[发明专利]一种B超图像选取方法及系统

说明书

本发明公开了一种B超图像选取方法及系统，属于医学影像处理技术领域，包括：步骤S1，将待处理视频分解成多帧图像；步骤S2，特征提取对应的特征集；步骤S3，评价得到对应的质量评价值；步骤S4，根据质量评价值排序形成第一图像序列，并记录帧号；步骤S5，按顺序两两比较帧号；步骤S6，按顺序两两匹配图像相似度，当相似度大于相似度阈值时，保留两帧图像中的后一帧图像，得到第三图像序列；步骤S7，提取第三图像序列的每帧图像对应的帧号作为预览节点，融合至待处理视频的进度条中。本发明的有益效果在于：基于深度学习方法，提取超声视频序列中含有病灶的图像及该图像所在的视频子段，提供给医生预览，减少时间，提高诊断效率。

技术领域

本发明涉及医学影像处理技术领域，尤其涉及一种B超图像选取方法及系统。

背景技术

随着深度学习技术的日益成熟，在各个领域中得到了广泛的使用，尤其是医学影像领域，利用计算机进行辅助诊断，基于计算机技术和深度学习方法对医学影像进行分析，能为医生的临床诊断提供有效的诊断建议，帮助医生更快的完成疾病诊断。B超是现代临床医学检查中不可缺少的诊断手段，与其他影像设备的区别在于：B超是动态影像。B超影像不仅能够连贯地、动态地观察身体脏器的运动和功能，而且还可以追踪病变、显示立体变化，同时不会受到其成像分层的限制。

目前，医院通常会将这些连续影像存储为B超视频，上传到医疗影像存储与传输系统(Picture Archiving and Communication Systems，PACS)或者远端服务器中。对于远程诊断的医生或者B超质检员来说，需要观看整个完整片段的B超视频，才能分析得出结论，其花费时间较长，效率较低；由于医学图像的背景噪声复杂，并且灰度图像使得传统的视频节点提取的方法，通常会掠过大部分重复的或者变化较小的部分，同时加速播放时，对于细节的阈值设置处理不好，容易将超声病灶遗漏，难以获得比较好的结果，因此针对以上问题，迫切需要设计出一种B超图像选取方法及系统，以满足实际使用的需要。

发明内容

为了解决以上技术问题，本发明提供了一种B超图像选取方法及系统。

本发明所解决的技术问题可以采用以下技术方案实现：

本发明提供一种B超图像选取方法，包括：

步骤S1，提供一待处理视频，将所述待处理视频进行分解，得到多帧图像；

步骤S2，对分解得到的多帧所述图像分别进行特征提取，得到每帧所述图像对应的特征集；

步骤S3，将每帧所述图像对应的所述特征集依次进行质量评价，得到每帧所述图像对应的质量评价值；

步骤S4，对所述质量评价值进行排序，排序后的所述质量评价值对应的所述图像形成一第一图像序列，并于所述第一图像序列中记录每帧所述图像在所述待处理视频中对应的帧号；

步骤S5，按顺序依次对所述第一图像序列中每帧所述图像对应的帧号进行两两比较，得到一第二图像序列；

步骤S6，按顺序依次对所述第二图像序列的每帧所述图像进行两两匹配，得到两帧所述图像对应的相似度，当所述相似度大于一相似度阈值时，保留两帧图像中的后一帧对应的所述图像，得到一第三图像序列；

步骤S7，提取所述第三图像序列的每帧所述图像对应的帧号，得到一帧号队列，并将所述帧号队列中的所有帧号作为预览节点，融合至所述待处理视频的进度条中。

优选地，所述步骤S1中，将所述待处理视频按时间等分分解成多帧图像，并根据所述待处理视频的总时长和等分帧数，得到平均每帧时间。

优选地，提供一特征提取深度神经网络；

所述步骤S2中，采用所述特征提取深度神经网络逐帧对分解得到的所述图像进行特征提取。

优选地，所述特征提取深度神经网络为分类网络；