(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 202210253006.4 (22)申请日 2022.03.15 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 郑喜民　胡浩楠　舒畅　陈又新　 (74)专利代理 机构 深圳市明日今典知识产权代 理事务所(普通 合伙) 44343 专利代理师 王杰辉　曹勇 (51)Int.Cl. G06T 5/00(2006.01) G06V 10/44(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01)G06N 3/04(2006.01) (54)发明名称 超声图像的基准图像的生成方法、 装置、 设 备及存储介质 (57)摘要 本申请涉及图像特征 处理领域， 特别是涉及 到一种超声 图像的基准图像的生成方法、 装置、 计算机设备及存储介质， 所述方法包括： 获取预 配置的掩膜信息； 获取原始超声 图像； 将所述原 始超声图像与所述掩膜信息进行乘积处理， 得到 特征区域超声图像； 将所述特征区域超声图像输 入至深度学习网络， 得到第一特征变量； 将所述 原始超声图像输入至深度学习网络， 得到第二特 征变量； 根据所述第一特征变量得到图像的形状 特征， 根据所述第二特征变量得到图像的细粒特 征； 根据所述形状特征与所述细粒特征生成基准 图像。 本申请能够生成准确且具有可靠的可解释 性的基准图， 提高预测结果的可靠性。 权利要求书2页 说明书10页 附图4页 CN 114708156 A 2022.07.05 CN 114708156 A 1.一种超声图像的基准图像的生成方法， 其特 征在于， 包括： 获取预配置的掩膜信息； 获取原始超声图像； 将所述原 始超声图像与所述掩膜信息进行乘积处 理， 得到特 征区域超声图像； 将所述特征区域超声图像输入至深度学习 网络， 得到第一特征变量； 将所述原始超声 图像输入至深度学习网络， 得到第二特 征变量； 根据所述第 一特征变量得到图像的形状特征， 根据 所述第二特征变量得到图像的细粒 特征； 根据所述形状特 征与所述细粒 特征生成基准图像。 2.根据权利要求1所述的超声图像的基准图像的生成方法， 其特征在于， 所述将所述特 征区域超声图像输入至深度学习网络， 得到第一特征变量； 将所述原始超声图像输入至深 度学习网络， 得到第二特 征变量， 包括： 将所述特征区域超声图像输入至深度 学习网络， 基于所述深度 学习网络 中的非线性映 射网络和仿射变换对所述特 征区域超声图像的潜在编码进行变换， 得到第一特 征变量； 将所述原始超声图像输入至深度学习网络， 基于所述深度 学习网络 中的非线性映射网 络和仿射变换对所述原 始超声图像的潜在编码进行变换， 得到第二特 征变量。 3.根据权利要求1所述的超声图像的基准图像的生成方法， 其特征在于， 所述根据 所述 第一特征变量得到图像的形状特 征， 根据所述第二特 征变量得到图像的细粒 特征， 包括： 将所述第一特 征变量输入至生成网络中的低分辨 率卷积层， 得到图像的形状特 征； 将所述第二特 征变量输入至生成网络中的高分辨 率卷积层， 得到图像的细粒 特征。 4.根据权利要求3所述的超声图像的基准图像的生成方法， 其特征在于， 所述低分辨率 卷积层为分辨 率42‑322的卷积层； 所述高分辨 率卷积层为分辨 率642‑10242的卷积层。 5.根据权利要求1所述的超声图像的基准图像的生成方法， 其特征在于， 所述根据 所述 形状特征与所述细粒 特征生成基准图像之后， 还 包括： 将所述原始超声图像与所述基准图像输入至分类网络， 基于所述分类网络计算所述原 始超声图像相较于所述基准图像的增量； 根据所述增量 生成归因图。 6.根据权利要求5所述的超声图像的基准图像的生成方法， 其特征在于， 所述将所述原 始超声图像与所述基准图像输入至 分类网络， 基于所述分类网络计算所述原始超声图像相 较于所述基准图像的增量， 包括； 将所述原 始超声图像划分为若干个区域子图像； 分别将每个所述 区域子图像与所述基准图像输入至分类网络， 基于所述分类网络计算 每个所述区域子图像对分别结果的预测分数相较于所述基准图像的第一贡献量； 获取所述基准图像中环境特 征的第二贡献量； 根据所述第一贡献量与所述第二贡献量确定所述增量。 7.根据权利要求5所述的超声图像的基准图像的生成方法， 其特征在于， 所述根据 所述 增量生成归因图之后， 还 包括： 获取所述归因图中贡献量 最高的目标子区域图像； 根据所述目标子区域图像确定所述基准图像的有效特 征信息。权　利　要　求　书 1/2 页 2 CN 114708156 A 28.一种超声图像的基准图像的生成装置， 其特 征在于， 包括： 配置信息模块， 用于获取 预配置的掩膜信息； 原始图像模块， 用于获取原 始超声图像； 图像处理模块， 用于将所述原始超声图像与所述掩膜信息进行乘积处理， 得到特征区 域超声图像； 变量转换模块， 用于将所述特征区域超声图像输入至深度学习 网络， 得到第一特征变 量； 将所述原 始超声图像输入至深度学习网络， 得到第二特 征变量； 特征提取模块， 用于根据所述第一特征变量得到 图像的形状特征， 根据所述第二特征 变量得到图像的细粒 特征； 基准图像模块， 用于根据所述形状特 征与所述细粒 特征生成基准图像。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现权利要求 1至7任一项 所述超声图像的基准图像 的生成方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7任一项所述超声图像的基准图像的生成方法的步骤。权　利　要　求　书 2/2 页 3 CN 114708156 A 3