[发明专利]胎儿超声图像智能目标检测的并行处理方法和装置

说明书

本申请涉及一种胎儿超声图像智能目标检测的并行处理方法、装置、计算机设备和存储介质。本申请的方法包括：获取胎儿超声扫描过程中得到的检测帧数据；检测帧数据为获取的胎儿超声切面图像；对检测帧数据进行预处理操作，得到预处理检测帧数据；将预处理检测帧数据与已识别的基准帧数据进行相似度比较，得到相似度结果；若相似度结果大于预设阈值，则将已存储的基准帧数据的识别结果作为检测帧数据的识别结果，得到检测帧数据中所包含目标的类别和位置。采用本方法能够降低深度卷积神经网络模型的检测工作量，提高识别效率。

技术领域

本申请涉及产前超声检查技术领域，特别是涉及一种胎儿超声图像智能目标检测的并行处理方法、装置、计算机设备和存储介质。

背景技术

目前人工智能已经广泛应用于超声图像中胎儿标准切面的自动识别，能够准确的帮助医生对胎儿生长情况做出分析和诊断。在目前的智能超声诊断过程中，首先对采集获取到的超声图像数据进行预处理，如灰度化处理、直方图均衡化处理，然后输入已训练好的深度卷积神经网络模型对经过预处理的数据集进行特征提取与目标检测，从而得到每幅胎儿超声切面图像中所包含的目标的类别和位置。

然而，现有技术的方法需要将超声扫描过程中获得的所有超声切面图像输入训练好的深度卷积神经网络模型，从而得到相应的超声切面图像的目标识别结果，由于深度卷积神经网络模型需要对所有的检测帧图像进行检测，模型的卷积计算量大，检测速度较慢，因此，上述方法存在识别效率较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高识别效率的胎儿超声图像智能目标检测的并行处理方法、装置、计算机设备和存储介质。

一种胎儿超声图像智能目标检测的并行处理方法，所述方法包括：

获取胎儿超声扫描过程中得到的检测帧数据；所述检测帧数据为获取的胎儿超声切面图像；

对所述检测帧数据进行预处理操作，得到预处理检测帧数据；

将所述预处理检测帧数据与已识别的基准帧数据进行相似度比较，得到相似度结果；

若所述相似度结果大于所述预设阈值，则将已存储的所述基准帧数据的识别结果作为所述检测帧数据的识别结果，得到所述检测帧数据中所包含目标的类别和位置。

在其中一个实施例中，所述将所述预处理检测帧数据与已识别的基准帧数据进行相似度比较，得到相似度结果，包括：对所述预处理检测帧数据进行处理，得到预设大小的检测帧数据矩阵；将所述检测帧数据矩阵和已存储的基准帧数据矩阵进行相减处理，得到相似度矩阵；根据所述相似度矩阵，确定相似度结果。

在其中一个实施例中，还包括：若所述相似度结果小于所述预设阈值，基于训练好的深度卷积神经网络模型，根据所述预处理检测帧数据和所述基准帧数据，对所述深度卷积神经网络模型中所有卷积层的输入数据和输出数据进行相应处理，以得到所述检测帧数据的识别结果。

在其中一个实施例中，所述若所述相似度结果小于所述预设阈值，基于训练好的深度卷积神经网络模型，根据所述预处理检测帧数据和所述基准帧数据，对所述深度卷积神经网络模型中所有卷积层的输入数据和输出数据进行相应处理，以得到所述检测帧数据的识别结果，包括：将所述预处理检测帧数据输入训练好的深度卷积神经网络模型后，将所述预处理检测帧数据在当前卷积层的输入数据与所述基准帧数据在所述当前卷积层的输入数据进行矩阵相减处理，得到当前卷积层的最终输入数据；将所述最终输入数据输入所述当前卷积层后，得到所述当前卷积层的初步输出数据，将所述初步输出数据与所述基准帧数据在所述当前卷积层的输出数据进行矩阵相加处理，作为所述预处理检测帧数据在所述当前卷积层的最终输出数据。

在其中一个实施例中，所述对所述检测帧数据进行预处理操作，得到预处理检测帧数据，包括：对所述检测帧数据进行归一化处理，得到归一化后的图像；对所述归一化后的图像进行灰度化处理，得到预处理检测帧数据。