(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 202211176366.5 (22)申请日 2022.09.26 (71)申请人 电子科技大 学 地址 610000 四川省成 都市高新区(西区) 西源大道 2006号 (72)发明人 丁熠　高新　赵洋　曹明生　 周尔强　邓伏虎　秦臻　 (74)专利代理 机构 成都众恒智合专利代理事务 所(普通合伙) 51239 专利代理师 刘华平 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06T 3/40(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于目标检测对臂丛神经超声图像的 识别方法 (57)摘要 本发明公开了一种基于目标检测对臂丛神 经超声图像的识别方法， 本发明基于对臂丛神经 超声图像相关结合自然图像中二阶段目标检测 器的特点和缺点， 提出了一个有效的二阶段目标 检测网络IDNet， 以有效地辅助麻醉医师识别目 标神经。 在IDNet中， 对原有的网络进行了改进， 提出了两个新颖的模块网络， 通过对 特征提取网 络中的特征进行高效融合， 还有根据人眼识别的 特征， 对边缘特征进行了加强， 单点特征和边缘 特征的结合提升建议框的质量。 通过在UBPD数据 集上进行的大量实验， 验证了提出的目标检测器 IDNet的有效性性， 与其他的先进的方法相比， 本 发明提出的方法在超声图像检测的精度上取得 好的成绩。 权利要求书1页 说明书6页 附图3页 CN 115496733 A 2022.12.20 CN 115496733 A 1.一种基于目标检测对臂丛神经超声图像的识别方法， 其特征在于： 将全连接金字塔 FCFPN和均值迭代区域生 成网络添加进网络形成新的二阶段目标检测器IDNet， 所述二阶段 目标检测器IDNet由特征提取网络VGG ‑19、 基于反卷积的全 连接特征金字塔网络、 均值迭代 区域生成网络以及头部结构组成， 所述二阶段目标检测 器IDNet的输入是一张臂丛神经的 超声图像， 所述超声图像经所述二阶段 目标检测 器IDNet处理后最终输出图像对应的检测 边界框、 所述检测边界框对应分类标签以及属于该类别的概 率。 2.根据权利要求1所述基于目标检测对臂丛神经超声图像的识别方法， 其特征在于： 所 述特征提取网络VGG ‑19从原始的臂丛神经超声图像中提取不同尺寸和不同语义强度的特 征图， 所述特征提取网络VGG ‑19具有5个阶段， 每个阶段包含有卷积操作和池化操作， 且每 个阶段池化操作结束后将输出对应大小的特 征图。 3.根据权利要求2所述基于目标检测对臂丛神经超声图像的识别方法， 其特征在于： 所 述基于反卷积的全连接特征金字塔网络是将获得的特征图进 行融合与进一步提取， 通过从 上到下、 从下到上、 横向连接和类似于全连接操作， 增加分辨率更小的高级特征和分辨率更 大的低级特 征的表达能力， 输出一系列新的特 征图。 4.根据权利要求3所述基于目标检测对臂丛神经超声图像的识别方法， 其特征在于： 均 值迭代区域生成网络是获得一系列高效的建议框proposals： 首先以不同特征图上的每个 特征点做为锚点， 以锚点生成不同长宽比的默认框， 使用预测的偏移量对默认框进行精修 得到修改框， 再用修稿框的边 缘特征预测偏移量， 最终得到proposals。 5.根据权利要求4所述基于目标检测对臂丛神经超声图像的识别方法， 其特征在于： 头 部网络的作用是进行检测、 分类任务， 包含分类器、 回归器， 首先是使用非极大值抑制操作 来筛选出ROI并分出正负样本， 再使用ROI  Align将相应特征图固定到相同的大小， 对齐后 的proposals通过分类和回归分支进行分类、 检测边界框的回归。权　利　要　求　书 1/1 页 2 CN 115496733 A 2一种基于目标 检测对臂丛神经超声图像的识别方 法 技术领域 [0001]本发明涉及医学超声图像技术领域， 尤其涉及一种基于目标检测对臂丛神  经超 声图像的识别方法。 背景技术 [0002]外周神经阻滞(peripheral  nerve block,PNB)在医学临床上有着广泛的作用，   常用于手术中的麻醉、 术后镇痛和急性疼痛的治疗例如分娩痛， 且镇痛效果明  显。 同时外 周神经阻滞对患者的创伤小， 在截肢手术前还能防止残肢痛、 幻肢  痛。 外周神经阻滞方法 不仅效果迅速、 确切， 还可以尽可能减少并发症和不良  反应的发生， 缩短住院治疗及康复 的时间。 在临床上使用外周神经阻滞方法虽  然好处很多， 但是同时也具有一定的风险性， 因为如果对阻滞神经 的位置选择  的不当或者神经处理过于严重， 不仅无法发挥应有的生 理功能， 还可能会导 致 神经永久性损伤。 [0003]近年来， 深度学习算法已被广 泛用于图像处理领域， 通过计算机视觉来辅  助识别 医疗图像是一项具有极大应用价值和前景 的研究方向。 面向超声影像的  外周神经识别作 为辅助外周神经阻滞的前级， 它的精确性和高效性意义重大。  目前深度学习领域有两个主 流的目标检测方案， 一类是两阶段方法， 主要包括  RCNN， Fast  R‑CNN， Faster  R‑CNN等， 这 类方法的思想是通过选择性搜索的方  法或者卷积神经网络首先生成一个候选区域 (Region Proposal)， 然后在每个候  选区域中进行特征的提取， 最后对在生成 的候选区域 上提取的特征向量进行分  类与回归。 另一个一阶段目标检测方法， 主要包括SSD与Y OLO等， 这类方法  使用一个端到端的深度卷积神经网络， 直接输入整幅图像， 根据不同任务目标   的选取直接预测出 所要识别物体的位置与类别， 在识别速度有了较大的进步。 [0004]为了更加安全， 神经阻滞治疗方式也从徒手盲打包括异感法、 血管旁搏动  法、 穿 透血管法等逐步发展为神经刺激 定位、 超声可视化及两者结合的双重引  导法。 [0005]但是在超声检测同样存在短板， 由于超声成像是利用声波成像的原理， 其  客观性 较差， 也容易因为气体、 骨骼等影响图像质量， 其分辨率也低于CT、 MRI。  对位置较深、 体积 相对较小、 边界不清楚和毗邻复杂的神经组织 实施则较为困  难， 所以超声图像上对于神经 等小组织的识别是比较晦涩困难的， 会对麻醉造  成影响。 因此， 对于臂丛神经超声图像的 识别和分析对麻醉医师 的要求很高，  不仅要对臂丛神经复杂结构一个清楚的认识和深入 的了解并且需要拥有长期的  临床诊断经验的累积。 而即使是拥有丰富经验的麻醉医师在 识别超声图像的过  程中也会出现认不清目标从而造成漏诊、 误诊的现象。 发明内容 [0006]本发明的目的是要提供一种基于目标检测对臂丛神经超声图像 的识别方法。  本 发明的目的在于基于计算机视觉技术中超声图像识别的标准， 结合臂丛神经  超声图像临 床应用的特点， 从结合临床医学知识的臂 丛神经对检测的目标检测  框架出发， 将问题拓展 为多目标检测， 包括神经， 动脉， 静脉， 肌肉组织等医  学结构， 通过与边缘组织的对比来提说　明　书 1/6 页 3 CN 115496733 A 3