超声视频数据处理方法、装置、超声设备及存储介质与流程

[0001][0002]
本发明涉及超声成像技术邻域，尤其涉及一种超声视频数据处理方法、装置、超声设备及存储介质。


背景技术：

[0003]
在超声设备对人体组织进行超声扫描过程中，超声设备录制超声视频，所述超声视频包括依据时间顺序排序的多帧超声图像。现有超声设备在录制超声视频过程中，会不可避免地将空载超声图像掺杂在有效超声图像中，以使医生在对所述超声视频进行分析时，会导致在观看空载超声图像所导致的非必要时间浪费，也会导致所述超声视频存储空间较大，导致存储资源浪费。其中，所述空载超声图像是指不包含人体组织对应的特征信息的超声图像，即由空载超声探头形成的超声图像。有效超声图像是与所述空载超声图像相对的概念，是指包含人体组织对应的特征信息的超声图像。


技术实现要素：

[0004]
本发明实施例提供一种超声视频数据处理方法、装置、超声设备及存储介质，以解决现有超声视频中掺杂空载超声图像所导致的存储资源浪费和观看时间浪费的问题。
[0005]
一种超声视频数据处理方法，包括：
[0006]
获取图像清洗请求，所述图像清洗请求包括原始超声视频；
[0007]
从所述原始超声视频中，提取n帧原始超声图像，n≥2；
[0008]
对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值；
[0009]
将所述原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取所述原始超声图像对应的图像分类结果；
[0010]
基于n帧所述原始超声图像对应的图像分类结果，对所述原始超声视频中的空载超声图像进行删除，获取有效超声视频。
[0011]
一种超声视频数据处理装置，包括：
[0012]
图像清洗请求获取模块，用于获取图像清洗请求，所述图像清洗请求包括原始超声视频；
[0013]
原始超声图像提取模块，用于从所述原始超声视频中，提取n帧原始超声图像，n≥2；
[0014]
原始特征值获取模块，用于对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值；
[0015]
图像分类结果获取模块，用于将所述原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取所述原始超声图像对应的图像分类结果；
[0016]
有效超声视频获取模块，用于基于n帧所述原始超声图像对应的图像分类结果，对所述原始超声视频中的空载超声图像进行删除，获取有效超声视频。
[0017]
上述超声视频数据处理方法、装置、超声设备及存储介质，通过对原始超声图像进行特征提取，以提取其图像特征值，以便将所述图像特征值作为后续分类模型的输入，从而保障分类模型识别的可行性，提高图像清洗的可靠性和效率；将所述图像特征值输入到空载图像分类模型，可快速获取图像分类结果，确定所述原始超声图像是否为空载超声图像，进而将所述原始超声视频中所有空载超声图像删除，使得形成的有效超声视频中不包含空载超声图像，进而节省有效超声视频的存储资源，并有助于提高所述有效超声视频的分析识别效率，避免观看分析时间浪费。
[0018]
一种超声视频数据处理方法，包括：
[0019]
获取目标跟踪请求，所述目标跟踪请求包括待跟踪超声视频，所述待跟踪超声视频为上述原始超声视频或者所述有效超声视频；
[0020]
从所述待跟踪超声视频中，提取依据时间顺序排序的q帧待跟踪超声图像；
[0021]
接收图像选取请求，从q帧所述待跟踪超声图像中，确定起始超声图像和排序在所述起始超声图像之后的待处理超声图像；
[0022]
接收区域选取请求，从所述起始超声图像中，确定目标组织区域；
[0023]
基于所述目标组织区域，采用目标跟踪算法对所述待处理超声图像进行目标跟踪，获取目标超声视频。
[0024]
一种超声视频数据处理装置，包括：
[0025]
目标跟踪请求获取模块，用于获取目标跟踪请求，所述目标跟踪请求包括待跟踪超声视频，所述待跟踪超声视频为上述原始超声视频或者所述有效超声视频；
[0026]
待跟踪超声图像提取模块，用于从所述待跟踪超声视频中，提取依据时间顺序排序的q帧待跟踪超声图像；
[0027]
起始超声图像确定模块，用于接收图像选取请求，从q帧所述待跟踪超声图像中，确定起始超声图像和排序在所述起始超声图像之后的待处理超声图像；
[0028]
目标组织区域确定模块，用于接收区域选取请求，从所述起始超声图像中，确定目标组织区域；
[0029]
目标超声视频获取模块，用于基于所述目标组织区域，采用目标跟踪算法对所述待处理超声图像进行目标跟踪，获取目标超声视频。
[0030]
一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述超声视频数据处理方法。
[0031]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述超声视频数据处理方法。
[0032]
上述超声视频数据处理方法、装置、超声设备及存储介质，在从所述待跟踪超声视频中提取出依据时间顺序排序的q帧待跟踪超声图像之后，可基于用户触发的图像选取请求，自主确定起始超声图像和待处理超声图像，并可基于用户触发的区域选取请求，自主确定目标组织区域，采用人机交互方式，自主确定目标组织区域，以满足用户对目标组织区域对应的人体组织进行针对性观看的需求。接着，基于所述目标组织区域，采用目标跟踪算法对所述待处理超声图像进行目标跟踪，获取目标超声视频，以实现对所述目标超声视频进行针对性筛选提取，从而节省所述目标超声视频对应的存储资源，且有助于提高对特定人
体组织的超声视频进行观看分析的效率。
附图说明
[0033]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本邻域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0034]
图1是本发明一实施例中超声设备的一示意图；
[0035]
图2是本发明一实施例中超声视频数据处理方法的一流程图；
[0036]
图3是本发明一实施例中超声视频数据处理方法的另一流程图；
[0037]
图4是本发明一实施例中超声视频数据处理方法的另一流程图；
[0038]
图5是本发明一实施例中超声视频数据处理方法的另一流程图；
[0039]
图6是本发明一实施例中超声视频数据处理方法的另一流程图；
[0040]
图7是本发明一实施例中超声视频数据处理方法的另一流程图；
[0041]
图8是本发明一实施例中超声视频数据处理方法的另一流程图；
[0042]
图9是本发明一实施例中超声视频数据处理装置的一示意图；
[0043]
图10是本发明一实施例中超声视频数据处理装置的另一示意图。
具体实施方式
[0044]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本邻域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
本发明实施例提供的超声视频数据处理方法，该超声视频数据处理方法可应用如图1所示的超声设备中，超声设备包括主控制器和与主控制器相连的超声探头、波束合成处理器、图像处理器和显示屏。
[0046]
主控制器为超声设备的控制器，主控制器与超声设备中的其他功能模块相连，包括但不限于超声探头、波束合成处理器、图像处理器和显示屏等功能模块相连，用于控制各个功能模块工作。
[0047]
超声探头是超声波的发射和接收装置。本示例中，为了保证不同角度的原始超声图像都能够有较大的横向扫描覆盖范围，从而保证不同角度的原始超声图像有较大的交叠范围，现有超声探头一般由若干大小相同的长条形压电换能器(每单个压电换能器称为阵元)等间隔排列组成；或者将多个压电换能器是呈二维阵列，即阵元排列成二维矩阵形状。超声探头内的压电换能器将施加在其上的电压脉冲激励转换成机械振动，从而对外发出超声波；超声波在人体组织等媒介中传播，会产生反射波和散射波等回波模拟信号，各个压电换能器可将回波模拟信号转换成回波电信号，对回波电信号进行放大和模数转换，转换成回波数字信号，再将回波数字信号发送给波束合成处理器。
[0048]
波束合成处理器与超声探头相连，用于接收超声探头发送的回波数字信号，对一个或多个通道的回波数字信号进行波束合成，获取一路或多路回波合成信号，将回波合成
信号发送给图像处理器。
[0049]
图像处理器与波束合成处理器相连，用于接收波束合成处理器发送的回波合成信号，对回波合成信号进行图像合成和空间复合等图像处理过程，形成目标复合超声图像，以将目标复合超声图像发送给显示屏，以使显示屏显示目标复合超声图像。
[0050]
作为一示例，图像处理器可以为显卡处理器(即graphics processingunit，以下简称gpu)，是专为执行复杂图形渲染所必需的数学和几何计算而设计的处理器，有助于提高超声图像的生成效率。本示例中，采用图像处理器专用于图像处理，使得主控制器从图像处理的任务中解放出来，可执行更多系统任务，有助于提高超声设备的整体性能。
[0051]
本发明实施例提供一种超声视频数据处理方法，该方法可应用在包含存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序的设备上，具体可以该方法应用在图1中的图像处理器为例进行说明，如图2所示，该超声视频数据处理方法包括如下步骤：
[0052]
s201：获取图像清洗请求，图像清洗请求包括原始超声视频。
[0053]
s202：从原始超声视频中，提取n帧原始超声图像，n≥2。
[0054]
s203：对原始超声图像进行特征提取，获取原始超声图像对应的图像特征值。
[0055]
s204：将原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取原始超声图像对应的图像分类结果。
[0056]
s205：基于n帧原始超声图像对应的图像分类结果，对原始超声视频中的空载超声图像进行删除，获取有效超声视频。
[0057]
其中，图像清洗请求是用于实现清洗超声视频中的空载超声图像的请求。原始超声视频是需要被清洗空载超声图像的超声视频。该空载超声图像是指不包含人体组织对应的特征信息的超声图像，即由空载超声探头形成的超声图像。
[0058]
作为一示例，步骤s201中，图像处理器可接收用户触发的图像清洗请求，例如，接收用户操作超声设备确定原始超声视频之后，点击超声设备的显示界面上的清洗按钮触发的图像清洗请求，或者，以命令行或者其他快捷方式输入的图像清洗请求，以使图像清洗请求中包含需要被清洗的原始超声视频。
[0059]
其中，原始超声图像是指原始超声视频中的超声图像，n为原始超声视频中原始超声图像的数量。
[0060]
作为一示例，步骤s202中，图像处理器在接收到图像清洗请求之后，需对原始超声视频进行图像提取，提取n帧原始超声图像，具体为提取出依据时间顺序排序的n帧原始超声图像，以便逐一分析每一帧原始超声图像是否为空载超声图像。本示例中，每一帧原始超声图像均携带一时间戳，可依据时间戳确定n帧原始超声图像对应的时间顺序，即确定原始超声视频中n帧原始超声图像的先后顺序。
[0061]
其中，图像特征值是对图像进行特征提取所确定的数值。
[0062]
作为一示例，步骤s203中，由于图像数据一般不能作为分类模型的输入，因此，图像处理器在从原始超声视频中提取到n个原始超声图像之后，需采用特征提取算法，包括但不限于sift(scale
‑
invariant feature transform 的简称，即尺度不变特征变换)算法，对每一原始超声图像进行特征提取，获取每一原始超声图像对应的图像特征值，以便将图像特征值作为后续分类模型的输入，从而保障分类模型识别的可行性，提高图像清洗的可
靠性和效率。
[0063]
其中，空载图像分类模型是预先训练的用于识别超声图像是否为空载超声图像的分类模型。即空载图像分类模型是预先采用目标分类模型对训练超声图像进行训练所确定的分类模型。图像分类结果是采用空载图像分类模型对原始超声图像对应的图像特征值进行识别之后的输出结果。一般来说，图像分类结果可以表现为分类标签，分类标签用于识别是否为空载超声图像。例如，采用分类标签“1”或“ ”来指示为空载超声图像，采用分类标签“0”或
“‑”
来指示不为空载超声图像，而是有效超声图像。
[0064]
作为一示例，步骤s204中，图像处理器将每一原始超声图像对应的图像特征值输入到预先训练的空载图像分类模型，获取空载图像分类模型输出的图像分类结果，以便根据图像分类结果进行图像清洗操作。图像分类结果包括为空载超声图像或者不为空载超声图像(即为有效超声图像)。
[0065]
作为一示例，步骤s205中，图像处理器在获取到n帧原始超声图像对应的图像分类结果之后，可基于n帧原始超声图像对应的图像分类结果，对原始超声视频中的空载超声图像进行删除，获取有效超声视频。例如，若n帧原始超声图像对应的图像分类结果中，存在m帧空载超声图像，则将原始超声视频中的m帧空载超声图像删除，将剩余的n
‑
m帧有效超声图像依据时间顺序整合，形成有效超声视频。此处的有效超声视频可以理解为将原始超声视频中所有空载超声图像删除之后形成的超声视频。可理解地，有效超声视频中的n
‑
m帧有效超声视频，依据其携带的时间戳的先后顺序进行排序，保障有效超声视频中所有有效超声图像的连贯性。
[0066]
本实施例所提供的超声视频数据处理方法中，通过对原始超声图像进行特征提取，以提取其图像特征值，以便将图像特征值作为后续分类模型的输入，从而保障分类模型识别的可行性，提高图像清洗的可靠性和效率；将图像特征值输入到空载图像分类模型，可快速获取图像分类结果，确定原始超声图像是否为空载超声图像，进而将原始超声视频中所有空载超声图像删除，使得形成的有效超声视频中不包含空载超声图像，进而节省有效超声视频的存储资源，并有助于提高有效超声视频的分析识别效率，避免观看分析时间浪费。
[0067]
在一实施例中，在步骤s203之前，即在对原始超声图像进行特征提取，获取原始超声图像对应的图像特征值之前，超声视频数据处理方法还包括：对原始超声图像进行图像预处理，获取更新的原始超声图像。
[0068]
作为一示例，图像处理器在对原始超声图像进行特征提取之前，还可以采用图像预处理算法对原始超声图像进行图像预处理，以获取更新的原始超声图像，以便后续对更新后的原始超声图像进行特征提取，获取更新后的原始超声图像对应的图像特征值。本示例中，图像预处理算法包括但不限于图像滤波平滑、边缘锐化和对比度增强等算法。可理解地，先对原始超声图像进行图像预处理，可消除或减弱原始超声图像中的背景噪声或者其他对图像处理有影响的因素，凸显人体组织或者空载亮条纹或者其他关键因素，以便提高后续图像处理的处理效率。
[0069]
在一实施例中，如图3所示，步骤s203，即对原始超声图像进行特征提取，获取原始超声图像对应的图像特征值，包括：
[0070]
s301：基于目标采样规则，将原始超声图像划分为k个采样子区域。
[0071]
s302：获取目标采样窗口，目标采样窗口包括中心点和h个邻域点。
[0072]
s303：采用目标采样窗口，遍历每一采样子区域对应的当前采样点，获取当前采样点对应的采样数值。
[0073]
s304：对采样子区域中所有当前采样点对应的采样数值的出现次数进行统计并拼接，获取采样子区域对应的特征子向量。
[0074]
s305：将k个采样子区域对应的特征子向量进行拼接，获取原始超声图像对应的图像特征值。
[0075]
其中，目标采样规则是用于实现对原始超声图像进行采样区域划分的规则。采样子区域是指基于目标采样规则对原始超声图像进行划分所形成的区域。
[0076]
作为一示例，步骤s301中，图像处理器可根据训练空载图像分类模型过程中进行特征提取时确定的目标采用需求，将原始超声图像划分为k个采样子区域blocki(1≤i≤k)，以便后续计算每个采样子区域blocki的纹理特征，再依据目标采样规则中确定的特定顺序，将k个采样子区域blocki的纹理特征进行拼接，从而获取原始超声图像对应的图像特征值，使得图像特征值的长度与空载图像分类模型的长度相匹配，以保证空载图像分类模型识别的可行性。
[0077]
其中，目标采样窗口是用于实现特征采样的窗口。
[0078]
作为一示例，步骤s302中，图像处理器可以采用训练空载图像分类模型过程中进行特征提取时确定的目标采样窗口，目标采样窗口由1个中心点和h 个邻域点组成，以便后续基于目标采样窗口进行采样，从而获取图像特征值。
[0079]
作为一示例，步骤s303中，图像处理器采用目标采样窗口，遍历每一采样子区域对应的当前采样点，依据当前采样点对应的1个中心点的灰度值和h 个邻域点的灰度值，比较中心点的灰度值和h个邻域点的灰度值，确定目标采样窗口当前遍历到的像素点的特征子向量。本示例中，在采用中心点和h 个邻域点所形成的目标采样窗口进行采样时，将1个中心点的灰度值和h个邻域点的灰度值进行比较；若邻域点的灰度值小于中心点的灰度值，则邻域点的点数值记为“0”；反之，若邻域点的灰度值不小于中心点的灰度值，则邻域点的点数值记为“1”；再依据特定顺序，将h个邻域点的点数值进行拼接，获取目标采样窗口在当前采样点对应的采样数值。
[0080]
本示例中，在目标采样窗口包括中心点和h个邻域点时，其所形成的采样数值对应的模式类型的数量为2
h
。例如，在邻域点的数量h＝4时，若4个邻域点的点数值依据上下左右的特定顺序排序，则其所形成的所有采样数值如下表一所示：
[0081]
mode01:0000mode05:0100mode09:1000mode13:1100mode02:0001mode06:0101mode10:1001mode14:1101mode03:0010mode07:0110mode11:1010mode15:1110mode04:0011mode08:0111mode12:1011mode16:1111
[0082]
作为一示例，步骤s304：图像处理器对采样子区域中所有当前采样点对应的采样数值的出现次数进行统计，即统计采样子区域中上述采样数值的出现次数，定义为x
modej
(1≤j≤2
h
)。接着，图像处理器将2
h
个采样数值的出现次数x
modej
，依据特定顺序进行拼接，获取第i个采样子区域blocki(1≤i≤k) 对应的特征子向量如下：
[0083]
作为一示例，步骤s205中，图像处理器可将k个采样子区域blocki对应的特征子向量v
blocki
进行拼接，形成原始超声图像对应的图像特征值 v
total
＝[v
block1
,v
block2
,v
block3
,...,v
blockk
]，以便将图像特征值作为后续分类模型的输入，从而保障分类模型识别的可行性，提高图像清洗的可靠性和效率。
[0084]
在一实施例中，如图4所示，步骤s203，即对原始超声图像进行特征提取，获取原始超声图像对应的图像特征值，包括：
[0085]
s401：采用至少两个特征描述子对应的特征提取算法，对原始超声图像进行特征提取，获取至少两个特征描述子对应的特征向量分量。
[0086]
s402：依据特征描述子拼接顺序，将至少两个特征描述子对应的特征向量分量进行拼接，获取原始超声图像对应的图像特征值。
[0087]
其中，特征描述子包括但不限于本实施例中提及的图像的灰度范围、连通性、边缘形状和面积大小等。特征提取算法是用于实现特征描述子提取的算法。特征向量分量是指每一种特征提取算法对原始超声图像进行特征提取所确定的向量。
[0088]
作为一示例，步骤s401中，图像处理器采用至少两个特征描述子对应的特征提取算法，分别对原始超声图像进行特征提取，以获取至少两个特征描述子对应的特征向量分量。
[0089]
作为一示例，步骤s402中，图像处理器将获取到的至少两个特征描述子对应的特征向量分量进行拼接，以获取原始超声图像对应的图像特征值，使得图像特征值可以反映至少两种特征描述子对应的信息，可以更充分有效地反映原始超声图像的信息，以保障后续对超声图像进行处理的准确性和有效性。
[0090]
在一实施例中，如图5所示，在步骤s201之前，即在获取图像清洗请求，图像清洗请求包括原始超声视频之前，超声视频数据处理方法还包括：
[0091]
s501：获取训练超声图像，对训练超声图像进行特征提取，获取训练超声图像对应的图像特征值。
[0092]
s502：对训练超声图像进行标注，获取训练超声图像对应的分类标签。
[0093]
s503：基于训练超声图像对应的图像特征值和分类标签，获取模型训练样本,将模型训练样本划分为训练集和测试集。
[0094]
s504：将训练集中的模型训练样本输入目标分类模型进行训练，获取初始图像分类模型。
[0095]
s505：采用测试集中的模型训练样本对初始图像分类模型进行测试，获取测试准确率，若测试准确率达到准确率阈值，则将初始图像分类模型确定为空载图像分类模型。
[0096]
其中，训练超声图像是用于训练空载图像分类模型所采用的超声图像。
[0097]
作为一示例，步骤s501中，图像处理器可获取训练超声图像，再采用特征提取算法，包括但不限于sift(scale
‑
invariant feature transform的简称，即尺度不变特征变换)算法，对训练超声图像进行特征提取，以获取训练超声图像对应的图像特征值。本示例中，对训练超声图像进行特征提取的过程与步骤s203的特征提取过程相同，为避免重复，此处不一一赘述。
[0098]
其中，分类标签是预先给训练超声图像标注的标签，用于表明训练超声图像是否为空载超声图像。
[0099]
作为一示例，步骤s502中，图像处理器可接收用户输入的标注指令，对训练超声图像进行标注，以获取训练超声图像对应的分类标签。例如，采用分类标签“1”或“ ”来指示为空载超声图像，采用分类标签“0”或
“‑”
来指示不为空载超声图像而为有效超声图像。
[0100]
其中，模型训练样本是用于训练空载图像分类模型的样本，具体为可以输入到目标分类模型进行模型训练的样本。目标分类模型是用于训练空载图像分类模型所采用的模型或算法，例如，目标分类模型可以为但不限于支持向量机(svm)或者决策树算法。
[0101]
作为一示例，步骤s503中，图像处理器可将训练超声图像对应的图像特征值和分类标签，组合形成模型训练样本，例如，v
train
＝(v1,v2,...,v
n
,label)，v
train
为模型训练样本，v1,v2,...,v
n
为图像特征值，label为分类标签。接着，图像处理器可将所有模型训练样本按照特定比例(如9:1)，划分为训练集和测试集。
[0102]
作为一示例，步骤s504中，图像处理器可将训练集中的所有模型训练样本输入到目标分类模型进行模型训练，以更新目标分类模型中的模型参数，形成初始图像分类模型，该初始图像分类模型可对接收到的图像特征值进行处理，以输出其对应的分类标签。
[0103]
其中，准确率阈值是预先设置的用于评估满足模型收敛标准的准确率对应的阈值。
[0104]
作为一示例，步骤s505中，图像处理器可以将测试集中的所有模型训练样本输入到初始图像分类模型进行测试，获取测试准确率。本示例中，测试准确率s＝a/b，其中，a为模型训练样本自带的分类标签与初始图像分类模型进输出的分类标签相同的数量，b为测试集中所有模型训练样本的数量。接着，图像处理器可将测试准确率与准确率阈值进行比较，若测试准确率大于准确率阈值，则认定初始图像分类模型达到模型收敛标准，此时，可将初始图像分类模型确定为训练好的空载图像分类模型，以便基于空载图像分类模型快速确定任一超声图像是否为空载超声图像，有助于提高空载超声图像的清洗效率。
[0105]
本发明实施例提供一种超声视频数据处理方法，以该方法应用在图1中的图像处理器为例进行说明，如图6所示，该超声视频数据处理方法包括如下步骤：
[0106]
s601：获取目标跟踪请求，目标跟踪请求包括待跟踪超声视频，待跟踪超声视频为上述实施例中的原始超声视频或者有效超声视频。
[0107]
s602：从待跟踪超声视频中，提取依据时间顺序排序的q帧待跟踪超声图像。
[0108]
s603：接收图像选取请求，从q帧待跟踪超声图像中，确定起始超声图像和排序在起始超声图像之后的待处理超声图像。
[0109]
s604：接收区域选取请求，从起始超声图像中，确定目标组织区域。
[0110]
s605：基于目标组织区域，采用目标跟踪算法对待处理超声图像进行目标跟踪，获取目标超声视频。
[0111]
其中，目标跟踪请求是用于实现对超声视频中的超声图像是否包含特定人体组织进行跟踪的请求。待跟踪超声视频是指目标跟踪请求所针对的对象，即需要被执行目标跟踪处理的视频。
[0112]
作为一示例，步骤s601中，图像处理器可接收用户触发的目标跟踪请求，例如，接收用户操作超声设备确定待跟踪超声视频之后，点击超声设备的显示界面上的跟踪按钮触发的目标跟踪请求，以使图像处理器可根据目标跟踪请求，确定需要进行目标跟踪的待跟踪超声视频。本示例中，待跟踪超声视频可以为上述实施例中未经清洗的原始超声视频，也
可以为对原始超声视频进行空载超声图像清洗后获取的有效超声视频，可由用户根据实际需求自主确定。
[0113]
其中，待跟踪超声图像是指待跟踪超声视频中的超声图像，q为待跟踪超声视频中待跟踪超声图像的数量。
[0114]
作为一示例，步骤s602中，图像处理器在接收到目标跟踪请求之后，需对待跟踪超声视频进行图像提取，提取q帧待跟踪超声图像，具体为提取依据时间顺序排序的q帧待跟踪超声图像。本示例中，每一帧待跟踪超声图像均携带一时间戳，可依据时间戳，确定q帧待跟踪超声图像对应的时间顺序，以确定待跟踪超声视频中q帧待跟踪超声图像的先后顺序。
[0115]
其中，图像选取请求是用户触发的用于选取起始超声图像的请求。起始超声图像是用户选定的用于作为目标跟踪的起始帧的待跟踪超声图像。待处理超声图像是在q帧待跟踪超声图像中，依据时间顺序排序在起始超声图像之后的待跟踪超声图像。
[0116]
作为一示例，步骤s603中，图像处理器可接收用户在观看超声设备上当前显示的待跟踪超声图像时，采用点击选择或者其他方式触发的图像选取请求，以将当前显示的待跟踪超声图像确定为起始超声图像，相应地，将依据时间顺序排序在起始超声图像之后的待跟踪超声图像确定为待处理超声图像。
[0117]
其中，区域选取请求是用户触发的用于选取目标组织区域的请求。目标组织区域是指用户选定的需要被跟踪的组织区域，是超声探头扫描特定人体组织所形成的区域。
[0118]
作为一示例，步骤s604中，图像处理器可接收用户在观看起始超声图像过程中，触发的区域选取请求，以从起始超声图像中，确定需要进行目标跟踪的目标组织区域，目标组织区域为用户自主选择确定的人体组织在起始超声图像中的区域。
[0119]
其中，目标跟踪算法是用于实现目标跟踪的算法，算法包括但不限于 struck,scm,asla和kcf算法。
[0120]
作为一示例，步骤s605中，图像处理器可基于用户自主选定的目标组织区域，采用目标跟踪算法对待处理超声图像进行目标跟踪，以将包含目标组织区域对应的待跟踪超声图像确定为目标超声图像，再将所有目标超声图像依据其所携带的时间戳的先后顺序进行排序，以形成目标超声视频，从待跟踪超声视频中筛选出包含目标组织区域的目标超声视频，以实现对目标超声视频进行针对性筛选提取，从而节省目标超声视频对应的存储资源，且有助于提高对特定人体组织的超声视频进行观看分析的效率。
[0121]
进一步地，在获取目标超声视频之后，超声视频数据处理方法还包括：获取目标组织区域对应的组织标识，将组织标识和目标超声视频关联存储在系统数据库中。其中，组织标识是用于唯一识别特定人体组织的标识，例如，采用s001这一组织标识用于唯一识别人体肝脏这一目标组织的标识。可理解地，将组织标识和目标超声视频进行关联存储，可实现对目标超声视频统一有效管理，并有助于提高对特定人体组织的超声视频进行观看分析的效率。
[0122]
作为一示例，若用户触发区域选取请求，从起始超声图像中确定至少两个目标组织区域时，则步骤s605中，图像处理器可以并行执行至少两个目标跟踪线程，每个目标跟踪线程可基于一个目标组织区域，采用目标跟踪算法对待处理超声图像进行目标跟踪，获取目标超声视频，以提高对至少两个目标组织区域对应的人体组织进行目标跟踪的效率。
[0123]
本实施例所提供的超声视频数据处理方法中，在从待跟踪超声视频中提取出依据
时间顺序排序的q帧待跟踪超声图像之后，可基于用户触发的图像选取请求，自主确定起始超声图像和待处理超声图像，并可基于用户触发的区域选取请求，自主确定目标组织区域，采用人机交互方式，自主确定目标组织区域，以满足用户对目标组织区域对应的人体组织进行针对性观看的需求。接着，基于目标组织区域，采用目标跟踪算法对待处理超声图像进行目标跟踪，获取目标超声视频，以实现对目标超声视频进行针对性筛选提取，从而节省目标超声视频对应的存储资源，且有助于提高对特定人体组织的超声视频进行观看分析的效率。
[0124]
在一实施例中，如图7所示，步骤s604，即接收区域选取请求，从起始超声图像中，确定目标组织区域，包括：
[0125]
s701：接收区域选取请求，区域选取请求包括区域标注类型。
[0126]
s702：显示与区域标注类型对应的区域标注界面，接收用户输入的与区域标注类型相对应的区域标注参数，从起始超声图像中，确定初始组织区域。
[0127]
s703：若区域标注类型为全包裹式标注类型，则将初始组织区域，确定为目标组织区域。
[0128]
s704：若区域标注类型为前景式标注类型，则对初始组织区域进行识别分割，确定目标组织区域。
[0129]
其中，区域标注类型是用于标注目标组织区域对应的类型。区域标注类型包含全包裹式标注类型和前景式标注类型。全包裹式标注类型是由用户手动标注目标组织区域中所有标注点，以形成闭合区域的标注类型。前景式标注类型是预先采用机器算法(包括但不限于grabcut算法)，对图像中的组织区域进行识别划分，以识别出不同组织区域供用户选取确定的类型。区域标注参数是用于标注目标组织区域对应的参数。
[0130]
作为一示例，步骤s701中，图像处理器可以接收用户触发的区域选取请求，以确定用户选取目标组织区域对应的区域标注类型，以便根据区域标注类型跳转到相应的区域标注界面进行标注。
[0131]
作为一示例，步骤s702中，图像处理器在获取区域标注类型之后，控制显示区域标注类型对应的区域标注界面，再接收用户输入的与区域标注类型相对应的区域标注参数，从起始超声图像中，确定初始组织区域。例如，在全包裹式标注类型对应的区域标注界面，可接收用户选取确定的所有标注点对应的坐标信息作为区域标注参数，基于区域标注参数，从起始超声图像中确定初始组织区域。又例如，在前景式标注类型对应的区域标注界面，可先显示采用机器算法先对起始超声图像进行识别，确定起始超声图像中包含的所有组织区域，再接收用户从所有组织区域，选中某一组织区域所确定区域标识作为区域标注参数，从起始超声图像中确定初始组织区域。
[0132]
作为一示例，步骤s703中，图像处理器在区域标注类型为全包裹式标注类型时，说明初始组织区域为用户手动选择确定的组织区域，其精确包含用户所需观看人体组织的特征信息，而排除其他干扰信息，因此，将初始组织区域，直接确定为目标组织区域，有助于保障目标组织区域中特征信息的有效性。
[0133]
作为一示例，步骤s704中，图像处理器在区域标注类型为前景式标注类型时，可采用但不限于grab cut、水漫法和水平集等自动分割算法，对起始超声图像中的初始组织区域进行自动识别和分割，从而获取目标组织区域，以排除起始超声图像中除了目标组织区
域之外的其他信息的干扰，有助于保障目标组织区域中特征信息的有效性。
[0134]
在一实施例中，如图8所示，步骤s605，即基于目标组织区域，采用目标跟踪算法对待处理超声图像进行目标跟踪，获取目标超声视频，包括：
[0135]
s801：将起始超声图像对应的起始帧标识，存储到目标组织区域对应的目标组织帧序列中。
[0136]
s802：依据待处理超声图像对应的时间顺序，依次确定当前超声图像。
[0137]
s803：采用目标跟踪算法对当前超声图像进行目标跟踪，判断当前超声图像是否包含目标组织区域。
[0138]
s804：若当前超声图像包含目标组织区域，则将当前超声图像对应的当前帧标识，存储到目标组织区域对应的目标组织帧序列中，重复执行依据待处理超声图像对应的时间顺序，依次确定当前超声图像。
[0139]
s805：若当前超声图像不包含目标组织区域，则基于目标组织帧序列，获取目标超声视频。
[0140]
其中，起始帧标识是用于唯一识别起始超声图像对应的帧标识。目标组织帧序列是用于存储包含目标组织区域对应的所有待跟踪超声图像对应的帧标识。此处的帧标识是用于唯一识别超声图像的标识。当前超声图像是指图像处理器当前时刻正在进行目标跟踪处理的超声图像。
[0141]
作为一示例，步骤s801中，在确定起始超声图像、待处理超声图像和目标组织区域之后，图像处理器可先采用但不限于队列或者堆栈方式创建目标组织帧序列，该目标组织帧序列可与组织标识关联，用于存储包含目标组织区域的所有目标超声图像的帧标识。接着，图像处理器可将起始超声图像对应的起始帧标识p0存储到目标组织帧序列中，以使起始帧标识为存储到目标组织帧序列的第1个帧标识。
[0142]
作为一示例，步骤s802中，图像处理器可依据待跟踪超声视频中提取确定的所有待跟踪超声视频的时间顺序，依次将需要进行目标跟踪处理的待处理超声图像确定为当前超声图像。例如，可先将起始超声图像之后的第1个待处理超声图像确定为当前超声图像。
[0143]
作为一示例，步骤s803中，图像处理器可采用目标跟踪算法对当前超声图像进行目标跟踪，判断当前超声图像是否包含目标组织区域。例如，图像处理器可将起始超声图像中确定的目标组织区域输入目标跟踪算法，利用目标跟踪算法进行处理判断，以确定当前超声图像是否包含目标组织区域。
[0144]
作为一示例，步骤s804中，图像处理器在采用目标跟踪算法对当前超声图像进行目标跟踪，确定当前超声图像包含目标组织区域时，即认定当前超声图像为包含目标组织区域的目标超声图像，此时，可将当前超声图像对应的当前帧标识存储到与目标组织区域相对应的目标组织帧序列中。可理解地，在将当前帧标识存储到目标组织帧序列时，需重复执行步骤s802，即重复执行依据待处理超声图像对应的时间顺序，依次确定当前超声图像，例如，在起始超声图像之后的第1个待处理超声图像为当前超声图像，将该当前帧超声图像对应的当前帧标识p1存储到目标组织帧序列之后，需将起始超声图像之后的第2个待处理超声图像为当前超声图像，重新执行步骤s803
‑
s805。
[0145]
作为一示例，步骤s805中，图像处理器在采用目标跟踪算法对当前超声图像进行目标跟踪，确定当前超声图像不包含目标组织区域时，说明该当前帧超声图像没有包含目
标组织区域，即当前超声图像不为目标超声图像，此时，认定待跟踪超声视频中，对目标组织区域对应的人体组织的跟踪结束，可基于目标组织帧序列中记录的所有帧标识，将所有帧标识对应的超声图像确定为目标超声图像；依据目标组织帧序列的顺序，将所有目标超声图像整合，形成目标超声视频，使得目标超声图像中所有目标超声图像均包含目标组织区域，以实现对目标超声视频进行针对性筛选提取，从而节省目标超声视频对应的存储资源，且有助于提高对特定人体组织的超声视频进行观看分析的效率。
[0146]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0147]
在一实施例中，提供一种超声视频数据处理装置，该超声视频数据处理装置与上述实施例中超声视频数据处理方法一一对应。如图9所示，该超声视频数据处理装置包括图像清洗请求获取模块901、原始超声图像提取模块 902、原始特征值获取模块903、图像分类结果获取模块904和有效超声视频获取模块905。各功能模块详细说明如下：
[0148]
图像清洗请求获取模块901，用于获取图像清洗请求，图像清洗请求包括原始超声视频。
[0149]
原始超声图像提取模块902，用于从原始超声视频中，提取n帧原始超声图像，n≥2。
[0150]
原始特征值获取模块903，用于对原始超声图像进行特征提取，获取原始超声图像对应的图像特征值。
[0151]
图像分类结果获取模块904，用于将原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取原始超声图像对应的图像分类结果。
[0152]
有效超声视频获取模块905，用于基于n帧原始超声图像对应的图像分类结果，对原始超声视频中的空载超声图像进行删除，获取有效超声视频。
[0153]
优选地，超声视频数据处理装置还包括：图像预处理模块，用于对原始超声图像进行图像预处理，获取更新的原始超声图像。
[0154]
优选地，原始特征值获取模块903，包括：
[0155]
采样子区域划分单元，用于基于目标采样规则，将原始超声图像划分为k 个采样子区域。
[0156]
目标采样窗口获取单元，用于获取目标采样窗口，目标采样窗口包括中心点和h个邻域点。
[0157]
目标采样窗口遍历单元，用于采用目标采样窗口，遍历每一采样子区域对应的当前采样点，获取当前采样点对应的采样数值。
[0158]
特征子向量获取单元，用于对采样子区域中所有当前采样点对应的采样数值的出现次数进行统计并拼接，获取采样子区域对应的特征子向量。
[0159]
第一特征值获取单元，用于将k个采样子区域对应的特征子向量进行拼接，获取原始超声图像对应的图像特征值。
[0160]
优选地，原始特征值获取模块903，包括：
[0161]
特征向量分量获取单元，用于采用至少两个特征描述子对应的特征提取算法，对原始超声图像进行特征提取，获取至少两个特征描述子对应的特征向量分量。
[0162]
第二特征值获取单元，用于依据特征描述子拼接顺序，将至少两个特征描述子对应的特征向量分量进行拼接，获取原始超声图像对应的图像特征值。
[0163]
优选地，超声视频数据处理装置还包括：
[0164]
训练特征值获取模块，用于获取训练超声图像，对训练超声图像进行特征提取，获取训练超声图像对应的图像特征值。
[0165]
分类标签获取模块，用于对训练超声图像进行标注，获取训练超声图像对应的分类标签。
[0166]
模型训练样本获取模块，用于基于训练超声图像对应的图像特征值和分类标签，获取模型训练样本,将模型训练样本划分为训练集和测试集。
[0167]
初始模型获取模块，用于将训练集中的模型训练样本输入目标分类模型进行训练，获取初始图像分类模型。
[0168]
空载模型获取模块，用于采用测试集中的模型训练样本对初始图像分类模型进行测试，获取测试准确率，若测试准确率达到准确率阈值，则将初始图像分类模型确定为空载图像分类模型。
[0169]
在一个实施例中，提供了一种超声设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中超声视频数据处理方法，例如图2所示s201
‑
s205，或者图3至图5中所示，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现超声视频数据处理装置这一实施例中的各模块/单元的功能，例如图9所示的图像清洗请求获取模块901、原始超声图像提取模块902、原始特征值获取模块903、图像分类结果获取模块904和有效超声视频获取模块905的功能，为避免重复，这里不再赘述。
[0170]
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中超声视频数据处理方法，例如图2所示s201
‑
s205，或者图3至图5中所示，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述超声视频数据处理装置这一实施例中的各模块/单元的功能，例如图9所示的图像清洗请求获取模块901、原始超声图像提取模块902、原始特征值获取模块903、图像分类结果获取模块904和有效超声视频获取模块905的功能，为避免重复，这里不再赘述。
[0171]
关于超声视频数据处理装置的具体限定可以参见上文中对于超声视频数据处理方法的限定，在此不再赘述。上述超声视频数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于超声设备中的处理器中，也可以以软件形式存储于超声设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0172]
在一实施例中，提供一种超声视频数据处理装置，该超声视频数据处理装置与上述实施例中超声视频数据处理方法一一对应。如图10所示，该超声视频数据处理装置包括目标跟踪请求获取模块1001、待跟踪超声图像提取模块1002、起始超声图像确定模块1003、目标组织区域确定模块1004和目标超声视频获取模块1005。各功能模块详细说明如下：
[0173]
目标跟踪请求获取模块1001，用于获取目标跟踪请求，目标跟踪请求包括待跟踪超声视频，待跟踪超声视频为上述原始超声视频或者有效超声视频。
[0174]
待跟踪超声图像提取模块1002，用于从待跟踪超声视频中，提取依据时间顺序排序的q帧待跟踪超声图像。
[0175]
起始超声图像确定模块1003，用于接收图像选取请求，从q帧待跟踪超声图像中，确定起始超声图像和排序在起始超声图像之后的待处理超声图像。
[0176]
目标组织区域确定模块1004，用于接收区域选取请求，从起始超声图像中，确定目标组织区域。
[0177]
目标超声视频获取模块1005，用于基于目标组织区域，采用目标跟踪算法对待处理超声图像进行目标跟踪，获取目标超声视频。
[0178]
优选地，目标组织区域确定模块1004，包括：
[0179]
区域选取请求接收单元，用于接收区域选取请求，区域选取请求包括区域标注类型。
[0180]
初始组织区域确定单元，用于显示与区域标注类型对应的区域标注界面，接收用户输入的与区域标注类型相对应的区域标注参数，从起始超声图像中，确定初始组织区域。
[0181]
第一区域确定单元，用于若区域标注类型为全包裹式标注类型，则将初始组织区域，确定为目标组织区域。
[0182]
第二区域确定单元，用于若区域标注类型为前景式标注类型，则对初始组织区域进行识别分割，确定目标组织区域。
[0183]
优选地，目标超声视频获取模块1005，包括：
[0184]
起始帧标识存储单元，用于将起始超声图像对应的起始帧标识，存储到目标组织区域对应的目标组织帧序列中。
[0185]
当前超声图像确定单元，用于依据待处理超声图像对应的时间顺序，依次确定当前超声图像。
[0186]
目标跟踪判断单元，用于采用目标跟踪算法对当前超声图像进行目标跟踪，判断当前超声图像是否包含目标组织区域。
[0187]
当前帧标识存储单元，用于若当前超声图像包含目标组织区域，则将当前超声图像对应的当前帧标识，存储到目标组织区域对应的目标组织帧序列中，重复执行依据待处理超声图像对应的时间顺序，依次确定当前超声图像。
[0188]
目标超声视频获取单元，用于若当前超声图像不包含目标组织区域，则基于目标组织帧序列，获取目标超声视频。
[0189]
关于超声视频数据处理装置的具体限定可以参见上文中对于超声视频数据处理方法的限定，在此不再赘述。上述超声视频数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于超声设备中的处理器中，也可以以软件形式存储于超声设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0190]
在一个实施例中，提供了一种超声设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中超声视频数据处理方法，例如图6所示s601
‑
s605，或者图7至图8中所示，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现超声视频数据处理装置这一实施例中的各模块/单元的功能，例如图10 所示的目标跟踪请求获取模块1001、待跟踪超声图像提取模块1002、起始
超声图像确定模块1003、目标组织区域确定模块1004和目标超声视频获取模块 1005的功能，为避免重复，这里不再赘述。
[0191]
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中超声视频数据处理方法，例如图6所示s601
‑
s605，或者图7至图8中所示，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述超声视频数据处理装置这一实施例中的各模块/单元的功能，例如图10所示的目标跟踪请求获取模块1001、待跟踪超声图像提取模块1002、起始超声图像确定模块1003、目标组织区域确定模块1004和目标超声视频获取模块1005的功能，为避免重复，这里不再赘述。
[0192]
本邻域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram (rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram (rdram)等。
[0193]
所属邻域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
[0194]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本邻域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

技术特征：
1.一种超声视频数据处理方法，其特征在于，包括：获取图像清洗请求，所述图像清洗请求包括原始超声视频；从所述原始超声视频中，提取n帧原始超声图像，n≥2；对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值；将所述原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取所述原始超声图像对应的图像分类结果；基于n帧所述原始超声图像对应的图像分类结果，对所述原始超声视频中的空载超声图像进行删除，获取有效超声视频。2.如权利要求1所述的超声视频数据处理方法，其特征在于，在所述对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值之前，所述超声视频数据处理方法还包括：对所述原始超声图像进行图像预处理，获取更新的原始超声图像。3.如权利要求1所述的超声视频数据处理方法，其特征在于，所述对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值，包括：基于目标采样规则，将所述原始超声图像划分为k个采样子区域；获取目标采样窗口，所述目标采样窗口包括中心点和h个邻域点；采用所述目标采样窗口，遍历每一所述采样子区域对应的当前采样点，获取所述当前采样点对应的采样数值；对所述采样子区域中所有所述当前采样点对应的采样数值的出现次数进行统计并拼接，获取所述采样子区域对应的特征子向量；将k个所述采样子区域对应的特征子向量进行拼接，获取所述原始超声图像对应的图像特征值。4.如权利要求1所述的超声视频数据处理方法，其特征在于，所述对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值，包括：采用至少两个特征描述子对应的特征提取算法，对所述原始超声图像进行特征提取，获取至少两个特征描述子对应的特征向量分量；依据特征描述子拼接顺序，将至少两个所述特征描述子对应的特征向量分量进行拼接，获取所述原始超声图像对应的图像特征值。5.如权利要求1所述的超声视频数据处理方法，其特征在于，在所述获取图像清洗请求，所述图像清洗请求包括原始超声视频之前，所述超声视频数据处理方法还包括：获取训练超声图像，对所述训练超声图像进行特征提取，获取所述训练超声图像对应的图像特征值；对所述训练超声图像进行标注，获取所述训练超声图像对应的分类标签；基于所述训练超声图像对应的图像特征值和所述分类标签，获取模型训练样本,将所述模型训练样本划分为训练集和测试集；将所述训练集中的模型训练样本输入目标分类模型进行训练，获取初始图像分类模型；采用所述测试集中的模型训练样本对所述初始图像分类模型进行测试，获取测试准确率，若所述测试准确率达到准确率阈值，则将所述初始图像分类模型确定为空载图像分类模型。
6.一种超声视频数据处理方法，其特征在于，获取目标跟踪请求，所述目标跟踪请求包括待跟踪超声视频，所述待跟踪超声视频为权利要求1
‑
5任一项中的所述原始超声视频或者所述有效超声视频；从所述待跟踪超声视频中，提取依据时间顺序排序的q帧待跟踪超声图像；接收图像选取请求，从q帧所述待跟踪超声图像中，确定起始超声图像和排序在所述起始超声图像之后的待处理超声图像；接收区域选取请求，从所述起始超声图像中，确定目标组织区域；基于所述目标组织区域，采用目标跟踪算法对所述待处理超声图像进行目标跟踪，获取目标超声视频。7.如权利要求6所述的超声视频数据处理方法，其特征在于，所述接收区域选取请求，从所述起始超声图像中，确定目标组织区域，包括：接收区域选取请求，所述区域选取请求包括区域标注类型；显示与所述区域标注类型对应的区域标注界面，接收用户输入的与所述区域标注类型相对应的区域标注参数，从所述起始超声图像中，确定初始组织区域；若所述区域标注类型为全包裹式标注类型，则将所述初始组织区域，确定为目标组织区域；若所述区域标注类型为前景式标注类型，则对所述初始组织区域进行识别分割，确定目标组织区域。8.如权利要求6所述的超声视频数据处理方法，其特征在于，所述基于所述目标组织区域，采用目标跟踪算法对所述待处理超声图像进行目标跟踪，获取目标超声视频，包括：将所述起始超声图像对应的起始帧标识，存储到所述目标组织区域对应的目标组织帧序列中；依据所述待处理超声图像对应的时间顺序，依次确定当前超声图像；采用所述目标跟踪算法对所述当前超声图像进行目标跟踪，判断所述当前超声图像是否包含所述目标组织区域；若所述当前超声图像包含所述目标组织区域，则将所述当前超声图像对应的当前帧标识，存储到所述目标组织区域对应的目标组织帧序列中，重复执行所述依据所述待处理超声图像对应的时间顺序，依次确定当前超声图像；若所述当前超声图像不包含所述目标组织区域，则基于所述目标组织帧序列，获取目标超声视频。9.一种超声视频数据处理装置，其特征在于，包括：图像清洗请求获取模块，用于获取图像清洗请求，所述图像清洗请求包括原始超声视频；原始超声图像提取模块，用于从所述原始超声视频中，提取n帧原始超声图像，n≥2；原始特征值获取模块，用于对所述原始超声图像进行特征提取，获取所述原始超声图像对应的图像特征值；图像分类结果获取模块，用于将所述原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取所述原始超声图像对应的图像分类结果；有效超声视频获取模块，用于基于n帧所述原始超声图像对应的图像分类结果，对所述
原始超声视频中的空载超声图像进行删除，获取有效超声视频。10.一种超声视频数据处理装置，其特征在于，包括：目标跟踪请求获取模块，用于获取目标跟踪请求，所述目标跟踪请求包括待跟踪超声视频，所述待跟踪超声视频为权利要求1
‑
4任一项中的所述原始超声视频或者所述有效超声视频；待跟踪超声图像提取模块，用于从所述待跟踪超声视频中，提取依据时间顺序排序的q帧待跟踪超声图像；起始超声图像确定模块，用于接收图像选取请求，从q帧所述待跟踪超声图像中，确定起始超声图像和排序在所述起始超声图像之后的待处理超声图像；目标组织区域确定模块，用于接收区域选取请求，从所述起始超声图像中，确定目标组织区域；目标超声视频获取模块，用于基于所述目标组织区域，采用目标跟踪算法对所述待处理超声图像进行目标跟踪，获取目标超声视频。11.一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述超声视频数据处理方法。12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述超声视频数据处理方法。
技术总结
本发明公开一种超声视频数据处理方法、装置、超声设备及存储介质。该方法包括：获取图像清洗请求，图像清洗请求包括原始超声视频；从原始超声视频中，提取N帧原始超声图像，N≥2；对原始超声图像进行特征提取，获取原始超声图像对应的图像特征值；将原始超声图像对应的图像特征值输入预先训练的空载图像分类模型，获取原始超声图像对应的图像分类结果；基于N帧原始超声图像对应的图像分类结果，对原始超声视频中的空载超声图像进行删除，获取有效超声视频。该方法可节省超声视频的存储资源并提高超声视频的分析识别效率，避免观看分析过程中的时间浪费。的时间浪费。的时间浪费。


技术研发人员：董振鑫 姚斌 刘远兮
受保护的技术使用者：深圳华声医疗技术股份有限公司
技术研发日：2021.04.06
技术公布日：2021/6/29