申请/专利权人：天津市胸科医院

申请日：2024-04-24

公开（公告）日：2024-06-21

公开（公告）号：CN118078330B

主分类号：A61B8/06

分类号：A61B8/06;A61B8/00;G06T7/00;G06T7/62

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开了基于深度学习的超声影像血流识别分析方法及系统，涉及超声图像处理技术领域，包括获取彩色多普勒图像，对彩色标尺进行分析，得到多个流速区间；对彩色取样框进行血流提取处理，对流速数量进行分析，输出拥堵判断信息；拥堵判断信息包括血流通畅信息、血流拥堵信息和严重拥堵信息；计算血管直径；当输出血流拥堵信息和严重拥堵信息时，利用深度学习模型对血管直径、流速区间、流速区间对应的流速数量以及患者的特征信息进行计算分析输出单位血流量；本发明用于解决现有技术中因缺少对彩色多普勒图像进行分析、判断血管是否存在拥堵以及对计算结果进行验算的处理，在计算血流速度以及血流量时会影响计算结果的准确性的问题。

主权项：1.基于深度学习的超声影像血流识别分析方法，其特征在于，包括：获取彩色多普勒图像，所述彩色多普勒图像包括彩色取样框以及彩色标尺；对彩色标尺进行分析，得到多个流速区间；基于流速区间对彩色取样框进行血流提取处理，得到多个流速数量以及血流图像；对流速数量进行分析，基于分析结果输出拥堵判断信息；拥堵判断信息包括血流通畅信息、血流拥堵信息和严重拥堵信息；基于流速区间对彩色取样框进行血流提取处理，得到多个流速数量以及血流图像包括：对彩色取样框内每个像素点用RGB[R（a1）、G（a2）、B（a3）]进行色彩标记，输出每个像素点的色彩值，标记为像素值；其中，R（a1）表示像素点在红色上的分量，G（a2）表示像素点在绿色上的分量，B（a3）表示像素点在蓝色上的分量，a1、a2以及a3的取值范围均为0-255；为每个流速区间设置初始值为0的流速数量，执行像素判断循环，所述像素判断循环包括：判断像素值与m个流速区间的关系，将像素值位于的流速区间的像素数进行加一处理，将像素值进行删除处理；若像素值不位于任意一个流速区间时，将像素值对应的像素点进行删除处理；重复像素判断循环，当彩色取样框内不存在像素值时，将剩余的彩色多普勒图像标记为血流图像，输出每个流速区间对应的流速数量以及血流图像；对流速数量进行分析，基于分析结果输出拥堵判断信息包括：将第1流速至第m2流速区间标记为反向流速区间，计算反向流速区间的流速数量的和，标记为反向数量；当反向数量不为0时，输出严重拥堵信息；当反向数量为0时，进行血管拥堵判断，所述血管拥堵判断包括：将第[m2+1]流速区间至第m流速区间标记为正向流速区间；对正向流速区间的流速数量按递增的方式进行排序，得到流速数序列；计算流速数序列的序列中值，将位于序列中值右侧的流速区间标记为右侧区间；利用拥堵判断公式计算得到拥堵判断值，所述拥堵判断公式配置为：dp=|mx-m1|；其中dp为拥堵判断值，m1为第一个右侧区间对应的流速区间编号，mx为第x个右侧区间对应的流速区间编号；若dp与拥堵阈值相等，输出血流通畅信息；若dp与拥堵阈值不相等，输出血流拥堵信息；基于血流图像计算血管直径；当输出血流通畅信息时，通过血管直径、流速区间以及流速区间对应的流速数量进行计算输出单位血流量；当输出血流拥堵信息和严重拥堵信息时，利用深度学习模型对血管直径、流速区间、流速区间对应的流速数量以及患者的特征信息进行计算分析输出单位血流量。

全文数据：

权利要求：

百度查询： 天津市胸科医院 基于深度学习的超声影像血流识别分析方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD