基于特征向量的结节最佳切面选择方法、系统及电子设备与流程

1.本发明涉及计算机及切面确定技术领域，特别是涉及一种基于特征向量的结节最佳切面选择方法、系统及电子设备。


背景技术：

2.结节是指细胞不正常聚集形成的肿块，作为一种全身性疾病，可影响任何器官，比如甲状腺、乳腺、肝脏、肾脏、心肺等等器官或腺体，是临床常见的病症，病征和症状依进犯的器官而定。临床上可由多种病因引起，如炎症、自身免疫反应、新生物、甚至癌症等都可以表现为结节，可以单发，也可以多发。
3.现今常用的诊断方式都是超声检测，采用超声对患者的器官进行扫描，然后医生通过肉眼对超声影像进行人工判断，识别超声影像中是否存在结节，并人工选取最能说明临床特征、图像中病灶最清晰、最具有代表性的1～2幅切面图像，纳入诊断报告。然而此做法具有以下缺点：
4.1)诊断效率慢，需要医生反复扫描患者患处以选择最佳切面；
5.2)一些难以发现的结节在超声影像中仅出现几帧，而人类的反应力有限；
6.3)医生工作量大，对每个患者都需要全神贯注，体力精力消耗大；
7.4)对医生的经验水平要求较高，而专业的超声医生培养周期长、成本高；
8.5)目前能胜任的医生数量有限，医疗资源紧张和费用成本高。


技术实现要素：

9.本发明的目的是提供一种基于特征向量的结节最佳切面选择方法、系统及电子设备，以达到高效率高精度选择最佳切面的目的。
10.为实现上述目的，本发明提供了如下方案：
11.第一方面，本发明提供了一种基于特征向量的结节最佳切面选择方法，包括：
12.获取包含结节的超声影像；所述超声影像包括若干帧图像以及每帧图像对应的结节定位框和置信度；
13.根据当前帧图像以及所述当前帧图像对应的结节定位框，确定所述当前帧图像对应的感兴趣区域；
14.计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量；
15.根据所述当前帧图像对应的特征向量，计算所述当前帧图像对应的范数；
16.当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像为最后一帧图像则输出当前帧图像以及当前帧图像对应的结节定位框，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，将历史最大值更新为当前帧图像对应的范数，并返回步骤根据当前帧图像以及当前帧图像对应的结节定位框，确定当前帧图像对应的感
兴趣区域；
17.当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像为最后一帧图像时则输出历史最大值对应的图像以及历史最大值对应的图像的结节定位框，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，并返回步骤根据当前帧图像以及当前帧图像对应的结节定位框，确定当前帧图像对应的感兴趣区域。
18.可选地，获取包含结节的超声影像，具体包括：
19.根据超声结节定位软件，获取包含结节的超声影像；所述超声结节定位软件用于实时记录结节定位框以及对应的图像和置信度。
20.可选地，所述感兴趣区域为矩形感兴趣区域。
21.可选地，计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量，具体包括：
22.根据公式计算当前帧图像对应的感兴趣区域的标准差；
23.根据公式计算当前帧图像对应的感兴趣区域的信息熵；
24.对当前帧图像对应的感兴趣区域的标准差和信息熵、以及当前帧图像对应的置信度分别进行最大最小归一化处理；
25.将最大最小归一化处理后的置信度、标准差、信息熵组成当前帧图像对应的特征向量；
26.其中，σ表示标准差；h和w分别表示感兴趣区域的高和宽；p(i,j)表示第i行、第j列的像素值，μ表示均值；h(p)表示信息熵；pq表示像素值q在感兴趣区域中出现的频率。
27.可选地，所述标准差计算中的开方运算为快速开方算法；所述信息熵计算中的对数运算为快速对数算法。
28.可选地，所述范数为l1范数。
29.第二方面，本发明提供了一种基于特征向量的结节最佳切面选择系统，包括：
30.超声影像获取模块，用于获取包含结节的超声影像；所述超声影像包括若干帧图像以及每帧图像对应的结节定位框和置信度；
31.感兴趣区域确定模块，用于根据当前帧图像以及所述当前帧图像对应的结节定位框，确定所述当前帧图像对应的感兴趣区域；
32.特征向量计算模块，用于计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量；
33.范数计算模块，用于根据所述当前帧图像对应的特征向量，计算所述当前帧图像对应的范数；
34.数据输出模块，用于：
35.当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像为最后一帧
图像则输出当前帧图像以及当前帧图像对应的结节定位框；
36.当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像为最后一帧图像时则输出历史最大值对应的图像以及历史最大值对应的图像的结节定位框；
37.跳转模块，用于：
38.当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，将历史最大值更新为当前帧图像对应的范数，并跳转至感兴趣区域确定模块；
39.当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，并跳转至感兴趣区域确定模块。
40.第三方面，本发明提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的基于特征向量的结节最佳切面选择方法。
41.根据本发明提供的具体实施例，本发明公开了以下技术效果：
42.本发明提供了一种基于特征向量的结节最佳切面选择方法、系统及电子设备。根据包含结节的超声影像，基于特征向量，在超声影像中选取最能说明临床特征、图像中病灶最清晰、最具有代表性的最佳切面，从而实现高效率高精度选择最佳切面的目的。
附图说明
43.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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，对于本领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。
44.图1为本发明实施例提供的基于特征向量的结节最佳切面选择方法的流程示意图；
45.图2为本发明实施例提供的基于特征向量的结节最佳切面选择方法的具体过程示意图；
46.图3为本发明实施例提供的基于特征向量的结节最佳切面选择系统的结构示意图。
具体实施方式
47.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做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。
48.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
49.实施例一
50.鉴于背景技术存在的技术缺陷，本发明提供了一种基于特征向量的结节最佳切面选择方法，本发明可以通过计算机和算法辅助医生在超声影像中定位结节并选取最佳切
面。
51.首先根据超声结节定位软件的输出结果，捕捉结节的连续的一段或数段影像，然后从此影像中选取最佳切面，以便分析临床特征并纳入报告，大幅提升诊疗效率，减轻医生压力。
52.如图1和图2所示，本发明提供的一种基于特征向量的结节最佳切面选择方法，具体包括以下步骤。
53.步骤100：获取包含结节的超声影像；该超声影像包括若干帧图像以及每帧图像对应的结节定位框和置信度。
54.步骤200：根据当前帧图像以及当前帧图像对应的结节定位框，确定当前帧图像对应的感兴趣区域。
55.步骤300：计算当前帧图像对应的感兴趣区域的标准差和信息熵，并根据当前帧图像对应的感兴趣区域的标准差和信息熵、以及当前帧图像对应的置信度，计算当前帧图像对应的特征向量。
56.步骤400：根据当前帧图像对应的特征向量，计算当前帧图像对应的范数。
57.步骤500：当当前帧图像对应的范数大于历史最大值时，若当前帧图像为最后一帧图像则输出当前帧图像以及当前帧图像对应的结节定位框，若当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，将历史最大值更新为当前帧图像对应的范数，并返回步骤200。
58.步骤600：当当前帧图像对应的范数小于或者等于历史最大值时，若当前帧图像为最后一帧图像时则输出历史最大值对应的图像以及历史最大值对应的图像的结节定位框，若当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，并返回步骤200。
59.在本发明实施例中，步骤100具体包括：
60.根据现有的超声结节定位软件，获取包含结节的超声影像。该超声结节定位软件会实时记录结节定位框以及对应的图像和置信度。该超声结节定位软件内置有结节定位算法。
61.置信度由结节定位算法输出，是结节定位算法对感兴趣区域图像是否完整准确包含结节的概率的预测值，也简单理解为结节定位算法对输出正确结果的把握度。
62.置信度越高，说明结节定位算法对输出正确结果的把握越大；同时，置信度也会受图像质量的影像，即图像的清晰度、对比度等因素，置信度越高，感兴趣区域图像越清晰，结节的辨识度越高。
63.在本发明实施例中，步骤200所述的感兴趣区域为矩形感兴趣区域。
64.在本发明实施例中，步骤300所述的标准差是指统计上用于衡量一组数值与其平均值差异程度的指标。标准差被用来评估数据的离散程度和变化或波动程度，标准差越大，数据越离散，波动程度越高。
65.本发明实施例所述的感兴趣区域中像素值的标准差的计算公式如下：
[0066][0067]
其中，h和w分别表示感兴趣区域的高和宽，p(i,j)表示第i行、第j列的像素值，μ表示均值。
[0068]
通过像素值的离散程度，来衡量图像的对比度。像素值的标准差越大，对比度越高，结节的辨识度越高。
[0069]
步骤300所述的信息熵是对一个事件的信息不确定性的度量，即一个事件所包含的信息量的期望，一个事件的不确定性越高，信息熵越大，所包含的信息量越多。
[0070]
本发明实施例所述的图像的一维灰度信息熵的计算公式如下：
[0071][0072]
其中，pq表示像素值q在感兴趣区域中出现的频率。
[0073]
对于图像而言，信息熵越大，所包含的信息量就越多，影像内容越丰富，可为诊疗提供的影像信息就越多，说明图像越具有代表性。
[0074]
步骤300，具体包括：
[0075]
根据公式计算当前帧图像对应的感兴趣区域的标准差。
[0076]
根据公式计算当前帧图像对应的感兴趣区域的信息熵。
[0077]
对当前帧图像对应的感兴趣区域的标准差和信息熵、以及当前帧图像对应的置信度分别进行最大最小归一化处理。
[0078]
将最大最小归一化处理后的置信度、标准差、信息熵组成当前帧图像对应的特征向量。
[0079]
其中，本发明实施例中所使用的特征向量由置信度、标准差、信息熵3项组成，理论上可使用其他更多的统计量，但经过实验，这3项组成的特征向量可达到最佳效果。
[0080]
在统计学中，归一化方法有多种，比如正态归一化、l2-norm归一化等，本发明实施例中使用的是最大最小归一化，理由有二：1)经过实验，最大最小归一化可达到最佳效果；2)最大最小归一化的计算速度能满足实时分析要求。
[0081]
最大最小归一化是对原始数据进行线性变换，使结果等比缩放并映射到[0，1]的范围。其计算公式如下：
[0082][0083]
由于特征向量由置信度、标准差、信息熵组成，但三者具有完全不同的值域，因此需要进行归一化，映射到相同的范围内。
[0084]
绝大多数程序语言都自带数学运算方法，且都包含开方运算和对数运算，但这些方法的计算速度较慢，无法满足每秒30帧的实时分析要求，因此需要使用快速计算算法。
[0085]
由于超声结节定位软件和本发明实施例提供的基于特征向量的结节最佳切面选择算法是以每秒30帧的速度实时运行的，对于软件和算法分析的速度有很高的要求。但是，标准差计算中的开方运算和信息熵计算中的对数运算在计算机中是相当耗费时间的。因此，本发明实施例中的开方运算和对数运算使用的是快速算法。
[0086]
(1)快速开方算法
[0087]
本发明实施例中使用牛顿迭代法进行快速开方运算，其递推公式：
[0088]
直到：|x
i-x
i-1
|《ε。
[0089]
当迭代次数i增加，xi会逐渐趋近且该函数是收敛的，因此，xi趋近等价于迭代步长的减少。我们可以在xi足够接近时候结束迭代，即满足公式中的|x
i-x
i-1
|《ε。
[0090]
这样，该算法可以在可接受的精度误差内极大幅度地算法运算时间。
[0091]
(2)快速对数算法
[0092]
在信息熵的计算中需要计算以2为底的对数。在计算机中，单精度浮点数是这样储存数的：1个字节的符号位，8个字节的指数，和23个字节的尾数。即：
[0093]
x＝尾数
×2指数
。
[0094]
由于在计算对数，因为所有计算对数的数字都是正数，所以可以舍去符号位；而指数和尾数可以使用计算机的位运算(与或非/移位)很容易的取出来。下面我将以浮点数型的12.345678为例，说明快速计算以e为底的对数的过程：
[0095]
12.345678＝1.54320975
×
2^3
[0096]
其中：
[0097]
1)12.345678为我们需要求对数的数字；
[0098]
2)1.54320975为尾数，且恒为形如1.xxxx的小数；
[0099]
3)3为指数。
[0100]
这里可以将尾数：1.54320975，分解为短数和乘数的乘积，其中短数通过尾数向下取值并保留两位小数得到。由此可得：
[0101]
12.345678＝1.54320975
×
2^3＝1.54
×
1.00208425
×
2^3
[0102]
因此，如果要计算ln12.345678，可以把问题分解为：
[0103]
ln12.345678＝ln1.54+ln1.00208425+3
×
ln2
[0104]
其中：
[0105]
1)3
×
ln2：ln2是个常数，等于0.69314718；
[0106]
2)ln1.54：可以使用查表法查得，我预设了一张表用以记录ln1.00、ln1.01、ln1.02、ln1.03、......、ln1.99的值。查表可得，ln1.54对应的是第55项，此项值为0.43178242；
[0107]
3)ln1.00208425：可以使用麦克劳林公式(泰勒展开)：ln(1+t)＝-∑i(-t)^i/i来计算，因为此项非常接近1，所以可以快速收敛，只需计算了前4项就可达到精度要求，即：ln1.00208425＝0.00208425-0.00208425^2/2+0.00208425^3/3-0.00208425^4/4
[0108]
把以上三项加起来，可得最终结果：2.51330604
[0109]
然后，通过对数的换底公式：就可以求得以2为底的对数，即就可以求得以2为底的对数，即
[0110]
在本发明实施例中，步骤400所述的范数为l1范数。
[0111]
其中，范数是指空间中的向量的长度或大小，根据空间维度可分为l1范数、l2范数、l3范数、......、ln范数等，本发明实施例中使用l1范数是因为经过实验，使用l1范数可
达到最佳效果。
[0112]
l1范数又称曼哈顿范数，是指向量x中非零元素的绝对值之和，公式如下：
[0113]
||x||1＝∑|x|。
[0114]
实施例二
[0115]
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种基于特征向量的结节最佳切面选择系统。
[0116]
如图3所示，本发明实施例提供的一种基于特征向量的结节最佳切面选择系统，包括：
[0117]
超声影像获取模块1，用于获取包含结节的超声影像；所述超声影像包括若干帧图像以及每帧图像对应的结节定位框和置信度。
[0118]
感兴趣区域确定模块2，用于根据当前帧图像以及所述当前帧图像对应的结节定位框，确定所述当前帧图像对应的感兴趣区域。
[0119]
特征向量计算模块3，用于计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量。
[0120]
范数计算模块4，用于根据所述当前帧图像对应的特征向量，计算所述当前帧图像对应的范数。
[0121]
数据输出模块5，用于：
[0122]
当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像为最后一帧图像则输出当前帧图像以及当前帧图像对应的结节定位框；
[0123]
当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像为最后一帧图像时则输出历史最大值对应的图像以及历史最大值对应的图像的结节定位框。
[0124]
跳转模块6，用于：
[0125]
当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，将历史最大值更新为当前帧图像对应的范数，并跳转至感兴趣区域确定模块；
[0126]
当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，并跳转至感兴趣区域确定模块。
[0127]
实施例三
[0128]
本发明实施例提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的基于特征向量的结节最佳切面选择方法。
[0129]
可选地，上述电子设备可以是服务器。
[0130]
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的基于特征向量的结节最佳切面选择方法。
[0131]
与现有技术相比，本发明具有以下有益效果：
[0132]
1)本发明对于最佳切面的选择十分精确，经实验测试，本发明输出的结节切面和真人医师选择的最佳切面的平均误差仅有1.59帧即约0.05秒，差别微乎其微。
[0133]
2)本发明可以大大减少用户筛选结节超声图像的工作量，减轻医生的工作压力，
提升用户体验。
[0134]
3)本发明的代码大量使用快速计算算法，保证精度的同时大幅缩短计算时间运行速度极快，运行时间≤0.001秒，不会对软件的实时运行或用户体验造成影响。
[0135]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0136]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种基于特征向量的结节最佳切面选择方法，其特征在于，包括：获取包含结节的超声影像；所述超声影像包括若干帧图像以及每帧图像对应的结节定位框和置信度；根据当前帧图像以及所述当前帧图像对应的结节定位框，确定所述当前帧图像对应的感兴趣区域；计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量；根据所述当前帧图像对应的特征向量，计算所述当前帧图像对应的范数；当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像为最后一帧图像则输出当前帧图像以及当前帧图像对应的结节定位框，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，将历史最大值更新为当前帧图像对应的范数，并返回步骤根据当前帧图像以及当前帧图像对应的结节定位框，确定当前帧图像对应的感兴趣区域；当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像为最后一帧图像时则输出历史最大值对应的图像以及历史最大值对应的图像的结节定位框，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，并返回步骤根据当前帧图像以及当前帧图像对应的结节定位框，确定当前帧图像对应的感兴趣区域。2.根据权利要求1所述的一种基于特征向量的结节最佳切面选择方法，其特征在于，获取包含结节的超声影像，具体包括：根据超声结节定位软件，获取包含结节的超声影像；所述超声结节定位软件用于实时记录结节定位框以及对应的图像和置信度。3.根据权利要求1所述的一种基于特征向量的结节最佳切面选择方法，其特征在于，所述感兴趣区域为矩形感兴趣区域。4.根据权利要求1所述的一种基于特征向量的结节最佳切面选择方法，其特征在于，计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量，具体包括：根据公式计算当前帧图像对应的感兴趣区域的标准差；根据公式计算当前帧图像对应的感兴趣区域的信息熵；对当前帧图像对应的感兴趣区域的标准差和信息熵、以及当前帧图像对应的置信度分别进行最大最小归一化处理；将最大最小归一化处理后的置信度、标准差、信息熵组成当前帧图像对应的特征向量；其中，σ表示标准差；h和w分别表示感兴趣区域的高和宽；p(i,j)表示第i行、第j列的像素值，μ表示均值；h(p)表示信息熵；p
q
表示像素值q在感兴趣区域中出现的频率。5.根据权利要求1所述的一种基于特征向量的结节最佳切面选择方法，其特征在于，所
述标准差计算中的开方运算为快速开方算法；所述信息熵计算中的对数运算为快速对数算法。6.根据权利要求1所述的一种基于特征向量的结节最佳切面选择方法，其特征在于，所述范数为l1范数。7.一种基于特征向量的结节最佳切面选择系统，其特征在于，包括：超声影像获取模块，用于获取包含结节的超声影像；所述超声影像包括若干帧图像以及每帧图像对应的结节定位框和置信度；感兴趣区域确定模块，用于根据当前帧图像以及所述当前帧图像对应的结节定位框，确定所述当前帧图像对应的感兴趣区域；特征向量计算模块，用于计算所述当前帧图像对应的感兴趣区域的标准差和信息熵，并根据所述当前帧图像对应的感兴趣区域的标准差和信息熵、以及所述当前帧图像对应的置信度，计算所述当前帧图像对应的特征向量；范数计算模块，用于根据所述当前帧图像对应的特征向量，计算所述当前帧图像对应的范数；数据输出模块，用于：当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像为最后一帧图像则输出当前帧图像以及当前帧图像对应的结节定位框；当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像为最后一帧图像时则输出历史最大值对应的图像以及历史最大值对应的图像的结节定位框；跳转模块，用于：当所述当前帧图像对应的范数大于历史最大值时，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，将历史最大值更新为当前帧图像对应的范数，并跳转至感兴趣区域确定模块；当所述当前帧图像对应的范数小于或者等于历史最大值时，若所述当前帧图像不是最后一帧图像则将当前帧图像更新为下一帧图像，并跳转至感兴趣区域确定模块。8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至6中任一项所述的基于特征向量的结节最佳切面选择方法。

技术总结
本发明公开了一种基于特征向量的结节最佳切面选择方法、系统及电子设备，涉及计算机及切面确定技术领域，该方法包括：获取包含结节的超声影像，该超声影像包括若干帧图像及每帧图像对应的结节定位框和置信度；根据当前帧图像及对应的结节定位框，确定感兴趣区域；计算感兴趣区域的标准差和信息熵，并根据标准差、信息熵和置信度计算特征向量；根据特征向量计算当前帧图像对应的范数；当该范数大于历史最大值时更新历史最大值，否则不更新历史最大值，并当遍历所有图像时，输出历史最大值对应的图像及该图像的结节定位框。本发明达到高效率高精度选择最佳切面的目的。效率高精度选择最佳切面的目的。效率高精度选择最佳切面的目的。


技术研发人员：董怡
受保护的技术使用者：什维新智医疗科技（上海）有限公司
技术研发日：2023.03.06
技术公布日：2023/7/19