[发明专利]一种超声成像的优化方法、超声成像系统和计算机可读存储介质

权利要求书

1.一种超声成像的优化方法，其特征在于，包括，

获取受测对象通过超声检查得到的三维体数据；

从所述三维体数据中识别目标解剖结构信息；

根据所述目标解剖结构信息自动设置光源参数；

采用所述光源参数对所述三维体数据进行渲染。

2.如权利要求1所述的超声成像的优化方法，其特征在于，

所述目标解剖结构信息包括目标解剖结构的类型信息、位置信息和方向信息中的至少一个。

3.如权利要求2所述的超声成像的优化方法，其特征在于，

从所述三维体数据中识别目标解剖结构信息之前还包括，基于得到的三维体数据生成三维超声图像并输出至显示器进行显示；

从所述三维体数据中识别目标解剖结构信息包括，

接收用户在三维超声图像上做出的标识，根据所述标识识别所述目标解剖结构的位置信息；和/或

接收用户对目标解剖结构类型的输入指令，根据所述输入指令识别所述目标解剖结构的类型信息。

4.如权利要求2所述的超声成像的优化方法，其特征在于，

从所述三维体数据中识别目标解剖结构信息包括，

采用机器学习方法从所述三维体数据中识别目标解剖结构信息，所述目标解剖结构信息包括目标解剖结构的类型信息和位置信息中的至少一个。

5.如权利要求4所述的超声成像的优化方法，其特征在于，所述机器学习方法为深度学习方法，所述采用机器学习方法从所述三维体数据中识别目标解剖结构信息包括：

将三维体数据输入神经网络模型，所述神经网络模型经由预设的样本数据库训练而成；

通过神经网络模型直接回归出对应的感兴趣区域；

获取该感兴趣区域内的目标解剖结构的类型信息和位置信息中的至少一个。

6.如权利要求4所述的超声成像的优化方法，其特征在于，所述机器学习方法为特征类机器学习方法，采用机器学习方法从所述三维体数据中识别目标解剖结构信息包括：

在三维体数据中确定一组感兴趣区域；

对每个感兴趣区域进行特征提取；

将提取到的特征和预设的样本数据库进行匹配，确定当前感兴趣区域中是否包含目标解剖结构；

当匹配成功时，采用分类器获取该目标解剖结构的类型信息和位置信息中的至少一个。

7.如权利要求2所述的超声成像的优化方法，其特征在于，

从所述三维体数据中识别目标解剖结构信息之前还包括：基于得到的三维体数据生成三维超声图像并输出至显示器进行显示；

从所述三维体数据中识别目标解剖结构信息包括，：

接收用户在显示的三维超声图像上做出的标识；

根据所述标识识别所述目标解剖结构的位置信息；

采用机器学习方法，从所述目标解剖结构的位置信息处的三维体数据中识别目标解剖结构的类型信息。

8.如权利要求5至7中任意一种所述的超声成像的优化方法，其特征在于，所述获取受测对象通过超声检查得到的三维体数据之前，所述方法还包括：

获取超声探头类型和/或检查模式；

根据所述超声探头类型和/或检查模式确定预设的样本数据库。

9.如权利要求2至8中任意一项所述的超声成像的优化方法，其特征在于，

从所述三维体数据中识别目标解剖结构的位置信息；

根据所述目标解剖结构的位置信息识别所述目标解剖结构的方向信息。

10.如权利要求2所述的超声成像的优化方法，其特征在于，

所述光源参数包括光源类型、体积光对比度、体积光强弱、光源数量、光源方向和光源位置中的至少一个。