【技术实现步骤摘要】
本申请属于医疗，尤其涉及一种神经网络模型的训练方法及肝右叶最大斜径的确定方法。
技术介绍
1、在一次肝脏超声检查中，由于在检查中患者呼吸导致膈肌有节律的收缩和舒张，从而使肝脏位置发生变化，为了测量肝右叶最大斜径的准确值，需要医生将探头调整到最大斜径标准切面扫查位置后保持几秒，然后保存下这几秒的视频，在操作面板上拖动视频进度条，找到斜径最大的那一帧再进行测量，相关技术中，完全依赖医生判断最大斜径切面和手动测量的方法，测量时需要主观的判断测量线与肝右叶前侧包膜的垂直关系这种方式会导致肝脏检查时间较长、效率较低的问题，同时，筛选最大斜径值最大的帧以及确定与肝前侧包膜垂直的测量线位置受医生主观因素以及临床经验影响较大，导致最终测量误差较大。
技术实现思路
1、为解决上述技术问题，本申请实施例提供了一种神经网络模型的训练方法及肝右叶最大斜径的确定方法，能够通过神经网络模型来自动测量肝右叶最大斜径，能够提高检查效率，且能够提高检测精度。
2、第一方面，本申请实施例提供了一种神经网络模型的训练方法，包括：
3、获取样本训练集，其中，所述样本训练集中的每个样本数据包括：样本超声图像以及所述样本超声图像的标签信息，其中，所述标签信息包括：肝脏结构的样本掩模和样本肝后缘包膜关键点；
4、以每个样本数据中的样本超声图像为输入，每个样本数据对应的标签信息为输出训练神经网络模型。
5、在一些实施例中，所述神经网络模型包括：骨干网络和与所述骨干网络连接的检测头，
6、第二方面，本申请实施例提供一种肝右叶最大斜径的确定方法，包括：
7、获取肝脏的超声视频；
8、将所述超声视频逐帧输入到神经网络模型中确定各帧图像中肝脏区域的掩模和肝后缘包膜关键点；
9、基于各帧图像中所述肝脏区域的掩模确定所述肝脏区域的轮廓；
10、基于各帧图像中肝脏区域的所述轮廓和所述肝后缘包膜关键点确定各帧图像中的肝右叶最大斜径值；
11、基于各帧图像的肝右叶最大斜径值确定所述肝脏的目标肝右叶最大斜径值。
12、在一些实施例中，所述基于各帧图像中肝脏区域的所述轮廓和所述肝后缘包膜关键点确定各帧图像中的肝右叶最大斜径值，包括：
13、从各帧图像中肝脏区域的轮廓中确定与所述肝后缘包膜关键点距离最小的轮廓点；
14、将所述轮廓点确定为各帧图像的肝右叶后缘包膜测量点；
15、基于各帧图像中肝脏区域的轮廓确定各帧图像的肝右叶前侧包膜轮廓线；
16、基于各帧图像的肝右叶前侧包膜轮廓线和肝右叶后缘包膜测量点确定各帧图像中的肝右叶最大斜径值。
17、在一些实施例中，各帧图像呈扇形，所述基于各帧图像中肝脏区域的轮廓确定各帧图像的肝右叶前侧包膜轮廓线，包括：
18、将各帧图像的轮廓映射到矩形区域，并将各帧图像中肝脏区域的轮廓映射到所述矩形区域中得到映射轮廓；
19、基于各帧图像对应的所述矩形区域从所述映射轮廓中确定各帧图像对应的目标点，其中，所述目标点包括：第一目标点和第二目标点，所述第一目标点与所述矩形区域的左上端点之间的距离最小，所述第二目标与所述矩形区域的右上端点之间的距离最小；
20、基于各帧图像对应的所述第一目标点和所述第二目标点确定各帧图像的肝右叶前侧包膜轮廓线。
21、在一些实施例中，所述基于各帧图像对应的所述第一目标点和所述第二目标点确定各帧图像的肝右叶前侧包膜轮廓线，包括：
22、基于各帧图像对应的所述第一目标点和第二目标点将各帧图像中肝脏区域的轮廓点分为两个轮廓点子集；
23、计算每个轮廓点子集中轮廓点的纵坐标的平均值；
24、将平均值最小的轮廓点子集确定为各帧图像的肝右叶前侧包膜轮廓线。
25、在一些实施例中，所述基于各帧图像的肝右叶前侧包膜轮廓线和肝右叶后缘包膜测量点确定各帧图像中的肝右叶最大斜径值，包括：
26、遍历各帧图像的所述肝右叶前侧包膜轮廓线中的轮廓点，基于每个轮廓点的前后预设个轮廓点进行拟合，得到各帧图像中各个轮廓点的拟合线段；
27、通过各帧图像的所述肝右叶后缘包膜测量点向各帧图像中各个轮廓点的拟合线段做垂线；
28、将与拟合线段存在交点且长度最大的垂线对应的值确定为各帧图像中的肝右叶最大斜径值。
29、在一些实施例中，所述方法还包括：
30、确定所述目标肝右叶最大斜径值对应的目标图像；
31、输出所述目标图像，其中，所述目标图像中显示有所述目标肝右叶最大斜径值。
32、第三方面，本申请实施例提供一种肝右叶最大斜径的确定装置，包括：
33、第一获取模块，用于获取肝脏的超声视频；
34、第一确定模块，用于将所述超声视频逐帧输入到神经网络模型中确定各帧图像中肝脏区域的掩模和肝后缘包膜关键点的坐标；
35、第二确定模块，用于基于各帧图像中所述肝脏区域的掩模确定所述肝脏区域的轮廓；
36、第三确定模块，用于基于各帧图像中肝脏区域的所述轮廓和所述肝后缘包膜关键点的坐标确定各帧图像中的肝右叶最大斜径值；
37、第四确定模块，用于基于各帧图像的肝右叶最大斜径值确定所述肝脏的目标肝右叶最大斜径值。
38、第四方面，本申请实施例提供一种神经网络模型的训练装置包括：
39、第二获取模块，用于获取样本训练集，其中，所述样本训练集中的每个样本数据包括：样本超声图像以及所述样本超声图像的标签信息，其中，所述标签信息包括：肝脏结构的样本掩模和样本肝后缘包膜关键点；
40、训练模块，用于以每个样本数据中的样本超声图像为输入，每个样本数据对应的标签信息为输出训练神经网络模型。
41、第五方面，本申实施例提供一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面提供的方法。
42、第六方面，本申请实施例提供一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第二方面提供的方法。
43、第七方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
44、第八方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得电子设备执行上述任一项所述的方法。
45、本申请实施例提供的一种神经网络模型的训练方法及肝右叶最大斜径的确定方法，通过训练神经网络模型，在获取肝脏的超声视频时；将所述超声视本文档来自技高网...
【技术保护点】
1.一种神经网络模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括：骨干网络和与所述骨干网络连接的检测头，所述骨干网络用于对超声图像进行编码，所述检测头包括：第一解码器和第二解码器，所述第一解码器用于对肝脏结构的掩模进行分割，所述第二解码器用于进行关键点检测。
3.一种肝右叶最大斜径的确定方法，其特征在于，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于各帧图像中肝脏区域的所述轮廓和所述肝后缘包膜关键点确定各帧图像中的肝右叶最大斜径值，包括：
5.根据权利要求4所述的方法，其特征在于，各帧图像呈扇形，所述基于各帧图像中肝脏区域的轮廓确定各帧图像的肝右叶前侧包膜轮廓线，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于各帧图像对应的所述第一目标点和所述第二目标点确定各帧图像的肝右叶前侧包膜轮廓线，包括：
7.根据权利要求4所述的方法，其特征在于，所述基于各帧图像的肝右叶前侧包膜轮廓线和肝右叶后缘包膜测量点确定各帧图像中的肝右叶最大斜径值，包括：<...
【技术特征摘要】
1.一种神经网络模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括：骨干网络和与所述骨干网络连接的检测头，所述骨干网络用于对超声图像进行编码，所述检测头包括：第一解码器和第二解码器，所述第一解码器用于对肝脏结构的掩模进行分割，所述第二解码器用于进行关键点检测。
3.一种肝右叶最大斜径的确定方法，其特征在于，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于各帧图像中肝脏区域的所述轮廓和所述肝后缘包膜关键点确定各帧图像中的肝右叶最大斜径值，包括：
5.根据权利要求4所述的方法，其特征在于，各帧图像呈扇形，所述基于各帧图像中肝脏区域的轮廓确定各帧图像的肝右叶前侧包膜轮廓线，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于各帧图像对应的所述第一目...
【专利技术属性】
技术研发人员：张皓宇，朱飞，
申请(专利权)人：武汉联影医疗科技有限公司，
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。