一种基于神经网络的超声肝部血管识别方法及设备与流程

1.本发明属于超声技术领域，具体涉及一种基于神经网络的超声肝部血管识别方法及设备。


背景技术：

2.病人在放疗开始前通过激光或ivs(image viewing system，图像引导系统)进行摆位，在放疗过程中忽略肿瘤的运动。但是肺部肿瘤会随着呼吸产生位移和形变，即使进行了精确的摆位，肺部肿瘤也会因为呼吸运动偏离目标位置，导致在放疗过程中射线不能全部作用在肺部肿瘤靶区上，对周围的危急器官造成一定程度的伤害，且放疗效果会下降。而如果将超声影像应用于放疗过程中，则可因其无创、无害而进行实时跟踪，从而可以实时获取肿瘤的运动情况。
3.在申请号为cn202110948541.7，一种肺部肿瘤实时追踪方法、装置及放射治疗设备中公开了利用肝部获取的周期性运动反映呼吸运动曲线的周期性。然而，由于肝脏主要位于右季助部，都分位于上腹部和左季助部。肝脏的大部分被助骨、助软骨、助弓、胸骨柄和剑突等遮挡，在膈肌上方还被右肺下叶覆盖。
4.现有的肝部血管的提取方法主要包括以下方式：
5.第一，申请号为cn201810052304.0，一种基于ct图像的肝脏血管三维分割方法中，采用了自适应s型非线性映射和各向同性插值采样，再经由大津算法(otsu)和连接模糊分割算法获得完整的肝脏血管。
6.第二，申请号为cn201910916334.6,一种肝脏血管分割方法、装置及电子设备中，对所得ct图像先生成掩膜图像，并基于掩膜图像用两种分割方式分别分割出肝外和肝内血管。
7.第三，申请号为cn202010643410.4，基于深度学习的肝脏血管分割方法、装置及存储介质中，先对扫描后的三维ct影像进行增强，然后用v-net网络进行图像的分割，最后将分割的结果中的非血管点去除，并将粘连血管分离，得到最终的结果。
8.以上对肝脏血管的分割方法，都是基于静态的ct影像的分割，成像速度慢，无法满足实时跟踪的需求。


技术实现要素：

9.为了解决上述技术问题，本发明提出了一种基于神经网络的超声肝部血管识别方法及设备。
10.为了达到上述目的，本发明的技术方案如下：
11.一方面，本发明公开一种基于神经网络的超声肝部血管识别方法，包括以下步骤：
12.步骤一，利用超声装置采集患者的肝-右肾矢状切面图、肝-胆囊矢状切面图、经下腔静脉矢状切面图、经腹主动脉矢状切面图、左胸骨旁线矢状切面图；
13.步骤二，利用sa-unet神经网络模型对步骤一采集的超声图像进行肝部血管分割
提取。
14.在上述技术方案的基础上，还可做如下改进：
15.作为优选的方案，肝-右肾矢状切面图的获取步骤如下：
16.超声装置的超声探头垂直于患者皮肤表面，且放置于患者右侧锁骨中线与腋前线之间，获取矢状切面超声图像；
17.肝-胆囊矢状切面图的获取步骤如下：
18.超声装置的超声探头垂直于患者皮肤表面，且放置于患者右锁骨中线或右腹直肌外鞘缘，获取矢状切面超声图像；
19.经下腔静脉矢状切面图的获取步骤如下：
20.超声装置的超声探头垂直于患者皮肤表面，且放置于患者右正中旁2cm处矢状切，获取矢状切面超声图像；
21.经腹主动脉矢状切面图的获取步骤如下：
22.超声装置的超声探头垂直于患者皮肤表面，且放置于患者腹正中线或左正中旁1cm处，获取矢状切面超声图像；
23.左胸骨旁线矢状切面图的获取步骤如下：
24.超声装置的超声探头垂直于患者皮肤表面，且放置于患者左正中旁3～5cm处，获取左胸骨旁线矢状切面超声图像。
25.作为优选的方案，sa-unet神经网络模型的训练包括以下步骤：
26.s1：对采集的超声图像进行标注，形成标签图像；
27.s2：将超声装置采集的原始图像和标签图像一一对应，并按照一定比例划分为训练集、测试集和验证集；
28.s3：对训练集进行数据增强处理，且每次增强处理后的数据均不同；
29.s4：设置sa-unet神经网络模型的训练参数，将训练集输入sa-unet神经网络模型进行前向传播，得出标签结果；
30.s5：将s3得到的标签结果与真实标签进行对比，得到分类损失函数和dice评价系数；
31.s6：基于s4得到的分类损失函数和dice评价系数，对sa-unet神经网络模型进行反向传播，优化sa-unet神经网络模型的参数；
32.s7：重复s3-s6，直至sa-unet神经网络模型的训练结果达到预期。
33.作为优选的方案，sa-unet神经网络模型包括依次连接的编码器、空间注意力模块以及解码器，编码器用于获取超声图像的图像特征，空间注意力模块用于进一步获取超声图像的细粒度特征，解码器用于进行特征重构，并输出结果。
34.作为优选的方案，sa-unet神经网络模型的工作包括以下步骤：
35.a1：编码器获取超声图像的图像特征；
36.a2：将编码器获取的图像特征传输到空间注意力模，分别输入到全局最大池化和全局平均池化层；
37.a3：将两个分支得到的输出特征图进行特征拼接操作；
38.a4：将拼接后的特征图分别经过7
×
7卷积、批量归一化层和sigmoid激活函数得到中间特征图；
39.a5：将编码器获取的特征图和中间特征图进行逐像素相乘操作得到最终的空间注意力图；
40.a6：将空间注意力图作为输入特征传递给解码器；
41.a7：解码器进行特征重构，并输出结果。
42.另一方面，本发明公开一种基于神经网络的超声肝部血管识别设备，包括：
43.超声图像获取装置，超声图像获取装置用于控制超声装置采集患者的肝-右肾矢状切面图、肝-胆囊矢状切面图、经下腔静脉矢状切面图、经腹主动脉矢状切面图、左胸骨旁线矢状切面图；
44.肝部血管分割提取装置，肝部血管分割提取装置与超声图像获取装置电连接，用于利用sa-unet神经网络模型对采集的超声图像进行肝部血管分割提取。
45.作为优选的方案，超声图像获取装置包括：
46.第一控制模块，第一控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者右侧锁骨中线与腋前线之间，获取肝-右肾矢状切面超声图像；
47.第二控制模块，第二控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者右锁骨中线或右腹直肌外鞘缘，获取肝-胆囊矢状切面超声图像；
48.第三控制模块，第三控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者右正中旁2cm处矢状切，获取经下腔静脉矢状切面超声图像；
49.第四控制模块，第四控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者腹正中线或左正中旁1cm处，获取经腹主动脉矢状切面超声图像；
50.第五控制模块，第五控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者左正中旁3～5cm处，获取左胸骨旁线矢状切面超声图像。
51.作为优选的方案，sa-unet神经网络模型的训练包括以下步骤：
52.s1：对采集的超声图像进行标注，形成标签图像；
53.s2：将超声装置采集的原始图像和标签图像一一对应，并按照一定比例划分为训练集、测试集和验证集；
54.s3：对训练集进行数据增强处理，且每次增强处理后的数据均不同；
55.s4：设置sa-unet神经网络模型的训练参数，将训练集输入sa-unet神经网络模型进行前向传播，得出标签结果；
56.s5：将s3得到的标签结果与真实标签进行对比，得到分类损失函数和dice评价系数；
57.s6：基于s4得到的分类损失函数和dice评价系数，对sa-unet神经网络模型进行反向传播，优化sa-unet神经网络模型的参数；
58.s7：重复s3-s6，直至sa-unet神经网络模型的训练结果达到预期。
59.作为优选的方案，sa-unet神经网络模型包括依次连接的编码器、空间注意力模块以及解码器，编码器用于获取超声图像的图像特征，空间注意力模块用于进一步获取超声图像的细粒度特征，解码器用于进行特征重构，并输出结果。
60.作为优选的方案，sa-unet神经网络模型的工作包括以下步骤：
61.a1：编码器获取超声图像的图像特征；
62.a2：将编码器获取的图像特征传输到空间注意力模，分别输入到全局最大池化和
全局平均池化层；
63.a3：将两个分支得到的输出特征图进行特征拼接操作；
64.a4：将拼接后的特征图分别经过7
×
7卷积、批量归一化层和sigmoid激活函数得到中间特征图；
65.a5：将编码器获取的特征图和中间特征图进行逐像素相乘操作得到最终的空间注意力图；
66.a6：将空间注意力图作为输入特征传递给解码器；
67.a7：解码器进行特征重构，并输出结果。
68.本发明一种基于神经网络的超声肝部血管识别方法及设备，有益效果如下：
69.第一，本发明利用超声装置采集患者的肝-右肾矢状切面图、肝-胆囊矢状切面图、经下腔静脉矢状切面图、经腹主动脉矢状切面图、左胸骨旁线矢状切面图，基于超声检测的实时成像方式，其成像速度快，无电离辐射。
70.第二，本发明利用sa-unet神经网络模型对肝脏血管进行分割，分割精度高，提取清晰的肝部血管，方便后续对干部血管的追踪。
附图说明
71.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
72.图1为本发明实施例提供的超声肝部血管识别方法的流程图。
73.图2为本发明实施例提供的超声装置超声图像采集的位置图。
74.图3为本发明实施例提供的图2中线1所示位置肝-右肾矢状切面图。
75.图4为本发明实施例提供的图2中线2所示位置肝-胆囊矢状切面图。
76.图5为本发明实施例提供的图2中线3所示位置经下腔静脉矢状切面图。
77.图6为本发明实施例提供的图2中线4所示位置经腹主动脉矢状切面图。
78.图7为本发明实施例提供的图2中线5所示位置左胸骨旁线矢状切面图。
79.图8为本发明实施例提供的sa-unet神经网络模型的训练流程图。
80.图9为本发明实施例提供的sa-unet神经网络模型的结构示意图。
81.图10为本发明实施例提供的空间注意力模块的结构示意图。
82.其中：图3-图7中，h:肝，rk:右肾，rhv:肝右静脉，mhv:肝中静脉，c0:结肠右曲，gb:胆囊，t:横结肠，d:十二指肠，rpv:门脉右干，lpv:门脉左干(矢状部)，pv:门脉(主干)，p:胰腺，py:幽门窦，ivc:下腔静脉，rra:右肾动脉，ao:主动脉，ht:心，st:胃，smv:肠系膜上静脉，du:十二指肠溃疡，sp:肿，lk:左肾；
83.图6中，1.2.3分别为腹腔动脉、肠系膜上动脉和左肾动脉。
具体实施方式
84.下面结合附图详细说明本发明的优选实施方式。
85.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，所描述的实施例仅仅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，本领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。
86.使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
87.另外，“包括”元件的表述是“开放式”表述，该“开放式”表述仅仅是指存在对应的部件或步骤，不应当解释为排除附加的部件或步骤。
88.为了达到本发明的目的，一种基于神经网络的超声肝部血管识别方法及设备的其中一些实施例中，先对肝脏结构的特点进行简单阐述，肝脏是体内最大的实质性器官，重约1500。主要位于右季助部，都分位于上腹部和左季助部。肝上界与属同高，平右侧第五助间：下面一般不超过右侧助弓。肝脏隔面呈圆顶形，下面凹陷不平,有左右纵沟和中间一条横沟。从正面透视图来看，肝脏的大部分被助骨、助软骨、助弓、胸骨柄和剑突等遮挡，在膈肌上方还被右肺下叶覆盖。
89.故在肝脏超声图像采集时，现有的扫查方法无法实现比较完整的对肝脏血管追踪。
90.本发明公开一种超声肝部血管识别方法，如图1所示，包括以下步骤：
91.步骤一，利用超声装置采集患者的肝-右肾矢状切面图、肝-胆囊矢状切面图、经下腔静脉矢状切面图、经腹主动脉矢状切面图、左胸骨旁线矢状切面图；
92.步骤二，利用sa-unet神经网络模型对步骤一采集的超声图像进行肝部血管分割提取。
93.其中，sa-unet神经网络模型分割快速、准确性高，相较于其他器官的完整性，血管的更精细，sa-unet神经网络模型能够完美适用。
94.为了进一步地优化本发明的实施效果，在另外一些实施方式中，其余特征技术相同，不同之处在于，
95.肝-右肾矢状切面图的获取步骤如下：
96.超声装置的超声探头垂直于患者皮肤表面，且放置于患者右侧锁骨中线与腋前线之间，如图2中线1所示位置，获取矢状切面超声图像；
97.肝-胆囊矢状切面图的获取步骤如下：
98.超声装置的超声探头垂直于患者皮肤表面，且放置于患者右锁骨中线或右腹直肌外鞘缘，如图2中线2所示位置，获取矢状切面超声图像；
99.经下腔静脉矢状切面图的获取步骤如下：
100.超声装置的超声探头垂直于患者皮肤表面，且放置于患者右正中旁2cm处矢状切，如图2中线3所示位置，获取矢状切面超声图像；
101.经腹主动脉矢状切面图的获取步骤如下：
102.超声装置的超声探头垂直于患者皮肤表面，且放置于患者腹正中线或左正中旁1cm处，如图2中线4所示位置，获取矢状切面超声图像；
103.左胸骨旁线矢状切面图的获取步骤如下：
104.超声装置的超声探头垂直于患者皮肤表面，且放置于患者左正中旁3～5cm处，如
图2中线5所示位置，获取左胸骨旁线矢状切面超声图像。
105.肝-右肾矢状切面图能够显示右肝右肾和结肠的关系，如图3所示。在此切面上,肝膈面呈弧形回声,肝脏后面与右肾相邻。肝下缘较尖，似楔形,但可因靠外斜切而下缘较钝。肝包膜平薄光滑。肝实质呈均匀的点状中等回声。切面中央常见肝内血管回声。两个管壁较厚的圆形结构代表门静脉右干的前后分支，即门静脉右前叶和右后叶支。肾脏矢状切面呈椭圆形，中心部分为肾窦区高回声，系肾盂肾盏及其周围血管，脂肪和结缔组织形成的不规则界面所致。肾周围实质呈低回声,其中肾锥体呈弱回声。与正常肝肾实质相比,肝实质回声比肾实质回声稍高。肝下方不规则的强回声来自肠道气体，一般代表结肠肝曲。如切面更向外移，则肾脏不显示。此时肝脏切面轮廓较圆钝，肝实质回声均匀，血管结构少。肝脏下方仅见来自结肠的气体回声。
106.肝-胆囊矢状切面图能够显示肝、胆囊、右肾的关系，如图4所示。在此切面下，肝脏切面肝下缘更为尖锐，可见胆囊窝。在肝内近中央部可见门静脉右支切面。胆囊呈无回声梨形结构，胆囊颈部指向门静脉右支。胆囊颈部和门静脉右支之间可见连线样高回声，代表肝中裂的纤维结构。
107.经下腔静脉矢状切面图能够显示下腔静脉、肝、肾、胰头等结构，如图5所示。此切面最大特点是肝脏后面见到纵贯全腹的长带状无回声结构，即下腔静脉。其向头侧穿过腐肌腔静脉孔与右心房相连,在穿过横膈之前,有时可见肝中静脉入口。
108.经腹主动脉矢状切面图能够显示肝左叶、胃、胰体等结构，如图6所示。以此切面以腹主动脉的粗管状结构为特征，显示肝左外叶的矢状切面。肝膈面比较平坦,受膈肌上方心脏影响可有压迹故切面呈三角形。肝下缘更加尖锐。声像图还可显示胃体部肝胃韧带、胰体部、食管-胃交界处和上腹部一些重要血管结构。
109.左胸骨旁线矢状切面图能够显示肝左叶与胃体部，如图7所示。此切面上肝左叶特别薄，呈边缘很锐的三角形。由于个体差异,部分正常人在此切面上可能不显示肝左叶。胃体部表现为大量气体反射或流动的胃内容物。饮水后可使胃充盈，并见其深部偏左的结构为脾、左肾和胰尾。
110.经过以上操作，在不同位置得到了肝脏的超声图像，将不同角度采集的图像进行混合。
111.为了进一步地优化本发明的实施效果，在另外一些实施方式中，其余特征技术相同，不同之处在于，如图8所示，sa-unet神经网络模型的训练包括以下步骤：
112.s1：依靠人工标注的方式，对采集的超声图像进行标注，形成含背景、肝动脉血管、肝静脉血管三部分的标签图像；
113.s2：将超声装置采集的原始图像和标签图像一一对应，并按照6：3：1的比例划分为训练集、测试集和验证集，其中训练集为优化模型的数据，验证集是为了在训练时能直观的评估当前模型的性能，测试集是在训练结束后测试模型的泛化性能；
114.s3：对训练集进行数据增强处理，数据增强处理包括但不限于：随机旋转、裁剪等方式，且每次增强处理后的数据均不同，使得每一轮送入网络的数据都是不同的，从而增加模型的泛化能力；
115.s4：设置sa-unet神经网络模型的训练参数，设定好训练轮数、初始学习率、批量大小等超参数，将训练集输入sa-unet神经网络模型进行前向传播，得出标签结果；
116.s5：将s3得到的标签结果与真实标签进行对比，得到分类损失函数和dice评价系数；
117.s6：基于s4得到的分类损失函数和dice评价系数，对sa-unet神经网络模型进行反向传播，优化sa-unet神经网络模型的参数；
118.s7：重复s3-s6，直至sa-unet神经网络模型的训练结果达到预期。
119.在一些具体实施例中：
120.分类损失函数为
121.其中：p(yi)为类别yi的概率，表示预测为类yi的概率；
122.dice评价系数用于衡量模型对图像分割的效果，dice评价系数为
[0123][0124]
其中，x为真实标签的超声影像，y为sa-unet神经网络模型预测结果的超声图像。
[0125]
为了进一步地优化本发明的实施效果，在另外一些实施方式中，其余特征技术相同，不同之处在于，如图9-10所示，sa-unet神经网络模型包括依次连接的编码器、空间注意力模块以及解码器，编码器用于获取超声图像的图像特征，空间注意力模块用于进一步获取超声图像的细粒度特征，解码器用于进行特征重构，并输出结果。
[0126]
进一步，sa-unet神经网络模型的工作包括以下步骤：
[0127]
a1：编码器获取超声图像的图像特征；
[0128]
a2：将编码器获取的图像特征传输到空间注意力模，分别输入到全局最大池化和全局平均池化层；
[0129]
a3：将两个分支得到的输出特征图进行特征拼接操作；
[0130]
a4：将拼接后的特征图分别经过7
×
7卷积、批量归一化层和sigmoid激活函数得到中间特征图；
[0131]
a5：将编码器获取的特征图和中间特征图进行逐像素相乘操作得到最终的空间注意力图；
[0132]
a6：将空间注意力图作为输入特征传递给解码器；
[0133]
a7：解码器进行特征重构，并输出结果。
[0134]
另一方面，本发明实施例公开一种基于神经网络的超声肝部血管识别设备，包括：
[0135]
超声图像获取装置，超声图像获取装置用于控制超声装置采集患者的肝-右肾矢状切面图、肝-胆囊矢状切面图、经下腔静脉矢状切面图、经腹主动脉矢状切面图、左胸骨旁线矢状切面图；
[0136]
肝部血管分割提取装置，肝部血管分割提取装置与超声图像获取装置电连接，用于利用sa-unet神经网络模型对采集的超声图像进行肝部血管分割提取。
[0137]
为了进一步地优化本发明的实施效果，在另外一些实施方式中，其余特征技术相同，不同之处在于，超声图像获取装置包括：
[0138]
第一控制模块，第一控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者右侧锁骨中线与腋前线之间，如图2中线1所示位置，获取肝-右肾矢状切
面超声图像；
[0139]
第二控制模块，第二控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者右锁骨中线或右腹直肌外鞘缘，如图2中线2所示位置，获取肝-胆囊矢状切面超声图像；
[0140]
第三控制模块，第三控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者右正中旁2cm处矢状切，如图2中线3所示位置，获取经下腔静脉矢状切面超声图像；
[0141]
第四控制模块，第四控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者腹正中线或左正中旁1cm处，如图2中线4所示位置，获取经腹主动脉矢状切面超声图像；
[0142]
第五控制模块，第五控制模块用于控制超声装置的超声探头垂直于患者皮肤表面，且放置于患者左正中旁3～5cm处，如图2中线5所示位置，获取左胸骨旁线矢状切面超声图像。
[0143]
为了进一步地优化本发明的实施效果，在另外一些实施方式中，其余特征技术相同，不同之处在于，sa-unet神经网络模型的训练包括以下步骤：
[0144]
s1：依靠人工标注的方式，对采集的超声图像进行标注，形成含背景、肝动脉血管、肝静脉血管三部分的标签图像；
[0145]
s2：将超声装置采集的原始图像和标签图像一一对应，并按照6：3：1的比例划分为训练集、测试集和验证集，其中训练集为优化模型的数据，验证集是为了在训练时能直观的评估当前模型的性能，测试集是在训练结束后测试模型的泛化性能；
[0146]
s3：对训练集进行数据增强处理，数据增强处理包括但不限于：随机旋转、裁剪等方式，且每次增强处理后的数据均不同，使得每一轮送入网络的数据都是不同的，从而增加模型的泛化能力；
[0147]
s4：设置sa-unet神经网络模型的训练参数，设定好训练轮数、初始学习率、批量大小等超参数，将训练集输入sa-unet神经网络模型进行前向传播，得出标签结果；
[0148]
s5：将s3得到的标签结果与真实标签进行对比，得到分类损失函数和dice评价系数；
[0149]
s6：基于s4得到的分类损失函数和dice评价系数，对sa-unet神经网络模型进行反向传播，优化sa-unet神经网络模型的参数；
[0150]
s7：重复s3-s6，直至sa-unet神经网络模型的训练结果达到预期。
[0151]
在一些具体实施例中：
[0152]
分类损失函数为
[0153]
其中：p(yi)为类别yi的概率，表示预测为类yi的概率；
[0154]
dice评价系数用于衡量模型对图像分割的效果，dice评价系数为
[0155][0156]
其中，x为真实标签的超声影像，y为sa-unet神经网络模型预测结果的超声图像。
[0157]
为了进一步地优化本发明的实施效果，在另外一些实施方式中，其余特征技术相同，不同之处在于，sa-unet神经网络模型包括依次连接的编码器、空间注意力模块以及解码器，编码器用于获取超声图像的图像特征，空间注意力模块用于进一步获取超声图像的细粒度特征，解码器用于进行特征重构，并输出结果。
[0158]
进一步，sa-unet神经网络模型的工作包括以下步骤：
[0159]
a1：编码器获取超声图像的图像特征；
[0160]
a2：将编码器获取的图像特征传输到空间注意力模，分别输入到全局最大池化和全局平均池化层；
[0161]
a3：将两个分支得到的输出特征图进行特征拼接操作；
[0162]
a4：将拼接后的特征图分别经过7
×
7卷积、批量归一化层和sigmoid激活函数得到中间特征图；
[0163]
a5：将编码器获取的特征图和中间特征图进行逐像素相乘操作得到最终的空间注意力图；
[0164]
a6：将空间注意力图作为输入特征传递给解码器；
[0165]
a7：解码器进行特征重构，并输出结果。
[0166]
以上多种实施方式可交叉并行实现。
[0167]
本发明一种基于神经网络的超声肝部血管识别方法及设备的有益效果如下：
[0168]
第一，本发明利用超声装置采集患者的肝-右肾矢状切面图、肝-胆囊矢状切面图、经下腔静脉矢状切面图、经腹主动脉矢状切面图、左胸骨旁线矢状切面图，基于超声检测的实时成像方式，其成像速度快，无电离辐射。
[0169]
第二，本发明利用sa-unet神经网络模型对肝脏血管进行分割，分割精度高，提取清晰的肝部血管，方便后续对干部血管的追踪。
[0170]
应当理解，这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、cd-rom、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被该机器执行时，该机器变成实践本发明的设备。
[0171]
在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0172]
在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0173]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本
发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定。
[0174]
上述实施例只为说明本发明的技术构思及特点，其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。