[发明专利]超声心脏反流自动捕捉方法、系统及超声成像设备

权利要求书

1.一种超声心脏反流自动捕捉方法，其特征在于，包括：

获取超声视频；

每隔设定的T秒时间截取前T秒的超声视频，以获得截取成预设大小的超声视频；

提取截取后超声视频的静态特征和动态特征，所述静态特征包括从超声视频中单帧超声图像提取的图像参数信息，所述动态特征包括从超声视频中提取的光流信息；

将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流，其中，从截取的超声视频中提取单帧超声图像的图像参数信息，包括：

将截取的超声视频拆分为独立的单帧超声图像；

提取每帧超声图像的灰度信息、形态信息以及纹理信息；其中，从超声视频中提取的光流信息，包括：

获取超声视频水平和竖直方向的光流中固定帧数的连续光流特征；

通过光流通道化将选取的所述连续光流特征交叉堆叠成光流栈。

2.如权利要求1所述的超声心脏反流自动捕捉方法，其特征在于，通过光流通道化将选取的所述连续光流特征交叉堆叠成光流栈，具体以下列形式交错合并：

，

其中，w表示超声图像的宽度，h表示超声图像的高度，单位为像素，L为帧数，表示水平方向的移动矢量， 表示垂直方向的移动矢量， k为自然数，表示奇数位的光流特征，表示偶数位的光流特征，通过光流通道化将连续光流特征交叉堆叠成总长为2L的光流栈。

3.如权利要求1-2中任一项所述的超声心脏反流自动捕捉方法，其特征在于，将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流具体为：

将提取的静态特征输入卷积神经网络模型的静态网络支路，输出第一判断结果；

将提取的动态特征输入卷积神经网络模型的动态网络支路，输出第二判断结果；

所述静态网络支路与动态网络支路将各自的输出进行平均，输出是否存在心脏反流。

4.如权利要求1-2中任一项所述的超声心脏反流自动捕捉方法，其特征在于，将所述静态特征和动态特征输入训练后的卷积神经网络模型判断是否存在心脏反流具体为：

将提取的静态特征输入卷积神经网络模型的静态网络支路，输出第一判断结果；

将提取的动态特征输入卷积神经网络模型的动态网络支路，输出第二判断结果；

所述静态网络支路与动态网络支路将各自的输出根据加权输出法合并，输出是否存在心脏反流，所述加权输出法是指取两个支路的输出乘以权重因子后取平均值。

5.如权利要求4所述的超声心脏反流自动捕捉方法，其特征在于，所述动态网络支路的权重大于静态网络支路的权重。

6.如权利要求1或2所述的超声心脏反流自动捕捉方法，其特征在于，所述光流特征为稠密光流，所述稠密光流为连续两帧超声图像中的点位移向量场的集合。

7.一种超声成像设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至6中任意一项所述的超声心脏反流自动捕捉方法。