本發明屬于圖像處理，尤其涉及一種超聲引導股神經輔助穿刺方法。

背景技術：

1、股神經阻滯作為區域麻醉中的重要手段，廣泛應用于髖關節置換、膝關節手術以及急診創傷治療等場景，由于其能有效緩解術后疼痛、減少術后鎮痛藥物使用并促進患者早期活動，已經成為現代圍術期管理中的重要組成部分。傳統股神經阻滯技術通常依賴于解剖標志定位，然而患者個體間的解剖差異性較大，且脂肪組織、肌肉結構的遮蓋使得股神經定位難度增加，會導致穿刺失敗、藥物注射不當或股神經損傷等問題。

2、盡管超聲引導的股神經阻滯技術顯著提高了股神經阻滯操作的精準度，超聲能夠清晰顯示股神經與周圍解剖結構的相對位置，幫助醫生在視覺引導下精確放置穿刺針，從而降低并發癥發生率。然而超聲圖像的質量和醫生的操作經驗息息相關，對于經驗豐富的醫生來說，超聲引導下的股神經阻滯可以輕松完成，但對于初學者或操作經驗有限的醫生來說，仍然面臨一定的技術壁壘，尤其是在解剖結構模糊或不典型的患者中，誤操作的風險仍然存在。此外，隨著微創手術和日間手術的普及，患者對快速恢復和術后無痛體驗的需求不斷提高。如何進一步提高股神經阻滯的精準性與安全性，幫助醫生更快、更準確地完成操作，成為當前臨床亟需解決的問題。

技術實現思路

1、針對現有技術的不足，本發明提供了一種超聲引導股神經輔助穿刺方法，其目的在于解決背景技術中所提到的問題。

2、在股神經阻滯場景中，人工智能技術的應用不僅可以輔助醫生快速定位股神經，還能在穿刺過程中實時監測針尖與股神經、血管的相對位置，提供動態風險提示，顯著提升穿刺的安全性。此外借助可視化能力，醫生可以獲得關于股神經路徑規劃的直觀引導，進一步優化穿刺路徑，降低操作難度。

3、本發明提供了一種超聲引導股神經輔助穿刺方法，包括以下步驟：

4、步驟s1：患者的腹股溝區域進行多視角超聲圖像采集并以此構建股神經超聲圖像數據集，股神經超聲圖像數據集包括股神經超聲圖像；

5、步驟s2：股神經超聲圖像輸入到股神經標注模塊中，標注股神經的潛在區域，再輸入到圖像增強模塊中進行圖像增強處理，獲得增強后的股神經超聲圖像；

6、步驟s3：基于增強后的股神經超聲圖像構建訓練集和測試集，用于訓練和測試；

7、步驟s4：增強后的股神經超聲圖像輸入到多機制融合特征提取模塊中，進行自適應多尺度特征提取、注意力引導特征增強、高低頻融合特征提取和特征拼接處理，獲得多機制融合特征提取特征圖；

8、步驟s5：多機制融合特征提取特征圖輸入到基于segnet架構的股神經超聲圖像分割模型中，引入動態引導注意力進行特征編碼和解碼處理，獲得像素級分割結果；

9、步驟s6：將股神經標注模塊及經過訓練和測試的圖像增強模塊、多機制融合特征提取模塊和基于segnet架構的股神經超聲圖像分割模型，部署于醫院服務器后臺，患者的股神經超聲圖像輸入到醫院服務器后臺中處理完成后，基于像素級分割結果識別股神經位置。

10、進一步地，步驟s1包括以下步驟：

11、步驟s101：使用配備探頭的超聲系統，亮度模式下，將探頭在患者的腹股溝褶皺上方進行橫向掃描，通過調整探頭位置找到患者的股神經典型位置；

12、步驟s102：超聲系統對患者的股神經典型位置進行動態掃描，采集視頻數據，視頻數據覆蓋患者的整個股神經區域，再從視頻數據中提取若干個股神經超聲圖像，每個股神經超聲圖像均包括完整股神經解剖區域，最后若干個股神經超聲圖像存儲為股神經超聲圖像數據集。

13、進一步地，步驟s2包括以下步驟：

14、步驟s201：使用標注軟件打開股神經超聲圖像數據集，人工識別每個股神經超聲圖像中的股神經區域，使用標注工具沿著股神經區域中的股神經邊界繪制閉合曲線，并且繪制閉合曲線過程中通過sobel算子進行初步邊緣檢測，獲得初步標注的股神經超聲圖像；

15、步驟s202：初步標注的股神經超聲圖像輸入到圖像增強模塊中，進行直方圖均衡化、對比度受限自適應直方圖均衡化、高斯濾波和拉普拉斯邊緣增強處理，獲得增強后的股神經超聲圖像。

16、進一步地，步驟s3具體為：

17、將步驟s1采集的股神經超聲圖像標簽與步驟s2增強后的股神經超聲圖像進行配對，以隨機分組的方式按照8：2的比例劃分成訓練集和測試集，用于多機制融合特征提取模塊和基于segnet架構的股神經超聲圖像分割模型的訓練和測試；將步驟s1采集的股神經超聲圖像與步驟s2增強后的股神經超聲圖像進行配對，其中增強后的股神經超聲圖像作為標簽，以隨機分組的方式按照8：2的比例劃分成訓練集和測試集，用于圖像增強模塊的訓練和測試。

18、進一步地，步驟s4中，自適應多尺度特征提取和注意力引導特征增強處理具體為：

19、步驟s401：進行自適應多尺度特征提取處理：增強后的股神經超聲圖像依次輸入到不同尺寸的卷積層、批歸一化層和采樣層中進行處理；其中增強后的股神經超聲圖像輸入到不同尺寸的卷積層中，進行多尺度特征提取處理；提取后的多尺度特征輸入到批歸一化層中，進行特征標準化處理；標準化后的特征輸入到采樣層中，進行最大池化處理，保留顯著特征，獲得保留顯著特征的股神經超聲圖像；

20、步驟s402：進行注意力引導特征增強處理：保留顯著特征的股神經超聲圖像依次輸入到通道注意力層、空間注意力層和拼接層中進行處理；其中保留顯著特征的股神經超聲圖像輸入到通道注意力層中，通過通道注意力，增強有用特征，再輸入到空間注意力層中，通過空間注意力，提高股神經區域的顯著性，最后輸入到拼接層中，將通道注意力機制和空間注意力機制融合，確保特征在不同維度上的重要性，獲得注意力引導特征增強的股神經超聲圖像。

21、進一步地，步驟s4中，高低頻融合特征提取和特征拼接處理，獲得多機制融合特征提取特征圖，具體為：

22、步驟s403：進行高低頻融合特征提取處理：注意力引導特征增強的股神經超聲圖像依次經過高頻信息提取、低頻信息提取和特征融合處理，獲得融合高頻與低頻信息的股神經超聲圖像；

23、步驟s404：進行特征拼接處理：融合高頻與低頻信息的股神經超聲圖像輸入到特征拼接層中，進行特征拼接處理，最后獲得多機制融合特征提取特征圖。

24、進一步地，步驟s5中，基于segnet架構的股神經超聲圖像分割模型包括：編碼器、動態特征引導解碼器和softmax激活函數層，步驟s5具體為：

25、步驟s501：編碼器包括相同尺度的卷積層、批歸一化層和最大池化層，多機制融合特征提取特征圖輸入到編碼器的相同尺度的卷積層中，提取局部股神經特征，再輸入到批歸一化層中，歸一化每個通道的特征分布，最后輸入到最大池化層中，通過最大池化降低分辨率；

26、步驟s502：動態特征引導解碼器包括動態引導注意力層、反池化層、反卷積層和特征調整層，多機制融合特征提取特征圖經過編碼器處理后，輸入到動態特征引導解碼器的動態引導注意力層中，通過計算編碼特征與解碼特征之間的動態相關性選擇性恢復特征，再輸入到反池化層中，通過結合動態引導注意力計算上采樣結果，確保信息不會丟失，然后輸入到反卷積層中，進一步提高解碼特征的分辨率，同時恢復細節信息，最后輸入到特征調整層中，進一步優化解碼特征，確保股神經邊界清晰，同時減少背景噪聲的影響；

27、步驟s503：多機制融合特征提取特征圖經過動態特征引導解碼器處理后，輸入到softmax激活函數層中進行計算，生成像素級分割結果。

28、進一步地，步驟s6具體為：

29、步驟s601：利用步驟s3構建的訓練集和測試集，對圖像增強模塊、多機制融合特征提取模塊和基于segnet架構的股神經超聲圖像分割模型，進行訓練和測試；

30、步驟s602：將股神經標注模塊及訓練和測試完成后的圖像增強模塊、多機制融合特征提取模塊和基于segnet架構的股神經超聲圖像分割模型部署于醫院服務器后臺；

31、步驟s603：患者的股神經超聲圖像輸入到醫院服務器后臺中進行處理，最終在基于segnet架構的股神經超聲圖像分割模型中，對股神經超聲圖像中的每個像素進行分類識別，確定股神經在股神經超聲圖像中的位置，為醫生的股神經穿刺決策提供依據。

32、本發明具有如下技術效果：

33、(1)本發明通過一系列圖像處理技術，優化超聲圖像質量，提高股神經的可視化效果，減少背景噪聲，提高后續ai模型的識別精準度。采用直方圖均衡化和對比度受限自適應直方圖均衡化，增強超聲圖像的局部和全局對比度，使低灰度股神經區域更加顯著，提高股神經的可見度。對比度受限自適應直方圖均衡化能在局部區域增強細節，同時避免過度增強導致背景噪聲增加，使股神經在復雜背景下仍能清晰識別。降低超聲圖像中的偽影和噪聲，提高影像質量。采用高斯濾波平滑股神經超聲圖像，去除高頻噪聲，同時保留股神經組織的主要結構特征，提高圖像質量。結合拉普拉斯邊緣增強，使股神經邊界更加銳利，提高超聲圖像的邊緣分辨能力，使股神經區域在分割前更具辨識度。

34、(2)采用多機制融合特征提取，在深度學習模型中提取超聲圖像的關鍵特征，以確保股神經的精準識別，提高股神經識別的精確度，減少背景干擾。采用自適應多尺度特征提取，使用不同尺寸的卷積核，增強對股神經的全面感知，確保股神經區域完整呈現。結合高低頻融合特征提取，同時保留股神經的整體形態(低頻信息)和邊界細節(高頻信息)，增強股神經的穩定識別能力。通過注意力機制強化股神經區域，提高識別穩定性。

35、(3)采用基于segnet架構的股神經超聲圖像分割模型，最終實現像素級的股神經自動分割，確保股神經邊界清晰，提高股神經阻滯的精準性。提高股神經分割精度，確保股神經邊界完整。采用segnet架構進行像素級分割，并在解碼階段引入動態特征引導解碼器，優化特征恢復過程，使股神經邊界更加清晰。通過動態引導注意力，確保編碼特征與解碼特征的最優匹配，提高分割精度，減少模糊邊界問題。