[发明专利]超声图像的基准图像的生成方法、装置、设备及存储介质

权利要求书

1.一种超声图像的基准图像的生成方法，其特征在于，包括：

获取预配置的掩膜信息；

获取原始超声图像；

将所述原始超声图像与所述掩膜信息进行乘积处理，得到特征区域超声图像；

将所述特征区域超声图像输入至深度学习网络，得到第一特征变量；将所述原始超声图像输入至深度学习网络，得到第二特征变量；

根据所述第一特征变量得到图像的形状特征，根据所述第二特征变量得到图像的细粒特征；

根据所述形状特征与所述细粒特征生成基准图像。

2.根据权利要求1所述的超声图像的基准图像的生成方法，其特征在于，所述将所述特征区域超声图像输入至深度学习网络，得到第一特征变量；将所述原始超声图像输入至深度学习网络，得到第二特征变量，包括：

将所述特征区域超声图像输入至深度学习网络，基于所述深度学习网络中的非线性映射网络和仿射变换对所述特征区域超声图像的潜在编码进行变换，得到第一特征变量；

将所述原始超声图像输入至深度学习网络，基于所述深度学习网络中的非线性映射网络和仿射变换对所述原始超声图像的潜在编码进行变换，得到第二特征变量。

3.根据权利要求1所述的超声图像的基准图像的生成方法，其特征在于，所述根据所述第一特征变量得到图像的形状特征，根据所述第二特征变量得到图像的细粒特征，包括：

将所述第一特征变量输入至生成网络中的低分辨率卷积层，得到图像的形状特征；

将所述第二特征变量输入至生成网络中的高分辨率卷积层，得到图像的细粒特征。

4.根据权利要求3所述的超声图像的基准图像的生成方法，其特征在于，所述低分辨率卷积层为分辨率4²-32²的卷积层；所述高分辨率卷积层为分辨率64²-1024²的卷积层。

5.根据权利要求1所述的超声图像的基准图像的生成方法，其特征在于，所述根据所述形状特征与所述细粒特征生成基准图像之后，还包括：

将所述原始超声图像与所述基准图像输入至分类网络，基于所述分类网络计算所述原始超声图像相较于所述基准图像的增量；

根据所述增量生成归因图。

6.根据权利要求5所述的超声图像的基准图像的生成方法，其特征在于，所述将所述原始超声图像与所述基准图像输入至分类网络，基于所述分类网络计算所述原始超声图像相较于所述基准图像的增量，包括；

将所述原始超声图像划分为若干个区域子图像；

分别将每个所述区域子图像与所述基准图像输入至分类网络，基于所述分类网络计算每个所述区域子图像对分别结果的预测分数相较于所述基准图像的第一贡献量；

获取所述基准图像中环境特征的第二贡献量；

根据所述第一贡献量与所述第二贡献量确定所述增量。

7.根据权利要求5所述的超声图像的基准图像的生成方法，其特征在于，所述根据所述增量生成归因图之后，还包括：

获取所述归因图中贡献量最高的目标子区域图像；

根据所述目标子区域图像确定所述基准图像的有效特征信息。

8.一种超声图像的基准图像的生成装置，其特征在于，包括：

配置信息模块，用于获取预配置的掩膜信息；

原始图像模块，用于获取原始超声图像；

图像处理模块，用于将所述原始超声图像与所述掩膜信息进行乘积处理，得到特征区域超声图像；

变量转换模块，用于将所述特征区域超声图像输入至深度学习网络，得到第一特征变量；将所述原始超声图像输入至深度学习网络，得到第二特征变量；

特征提取模块，用于根据所述第一特征变量得到图像的形状特征，根据所述第二特征变量得到图像的细粒特征；

基准图像模块，用于根据所述形状特征与所述细粒特征生成基准图像。