一种超声图像处理方法、装置、设备及存储介质与流程

技术特征：
1.一种超声图像处理方法，其特征在于，包括：获取胎儿骶尾段脊柱矢状切面的超声图像；将所述超声图像输入预先训练完成的深度学习神经网络模型，得到所述超声图像的切面评估结果；若所述切面评估结果符合预设要求，则基于所述深度学习神经网络模型识别到的所述超声图像中的脊髓圆锥末端、骶椎和腰椎，在所述超声图像中标注出所述脊髓圆锥末端、所述骶椎和所述腰椎，得到带标注的超声图像。2.根据权利要求1所述的方法，其特征在于，还包括：确定所述超声图像中的骶尾段脊柱末端与所述脊髓圆锥末端之间的椎体个数；若所述椎体个数少于预设阈值，则生成告警提示信息。3.根据权利要求1所述的方法，其特征在于，所述获取胎儿骶尾段脊柱矢状切面的超声图像，包括：获取胎儿超声检测过程中的超声影像，从所述超声影像中截取所述超声图像。4.根据权利要求1所述的方法，其特征在于，所述基于所述深度学习神经网络模型识别到的所述超声图像中的脊髓圆锥末端、骶椎和腰椎，在所述超声图像中标注出所述脊髓圆锥末端、所述骶椎和所述腰椎，得到带标注的超声图像之前，还包括：对比所述切面评估结果与前一切面评估结果；若所述切面评估结果优于所述前一切面评估结果，则执行所述基于所述深度学习神经网络模型识别到的所述超声图像中的脊髓圆锥末端、骶椎和腰椎，在所述超声图像中标注出所述脊髓圆锥末端、所述骶椎和所述腰椎，得到带标注的超声图像的步骤。5.根据权利要求1所述的方法，其特征在于，所述得到带标注的超声图像之后，还包括：若接收到修改指令，则根据所述修改指令修改所述带标注的超声图像中的脊髓圆锥末端、骶椎和腰椎的标注位置。6.根据权利要求1至5任一项所述的方法，其特征在于，所述深度学习神经网络模型的训练过程，包括：获取训练集，并从所述训练集中获取目标样本；其中，所述目标样本标注有切面类别和切面得分，且标注的切面类别为标准切面的所述目标样本还标注出脊髓圆锥末端、骶椎、腰椎的轮廓；将所述目标样本输入初始模型进行训练，得到所述预先训练完成的深度学习神经网络模型。7.一种超声图像处理装置，其特征在于，包括：获取模块，用于获取胎儿骶尾段脊柱矢状切面的超声图像；评估模块，用于将所述超声图像输入预先训练完成的深度学习神经网络模型，得到所述超声图像的切面评估结果；识别标注模块，用于若所述切面评估结果符合预设要求，则基于所述深度学习神经网络模型识别到的所述超声图像中的脊髓圆锥末端、骶椎和腰椎，在所述超声图像中标注出所述脊髓圆锥末端、所述骶椎和所述腰椎，得到带标注的超声图像。8.根据权利要求7所述的装置，其特征在于，还包括：椎体个数统计模块，用于确定所述超声图像中的骶尾段脊柱末端与所述脊髓圆锥末端
之间的椎体个数；若所述椎体个数少于预设阈值，则生成告警提示信息。9.根据权利要求7所述的装置，其特征在于，所述获取模块具体用于：获取胎儿超声检测过程中的超声影像，从所述超声影像中截取所述超声图像。10.根据权利要求7所述的装置，其特征在于，还包括：对比模块，用于对比所述切面评估结果与前一切面评估结果；若所述切面评估结果优于所述前一切面评估结果，则执行所述识别标注模块中所述的基于所述深度学习神经网络模型识别到的所述超声图像中的脊髓圆锥末端、骶椎和腰椎，在所述超声图像中标注出所述脊髓圆锥末端、所述骶椎和所述腰椎，得到带标注的超声图像的步骤。11.根据权利要求7所述的装置，其特征在于，还包括：修正模块，用于若接收到修改指令，则根据所述修改指令修改所述带标注的超声图像中的脊髓圆锥末端、骶椎和腰椎的标注位置。12.根据权利要求7至11任一项所述的装置，其特征在于，还包括：用于训练深度学习神经网络模型的模型训练模块，所述模型训练模块包括：获取单元，用于获取训练集，并从所述训练集中获取目标样本；其中，所述目标样本标注有切面类别和切面得分，且标注的切面类别为标准切面的所述目标样本还标注出脊髓圆锥末端、骶椎、腰椎的轮廓；训练单元，用于将所述目标样本输入初始模型进行训练，得到所述预先训练完成的深度学习神经网络模型。13.一种电子设备，其特征在于，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至6任一项所述的方法。14.根据权利要求13所述的电子设备，其特征在于，所述电子设备为超声诊断设备或超声工作站。15.一种存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至6任一项所述的方法。

技术总结
本申请公开了一种超声图像处理方法、装置、设备及存储介质，在该方案中，利用预先训练完成的深度学习神经网络模型自动对该超声图像进行评估，以得到该超声图像的切面评估结果；若切面评估结果符合预设要求，则表明该超声图像中的胎儿骶尾段脊柱矢状切面足够清晰，大概率能够清晰看见脊髓圆锥，因此基于深度学习神经网络模型识别到的超声图像中的脊髓圆锥末端、骶椎和腰椎，在超声图像中标注出脊髓圆锥末端、骶椎和腰椎，得到带标注的超声图像，可以帮助医生辅助判断脊髓圆锥末端的位置，提高了检查的准确性和效率。相应地，本申请提供的一种超声图像处理装置、设备及存储介质，也同样具有上述技术效果。同样具有上述技术效果。同样具有上述技术效果。


技术研发人员：彭易苗 李胜利 于亚威 曹锡华
受保护的技术使用者：深圳开立生物医疗科技股份有限公司
技术研发日：2021.09.08
技术公布日：2021/10/23