【技術實現步驟摘要】
本專利技術涉及圖像處理，尤其涉及基于rmsd-net的腹橫肌平面組織結構識別方法及應用。
技術介紹
1、神經阻滯(nerve?block,簡稱nb)是通過各種物理及化學方法作用于神經節、根、叢、干和神經末梢,使其傳導功能暫時或永久被阻斷的技術，廣泛運用于慢性疼痛性疾病臨床診療和區域麻醉中。傳統周圍神經阻滯技術通常依賴于體表異感、神經刺激和醫生經驗來定位神經和阻滯區域，效率不高且術后并發癥多。
2、近年來，隨著超聲技術的發展和普及，超聲成像提供了可視化視野，超聲引導下神經阻滯成為麻醉醫生和疼痛醫生實施神經阻滯的主流，極大提高了精準性和安全性。
3、其中，超聲引導下腹橫肌平面阻滯(transversus?abdominis?plane模塊,tapb)是臨床上應用非常廣泛的一項神經阻滯技術,是將局部麻醉藥注射于腹內斜肌和腹橫肌之間的神經筋膜平面,可阻滯t6-l1的傳入神經,可為多種腹部手術提供有效的鎮痛，例如婦科腹腔鏡手術、腹腔鏡結直腸手術、小兒疝氣手術以及剖宮產術等。tap阻滯包含肋緣下、前側、后側、外側四種入路，不同的入路方式阻滯范圍不同，對應的臨床應用也不盡相同，可根據臨床需要選擇合適的阻滯入路。
4、隨著tap阻滯的臨床應用越來越廣泛，為滿足舒適化醫療及精準診療的要求，超聲引導下tap阻滯逐漸成為區域阻滯麻醉的一項金標準。
5、然而，不管是傳統tap阻滯還是超聲引導下tap阻滯，阻滯區域的錯誤定位或定位不準確都可能導致麻醉效果不佳，有誤入神經血管的風險導致局麻藥中毒、局部血腫及神
6、由于超聲成像存在的空間分辨率低，散斑噪聲等問題，會導致細微的解剖特征通過肉眼無法與周圍背景明顯區分，尤其是僅接受過有限的超聲圖像閱讀訓練的臨床醫師在解讀超聲圖像時會面臨著很大的挑戰。
7、同時，對于部位較深的阻滯靶點，超聲成像質量欠佳可能導致穿刺針不能清晰顯影，這種情況下盲目進針可能增加并發癥的發生率。
8、此外，超聲引導下tap阻滯的成功與否還高度依賴于超聲圖像的采集質量和操作者的水平高低，特別是在解剖變異或掃描困難的情況下(如肥胖)，整個過程要求醫生具有較強的識別圖像能力。
9、基于此，鑒于腹部解剖結構的復雜性、超聲圖像的多變性和操作者依賴性，本專利技術提供了一種基于rmsd-net的腹橫肌平面組織結構識別方法及應用，以解決不能對腹橫肌平面組織結構信息準確進行自動分割和識別的問題，是目前亟待解決的技術問題。
技術實現思路
1、本專利技術的目的在于：克服現有技術的不足，提供一種基于rmsd-net的腹橫肌平面組織結構識別方法及應用，本專利技術通過構建一種高效的深度學習模型來實現腹橫肌平面組織結構信息的自動分割和識別，進而幫助臨床醫師對tap區域超聲圖像快速準確的解讀，并輔助其準確地定位阻滯區域并進行局麻藥的注射。
2、為解決現有的技術問題，本專利技術提供了如下技術方案：
3、一種基于rmsd-net的腹橫肌平面組織結構識別方法，包括步驟：
4、針對已獲取的具有腹橫肌平面結構的超聲圖像進行數據預處理，建立腹部超聲圖像數據集；其中，所述具有腹橫肌平面結構的超聲圖像中包括在tap阻滯過程中能夠觀察到的關鍵腹部組織結構信息；所述關鍵腹部組織結構信息包括腹外斜肌、腹內斜肌、腹橫肌、腹直肌和髂前上棘；
5、構建u型網絡結構的rmsd-net模型；所述rmsd-net模型包括編碼器、跳躍連接結構以及解碼器；所述編碼器在各層使用原有雙卷積結構的基礎上，在各層中相應添加多尺度殘差特征提取模塊rmdc模塊，以對輸入的所述具有腹橫肌平面結構的超聲圖像逐層進行特征提取，從而逐層強化前述輸入的所述具有腹橫肌平面結構的超聲圖像中的重要特征，并同時抑制次要信息；所述跳躍連接結構逐層使用特征融合模塊sff模塊來增強特征表達并促進上下文信息的整合；在解碼器的最后一層添加注意力機制gam模塊，以結合通道注意力和空間注意力來綜合特征圖中的局部信息和全局信息，并動態調整權重，為后續的特征加權提供特征表示；
6、針對前述關鍵腹部組織結構信息執行分割任務，將前述腹部超聲圖像數據集劃分為訓練集和測試集，并使用前述rmsd-net模型分別進行訓練和測試；
7、使用測試后的rmsd-net模型對新獲取的具有腹橫肌平面結構的超聲圖像進行關鍵腹部組織結構信息的分割識別。
8、進一步，所述具有腹橫肌平面結構的超聲圖像為腹橫肌平面掃查過程中錄制得到的具有能夠觀察相應肌肉組織的超聲影像視頻中的幀圖像；
9、所述數據預處理包括數據標注和數據增強；
10、所述數據標注能夠使用labelme標注軟件對前述超聲圖像中的關鍵腹部組織結構信息通過繪制輪廓線的方式進行標注；
11、所述數據增強包括采用隨機旋轉、隨機翻轉和/或隨機鏡像的方式對前述具有腹橫肌平面結構的超聲圖像進行處理；
12、所述腹部超聲圖像數據集中抽取80％具有腹橫肌平面結構的超聲圖像組成訓練集用于訓練前述rmsd-net模型，其余20％具有腹橫肌平面結構的超聲圖像組成測試集用于驗證前述rmsd-net模型。
13、進一步，在編碼器中，所述rmdc模塊的執行包括步驟s110：
14、s111，使用三個不同膨脹率的膨脹卷積層來捕獲不同尺度上的空間信息，從而有效提取圖像的全局和局部信息；所述膨脹率分別為1、2和4時，對應獲得不同尺度的特征表示為{x1,x2,x3}，從而得到xi＝fi(x)；其中，i＝1、2或3,fi(x)表示不同膨脹率的卷積操作，x表示輸入特征圖；
15、s112，將所有膨脹卷積層的輸出特征經過bn層后沿通道維度進行拼接，之后經投票卷積層voteconv層整合后，通過sigmoid函數σ獲取融合特征的權重圖w11，即w11＝σ(fvote([x1，x2，x3]))；其中，fvote()表示進行投票卷積層操作，[x1,x2,x3]表示特征拼接操作；所述voteconv層通過調整和過濾不同尺度提取的特征，能夠強化關鍵結構特征、同時抑制次要信息；
16、s113，使用殘差連接將加權的特征圖與原始的輸入特征圖x相結合來獲得最終的輸出特征圖y，即y＝x+x*w11。
17、進一步，將每層編碼器的輸出特征圖y對應著第k層標記為輸出特征圖ek；在跳躍連接結構中，所述sff模塊將每層對應的編碼器的輸出特征圖ek經過3*3的卷積后與sff模塊對應的輸入特征圖sffk+1經過上采樣逐元素相加，通過多尺度深度可分離混合注意力機制模塊mdsa模塊提取特征，并進行輸出,k為正整數；其中，所述mdsa模塊的整體結構包括通道注意力和空間注意力；所述空間注意力由多尺度的深度可分離卷積模塊構成，以在通道維度和空間維度上動態分配注意權重。
18、進一步，所述mdsa模塊的執行包括步驟s120：
19、s121，獲得輸入特征圖，經通道注意力聚合平均池化和本文檔來自技高網...
【技術保護點】
1.一種基于RMSD-Net的腹橫肌平面組織結構識別方法，其特征在于，具體包括：
2.根據權利要求1所述的方法，其特征在于，所述具有腹橫肌平面結構的超聲圖像為腹橫肌平面掃查過程中錄制得到的具有能夠觀察相應肌肉組織的超聲影像視頻中的幀圖像；
3.根據權利要求1所述的方法，其特征在于，在編碼器中，所述RMDC模塊的執行包括步驟S110：
4.根據權利要求3所述的方法，其特征在于，將每層編碼器的輸出特征圖Y對應著第k層標記為輸出特征圖Ek；在跳躍連接結構中，所述SFF模塊將每層對應的編碼器的輸出特征圖Ek經過3*3的卷積后與SFF模塊對應的輸入特征圖SFFk+1經過上采樣逐元素相加，通過多尺度深度可分離混合注意力機制模塊MDSA模塊提取特征，并進行輸出，k為正整數；其中，所述MDSA模塊的整體結構包括通道注意力和空間注意力；所述空間注意力由多尺度的深度可分離卷積模塊構成，以在通道維度和空間維度上動態分配注意權重。
5.根據權利要求4所述的方法，其特征在于，所述MDSA模塊的執行包括步驟S120：
6.根據權利要求1所述的方法，
7.根據權利要求1所述的方法，其特征在于，在前述測試之后，使用mIOU、mPA、Accuracy和Dice系數作為分割任務中衡量RMSD-Net模型性能的評價指標，來驗證最終的模型效果；
8.一種根據權利要求1-7中任一項所述方法的基于RMSD-Net的腹橫肌平面組織結構識別裝置，其特征在于包括：
9.一種根據權利要求1-7中任一項所述方法的基于RMSD-Net的腹橫肌平面組織結構識別系統，其特征在于包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-7任一所述的方法步驟。
...【技術特征摘要】
1.一種基于rmsd-net的腹橫肌平面組織結構識別方法，其特征在于，具體包括：
2.根據權利要求1所述的方法，其特征在于，所述具有腹橫肌平面結構的超聲圖像為腹橫肌平面掃查過程中錄制得到的具有能夠觀察相應肌肉組織的超聲影像視頻中的幀圖像；
3.根據權利要求1所述的方法，其特征在于，在編碼器中，所述rmdc模塊的執行包括步驟s110：
4.根據權利要求3所述的方法，其特征在于，將每層編碼器的輸出特征圖y對應著第k層標記為輸出特征圖ek；在跳躍連接結構中，所述sff模塊將每層對應的編碼器的輸出特征圖ek經過3*3的卷積后與sff模塊對應的輸入特征圖sffk+1經過上采樣逐元素相加，通過多尺度深度可分離混合注意力機制模塊mdsa模塊提取特征，并進行輸出，k為正整數；其中，所述mdsa模塊的整體結構包括通道注意力和空間注意力；所述空間注意力由多尺度的深度可分離卷積模塊構成，以在通道維度和空間...
【專利技術屬性】
技術研發人員：鄒最，劉龍，崔海坡，周苗，陳沾衡，徐文韻，郭文慧，朱成龍，吳清華，劉洋，
申請(專利權)人：中國人民解放軍海軍軍醫大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。