技术摘要：
本发明提供一种肺部超声图像识别方法和系统，通过对采集肺部连续的超声图像进行预处理，将预处理的连续超声图像采用两种神经网络模型进行训练得到是否具有肺滑动征、A线征、B线征或肺实变征的分析结果，然后对连续的超声图像进行分类标记，由人工识别变为识别肺部B超图  全部
背景技术：
由于吸烟、空气污染、病毒感染等原因均会导致肺气肿、尘肺、结节、哮喘等阻塞性 肺部疾病，患者多有呼吸困难、胸闷气短、四肢乏力、慢性咳嗽、咳痰等症状，时间长久后发 展为肺心病，严重影响人们的正常生活。 B超是通常采用的比较可靠的肺部疾病筛选方式，但B超图像特征的分析与识别依 赖于医生的肉眼观察和诊断经验。然而在医院的临床应用中，对B超图像特征的常规分析和 分类仍是一个成本高且实现难度大的工作，因为该工作只能由少数经验丰富、训练有素的 医生和专家耗费大量的人力物力手动完成，并且人工的手动诊断方法具有较强的主观性， 且不可复制，很难在较短时间内培养出一个出色的B超诊断医生。尤其对于人口众多、求医 需求大的国家，许多偏远地区的医院在B超诊断医生方面尚有巨大缺口。而大城市的B超诊 断医生也同样面临任务量大的问题。超负荷的工作量势必会伴随着误诊率的增加，稍有疏 忽就会给患者和主治医生带来极为严重的后果。
技术实现要素：
为了克服现有超声影像肺部疾病筛查方式难度大、效率低下、精度较低的不足，本 发明提出了一种速度快、效率高、精度较高的基于深度学习的肺部超声图像识别方法和系 统，实现了肺部超声影像的自动分析，可有效对超声影像慢性肾脏病患病情况进行辅助筛 查判断。 一种肺部超声图像识别方法，包括如下步骤： 步骤S1，采集被检测者的肺部的连续超声图像； 步骤S2，对连续超声图像进行预处理后得到多帧依序排列的待识别图像，将所有 待识别图像组成待测图像集； 步骤S3，将待测图像集输入至一预先训练形成的第一分类模型中识别得到肺部的 第一类病理特征结果，执行步骤S5； 步骤S4，将待测图像集输入至一预先训练形成的第二分类模型中识别得到肺部的 第二类病理特征结果，执行步骤S5； 步骤S5，将第一类病理特征结果和第二类病理特征结果作为肺部超声检测结果输 出； 步骤S3和步骤S4同时执行。 进一步的，步骤S2中，预处理过程具体包括如下步骤： 步骤S21，获取连续超声图像的每一帧超声图像中的有效区域图像； 步骤S22，对每帧有效区域图像分别进行灰度化和归一化处理后得到归一化灰度 5 CN 111598868 A 说　明　书 2/10 页 图像； 步骤S23，剔除所有归一化灰度图像中相对静止的图像，保留特定帧数的归一化灰 度图像； 步骤S24，将被保留的每一帧归一化灰度图像分别缩放成统一尺寸并形成待识别 图像，获得待测图像集。 进一步的，步骤S23中，剔除相对静止的图像的过程具体包括： 步骤S231，计算当前帧的归一化灰度图像与前一帧的归一化灰度图像之间的相关 系数； 步骤S232，判断相关系数是否大于一预设数值，并保留相关系数不大于预设数值 所对应的当前帧的归一化灰度图像； 步骤S233，将被保留的归一化灰度图像的实际帧数与预设的特定帧数进行比较： 若实际帧数大于特定帧数，则相应降低预设数值，并返回步骤S232； 若实际帧数等于特定帧数，则执行步骤S24； 若实际帧数小于特定帧数，则相应提升预设数值，并返回步骤S232。 进一步的，步骤S231中，依照下述公式计算相关系数： 其中，下标x用于表示归一化灰度图像中各个像素的横向坐标位置； 下标y用于表示归一化灰度图像中各个像素的纵向坐标位置； 下标x′用于代表像素的横向坐标位置的横向偏移； 下标y′用于表示像素的纵向坐标位置的纵向偏移； Iprev(x,y)表示前一帧的归一化灰度图像中，坐标位置为(x,y)的像素的灰度值； Icur(x,y)用于表示当前帧的归一化灰度图像中，坐标位置为(x,y)的像素的灰度值； R(x,y)用于表示相关系数。 进一步的，步骤S3中，第一类病理特征结果为表征肺滑动征或非肺滑动征的二分 类筛查结果。 进一步的，步骤S4中，选取待测图像集中的一帧待识别图像并送入第二分类模型 中进行识别，输出的第二类病理特征结果为表征A线征、B线征或肺实变征的三分类筛查结 果。 一种肺部超声图像识别系统，应用于如上的一种肺部超声图像识别方法，包括： 图像采集模块，用于采集被检测者的肺部的连续超声图像； 预处理模块，与图像采集模块连接，用于对连续超声图像进行预处理后得到多帧 依序排列的待识别图像，将所有待识别图像组成待测图像集； 第一分析模块，与预处理模块连接，用于将待测图像集输入至一预先训练形成的 第一分类模型中识别得到肺部的第一类病理特征结果； 第二分析模块，与预处理模块连接，用于将待测图像集输入至一预先训练形成的 第二分类模型中识别得到肺部的第二类病理特征结果； 标识模块，分别与第一分析模块和第二分析模块连接，用于将第一类病理特征结 6 CN 111598868 A 说　明　书 3/10 页 果和第二类病理特征结果作为肺部超声检测结果输出。 进一步的，预处理模块具体包括： 提取单元，用于获取连续超声图像的每一帧超声图像中的有效区域图像； 转换单元，与提取单元连接，用于对每帧有效区域图像分别进行灰度化和归一化 处理后得到归一化灰度图像； 选取单元，与转换单元连接，用于剔除所有归一化灰度图像中相对静止的图像，保 留特定帧数的归一化灰度图像； 缩放单元，与选取单元连接，用于将被保留的每一帧归一化灰度图像分别缩放成 统一尺寸并形成待识别图像，获得待测图像集。 进一步的，选取单元包括： 计算单元，用于计算当前帧的归一化灰度图像与前一帧的归一化灰度图像之间的 相关系数； 保留单元，与计算单元连接，用于判断相关系数是否大于一预设数值，并保留相关 系数不大于预设数值所对应的当前帧的归一化灰度图像； 判断单元，与保留单元连接，用于将被保留的归一化灰度图像的实际帧数与预设 的特定帧数进行比较：若实际帧数等于特定帧数，则将特定帧数的归一化灰度图像传输给 缩放单元；若实际帧数大于或小于特定帧数，则将比较结果传输给设置单元； 设置单元，分别与判断单元和保留单元连接，用于预先设置一预设数值，且用于根 据比较结果作如下设置：若比较结果为实际帧数大于特定帧数，则相应降低预设数值；若比 较结果为实际帧数小于特定帧数，则相应提升预设数值；还用于将预先设置的预设数值、降 低后的预设数值、提升后的预设数值发送给保留单元。 进一步的，计算单元用于依照下述公式计算相关系数： 其中，下标x用于表示归一化灰度图像中各个像素的横向坐标位置； 下标y用于表示归一化灰度图像中各个像素的纵向坐标位置； 下标x′用于代表像素的横向坐标位置的横向偏移； 下标y′用于表示像素的纵向坐标位置的纵向偏移； Iprev(x,y)表示前一帧的归一化灰度图像中，坐标位置为(x,y)的像素的灰度值； Icur(x,y)用于表示当前帧的归一化灰度图像中，坐标位置为(x,y)的像素的灰度值； R(x,y)用于表示相关系数。 本发明的有益技术效果是： 本发明基于超声影像对肺部疾病进行早期智能辅助筛查，利用卷积神经网络提取 影像特征，来实现对肺部疾病患病情况的判断。与现有方法相比，其技术优势在于： 1.通过神经网络对超声影像进行分析，由人工识别变为识别肺部B超图像，自动辅 助筛查判断肺部疾病情况，相比传统方法筛查大大降低误诊率、降低成本和减少工作任务 量，同时可以提高医生的工作效率和准确性。 2.针对超声图像的有效区域，并缩放一定尺寸，以及剔除相对静止的超声图像，保 7 CN 111598868 A 说　明　书 4/10 页 证结果准确率的同时大大降低了网络的训练难度。 3.肺滑动征/非肺滑动征使用一种神经网络模型，A线征、B线征或肺实变征使用另 外一种神经网路模型，并行处理，效率更高，结果更快。使得漏诊情况得以改善，进一步提高 B超在肺部检查中的价值。 深度学习不但对病灶的精确评估有非常大的临床意义，而且在影像学评估中带来 了潜力和希望。 附图说明 图1-3为本发明的各种方法实施例的步骤流程图。 图4-6为本发明的各种系统实施例的模块示意图。