(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210671517.8 (22)申请日 2022.06.15 (65)同一申请的已公布的文献号 申请公布号 CN 114758137 A (43)申请公布日 2022.07.15 (73)专利权人 深圳瀚维智能医疗科技有限公司 地址 518000 广东省深圳市福田区梅林街 道孖岭社区凯丰路10号翠林大厦8层 （湾区国际金融科技城） 804A (72)发明人 谈继勇　王旭东　李元伟　杨洪光　 刘根　 (74)专利代理 机构 深圳市恒程创新知识产权代 理有限公司 4 4542 专利代理师 苗广冬 (51)Int.Cl. G06V 10/26(2022.01)G06V 10/80(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/82(2022.01) (56)对比文件 WO 202021523 6 A1,2020.10.2 9 WO 20210 31066 A1,2021.02.25 Yi Wang et al. .Deep Attentional Features for Prostate Segmentati on in Ultrasound. 《Medical Ima ge Computi ng and Computer As sisted I nterventi on- MICCAI2018》 .2018, 黄峥 等.基 于超声图像语义分割的HIFU 治 疗目标区域 提取方法. 《计算机 辅助设计与图形 学学报》 .202 2,第34卷(第5期), 审查员 曹春晓 (54)发明名称 超声图像 分割方法、 装置及计算机可读存储 介质 (57)摘要 本申请公开了一种超声图像 分割方法、 装置 及计算机可读存储介质， 属于图像处理技术领 域。 本申请通过采用获取待分割的超声 图像， 并 确定所述待分割的超声图像对应的高级语义特 征图和低级语义特征图； 根据所述高级语义特征 图确定病灶的语义信息和位置信息； 获取不同尺 寸的扩展卷积对所述低级语义特征图的模糊辨 别处理结果， 并根据所述处理结果确定所述病灶 的边缘信息； 聚合所述病灶的语义信息、 位置信 息以及所述病灶的边缘信息； 根据聚合结果确定 分割预测结果的技术方案， 解决采用超声图像进 行病灶分割的精度低的问题， 通过本申请的技术 方案对超声图像进行处理并提高了病灶的分割 精度。 权利要求书2页 说明书13页 附图9页 CN 114758137 B 2022.11.01 CN 114758137 B 1.一种超声图像分割方法， 其特 征在于， 所述超声图像分割方法包括： 获取待分割的超声图像， 并确定所述待分割的超声图像对应的高级语义特征图和低级 语义特征图， 所述高级语义特征图包括第一高级语义特征图、 第二高级语义特征图以及第 三高级语义特征图， 且所述第一高级语义特征图、 所述第二高级语义特征图以及所述第三 高级语义特 征图的分辨 率依次增大； 将所述第一高级语义特征图上采样至与 所述第二高级语义特征图相同的尺寸， 得到上 采样后的所述第一高级语义特 征图； 对上采样后的所述第 一高级语义特征图进行卷积操作， 得到第 一子高级语义特征图以 及第二子高级语义特 征图； 将所述第一子 高级语义特征图与 所述第二高级语义特征图相乘， 得到第 一高级语义融 合特征图； 将所述第一高级语义融合特征图与 所述第二子高级语义特征图进行连接， 得到第 二高 级语义融合特 征图； 对所述第二高级语义融合特 征图进行 卷积操作， 得到第三高级语义融合特 征图； 将所述第三高级语义融合特征图与第四高级语义融合特征图进行连接并进行卷积操 作， 得到高级语义融合特征图， 以根据所述高级语义融合特征图得到病灶的语义信息和位 置信息； 其中， 所述第四高级语义融合特征图根据所述第一高级语义特征图、 所述第二高级 语义特征图以及所述第三高级语义特 征融合得到的； 获取不同尺寸的扩展卷积对所述低级语义特征图的模糊辨别处理结果， 并根据 所述处 理结果确定所述病灶的边 缘信息； 聚合所述病灶的语义信息、 位置信息以及所述病灶的边 缘信息， 得到分割预测结果。 2.如权利要求1所述的超声图像分割方法， 其特征在于， 所述获取不同尺寸的扩展卷积 对所述低级语义特征图的模糊辨别处理结果， 并根据所述处理结果确定所述病灶的边缘信 息的步骤 包括： 采用各个尺寸的扩展卷积从所述低级语义特 征图中提取病灶特 征； 对各个所述扩展卷积提取的所述病灶特征分别进行通道注意力 机制处理， 得到通道注 意力权重； 对各个所述扩展卷积提取的所述病灶特征分别进行空间注意力 机制处理， 得到空间注 意力权重； 根据所述通道注意力 权重、 所述空间注意力 权重以及所述低级语义特征图得到所述病 灶的边缘信息。 3.如权利要求2所述的超声图像分割方法， 其特征在于， 所述对各个所述扩展卷积提取 的所述病灶特 征分别进行通道 注意力机制处 理， 得到通道 注意力权 重的步骤 包括： 对各个所述扩展卷积提取的所述病灶特征在通道上分别进行池化操作， 以获得各个所 述扩展卷积提取的所述病灶特 征对应的第一池化特 征图； 对所述第一池化特征图进行卷积操作， 以获得各个所述扩展卷积提取的所述病灶特征 对应的通道 注意力权 重； 获取各个所述 通道注意力权 重中权重占比最大的通道 注意力权 重； 所述对各个所述扩展卷积提取的所述病灶特征分别进行空间注意力 机制处理， 得到空权　利　要　求　书 1/2 页 2 CN 114758137 B 2间注意力权 重的步骤 包括： 对各个所述扩展卷积提取的所述病灶特征在空间上分别进行池化操作， 以获得各个所 述扩展卷积提取的所述病灶特 征对应的第二池化特 征图； 对所述第二池化特征图进行卷积操作， 以获得各个所述扩展卷积提取的所述病灶特征 对应的空间注意力权 重。 4.如权利要求2所述的超声图像分割方法， 其特征在于， 所述根据所述通道注意力权 重、 所述空间注意力权 重以及所述低级语义特 征图得到所述病灶的边 缘信息的步骤 包括： 将所述通道注意力权重与所述低级语义特征图进行相乘， 得到通道注意力特征图， 并 将所述空间注意力权 重与所述低级语义特 征图进行相乘， 得到空间注意力特 征图； 将所述通道注意力特征图以及所述空间注意力特征图进行级联融合， 得到注意力特征 融合图， 以根据所述注意力特 征融合图得到所述病灶的边 缘信息。 5.如权利要求1所述的超声图像分割方法， 其特征在于， 所述聚合所述病灶的语义信 息、 位置信息以及所述病灶的边 缘信息的步骤 包括： 将所述病灶的语义信息、 位置信息以及所述病灶的边缘信息进行聚合， 得到所述待分 割的超声图像的目标 特征图； 将所述待分割的超声图像的目标特征图与 预设卷积单元进行卷积操作， 得到所述待分 割的超声图像的分割预测结果。 6.如权利要求1所述的超声图像分割方法， 其特征在于， 所述聚合所述病灶的语义信 息、 位置信息以及所述病灶的边 缘信息， 得到分割预测结果的步骤之后， 还 包括： 将所述待分割的超声图像的分割预测结果以及所述低级语义特征图对应的注意力特 征融合图输入卷积神经网络模型进行训练， 得到训练权 重； 判断所述训练权 重是否为 最优模型权重； 若否， 判断训练次数 是否达到预设次数； 当所述训练次数达 到预设次数时， 生成所述卷积神经网络模型的迭代训练暂停指令； 当所述训练次数未达到预设次数时， 返回执行所述获取待分割的超声图像， 并确定所 述待分割的超声图像对应的高级语义特 征图和低级语义特 征图的步骤。 7.如权利要求6所述的超声图像分割方法， 其特征在于， 所述将所述待分割的超声图像 的目标特征图以及所述低级语义特征图对应的注意力特征融合图输入卷积神经网络模型 进行训练， 得到训练权 重的步骤 包括： 将所述待分割的超声图像的分割预测结果、 所述低级语义特征图对应的注意力特征融 合图以及带有标签的超声图像输入卷积神经网络模型； 基于主要损失函数、 辅助损失函数对所述卷积神经网络模型进行训练， 得到训练权 重。 8.一种图像处理装置， 其特征在于， 所述图像处理装置包括： 存储器、 处理器及存储在 所述存储器上并可在所述处理器上运行的超声图像分割程序， 所述超声图像分割程序被所 述处理器执行时实现如权利要求1 ‑7中任一项所述的超声图像分割方法的步骤。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有超声图像 分割程序， 所述超声图像分割程序被处理器执行时实现权利要求1 ‑7中任一项所述的超声 图像分割方法的步骤。权　利　要　求　书 2/2 页 3 CN 114758137 B 3