掩膜进行乘操作，以获取超声心动图像的待识别超声心动感兴趣区域图像。
10、可选的，所述获取所述待识别超声心动图像所对应的感兴趣掩膜，包括：
11、对所述待识别超声心动图像所对应的超声心动视频中的所有帧超声心动图像中的像素点进行分析，将沿视频时间轴上的像素值始终不变的区域作为背景区域，将背景区域以外的区域作为感兴趣区域，以获取所述超声心动视频所对应的感兴趣区域掩膜；
12、将所述超声心动视频所对应的感兴趣区域掩膜作为所述待识别超声心动图像所对应的感兴趣区域掩膜。
13、可选的，所述对所述待识别超声心动感兴趣区域图像进行切面特征的提取，以获取待识别心脏切面特征向量，包括：
14、采用训练好的第一切面分类模型的特征提取网络对所述待识别超声心动感兴趣区域图像进行切面特征的提取，以获取待识别心脏切面特征向量；
15、其中，采用第一训练样本对所述第一切面分类模型进行训练，以对所述第一切面分类模型的网络参数进行更新，直至满足第一预设训练结束条件，以得到训练好的第一切面分类模型，所述第一训练样本包括超声心动感兴趣区域训练图像以及与所述超声心动感兴趣区域训练图像对应的切面类型标签。
16、可选的，所述第一预设训练结束条件为损失函数值收敛至预设误差范围内或者达到预设的早停条件。
17、可选的，所述标准心脏切面数据库通过以下步骤得到：
18、根据所述标准心脏三维模型，获取不同切面类型的心脏切面轮廓填充图像；
19、采用训练好的第二切面分类模型的特征提取网络对各个切面类型的所述心脏切面轮廓填充图像进行切面特征的提取，以获取对应切面类型的标准心脏切面特征向量，其中，采用第二训练样本对所述第二切面分类模型进行训练，以对所述第二切面分类模型的网络参数进行更新，直至满足第二预设训练结束条件，以得到训练好的第二切面分类模型，所述第二训练样本包括心脏切面轮廓填充训练图像以及与所述心脏切面轮廓填充训练图像对应的切面类型标签；
20、将各个切面类型的所述心脏切面轮廓填充图像的标准心脏切面特征向量存储于同一数据库中，以形成标准心脏切面数据库。
21、可选的，所述将所述待识别心脏切面特征向量与预先获取的标准心脏切面数据库中的每一个标准心脏切面特征向量分别进行比对，包括：
22、针对所述标准心脏切面数据库中的每一个标准心脏切面特征向量均执行下述操作：
23、将所述待识别心脏切面特征向量与该标准心脏切面特征向量输入训练好的第三切面分类模型的分类网络中，以获取所述待识别心脏切面特征向量与该标准心脏切面特征向量是否属于同一切面类型的概率值；
24、其中，所述第三切面分类模型包括第一特征提取网络、第二特征提取网络和分类网络，所述第一特征提取网络用于对输入的超声心动感兴趣区域图像进行切面特征的提取，所述第二特征提取网络用于对输入的心脏切面轮廓填充图像进行切面特征的提取，所述分类网络用于对所述第一特征提取网络的切面特征提取结果和所述第二特征提取网络的切面特征提取结果进行比对，以获取所述超声心动感兴趣区域图像和所述心脏切面轮廓填充图像属于同一切面类型的概率值。
25、可选的，所述根据所述待识别心脏切面特征向量与各个标准心脏切面特征向量的比对结果，获取所述待识别超声心动图像的切面类型的识别结果，包括：
26、针对所述标准心脏切面数据库中的每一个标准心脏切面特征向量，若所述待识别心脏切面特征向量与该标准心脏切面特征向量属于同一切面类型的概率值大于不属于同一切面类型的概率值，则将该标准心脏切面特征向量所对应的切面类型作为所述待识别超声心动图像的切面类型的候选识别结果；
27、若所述待识别超声心动图像的切面类型的候选识别结果为多个，则将概率值最大的候选识别结果所对应的切面类型作为所述待识别超声心动图像的切面类型的最终识别结果；
28、若所述待识别超声心动图像的切面类型的候选识别结果为一个，则将该候选识别结果所对应的切面类型作为所述待识别超声心动图像的切面类型的最终识别结果。
29、可选的，若所述待识别超声心动图像的切面类型的候选识别结果为多个且各个候选识别结果的概率值均相同，则所述超声心动图像切面类型识别方法还包括：
30、将所述待识别心脏切面特征向量与预先获取的非标准心脏切面本文档来自技高网...
【技术保护点】
1.一种超声心动图像切面类型识别方法，其特征在于，包括：
2.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述对所获取的待识别超声心动图像进行预处理，以去除所述待识别超声心动图像中的背景区域，获取待识别超声心动感兴趣区域图像，包括：
3.根据权利要求2所述的超声心动图像切面类型识别方法，其特征在于，所述获取所述待识别超声心动图像所对应的感兴趣掩膜，包括：
4.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述对所述待识别超声心动感兴趣区域图像进行切面特征的提取，以获取待识别心脏切面特征向量，包括：
5.根据权利要求4所述的超声心动图像切面类型识别方法，其特征在于，所述第一预设训练结束条件为损失函数值收敛至预设误差范围内或者达到预设的早停条件。
6.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述标准心脏切面数据库通过以下步骤得到：
7.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述将所述待识别心脏切面特征向量与预先获取的标准心脏切面数据库
8.根据权利要求7所述的超声心动图像切面类型识别方法，其特征在于，所述根据所述待识别心脏切面特征向量与各个标准心脏切面特征向量的比对结果，获取所述待识别超声心动图像的切面类型的识别结果，包括：
9.根据权利要求8所述的超声心动图像切面类型识别方法，其特征在于，若所述待识别超声心动图像的切面类型的候选识别结果为多个且各个候选识别结果的概率值均相同，则所述超声心动图像切面类型识别方法还包括：
10.根据权利要求7所述的超声心动图像切面类型识别方法，其特征在于，所述第三切面分类模型的训练过程包括如下步骤：
11.根据权利要求7或9所述的超声心动图像切面类型识别方法，其特征在于，所述第三切面分类模型的分类网络包括特征映射模块、特征比对模块、全连接层和softmax层，所述特征映射模块用于对所述待识别心脏切面特征向量和所述标准心脏切面特征向量或所述非标准心脏切面特征向量进行特征映射，以获取待识别切面映射特征向量和标准切面映射特征向量或非标准切面映射特征向量，所述特征比对模块用于对所述待识别切面映射特征向量和所述标准切面映射特征向量或所述非标准切面映射特征向量进行比对，所述全连接层用于对所述待识别切面映射特征向量和所述标准切面映射特征向量或所述非标准切面映射特征向量的比对结果进行非线性映射回归，所述softmax层用于根据所述全连接层的非线性映射回归的结果获取所述待识别心脏切面特征向量与所述标准心脏切面特征向量或所述非标准心脏切面特征向量是否属于同一切面类型的概率值。
12.根据权利要求1或9所述的超声心动图像切面类型识别方法，其特征在于，所述超声心动图像切面类型识别方法还包括：
13.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1至12中任一项所述的超声心动图像切面类型识别方法。
14.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至12中任一项所述的超声心动图像切面类型识别方法。
...【技术特征摘要】
1.一种超声心动图像切面类型识别方法，其特征在于，包括：
2.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述对所获取的待识别超声心动图像进行预处理，以去除所述待识别超声心动图像中的背景区域，获取待识别超声心动感兴趣区域图像，包括：
3.根据权利要求2所述的超声心动图像切面类型识别方法，其特征在于，所述获取所述待识别超声心动图像所对应的感兴趣掩膜，包括：
4.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述对所述待识别超声心动感兴趣区域图像进行切面特征的提取，以获取待识别心脏切面特征向量，包括：
5.根据权利要求4所述的超声心动图像切面类型识别方法，其特征在于，所述第一预设训练结束条件为损失函数值收敛至预设误差范围内或者达到预设的早停条件。
6.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述标准心脏切面数据库通过以下步骤得到：
7.根据权利要求1所述的超声心动图像切面类型识别方法，其特征在于，所述将所述待识别心脏切面特征向量与预先获取的标准心脏切面数据库中的每一个标准心脏切面特征向量分别进行比对，包括：
8.根据权利要求7所述的超声心动图像切面类型识别方法，其特征在于，所述根据所述待识别心脏切面特征向量与各个标准心脏切面特征向量的比对结果，获取所述待识别超声心动图像的切面类型的识别结果，包括：
9.根据权利要求8所述的超声心动图像切面类型识别方法，其特征在于，若所述待识别超声心动图像的切面类型的候选识别结果为多个且各个候选识别结果的概率值均相同，则所述超声心动图像...
【专利技术属性】
技术研发人员：刘伟，石思远，崔晨，
申请(专利权)人：上海微创卜算子医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。