买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州索诺星信息科技有限公司

摘要：本发明公开了一种基于人工智能的超声影像数据管理系统及方法，涉及影像管理技术领域。本发明通过将待处理的超声影像生成候选区，在候选区中定位目标的类别概率、边界框坐标以及模型置信度实现目标定位；将定位的目标与预先定义的目标种类进行匹配实现目标分类；通过处理获得表达目标的纹理特征，根据纹理特征建立直方图构成纹理模型；设置跟踪窗口，预测目标模板与候选区进行匹配的过程中两区域密度之间的相似程度，迭代新的目标中心位置，实现对目标的跟踪。本发明基于深度学习等人工智能技术通过应用目标检测跟踪技术，可以准确识别并突出显示超声图像中的关键区域使得目标检测与跟踪技术在超声影像中的应用更加广泛和深入。

主权项：1.一种基于人工智能的超声影像数据管理方法，其特征在于，流程如下：S1、获取待目标检测处理的超声影像，将其进行分帧提取，获得超声影像序列，将超声影像序列进行特征提取，生成有用特征图；根据有用特征图生成候选区；S2、在候选区中定位目标的类别概率、边界框坐标以及模型置信度实现目标定位；S3、将定位的目标与预先定义的目标种类进行匹配实现目标分类，预先定义的目标种类包括解剖结构分类、病变异常分类、生理状态功能分类和其他特定分类；S4、通过处理获得表达目标的纹理特征，根据纹理特征建立直方图构成纹理模型；S5、设置跟踪窗口，预测目标模板与候选区进行匹配的过程中两区域密度之间的相似程度，迭代新的目标中心位置，结合纹理模型与跟踪算法实现对目标的跟踪；根据不同超声影像序列中目标的基本面积和所处的位置变化情况来判断目标的状态，当目标处于非正常状态时产生异常信号；所述S1具体流程如下：获取待目标检测处理的超声影像，将其进行分帧提取，获得超声影像序列P，P={p1,p2,…,pn}，其中p1，p2，…，pn表示在时间序列上的第1，2，…，n帧超声图像，将超声影像序列P输入到CNN中进行特征提取，生成有用特征图；在有用特征图上以每个像素为中心，生成大小和宽高比不同的锚框，计算锚框与真实目标框之间的并交比值，将并交比值按照从大到小进行排序，将并交比值最高的锚框标记为关键锚框，将并交比值大于等于设定阈值并且小于关键锚框的锚框标记为正样本锚框，将并交比值小于设定阈值的锚框标记为负样本锚框；计算关键锚框与真实目标框之间的偏移量：关键锚框的中心坐标为xa,ya，宽度为wa，高度为ha，真实目标框的中心坐标为xg,yg，宽度为wg，高度为hg；中心坐标偏移量的计算公式为： ； ；宽度和高度偏移量的计算公式为： ； ；计算关键锚框与真实目标框之间的尺度差异，尺度差异的计算公式为： ;将上述计算得到的偏移量和尺度差异组合成一个向量，将中心坐标偏移量和尺度差异作为回归目标的前两个元素，宽度和高度偏移量作为回归目标的后两个元素，将其编码为回归目标：编码后的回归目标为Δx,Δy,Δw,Δh,Δs；计算正样本锚框和负样本锚框的概率，根据输出的正样本锚框和负样本锚框的概率，对锚框进行筛选去除高度重叠的候选框，然后根据概率从大到小的顺序进行排序，只保留大于设定阈值的部分锚框，将它们映射回有用特征图，形成候选区;所述S2具体流程如下：在候选区中定位目标的类别概率、边界框坐标以及模型置信度实现目标定位：将候选区输入到YOLO模型中，进行前向传播和推理，模型输出每个候选区中目标的边界框坐标、类别概率以及模型置信度；对YOLO模型的输出进行后处理，利用非极大值抑制算法，消除重叠的边界框；过滤掉置信度低于设置阈值的检测结果；最后，将处理后的目标定位结果输出，结果包括目标的类别概率、边界框坐标以及模型置信度。

全文数据：

权利要求：

百度查询： 广州索诺星信息科技有限公司 基于人工智能的超声影像数据管理系统及方法