【技術實現步驟摘要】
本申請涉及圖像處理，具體而言，涉及一種超聲圖像的質量評估方法、程序產品、電子設備。
技術介紹
1、近年來，超聲影像作為一種無創、實時的診斷技術，在臨床醫學中得到了廣泛應用，尤其是在婦產科、心臟科、肝膽科、泌尿科等領域。超聲檢查因其操作簡便、成本低廉和能夠實時反饋診斷信息的特點，已成為基層醫療機構中重要的診斷手段之一。然而，超聲圖像質量的差異是影響診斷效果的關鍵因素。超聲圖像的質量受到多種因素的影響，包括醫生的操作技巧、掃描角度、設備性能以及患者的體型等，這使得在實際臨床操作中，標準切面獲取的成功率較低，導致圖像質量不穩定，進而影響最終的診斷結果。
2、在基層醫療機構，由于醫生經驗相對不足，操作不當或對標準切面的理解不到位，常常會出現誤診或漏診的情況，尤其是在標準切面獲取和圖像質量評估上。醫生可能會錯過最佳切面或無法及時發現圖像中的關鍵解剖結構，從而影響疾病的早期診斷和治療。盡管超聲檢查技術本身不斷發展，但如何確保圖像質量、減少人為因素的干擾并提高工作效率，仍然是基層醫療機構面臨的巨大挑戰。
3、傳統的超聲圖像質量評估大多依賴于醫生的個人經驗和主觀判斷，容易受到醫生操作熟練度和技術水平的影響，且診斷過程中對圖像質量的評估往往需要較長時間。此外，標準切面的獲取也主要依靠醫生手動調整和拍攝，這在實際操作中不僅增加了患者的檢查負擔，也使得診療流程變得繁瑣、低效。因此，現有技術中對超聲圖像進行質量評估的準確率較低。
技術實現思路
1、本申請實施例的目的在于提供一種超聲
2、第一方面，本申請實施例提供一種超聲圖像的質量評估方法，包括：獲取一幀2d超聲圖像、多幀3d超聲圖像以及患者臨床文本數據；將所述2d超聲圖像、所述3d超聲圖像以及所述患者臨床文本數據輸入質量評估模型中，得到所述質量評估模型輸出的目標超聲圖像對應的質量評估分數；其中，所述質量評估模型包括多個評估子網絡，每個評估子網絡用于確定所述3d超聲圖像在一個維度上的初始分數，所述質量評估分數基于多個初始分數確定。
3、在上述方案中，在對超聲圖像進行質量評估的時候，可以向質量評估網絡同時輸入2d超聲圖像、多幀3d超聲圖像以及患者臨床文本數據，通過對多模態數據進行處理，提高質量評估的準確性；此外，質量評估網絡可以實現基于多維度的圖像質量評分，通過綜合清晰度、解剖結構的完整性、噪聲水平、對比度等維度對每張圖像進行質量評估，從而可以提供更全面的圖像質量參考。
4、在可選的實施方式中，所述質量評估模型包括：特征提取模塊、特征融合模塊以及質量評估模塊；所述將所述2d超聲圖像、所述3d超聲圖像以及所述患者臨床文本數據輸入質量評估模型中，得到所述質量評估模型輸出的目標超聲圖像對應的質量評估分數，包括：利用所述特征提取模塊提取所述2d超聲圖像對應的第一特征、所述3d超聲圖像對應的第二特征以及所述患者臨床文本數據對應的第三特征；利用所述特征融合模塊融合所述第一特征、所述第二特征以及所述第三特征，得到融合特征；利用所述質量評估模塊根據所述融合特征確定每一幀3d超聲圖像對應的質量評估分數；將所述質量評估分數最高的3d超聲圖像確定為目標超聲圖像，并輸出所述目標超聲圖像對應的質量評估分數。在上述方案中，可以通過提取2d超聲圖像、3d超聲圖像以及患者臨床文本數據的特征并融合上述特征，得到融合特征；基于上述融合特征可以便于對圖像進行質量評估，以得到準確率較高的質量評估結果。
5、在可選的實施方式中，所述特征提取模塊包括：卷積神經網絡、3d卷積神經網絡以及詞嵌入模型；所述利用所述特征提取模塊提取所述2d超聲圖像對應的第一特征、所述3d超聲圖像對應的第二特征以及所述患者臨床文本數據對應的第三特征，包括：將所述2d超聲圖像輸入所述卷積神經網絡中，得到所述卷積神經網絡輸出的所述第一特征；以及，將所述3d超聲圖像輸入所述3d卷積神經網絡中，得到所述3d卷積神經網絡輸出的所述第二特征；以及，將所述患者臨床文本數據輸入所述詞嵌入模型中，得到所述詞嵌入模型輸出的所述第三特征。在上述方案中，可以利用卷積神經網絡提取2d超聲圖像對應的第一特征，卷積神經網絡能夠通過逐層卷積來捕捉器官的形狀、邊界和結構信息，進一步為后續的器官分類和關鍵解剖結構分割提供支；可以利用3d卷積神經網絡提取3d超聲圖像對應的第二特征，通過應用3d卷積層，不僅能夠識別單幀圖像中的器官，還能夠學習到器官在連續視頻幀中的變化模式，從而提高質量評估的準確性；可以利用詞嵌入模型提取患者臨床文本數據對應的第三特征，從而提取出有助于圖像質量評估的關鍵信息。
6、在可選的實施方式中，所述融合所述第一特征、所述第二特征以及所述第三特征，得到融合特征，包括：基于跨模態注意力機制融合所述第一特征、所述第二特征以及所述第三特征。在上述方案中，跨模態注意力機制通過對不同模態數據之間的關系進行建模，能夠有效地學習到如何加權和選擇各模態的特征，提升特征融合的效率。
7、在可選的實施方式中，所述質量評估模塊包括：器官分類模型、圖像分割模型以及所述多個評估子網絡；所述根據所述融合特征確定每一幀3d超聲圖像對應的質量評估分數，包括：利用所述器官分類模型根據所述融合特征對所述3d超聲圖像進行器官分類，得到每一幀3d超聲圖像對應的器官類別；利用所述圖像分割模型根據所述融合特征以及所述器官類別對所述3d超聲圖像進行關鍵解剖結構分割，得到每一幀3d超聲圖像對應的分割特征；利用所述評估子網絡根據所述分割特征確定每一幀3d超聲圖像的初始分數；基于所述初始分數確定每一幀3d超聲圖像對應的質量評估分數。在上述方案中，質量評估模塊首先可以對輸入的超聲圖像進行器官分類，準確識別圖像中所涉及的具體器官，為后續的質量評估和解剖結構分割提供基礎；在器官分類的基礎上，質量評估模塊可以進一步對關鍵解剖結構進行分割，提高質量評估的準確性和可靠性；最后，通過多維度的圖像質量評分，提供更全面的圖像質量參考。
8、在可選的實施方式中，所述超聲圖像的質量評估方法還包括：利用如下步驟訓練神經網絡模型，得到所述質量評估模型：獲取樣本數據集，其中，所述樣本數據集包括2d樣本圖像、3d樣本圖像以及樣本文本數據；將所述樣本數據集輸入所述神經網絡模型中，得到所述神經網絡模型對應的損失值；根據所述損失值對所述神經網絡模型進行優化，得到所述質量評估模型。在上述方案中，可以利用樣本數據集對神經網絡模型進行訓練，從而得到質量評估模型，進而利用上述質量評估模型對圖像進行質量評估。
9、在可選的實施方式中，所述損失值包括以下至少一項：器官分類損失值、解剖結構分割損失值、留圖對比損失值、質量評分損失值、器官位置損失值。在上述方案中，通過計算上述器官分類損失值、解剖結構分割損失值、留圖對比損失值、質量評分損失值以及器官位置損失值，可以對神經網絡模型進行優化，從而得到效果更好的質量評估模型。
10、第二方面，本申請實本文檔來自技高網...
【技術保護點】
1.一種超聲圖像的質量評估方法，其特征在于，包括：
2.根據權利要求1所述的超聲圖像的質量評估方法，其特征在于，所述特征提取模塊包括：卷積神經網絡、3D卷積神經網絡以及詞嵌入模型；
3.根據權利要求1所述的超聲圖像的質量評估方法，其特征在于，所述融合所述第一特征、所述第二特征以及所述第三特征，得到融合特征，包括：
4.根據權利要求1所述的超聲圖像的質量評估方法，其特征在于，所述質量評估模塊包括：器官分類模型、圖像分割模型以及所述多個評估子網絡；
5.根據權利要求1-4任一項所述的超聲圖像的質量評估方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的超聲圖像的質量評估方法，其特征在于，所述損失值包括以下至少一項：器官分類損失值、解剖結構分割損失值、留圖對比損失值、質量評分損失值、器官位置損失值。
7.一種計算機程序產品，其特征在于，包括計算機程序指令，所述計算機程序指令被處理器讀取并運行時，執行如權利要求1-6任一項所述的超聲圖像的質量評估方法。
8.一種電子設備，其特征在于，包括：處理器、
9.一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存儲計算機程序指令，所述計算機程序指令被計算機運行時，使所述計算機執行如權利要求1-6任一項所述的超聲圖像的質量評估方法。
...【技術特征摘要】
1.一種超聲圖像的質量評估方法，其特征在于，包括：
2.根據權利要求1所述的超聲圖像的質量評估方法，其特征在于，所述特征提取模塊包括：卷積神經網絡、3d卷積神經網絡以及詞嵌入模型；
3.根據權利要求1所述的超聲圖像的質量評估方法，其特征在于，所述融合所述第一特征、所述第二特征以及所述第三特征，得到融合特征，包括：
4.根據權利要求1所述的超聲圖像的質量評估方法，其特征在于，所述質量評估模塊包括：器官分類模型、圖像分割模型以及所述多個評估子網絡；
5.根據權利要求1-4任一項所述的超聲圖像的質量評估方法，其特征在于，所述方法還包括：
6.根...
【專利技術屬性】
技術研發人員：石一磊，曹旭，胡敬良，牟立超，侯雨，陳詠虹，
申請(專利權)人：脈得智能科技無錫有限公司，
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。