(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210293137.5
(22)申请日 2022.03.24
(71)申请人 什维新智医疗科技 (上海) 有限公司
地址 201114 上海市闵行区陈行公路238 8
号3号楼101-8室
(72)发明人 何敏亮
(74)专利代理 机构 上海泰博知识产权代理有限
公司 31451
专利代理师 钱文斌
(51)Int.Cl.
G06T 7/00(2017.01)
G06V 10/40(2022.01)
G06V 10/764(2022.01)
G06V 10/80(2022.01)
G06K 9/62(2022.01)G06V 10/82(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
(54)发明名称
一种用于超 声图像的标尺的识别方法
(57)摘要
本发明涉及一种用于超声图像的标尺的识
别方法, 包括: 获取超声图像; 通过第一检测网络
检测所述超声图像中的标尺; 所述第一检测网络
包括依次连接的卷积神经网络XDNetV2 ‑D‑
Ruler、 特征金字塔网络以及两个并行的分类网
络和回归网络; 所述卷积神经网络XDNetV2 ‑D‑
Ruler用于提取超声图像的特征, 所述特征金字
塔网络用于对提取出的特征进行强化与融合, 所
述分类网络用于根据强化与融合后的特征识别
出超声图像的标尺, 所述回归网络用于对超声图
像的标尺区域进行标识; 本发明能够有效检测超
声图像的标尺。
权利要求书2页 说明书6页 附图5页
CN 114782319 A
2022.07.22
CN 114782319 A
1.一种用于超声图像的标尺的识别方法, 其特 征在于, 包括:
获取超声图像;
通过第一检测网络检测所述超声图像中的标尺; 所述第 一检测网络包括依次连接的卷
积神经网络XDNetV2 ‑D‑Ruler、 特征金字塔网络以及两个并行的分类网络和回归网络; 所述
卷积神经网络XDNetV2 ‑D‑Ruler用于提取超声图像的特征, 所述特征金字塔网络用于对提
取出的特征进 行强化与融合, 所述分类网络用于根据强化与融合后的特征识别出超声图像
的标尺, 所述回归网络用于对 超声图像的标尺区域进行 标识。
2.根据权利要求1所述的用于超声图像的标尺的识别方法, 其特征在于, 所述卷积神经
网络XDNetV2 ‑D‑Ruler包括依次连接的第一特征单元、 第二特征单元、 第三特征单元、 第四
特征单元、 2个第五特征单元和第六特征单元, 其中, 所述第一特征单元包括依次连接的第
七特征单元、 2个第九特征单元、 第八特征单元、 第九特征单元和第八特征单元; 所述第二特
征单元包括依次连接的第五特征单元、 第九特征单元、 第八特征单元、 第九特征单元和第八
特征单元; 所述第三特征单元包括依次连接的第五特征单元、 第九特征单元、 第八特征单元
和第九特征单元; 所述第四特征单元包括依 次连接的第 五特征单元、 第九特征单元和第八
特征单元。
3.根据权利要求2所述的用于超声图像的标尺的识别方法, 其特征在于, 所述第七特征
单元包括依次连接的深度可分离卷积层、 批归一 化层、 激活层、 卷积层和激活层;
所述第八特征单元包括依次连接的层归一化层、 注意力模块和相加层, 并且第八特征
单元中层归一 化层的输入和相加层连接;
所述第九特征单元包括依次连接的激活层、 批归一化层、 深度可分离卷积层、 激活层、
批归一化层、 深度可分离卷积层和相加层, 并且第九特征单元中激活层的输入和相加层连
接。
4.根据权利要求2所述的用于超声图像的标尺的识别方法, 其特征在于, 所述第五特征
单元包括依次连接的卷积层、 激活层、 层归一化层、 注意力模块和相加层, 并且第 五特征单
元中层归一 化层的输入和相加层连接;
所述第六 特征单元包括依次连接的卷积层、 批归一 化层和激活层。
5.根据权利要求3 ‑4所述的用于超声图像的标尺的识别方法, 其特征在于, 所述注意力
模块包括相对位置编码层和3个深度可分离卷积层, 其中, 第2个深度可分离层与第3个深度
可分离层进行点乘得到第一点乘结果, 第3个深度可分离层和相对位置编码层进行点乘得
到第二点乘结果, 所述第一点乘结果和第二点乘结果相加后与注意力激活层连接, 激活层
的输出和第1个深度可分离层进行点乘后与重塑层连接 。
6.根据权利要求2所述的用于超声图像的标尺的识别方法, 其特征在于, 还包括: 通过
第二检测网络检测所述标尺上的单位刻度; 所述第二检测网络包括依次连接的卷积神经网
络XDNetV2 ‑D‑Marker、 特征金字塔网络以及两个并行的分类网络和回归网络; 所述卷积神
经网络XDNetV2 ‑D‑Marker用于提取超声图像的特征, 所述特征金字塔网络用于对提取出的
特征进行强化与融合, 所述分类网络用于根据强化与融合后的特征识别出标尺上的单位刻
度, 所述回归网络用于对单位刻度进行 标识。
7.根据权利要求6所述的用于超声图像的标尺的识别方法, 其特征在于, 所述卷积神经
网络XDNetV2 ‑D‑Marker包括依次连接的第十特征单元、 第三特征单元、 第二特征单元、 第三权 利 要 求 书 1/2 页
2
CN 114782319 A
2特征单元和3个第五特 征单元。
8.根据权利要求6所述的用于超声图像的标尺的识别方法, 其特征在于, 还包括: 计算
所述单位刻度间的像素数, 得到单位刻度与像素数 的对应关系, 根据所述单位刻度与像素
数的对应关系来判断超声图像中各组织的尺寸。权 利 要 求 书 2/2 页
3
CN 114782319 A
3
专利 一种用于超声图像的标尺的识别方法
安全报告 >
其他 >
文档预览
中文文档
14 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:35:04上传分享