[发明专利]一种膈肌厚度自动测量方法、装置和存储介质

说明书

本发明公开了一种膈肌厚度自动测量方法、装置和存储介质，包括：采集M模式下不小于1个完整呼吸周期的M模式膈肌超声图像；通过第一卷积神经网络模型对M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像；通过第二卷积神经网络模型对局部膈肌区域图像进行分割，获取膈肌掩膜；根据膈肌掩膜计算得到呼气末和吸气末的位置，并根据呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。本发明实施例，可以自动地定位并分割出膈肌区域，进而准确定位出膈肌吸气末和呼气末的时刻，实现了对应时刻膈肌厚度的自动测量，进一步可以自动计算出膈肌增厚分数，减少了医疗专家资源的投入，减少了诊断时长，并且提升了诊断结果的精度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种膈肌厚度自动测量方法、装置和存储介质。

背景技术

ICU患者往往呼吸功能不全，需要借助气管插管的方式进行机械通气，以保持生理呼吸。膈肌对正常的吸气呼气功能起着重要作用，膈肌是位于胸腔与腹腔之间的肌肉-纤维结构，其周围为肌腹，中央为腱膜，又被译为横膈，是机体重要的呼吸肌，占所有呼吸肌功能的60％～80％。但是部分患者会由于其他病因导致膈肌功能障碍，同时持续的机械通气也会导致膈肌功能障碍，这些都将导致拔管后患者无法正常呼吸。

膈肌厚度的变化，如增厚分数，可以很好地评估患者膈肌功能，从而决定是否要拔管。超声设备可以很清晰地观察到膈肌的运动状态，进而测量出膈肌厚度变化情况，计算出膈肌增厚分数，最后决定是否可以拔管。

然而，目前对于超声图像中膈肌的厚度尚未有自动测量的方法，一般只能手动放置测量点，且由于厚度变化幅度很小，需要在放大的超声图像上精准放置测量光标，每组膈肌厚度测量至少需要放置4个光标，使得整个测量过程既繁琐又不够精准，而且不同操作者之间的重复性差。

因此，需要提供一种将膈肌厚度的测量过程自动化的方法，以解决上述问题。

发明内容

本发明的主要目的在于提供一种膈肌厚度自动测量方法、装置和存储介质，用于准确定位、分割膈肌，从而有效测量出呼气末和吸气末的膈肌厚度，从而进一步用于膈肌增厚分数的估计。

为实现上述目的，本发明提供了一种膈肌厚度自动测量方法，所述方法包括以下步骤：

S1：采集M模式下不小于1个完整呼吸周期的所述M模式膈肌超声图像；

S2：通过第一卷积神经网络模型对所述M模式膈肌超声图像进行膈肌定位，获取局部膈肌区域图像；

S3：通过第二卷积神经网络模型对所述局部膈肌区域图像进行分割，获取膈肌掩膜；

S4：根据所述膈肌掩膜计算得到呼气末和吸气末的位置，并根据所述呼气末和吸气末的位置计算得到呼气末和吸气末的膈肌厚度。

可选地，呼气末和吸气末的膈肌厚度包括呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值，所述方法还包括步骤：

S5：根据呼气末膈肌厚度的平均值和吸气末膈肌厚度的平均值计算得到膈肌增厚分数；

其中，所述膈肌增厚分数公式为

式中，η为膈肌增厚分数，为呼气末膈肌厚度的平均值，为吸气末膈肌厚度的平均值。

可选地，所述步骤S1包括：

患者自主呼吸时，取高频超声探头放置于肋骨间隙处，在B模式图像中观察到膈肌；

进入M模式，在患者持续呼吸不小于1个完整呼吸周期后冻结图像，并将所述冻结图像作为所述M模式膈肌超声图像。

可选地，所述步骤S2包括：

将所述M模式膈肌超声图像输入已训练得到的第一卷积神经网络模型中，获取检测框；