[发明专利]基于超声图像的羊水信息确定方法和超声设备

权利要求书

1.一种基于超声图像的羊水信息确定方法，其特征在于，所述方法包括：

获取羊水的第一超声图像；

对所述第一超声图像进行直方图均衡化，得到第二超声图像；

若存在所述羊水的血流信号图像，基于所述第二超声图像和所述血流信号图像提取多模态特征；

对所述多模态特征进行特征提取，得到分类特征；

基于所述分类特征进行二分类操作，得到所述第一超声图像中羊水区域的掩码图像，所述二分类操作用于识别出属于羊水区域的像素点和非羊水区域的像素点；

对所述掩码图像进行边缘提取操作，得到至少一个边缘的边缘点集；

对各边缘点集分别提取羊水区域的垂直深度；

选择最大的垂直深度作为所述羊水区域的羊水深度。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二超声图像和所述血流信号图像提取多模态特征,包括：

对所述第二超声图像和所述血流信号图像进行拼接，得到拼接图像；

基于通道注意力机制网络模块提取所述拼接图像的第一特征，并基于空间注意力机制网络提取所述拼接图像的第二特征；

对所述第一特征和所述第二特征进行融合处理，得到所述多模态特征。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述多模态特征进行特征提取，得到分类特征，包括：

将多模态特征输入编码器，得到第一编码结果；

将所述第一编码结果输入交叉融合通道注意力网络模块，得到第二编码结果；

采用解码器对所述第一编码结果和所述第二编码结果进行处理，得到所述分类特征。

4.根据权利要求3所述的方法，其特征在于，所述交叉融合通道注意力网络模块包括通道嵌入模块、多头注意力模块和重构模块，其中：

所述通道嵌入模块用于对所述第一编码结果分配权重，得到权重矩阵；

所述多头注意力模块用于将所述权重矩阵与所述第一编码结果相乘，得到权重特征；

所述重构模块对所述权重特征进行特征提取，得到所述第二编码结果。

5.根据权利要求1所述的方法，其特征在于，所述对各边缘点集分别提取羊水区域的垂直深度，包括：

对每个边缘点集分别执行：

计算所述边缘点集的外接矩形；

在所述第一超声图像中以所述外接矩形的左上顶点为起点，遍历所述外接矩形中像素列上的像素点，得到同一像素列中的第一像素点和第二像素点，所述第一像素点为所述像素列中首个属于羊水区域的像素点、所述第二像素点为所述像素列中最后一个属于羊水区域的像素点；

若在所述像素列中所述第一像素点与第二像素点之间的像素点均为所述羊水区域的像素点，则计算所述第一像素点与第二像素点之间的距离作为所述像素列的垂直深度；

将所述外接矩形中各像素列的最大垂直深度作为所述边缘点集对应的羊水区域的垂直深度。

6.根据权利要求1所述的方法，其特征在于，还包括：

若不存在所述羊水的血流信号图像，则基于所述第二超声图像和最小噪声图像提取多模态特征。

7.根据权利要求1所述的方法，其特征在于，所述对所述第一超声图像进行直方图均衡化，具体包括：

设置滑动窗口，基于所述滑动窗口内所有像素的方差与均值确定均衡化系数，其中，所述均衡化系数与所述滑动窗口内包含羊水边缘的可能性呈正相关关系；

基于以下公式计算所述滑动窗口内的超声图像均衡化后的像素值：

其中，(i，j)表示像素点的位置，H(i，j)表示均衡化的变换函数，g(i，j)表示进行所述直方图均衡化之前的所述滑动窗口中的像素值，表示进行所述直方图均衡化之前，以(i，j)为中心，所述滑动窗口中所有像素点的均值，k表示所述均衡化系数，f(i，j)表示进行所述直方图均衡化后所述滑动窗口中的像素值。

8.根据权利要求5所述的方法，其特征在于，所述方法还包括：

若所述第一像素点与第二像素点之间的像素点包括非羊水区域的像素点，则遍历下一像素列。