基于心脏超声视频筛选舒张期和收缩期图像的方法和装置与流程

1.本发明涉及数据处理技术领域，特别涉及一种基于心脏超声视频筛选舒张期和收缩期图像的方法和装置。


背景技术：

2.射血分数指每搏输出量也就是一次心搏中一侧心室射出的血量占心室舒张末期容积量的百分比，是判断心脏健康状态的重要指征之一。射血分数的计算与收缩期末、舒张期末心室容积有关。常规心脏超声检查设备实时输出的是一组视频数据也就是心脏超声视频，操作人员在设备播放该组心脏超声视频时，往往是通过个人经验从中筛选多帧收缩期末、舒张期末图像作为分析射血分数的参考图像。这种操作方式过于依赖个人的人工经验以及对设备的人工操作熟练程度，无法对收缩期末、舒张期末图像的筛选质量稳定性进行有效保障。而被筛选出的图像将会作为进一步计算射血分数的计算依据，在图像筛选质量较差的情况下还可能对射血分数的计算精度造成影响。


技术实现要素：

3.本发明的目的，就是针对现有技术的缺陷，提供一种基于心脏超声视频筛选舒张期和收缩期图像的方法、装置、电子设备及计算机可读存储介质，使用图像语义分割模型来提高左心室识别精度，通过识别左心室面积-时间曲线的显著性峰值点、谷值点来确保对左心室收缩期末、舒张期末极值点的识别精度，通过进一步识别显著性峰值点、谷值点的有效时间间隔来提高对左心室收缩期末、舒张期末极值点的识别准确度。通过本发明，可以摆脱传统做法中的人工干预环节，可以提高对收缩期末、舒张期末图像的筛选精度与准确度，可以对图像筛选质量给出稳定性保障。
4.为实现上述目的，本发明实施例第一方面提供了一种基于心脏超声视频筛选舒张期和收缩期图像的方法，所述方法包括：
5.获取心脏超声视频；
6.对所述心脏超声视频进行视频图像分帧处理生成多个分帧图像；
7.基于图像语义分割模型对各个所述分帧图像进行左心室语义分割处理，从而在各个所述分帧图像中得到一个对应的左心室分割图像；
8.对各个所述左心室分割图像进行图像面积统计生成对应的左心室面积参数；
9.根据所有所述左心室面积参数进行面积-时间曲线转换处理生成对应的第一面积-时间曲线；
10.根据所有所述左心室面积参数进行显著性阈值确认处理生成对应的第一显著性阈值；
11.根据所述第一显著性阈值对所述第一面积-时间曲线现有的峰值点与谷值点进行显著性峰值点与显著性谷值点识别处理；
12.对所述第一面积-时间曲线上的显著性峰值点与显著性谷值点进行有效峰值点和
有效谷值点筛选处理；
13.将所述第一面积-时间曲线上有效谷值点对应的所述分帧图像作为收缩期末筛选图像，有效峰值点对应的所述分帧图像作为舒张期末筛选图像，并按预设的心动周期排序规则对所有筛选图像进行排序生成对应的筛选图像序列。
14.优选的，所述对各个所述左心室分割图像进行图像面积统计生成对应的左心室面积参数，具体包括：
15.统计各个所述左心室分割图像的像素点总数，作为对应的所述左心室面积参数。
16.优选的，所述根据所有所述左心室面积参数进行面积-时间曲线转换处理生成对应的第一面积-时间曲线，具体包括：
17.按对应的所述分帧图像的时间先后顺序，对所有所述左心室面积参数进行排序得到第一面积参数序列；并以面积参数为纵轴、时间为横轴，对所述第一面积参数序列进行面积-时间曲线转换处理生成所述第一面积-时间曲线。
18.优选的，所述根据所有所述左心室面积参数进行显著性阈值确认处理生成对应的第一显著性阈值，具体包括：
19.按所述左心室面积参数从小到大的顺序，对所有所述左心室面积参数进行排序得到第二面积参数序列；并将所述第二面积参数序列中，排序靠前的第一预设采样位置处的所述左心室面积参数作为较小边界值，排序靠后的第二预设采样位置处的所述左心室面积参数作为较大边界值；并将所述较大边界值与所述较小边界值的差值的一半作为对应的所述第一显著性阈值。
20.优选的，所述根据所述第一显著性阈值对所述第一面积-时间曲线现有的峰值点与谷值点进行显著性峰值点与显著性谷值点识别处理，具体包括：
21.将所述第一面积-时间曲线上各个现有峰值点作为待评估峰值点；并对各个所述待评估峰值点进行显著性特征评估处理生成对应的显著性评估参数；并将所述显著性评估参数超过所述第一显著性阈值的所述待评估峰值点作为第一峰值点；
22.对所述第一面积-时间曲线进行曲线倒置处理生成对应的第二面积-时间曲线；并将所述第二面积-时间曲线上各个现有峰值点作为待评估峰值点；并对各个所述待评估峰值点进行显著性特征评估处理生成对应的显著性评估参数；并将所述显著性评估参数超过所述第一显著性阈值的所述待评估峰值点作为第二峰值点；并根据所述第二面积-时间曲线与所述第一面积-时间曲线的曲线倒置对应关系，将所述第一面积-时间曲线中与各个所述第二峰值点倒置对应的现有谷值点作为第一谷值点；
23.将所述第一面积-时间曲线上各个所述第一峰值点作为所述显著性峰值点，各个所述第一谷值点作为所述显著性谷值点。
24.进一步的，所述对各个所述待评估峰值点进行显著性特征评估处理生成对应的显著性评估参数，具体包括：
25.将所述待评估峰值点所在的面积-时间曲线记为当前面积-时间曲线；
26.在所述当前面积-时间曲线上，过所述待评估峰值点做时间横轴的平行线记为第一平行线；
27.将所述第一平行线与所述待评估峰值点左侧曲线下降沿的第一个交点记为第一左侧交点，将所述第一左侧交点到所述待评估峰值点的曲线片段记为第一左侧曲线片段；
并将所述第一平行线与所述待评估峰值点右侧曲线上升沿的第一个交点记为第一右侧交点，将所述待评估峰值点到所述第一右侧交点的曲线片段，记为第一右侧曲线片段；
28.将所述第一左侧曲线片段中，曲线幅值最低的谷值点作为第一参考谷值点；并将所述第一右侧曲线片段中，曲线幅值最低的谷值点作为第二参考谷值点；从所述第一、第二参考谷值点中，选择曲线幅值相对较高的作为第三参考谷值点；
29.将所述待评估峰值点与所述第三参考谷值点的曲线幅值差，作为与所述待评估峰值点对应的所述显著性评估参数。
30.优选的，所述对所述第一面积-时间曲线上的显著性峰值点与显著性谷值点进行有效峰值点和有效谷值点筛选处理，具体包括：
31.将所述第一面积-时间曲线上的所述显著性峰值点记为待筛峰值点；对所述第一面积-时间曲线上的所述待筛峰值点进行峰值点过滤处理，具体为：当相邻的两个待筛峰值点的时间间隔低于预设的有效极值点间隔阈值时，将其中曲线幅值较低的待筛峰值点从当前所有待筛峰值点中滤除；对所述第一面积-时间曲线上剩余的所述待筛峰值点持续进行所述峰值点过滤处理，直到所述第一面积-时间曲线上任意一对相邻的待筛峰值点的时间间隔都不低于所述有效极值点间隔阈值为止；
32.将所述第一面积-时间曲线上的所述显著性谷值点记为待筛谷值点；对所述第一面积-时间曲线上的所述待筛谷值点进行谷值点过滤处理，具体为：当相邻的两个待筛谷值点的时间间隔低于所述有效极值点间隔阈值时，将其中曲线幅值较高的待筛谷值点从当前所有待筛谷值点中滤除；对所述第一面积-时间曲线上剩余的所述待筛谷值点持续进行所述谷值点过滤处理，直到所述第一面积-时间曲线上任意一对相邻的待筛谷值点的时间间隔都不低于所述有效极值点间隔阈值为止；
33.将所述第一面积-时间曲线上最后剩余的所述待筛峰值点作为所述有效峰值点，最后剩余的所述待筛谷值点作为所述有效谷值点。
34.本发明实施例第二方面提供了一种实现上述第一方面所述的方法的装置，包括：获取模块、图像预处理模块、显著性处理模块和图像筛选模块；
35.所述获取模块用于获取心脏超声视频；
36.所述图像预处理模块用于对所述心脏超声视频进行视频图像分帧处理生成多个分帧图像；并基于图像语义分割模型对各个所述分帧图像进行左心室语义分割处理，从而在各个所述分帧图像中得到一个对应的左心室分割图像；
37.所述显著性处理模块用于对各个所述左心室分割图像进行图像面积统计生成对应的左心室面积参数；并根据所有所述左心室面积参数进行面积-时间曲线转换处理生成对应的第一面积-时间曲线；并根据所有所述左心室面积参数进行显著性阈值确认处理生成对应的第一显著性阈值；
38.所述图像筛选模块用于根据所述第一显著性阈值对所述第一面积-时间曲线现有的峰值点与谷值点进行显著性峰值点与显著性谷值点识别处理；并对所述第一面积-时间曲线上的显著性峰值点与显著性谷值点进行有效峰值点和有效谷值点筛选处理；并将所述第一面积-时间曲线上有效谷值点对应的所述分帧图像作为收缩期末筛选图像，有效峰值点对应的所述分帧图像作为舒张期末筛选图像，并按预设的心动周期排序规则对所有筛选图像进行排序生成对应的筛选图像序列。
39.本发明实施例第三方面提供了一种电子设备，包括：存储器、处理器和收发器；
40.所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现上述第一方面所述的方法步骤；
41.所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
42.本发明实施例第四方面提供了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指令，当所述计算机指令被计算机执行时，使得所述计算机执行上述第一方面所述的方法的指令。
43.本发明实施例提供了一种基于心脏超声视频筛选舒张期和收缩期图像的方法、装置、电子设备及计算机可读存储介质，首先使用图像语义分割模型对心脏超声视频的分帧图像进行左心室分割得到不同时间点上的左心室分割图像；再由左心室图像面积与时间的对应关系构建对应的面积-时间曲线，并从左心室图像面积中取大小边界值的均值作为显著性阈值；再以显著性阈值为判断依据对面积-时间曲线进行显著性峰值点、谷值点识别；再以有效极值点间隔阈值对显著性峰值点、谷值点进行有效点筛选；最后，将与有效谷值点、峰值点对应的分帧图像作为收缩期末、舒张期末图像筛选结果。通过本发明，摆脱了传统做法中的人工干预环节，提高了对收缩期末、舒张期末图像的筛选精度与准确度，对图像筛选质量给出了稳定性保障。
附图说明
44.图1为本发明实施例一提供的一种基于心脏超声视频筛选舒张期和收缩期图像的方法示意图；
45.图2为本发明实施例一提供的面积-时间曲线示意图；
46.图3为本发明实施例二提供的一种基于心脏超声视频筛选舒张期和收缩期图像的装置的模块结构图；
47.图4为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
48.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
49.本发明实施例一提供的一种基于心脏超声视频筛选舒张期和收缩期图像的方法，如图1为本发明实施例一提供的一种基于心脏超声视频筛选舒张期和收缩期图像的方法示意图所示，本方法主要包括如下步骤：
50.步骤1，获取心脏超声视频。
51.这里，心脏超声视频即是心脏超声检查设备输出的超声视频数据。
52.步骤2，对心脏超声视频进行视频图像分帧处理生成多个分帧图像。
53.这里，按设定的视频帧采样率对心脏超声视频进行图像帧提取操作，分帧图像也就是提取出的单帧图像，每个分帧图像对应一个时间点参数。
54.步骤3，基于图像语义分割模型对各个分帧图像进行左心室语义分割处理，从而在
各个分帧图像中得到一个对应的左心室分割图像；
55.其中，图像语义分割模型的网络结构可采用多种用于实现图像语义分割的神经网络结构，其中包括deeplabv3网络结构；deeplabv3网络结构可参考由作者liang-chieh chen、george papandreou、florian schroff和hartwig adam发表的文章《rethinking atrous convolution for semantic image segmentation》，在此不做进一步赘述；左心室分割图像的所有像素点的像素值为统一的第一像素值。
56.此处，第一像素值常规选用与分帧图像有明显颜色对比效果的其他颜色像素值。
57.这里，基于图像语义分割模型对各个分帧图像进行左心室语义分割处理输出一个尺寸与分帧图像尺寸一致的输出图像，该输出图像的像素点像素值只包括两种取值：预设的前景像素值和背景像素值；该输出图像中，所有像素值为前景像素值的像素点构成的前景图像即为模型左心室分割图像；在分帧图像中将与模型左心室分割图像对应的各个像素点的像素值设为第一像素值，即可在各个分帧图像中得到一个对应的左心室分割图像。
58.基于图像语义分割模型对各个分帧图像进行左心室语义分割处理之前，需要对图像语义分割模型进行模型训练。对图像语义分割模型进行模型训练时，从存储了海量心脏超声图像的训练数据集中提取原始的心脏超声图像作为训练图像，再提取与各个原始心脏超声图像对应的经由人工或机器完成左心室形状分割的分割图像作为比对图像；并由多组训练图像-比对图像组成的训练数据对，对图像语义分割模型进行训练，直到模型误差收敛为止。
59.步骤4，对各个左心室分割图像进行图像面积统计生成对应的左心室面积参数；
60.具体包括：统计各个左心室分割图像的像素点总数，作为对应的左心室面积参数。
61.这里，以左心室分割图像的像素点数量作为表征面积大小的参数也就是左心室面积参数。
62.步骤5，根据所有左心室面积参数进行面积-时间曲线转换处理生成对应的第一面积-时间曲线；
63.具体包括：按对应的分帧图像的时间先后顺序，对所有左心室面积参数进行排序得到第一面积参数序列；并以面积参数为纵轴、时间为横轴，对第一面积参数序列进行面积-时间曲线转换处理生成第一面积-时间曲线。
64.这里，以面积参数为纵轴、时间为横轴构建二维的面积-时间坐标空间，再在面积-时间坐标空间上对第一面积参数序列的左心室面积参数进行对应坐标点描计，再依次连接所有描计坐标点得到第一面积-时间曲线。
65.步骤6，根据所有左心室面积参数进行显著性阈值确认处理生成对应的第一显著性阈值；
66.具体包括：按左心室面积参数从小到大的顺序，对所有左心室面积参数进行排序得到第二面积参数序列；并将第二面积参数序列中，排序靠前的第一预设采样位置处的左心室面积参数作为较小边界值，排序靠后的第二预设采样位置处的左心室面积参数作为较大边界值；并将较大边界值与较小边界值的差值的一半作为对应的第一显著性阈值。
67.这里，第一预设采样位置与第二面积参数序列的左心室面积参数总数的比值为一个设定比值也就是第一比值，第二预设采样位置与第二面积参数序列的左心室面积参数总数的比值也为一个设定比值也就是第二比值。当前步骤之所以不直接选择最小值和最大值
作为边界值，是为了避免由突变极值点产生的误差，第一显著性阈值在后续步骤会被用作判断峰值点的显著性特征。
68.例如，第二面积参数序列有100个左心室面积参数，第一比值为a％，第二比值为b％；那么,第一预设采样位置就是第二面积参数序列中第a个左心室面积参数的所在位置，第二预设采样位置就是第b个左心室面积参数的所在位置；第一显著性阈值＝(较大边界值-较小边界值)/2＝(第b个左心室面积参数-第a个左心室面积参数)/2。
69.步骤7，根据第一显著性阈值对第一面积-时间曲线现有的峰值点与谷值点进行显著性峰值点与显著性谷值点识别处理；
70.这里，第一面积-时间曲线并不是光滑曲线，曲线上存在许多局部极大、极小值，而这些局部极大、极小值大多是一些噪点，并非实际的收缩期末、舒张期末极值点，为了能够提高收缩期末、舒张期末极值点的识别精度，当前步骤对第一面积-时间曲线进行极值点显著性分析，并以第一显著性阈值作为峰值点显著性判断依据识别出各个显著性峰值点与显著性谷值点；
71.具体包括：步骤71，将第一面积-时间曲线上各个现有峰值点作为待评估峰值点；并对各个待评估峰值点进行显著性特征评估处理生成对应的显著性评估参数；并将显著性评估参数超过第一显著性阈值的待评估峰值点作为第一峰值点；
72.这里，第一显著性阈值用于对待评估峰值点是否为显著性峰值点进行判断；在使用第一显著性阈值对显著性峰值点进行判断之前，需要评估出各个待评估峰值点的显著性评估参数；
73.进一步的，对各个待评估峰值点进行显著性特征评估处理生成对应的显著性评估参数，具体包括：
74.步骤a1，将待评估峰值点所在的面积-时间曲线记为当前面积-时间曲线；
75.这里，待评估峰值点所在的面积-时间曲线也就是当前面积-时间曲线实际就是第一面积-时间曲线；
76.步骤a2，在当前面积-时间曲线上，过待评估峰值点做时间横轴的平行线记为第一平行线；
77.例如，当前面积-时间曲线如图2为本发明实施例一提供的面积-时间曲线示意图所示，以待评估峰值点p为例，过p点做时间轴平行线得到的第一平行线如图2所示；
78.步骤a3，将第一平行线与待评估峰值点左侧曲线下降沿的第一个交点记为第一左侧交点，将第一左侧交点到待评估峰值点的曲线片段记为第一左侧曲线片段；并将第一平行线与待评估峰值点右侧曲线上升沿的第一个交点记为第一右侧交点，将待评估峰值点到第一右侧交点的曲线片段，记为第一右侧曲线片段；
79.例如图2所示，以待评估峰值点p为例，第一左侧交点pl为第一平行线与待评估峰值点左侧第一个曲线下降沿的交点，第一左侧曲线片段为pl-p的曲线片段；第一右侧交点pr为第一平行线与待评估峰值点右侧曲线上升沿的第一个交点，第一左侧曲线片段为p-pr的曲线片段；
80.需要说明的是，倘若第一平行线与待评估峰值点左侧曲线下降沿没有交点也就是第一左侧交点为空的时候，第一左侧曲线片段就是从曲线起始位置到待评估峰值点之间的曲线段；倘若与待评估峰值点右侧曲线上升沿没有交点也就是第一右侧交点为空的时候，
那么第一右侧曲线片段就是从待评估峰值点到曲线结束位置之间的曲线段；
81.步骤a4，将第一左侧曲线片段中，曲线幅值最低的谷值点作为第一参考谷值点；并将第一右侧曲线片段中，曲线幅值最低的谷值点作为第二参考谷值点；从第一、第二参考谷值点中，选择曲线幅值相对较高的作为第三参考谷值点；
82.例如图2所示，以待评估峰值点p为例，第一左侧曲线片段也就是pl-p曲线片段中，包括两个谷值点v1和v2，其中曲线幅值最低的谷值点为v1，那么第一参考谷值点就是v1；第一右侧曲线片段也就是p-pr曲线片段中，包括两个谷值点v3和v4，其中曲线幅值相对较高的谷值点为v4，那么第二参考谷值点就是v4；第一参考谷值点v1和第二参考谷值点v4中，曲线幅值相对较高的是第一参考谷值点v1，因此第三参考谷值点就应为v1；
83.步骤a5，将待评估峰值点与第三参考谷值点的曲线幅值差，作为与待评估峰值点对应的显著性评估参数；
84.例如图2所示，以待评估峰值点p为例，待评估峰值点p对应的显著性评估参数就应为p点的幅值-v1点的幅值；
85.这里，常规对曲线或波形显著性进行评估时都是以峰值点到基线的幅差作为显著性评估参数，但实际情况中面积-时间曲线是一个不规则的曲线，极可能存在基线漂移的情况，并且基线漂移也很难是理想的线性漂移结构，这种情况下得到的峰值点显著性评估参数误差就会很大；本发明实施例为解决这个问题通过上述步骤a1-a4为每个待评估峰值点选定一个相对基线点也就是第三参考谷值点，通过选择相对基线点可以降低基线漂移对显著性特征评估的误差影响，提高显著性特征评估精度，最后通过上述步骤a5计算待评估峰值点与第三参考谷值点的幅差就可得到精度更高的显著性评估参数；
86.步骤72，对第一面积-时间曲线进行曲线倒置处理生成对应的第二面积-时间曲线；并将第二面积-时间曲线上各个现有峰值点作为待评估峰值点；并对各个待评估峰值点进行显著性特征评估处理生成对应的显著性评估参数；并将显著性评估参数超过第一显著性阈值的待评估峰值点作为第二峰值点；并根据第二面积-时间曲线与第一面积-时间曲线的曲线倒置对应关系，将第一面积-时间曲线中与各个第二峰值点倒置对应的现有谷值点作为第一谷值点；
87.这里，当前步骤实际是使用第一显著性阈值对第一面积-时间曲线的各个现有谷值点进行显著性谷值点判断，在对显著性谷值点进行判断之前，需要评估出各个待评估谷值点的显著性评估参数；本发明实施例在评估各个待评估谷值点的显著性评估参数时，先将第一面积-时间曲线进行曲线倒置得到第二面积-时间曲线，第二面积-时间曲线中的峰值点也就是第一面积-时间曲线中的谷值点；再采用上述步骤a1-a5对第二面积-时间曲线的各个峰值点进行显著性特征评估处理，得到的显著性评估参数实际就是第一面积-时间曲线中各个谷值点的显著性评估参数；
88.步骤73，将第一面积-时间曲线上各个第一峰值点作为显著性峰值点，各个第一谷值点作为显著性谷值点。
89.步骤8，对第一面积-时间曲线上的显著性峰值点与显著性谷值点进行有效峰值点和有效谷值点筛选处理；
90.这里，通过前述步骤过滤了大多数显著性较弱的噪点之后，第一面积-时间曲线上还可能存在一些由环境干扰导致的显著性较强的局部极值点，当前步骤再进一步通过时间
间隔对这些干扰极值点进行过滤；
91.具体包括：步骤81，将第一面积-时间曲线上的显著性峰值点记为待筛峰值点；对第一面积-时间曲线上的待筛峰值点进行峰值点过滤处理；
92.进一步的，对第一面积-时间曲线上的待筛峰值点进行峰值点过滤处理，具体包括：当相邻的两个待筛峰值点的时间间隔低于预设的有效极值点间隔阈值时，将其中曲线幅值较低的待筛峰值点从当前所有待筛峰值点中滤除；对第一面积-时间曲线上剩余的待筛峰值点持续进行峰值点过滤处理，直到第一面积-时间曲线上任意一对相邻的待筛峰值点的时间间隔都不低于有效极值点间隔阈值为止；
93.这里，在完成峰值点过滤处理之后的第一面积-时间曲线上，相邻有效峰值点间的峰峰间距大于有效极值点间隔阈值，有效极值点间隔阈值为一个预先设定的间隔阈值；
94.需要说明的是，本发明实施例在对第一面积-时间曲线上的待筛峰值点进行峰值点过滤处理时还支持另一种实现方式，其步骤包括：
95.步骤b1，在第一面积-时间曲线上，将第一个待筛峰值点作为第一参考点；
96.步骤b2，将第一参考点的下一个待筛峰值点作为第二参考点；
97.步骤b3，计算第一、第二参考点的时间间隔生成第一时间间隔；
98.步骤b4，判断第一时间间隔是否大于有效极值点间隔阈值；若第一时间间隔大于有效极值点间隔阈值，则将第二参考点作为新的第一参考点；若第一时间间隔小于或等于有效极值点间隔阈值，则在第一、第二参考点中将幅值较小的待筛峰值点从当前所有待筛峰值点中滤除，并将幅值较大的待筛峰值点作为新的第一参考点；
99.步骤b5，判断新的第一参考点是否为第一面积-时间曲线上的最后一个待筛峰值点，若是则停止当前的峰值点过滤处理，若否则转至步骤b2；
100.基于上述实现方式，还可以第一面积-时间曲线上的最后一个待筛峰值点作为第一参考点，以第一参考点的前一个待筛峰值点作为第二参考点，并从第一参考点开始向前进行遍历；基于上述实现方式，还可以第一面积-时间曲线上的最大幅值的待筛峰值点作为第一参考点，从第一参考点开始同时向前和向后进行遍历；
101.步骤82，将第一面积-时间曲线上的显著性谷值点记为待筛谷值点；对第一面积-时间曲线上的待筛谷值点进行谷值点过滤处理；
102.进一步的，对第一面积-时间曲线上的待筛谷值点进行谷值点过滤处理，具体包括：当相邻的两个待筛谷值点的时间间隔低于有效极值点间隔阈值时，将其中曲线幅值较高的待筛谷值点从当前所有待筛谷值点中滤除；对第一面积-时间曲线上剩余的待筛谷值点持续进行谷值点过滤处理，直到第一面积-时间曲线上任意一对相邻的待筛谷值点的时间间隔都不低于有效极值点间隔阈值为止；
103.这里，在完成谷值点过滤处理之后的第一面积-时间曲线上，相邻有效谷值点间的谷谷间距大于有效极值点间隔阈值；
104.需要说明的是，本发明实施例在对第一面积-时间曲线上的待筛谷值点进行谷值点过滤处理时还支持另一种实现方式，其步骤包括：
105.步骤c1，在第一面积-时间曲线上，将第一个待筛谷值点作为第三参考点；
106.步骤c2，将第三参考点的下一个待筛峰值点作为第四参考点；
107.步骤c3，计算第三、第四参考点的时间间隔生成第二时间间隔；
108.步骤c4，判断第二时间间隔是否大于有效极值点间隔阈值；若第二时间间隔大于有效极值点间隔阈值，则将第四参考点作为新的第三参考点；若第二时间间隔小于或等于有效极值点间隔阈值，则在第三、第四参考点中将幅值较大的待筛谷值点从当前所有待筛谷值点中滤除，并将幅值较小的待筛谷值点作为新的第三参考点；
109.步骤c5，判断新的第三参考点是否为第一面积-时间曲线上的最后一个待筛谷值点，若是则停止当前的谷值点过滤处理，若否则转至步骤c2；
110.基于上述实现方式，还可以第一面积-时间曲线上的最后一个待筛谷值点作为第三参考点，以第三参考点的前一个待筛谷值点作为第四参考点，并从第三参考点开始向前进行遍历；基于上述实现方式，还可以第一面积-时间曲线上的最小幅值的待筛谷值点作为第三参考点，从第三参考点开始同时向前和向后进行遍历；
111.步骤83，将第一面积-时间曲线上最后剩余的待筛峰值点作为有效峰值点，最后剩余的待筛谷值点作为有效谷值点。
112.这里，第一面积-时间曲线上获得的有效峰值点对应的应是每次心搏的舒张期末时间点，有效谷值点对应的应是每次心搏的收缩期末时间点。
113.步骤9，将第一面积-时间曲线上有效谷值点对应的分帧图像作为收缩期末筛选图像，有效峰值点对应的分帧图像作为舒张期末筛选图像，并按预设的心动周期排序规则对所有筛选图像进行排序生成对应的筛选图像序列。
114.这里，有效谷值点对应的分帧图像也就是收缩期末筛选图像为各次心搏收缩期特征最明显的分帧图像，有效峰值点对应的分帧图像也就是舒张期末筛选图像为各次心搏舒张期特征最明显的分帧图像；心动周期排序规则可根据实际需求进行定义，其中至少包括以下几种规则：按时间先后顺序对所有收缩期末图像进行排序，或者按时间先后顺序对所有舒张期末图像进行排序，或者按时间先后顺序并以每次收缩期在前、舒张期在后的顺序对每组收缩期末图像 舒张期末图像进行排序。
115.在得到筛选图像序列之后，就可以根据每组收缩期末筛选图像 舒张期末筛选图像，统计当次心搏的实时射血分数；还可以根据收缩期末筛选图像序列计算收缩期末心室容积均值，根据舒张期末筛选图像序列计算舒张期末心室容积均值，再根据收缩期末心室容积均值和舒张期末心室容积均值计算出统计射血分数。
116.图3为本发明实施例二提供的一种基于心脏超声视频筛选舒张期和收缩期图像的装置的模块结构图，该装置可以为实现本发明实施例方法的终端设备或者服务器，也可以为与上述终端设备或者服务器连接的实现本发明实施例方法的装置，例如该装置可以是上述终端设备或者服务器的装置或芯片系统。如图3所示，该装置包括：获取模块201、图像预处理模块202、显著性处理模块203和图像筛选模块204。
117.获取模块201用于获取心脏超声视频。
118.图像预处理模块202用于对心脏超声视频进行视频图像分帧处理生成多个分帧图像；并基于图像语义分割模型对各个分帧图像进行左心室语义分割处理，从而在各个分帧图像中得到一个对应的左心室分割图像。
119.显著性处理模块203用于对各个左心室分割图像进行图像面积统计生成对应的左心室面积参数；并根据所有左心室面积参数进行面积-时间曲线转换处理生成对应的第一面积-时间曲线；并根据所有左心室面积参数进行显著性阈值确认处理生成对应的第一显
著性阈值。
120.图像筛选模块204用于根据第一显著性阈值对第一面积-时间曲线现有的峰值点与谷值点进行显著性峰值点与显著性谷值点识别处理；并对第一面积-时间曲线上的显著性峰值点与显著性谷值点进行有效峰值点和有效谷值点筛选处理；并将第一面积-时间曲线上有效谷值点对应的分帧图像作为收缩期末筛选图像，有效峰值点对应的分帧图像作为舒张期末筛选图像，并按预设的心动周期排序规则对所有筛选图像进行排序生成对应的筛选图像序列。
121.本发明实施例提供的一种基于心脏超声视频筛选舒张期和收缩期图像的装置，可以执行上述方法实施例中的方法步骤，其实现原理和技术效果类似，在此不再赘述。
122.需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
123.例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，asic)，或，一个或多个数字信号处理器(digital signal processor，dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。
124.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本发明实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路(digital subscriber line，dsl))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
125.图4为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前
述的终端设备或者服务器，也可以为与前述终端设备或者服务器连接的实现本发明实施例方法的终端设备或服务器。如图4所示，该电子设备可以包括：处理器301(例如cpu)、存储器302、收发器303；收发器303耦合至处理器301，处理器301控制收发器303的收发动作。存储器302中可以存储各种指令，以用于完成各种处理功能以及实现本发明上述实施例中提供的方法和处理过程。优选的，本发明实施例涉及的电子设备还包括：电源304、系统总线305以及通信端口306。系统总线305用于实现元件之间的通信连接。上述通信端口306用于电子设备与其他外设之间进行连接通信。
126.在图4中提到的系统总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
127.上述的处理器可以是通用处理器，包括中央处理器cpu、网络处理器(network processor，np)等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
128.需要说明的是，本发明实施例还提供一种计算机可读存储介质，该存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中提供的方法和处理过程。
129.本发明实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中提供的方法和处理过程。
130.本发明实施例提供了一种基于心脏超声视频筛选舒张期和收缩期图像的方法、装置、电子设备及计算机可读存储介质，使用图像语义分割模型来提高了左心室识别精度，通过识别左心室面积-时间曲线的显著性峰值点、谷值点来确保了对左心室收缩期末、舒张期末极值点的识别精度，通过进一步识别显著性峰值点、谷值点的有效时间间隔来提高了对左心室收缩期末、舒张期末极值点的识别准确度。通过本发明，摆脱了传统做法中的人工干预环节，提高了对收缩期末、舒张期末图像的筛选精度与准确度，对图像筛选质量给出了稳定性保障。
131.专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
132.结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
133.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步
详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。