【技术实现步骤摘要】
本专利技术涉及医学图像处理，特别是涉及一种基于深度学习的超声图像穿刺针检测系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、超声引导下的穿刺操作是医学诊断和治疗中常见的技术手段，用于获取组织样本、注射药物等。穿刺操作的准确性和安全性直接受穿刺针位置的影响，因此需要准确检测和定位穿刺针在超声图像中的位置。
3、目前通常采用的方法为基于传统方法的图像特征提取、边缘检测和模板匹配，以及基于深度学习方法的卷积神经网络识别针尖等，但在穿刺针与组织夹角不合适、高噪声、低对比度和针尖成像不清晰等情况下容易出现误检、漏检、实时性差的问题，从而降低穿刺针检测的准确性和效率。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种基于深度学习的超声图像穿刺针检测系统，实现在超声图像中精准且快速的进行穿刺针的定位和追踪。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供一种基于深度学习的超声图像穿刺针检测系统，包括：
4、获取模块，被配置为获取超声图像序列；
5、感兴趣区域确定模块，被配置为根据先验知识获取超声图像的感兴趣区域；
6、进针检测模块，被配置为采用训练后的深度学习模型在超声图像中感兴趣区域的设定检测框内检测是否有穿刺针进入，并在识别到针尖后计算进针角度；
7、跟踪检测模块，被配置为在感兴趣区域内，根据识别到的针
8、作为可选择的实施方式，设定检测框为超声图像顶端高为h1个像素点、宽为超声图像宽的区域。
9、作为可选择的实施方式，进针角度为对识别到的针尖的矩形框进行二值化操作，将像素值大于设定阈值的点进行直线连接，对直线求斜率得到进针角度。
10、作为可选择的实施方式，搜索区域为在识别到的针尖的矩形框下方h2个像素点和进针角度组成的区域。
11、作为可选择的实施方式，对多个候选框，将当前帧中检测到的穿刺针的候选框位置和上一帧中的候选框位置的差异超出设定阈值的候选框删除，将剩余候选框按照概率进行排序，以概率最高的候选框作为穿刺针的位置框，从而确定穿刺针位置。
12、作为可选择的实施方式，根据穿刺针的位置框，对位置框内的像素值进行增强，并增加穿刺针的宽度，增加的穿刺针宽度不超过预设值，以对穿刺针进行增强。
13、第二方面，本专利技术提供一种基于深度学习的超声图像穿刺针检测方法，包括：
14、获取超声图像序列；
15、根据先验知识获取超声图像的感兴趣区域；
16、采用训练后的深度学习模型在超声图像中感兴趣区域的设定检测框内检测是否有穿刺针进入，并在识别到针尖后计算进针角度；
17、在感兴趣区域内，根据识别到的针尖位置和进针角度确定搜索区域，在搜索区域内检测进针后的穿刺针，对检测得到的多个候选框根据相邻帧的位置差异进行过滤，根据剩余候选框确定穿刺针位置。
18、第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成基于深度学习的超声图像穿刺针检测方法；基于深度学习的超声图像穿刺针检测方法包括：
19、获取超声图像序列；
20、根据先验知识获取超声图像的感兴趣区域；
21、采用训练后的深度学习模型在超声图像中感兴趣区域的设定检测框内检测是否有穿刺针进入，并在识别到针尖后计算进针角度；
22、在感兴趣区域内，根据识别到的针尖位置和进针角度确定搜索区域，在搜索区域内检测进针后的穿刺针，对检测得到的多个候选框根据相邻帧的位置差异进行过滤，根据剩余候选框确定穿刺针位置。
23、第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成基于深度学习的超声图像穿刺针检测方法；基于深度学习的超声图像穿刺针检测方法包括：
24、获取超声图像序列；
25、根据先验知识获取超声图像的感兴趣区域；
26、采用训练后的深度学习模型在超声图像中感兴趣区域的设定检测框内检测是否有穿刺针进入，并在识别到针尖后计算进针角度；
27、在感兴趣区域内，根据识别到的针尖位置和进针角度确定搜索区域，在搜索区域内检测进针后的穿刺针，对检测得到的多个候选框根据相邻帧的位置差异进行过滤，根据剩余候选框确定穿刺针位置。
28、第五方面，本专利技术提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现完成基于深度学习的超声图像穿刺针检测方法；基于深度学习的超声图像穿刺针检测方法包括：
29、获取超声图像序列；
30、根据先验知识获取超声图像的感兴趣区域；
31、采用训练后的深度学习模型在超声图像中感兴趣区域的设定检测框内检测是否有穿刺针进入，并在识别到针尖后计算进针角度；
32、在感兴趣区域内，根据识别到的针尖位置和进针角度确定搜索区域，在搜索区域内检测进针后的穿刺针，对检测得到的多个候选框根据相邻帧的位置差异进行过滤，根据剩余候选框确定穿刺针位置。
33、与现有技术相比，本专利技术的有益效果为：
34、本专利技术提出一种基于深度学习的超声图像穿刺针检测系统，利用深度学习技术，从大量超声图像中学习穿刺针的特征和位置信息，对穿刺针进行更精准的定位和追踪，以更好的帮助医生在穿刺操作中做出更准确、快速的决策，从而有效辅助医生完成穿刺操作，降低误诊率和漏诊率。
35、本专利技术提出一种基于深度学习的超声图像穿刺针检测系统，根据先验知识获取感兴趣区域，在感兴趣区域内首先设定检测框，用于检测是否有穿刺针进入组织，在设定检测框中进行检测，减小搜索范围；然后在跟踪检测过程中，由于穿刺针刚进入时，移动速度较为缓慢，且进针角度不会有太大变化，因此设定搜索区域，将全局搜索改为局部搜索，同样减小搜索范围，提高处理效率。
36、本专利技术提出一种基于深度学习的超声图像穿刺针检测系统，检测到穿刺针的位置框后，对位置框内的像素值进行增强，从而对穿刺针进行增强，增加对比度，使针更加清晰；同时适当对穿刺针的宽度进行增加，有利于更清晰的观察穿刺针的位置，不会对穿刺操作带来影响。
37、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的超声图像穿刺针检测系统，其特征在于，包括：
2.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，设定检测框为超声图像顶端高为H1个像素点、宽为超声图像宽的区域。
3.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，进针角度为对识别到的针尖的矩形框进行二值化操作，将像素值大于设定阈值的点进行直线连接，对直线求斜率得到进针角度。
4.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，搜索区域为在识别到的针尖的矩形框下方H2个像素点和进针角度组成的区域。
5.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，对多个候选框，将当前帧中检测到的穿刺针的候选框位置和上一帧中的候选框位置的差异超出设定阈值的候选框删除，将剩余候选框按照概率进行排序，以概率最高的候选框作为穿刺针的位置框，从而确定穿刺针位置。
6.如权利要求5所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，根据穿刺针的位置框，对位置框内的像素值进行
7.一种基于深度学习的超声图像穿刺针检测方法，其特征在于，包括：
8.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成基于深度学习的超声图像穿刺针检测方法；基于深度学习的超声图像穿刺针检测方法包括：
9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成基于深度学习的超声图像穿刺针检测方法；基于深度学习的超声图像穿刺针检测方法包括：
10.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现基于深度学习的超声图像穿刺针检测方法；基于深度学习的超声图像穿刺针检测方法包括：
...【技术特征摘要】
1.一种基于深度学习的超声图像穿刺针检测系统，其特征在于，包括：
2.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，设定检测框为超声图像顶端高为h1个像素点、宽为超声图像宽的区域。
3.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，进针角度为对识别到的针尖的矩形框进行二值化操作，将像素值大于设定阈值的点进行直线连接，对直线求斜率得到进针角度。
4.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，搜索区域为在识别到的针尖的矩形框下方h2个像素点和进针角度组成的区域。
5.如权利要求1所述的一种基于深度学习的超声图像穿刺针检测系统，其特征在于，对多个候选框，将当前帧中检测到的穿刺针的候选框位置和上一帧中的候选框位置的差异超出设定阈值的候选框删除，将剩余候选框按照概率进行排序，以概率最高的候选框作为穿刺针的位置框，从而确定穿刺针位置。
...【专利技术属性】
技术研发人员：王春，吴梅，刘治，韩晶，侯亮，范一诺，马佳霖，赵坤，
申请(专利权)人：山东海量信息技术研究院，
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。