一种基于深度学习的产前超声检测方法及装置与流程

本技术涉及超声检查领域，特别是一种基于深度学习的产前超声检测方法及装置。

背景技术：

1、产前超声检测报告系统是超声科医生在做产前超声检查的日常工作中使用的软件系统。超声科医生使用该系统完成从申请单登记、叫号、超声检查、超声报告书写、打印报告等一系列工作，为医生提供了高效、准确的工作手段，从而保证了医疗质量。

2、出生缺陷问题是我国面临的一项重要公共卫生挑战。畸形胎儿的出现不仅可能导致胎儿死亡，更会带来高昂的医疗费用。与此同时，超声医生资源严重不足，这使得他们在日常工作中承受着巨大的压力，而产前检查需要检查的标准切面多，如何辅助超声科医师快速、准确、完整地完成超声检查已成为关键问题。

技术实现思路

1、鉴于所述问题，提出了本技术以便提供克服所述问题或者至少部分的解决所述问题的一种基于深度学习的产前超声检测方法及装置，包括：

2、一种基于深度学习的产前超声检测方法，包括步骤：

3、获取待测胎儿超声序列的超声视频帧；

4、依据所述超声视频帧确定序列中待质控切面对应的标准切面、所述标准切面对应的标准短视频以及所述标准切面对应的测量值；

5、依据所述待测标准切面、所述标准短视频和所述测量值生成目标检测报告。

6、进一步地，所述依据所述超声视频帧确定序列中待质控切面对应的标准切面、所述标准切面对应的标准短视频以及所述标准切面对应的测量值的步骤，包括：

7、确定每个所述超声视频帧对应的切面类型和关键解剖结构；

8、依据所述切面类型和所述关键解剖结构确定序列中待质控切面对应的标准切面和所述标准切面对应的标准短视频；

9、依据所述标准切面确定所述标准切面对应的测量值。

10、进一步地，所述确定每个所述超声视频帧对应的切面类型和关键解剖结构的步骤，包括：

11、通过目标分类深度学习网络确定所述超声视频帧对应的切面类型及所述切面类型对应的权重；

12、通过目标分类深度学习网络确定所述超声视频帧对应的关键解剖结构。

13、进一步地，所述关键解剖结构包括重要结构、次要结构和扣分点；所述依据所述切面类型和所述关键解剖结构确定序列中待质控切面对应的标准切面和所述标准切面对应的标准短视频的步骤，包括：

14、依据所述重要结构、所述次要结构和所述扣分点确定所述关键解剖结构的评分；

15、依据所述切面类型的权重和所述关键解剖结构的评分确定出所述序列中待质控切面对应的标准切面；

16、依据所述标准切面的前后帧确定出所述标准切面对应的标准短视频。

17、进一步地，所述依据所述切面类型和所述关键解剖结构确定序列中待质控切面对应的标准切面和所述标准切面对应的标准短视频的步骤，包括：

18、将所述超声视频帧对应的切面类型和对应的所述关键解剖结构输入目标分类深度学习网络，输出所述超声视频帧是否为标准切面的检测结果；其中，所述目标分类深度学习网络结构为：

19、第一层为输入层，输入224*224*3像素的图像矩阵；

20、第二层为卷积层，卷积核尺寸为7*7，填充3，步长2，输出特征图大小为112*112(c1)；

21、第三层为最大池化层，池化窗口尺寸为3*3，步长2，输出特征图大小为56*56(c2)；

22、第四层为卷积层，卷积核尺寸为1*1，填充0，步长2，输出特征图大小为28*28(c3)；

23、第五层为卷积层，卷积核尺寸为1*1，填充0，步长2，输出特征图大小为14*14(c4)；

24、第六层为卷积层，卷积核尺寸为1*1，填充0，步长2，输出特征图大小为7*7(c5)；

25、第七层为最大池化层，池化窗口尺寸为3*3，步长2，输出特征图大小为3*3(c6)；

26、第八层为卷积层，由c6横向连接，卷积核尺寸为1*1，输出p6，输出特征图大小为3*3，对得到的特征图进行标准切面的分类和关键部位的定位；

27、第九层为卷积层，由c5横向连接，卷积核尺寸为1*1，输出p5，输出特征图大小为7*7，对得到的特征图进行标准切面的分类和关键部位的定位；

28、第十层为卷积层，由c4横向连接，卷积核尺寸为1*1；同时，对p5进行上采样，与c4横向卷积结果进行相加，输出p4，输出特征图大小为14*14，对得到的特征图进行标准切面的分类和关键部位的定位；

29、第十一层为卷积层，由c3横向连接，卷积核尺寸为1*1；同时，对p4进行上采样，与c3横向卷积结果进行相加，输出p3，输出特征图大小为28*28，对得到的特征图进行标准切面的分类和关键部位的定位；

30、第十二层为卷积层，由c2横向连接，卷积核尺寸为1*1；同时，配p3进行上采样，与c2横向卷积结果进行相加，输出p2，输出特征图大小为56*56，对得到的特征图进行标准切面的分类和关键部位的定位。

31、进一步地，所述依据所述标准切面确定所述标准切面对应的测量值的步骤，包括：

32、对所述标准切面进行分割；

33、对分割的所述标准切面进行测量，生成所述标准切面对应的测量值。

34、进一步地，所述获取待测胎儿的超声视频帧的步骤，包括：

35、获取待测胎儿超声序列的超声视频流；

36、依据所述超声视频流确定超声视频帧，并对所述超声视频帧进行预处理。

37、一种基于深度学习的产前超声检测装置，包括：

38、数据获取模块，用于获取待测胎儿超声序列的超声视频帧；

39、判别测量模块，用于依据所述超声视频帧确定序列中待质控切面对应的标准切面、所述标准切面对应的标准短视频以及所述标准切面对应的测量值；

40、报告生成模块，用于依据所述待测标准切面、所述标准短视频和所述测量值生成目标检测报告。

41、一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的基于深度学习的产前超声检测方法的步骤。

42、一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的基于深度学习的产前超声检测方法的步骤。

43、本技术具有以下优点：

44、在本技术的实施例中，相对于现有技术中的“产前检查需要检查的标准切面多，如何辅助超声科医师快速、准确、完整的完成超声检查已成为关键问题”，本技术提供了基于深度学习的产前超声实时智能检测的解决方案，具体为：获取待测胎儿超声序列的超声视频帧；依据所述超声视频帧确定序列中待质控切面对应的标准切面、所述标准切面对应的标准短视频以及所述标准切面对应的测量值；依据所述待测标准切面、所述标准短视频和所述测量值生成目标检测报告。本发明为医生实际办公使用的报告系统中加入ai智能化的改造，对超声科室来说，无高额的设备替换成本，对医生来说，无系统对接改造适应新系统的学习成本，仅需升级现有报告系统软件即可；并且可覆盖从早孕、中晚孕一级、中晚孕二级、中晚孕三级以及胎儿超声心脏检查全生命周期，切面总数达64个；还能实现报告快速生成，结合报告知识库、ai自动采集切面及自动测量结果，快速生成超声检查报告。