CN114693640B 一种基于视频序列的超声图像病灶属性分类处理方法、系统、电子设备及存储介质 （合肥合滨智能机器人有限公司）

一种基于视频序列的超声图像病灶属性分本发明公开了一种基于视频序列的超声图2S102：获得待测的超声图像，提取所述待测超声图S104：在待测的超声影像中追踪所述病灶目标，获S106：获取所述跟踪序列中病灶目标的属性信息S108：获取所述跟踪序列中当前病灶目标的属性2.根据权利要求1所述的一种基于视频序列的超声图像病灶属性分类处理方法，其特利用目标检测模型提取所述待测超声图像中某一处或多处的病灶图像作为病灶目标，3.根据权利要求1所述的一种基于视频序列的超声图像病灶属性分类处理方法，其特将超声影像中病灶目标的属性置信度、病灶目标的包围框以及4.根据权利要求3所述的一种基于视频序列的超声图像病灶属性分类处理方法，其特根据病灶目标高属性分类置信度、超声影像中前后两帧属性类别不计算所述病灶目标属性类别以及与所述病灶目标属性类别5.根据权利要求3所述的一种基于视频序列的超声图像病灶属性分类处理方法，其特如果所述整体置信度大于第一阈值，则将与所述整体置信度对应如果所述整体置信度小于第一阈值，但大于第二阈值如果所述整体置信度小于第二阈值，则将与所述整体置信度对应3病灶识别模块，其用于获得待测的超声图像，提取所述待测病灶追踪模块，其用于在待测的超声影像中追踪所述病属性识别模块，其用于获取所述跟踪序列中病灶目标判断模块，其用于获取所述跟踪序列中当前病7.根据权利要求6所述的一种基于视频序列的超声图像病灶属性分类处理系统，其特第二判断单元，用于将所述整体置信度与第一阈值和第二阈第三判断单元，用于将所述整体置信度与第二阈值进行比包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项4[0002]超声图像病灶属性分类是指在已定位的具体部位病灶上，进一步判断病灶的属灶的属性对医生后期给出病灶的具体诊断结果有着很避免了采用目标检测器直接判断属性类别的方式，为了能够适应不同情况的属性分类场灶目标属性类别以及与所述病灶目标属性类别对应的整体置信度，分类病灶属性的方式，跟踪序列；5[0012]利用目标检测模型提取所述待测超声图像中某一处或多处的病灶图像作为病灶性信息类别均加入所述跟踪序列。应的病灶目标属性类别保留在所述跟踪序列；γ表示权重偏置。6性类别保留在所述跟踪序列；[0039]通过结合附图对本申请实施例进行更详细地描述，本申请的上述以及其他目的、[0040]图1为本发明实施例提供的一种基于视频序列的超声图像病灶属性分类处理方法[0042]图3为本发明实施例提供的一种基于视频序列的超声图像病灶属性分类处理系统7声图像中病灶类别进行识别，再对病灶位置进行精确定位。这里的目标检测模型例如是跟踪序列。8[0055]具体的，这里是利用分类器模型识别所述跟踪序列中最新的病灶目标的属性类包围框以及所述病灶目标的属性信息类别加入所述[0058]本示例能够适应不同情况的属性分类场景，采用先确定9集和并集的比值，主要用来对前后帧目标包围框的重叠度进行量化，β为一个固定的权重[0069](3)考虑病灶目标在影像连续视频帧中连续出现的属性类别是相同的，更有可能[0071]cj-1表示目标序列中第j-1个目标的属性类别，表示跟踪序列中病灶目标是否γ表示权重偏置。[0078]将所述整体置信度与第一阈值和第二阈值进行比较，其中第一阈值大于第二阈[0085]本示例在传统的分类器模型经过网络结构改造，使其具有多任务同时识别的功述病灶目标对应的跟踪序列；性类别保留在所述跟踪序列；[0101]处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存请的各个实施例的决策行为决策方法以及/或者其他算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述[0107]所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执[011