CN102727246A - 用于超声检测系统的学习一键预设的方法与装置 - Google Patents
用于超声检测系统的学习一键预设的方法与装置 Download PDFInfo
- Publication number
- CN102727246A CN102727246A CN2011100935049A CN201110093504A CN102727246A CN 102727246 A CN102727246 A CN 102727246A CN 2011100935049 A CN2011100935049 A CN 2011100935049A CN 201110093504 A CN201110093504 A CN 201110093504A CN 102727246 A CN102727246 A CN 102727246A
- Authority
- CN
- China
- Prior art keywords
- preset
- key
- testing system
- ultrasonic testing
- preset data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种用于超声检测系统的学习一键预设的方法与装置,其中所述方法主要包括:收集步骤,用于在检测中收集预设数据以及被检测对象信息;分析步骤,用于对收集的被检测对象信息进行分类;计算步骤,用于分别计算对应于同一分类的各种预设数据的平均值;以及生成步骤,利用各种预设数据的平均值生成预设数据集以供一键预设。按照本发明实施例的用于超声检测系统的一键预设方法与装置,能够节省预设的时间,使检测更有效,而且可以节省生产超声检测系统的公司的成本。
Description
技术领域
本发明涉及一种超声检测系统,特别是涉及一种用于超声检测系统的实现一键预设的方法与装置。
背景技术
超声检测系统的可用性与使用者的经验有关。预设是检测过程中十分重要的部分。针对不同的被检查对象,需要做不同的预设。用户通常遇到的情况包括:(1)当到来的被检查对象具有某种特定的症状时,使用者不能根据经验立刻进行预设;(2)当被检查对象与系统使用者熟悉时,使用者仍然需要花费大量的时间进行预设;(3)对于生产超声检测系统的公司,出厂预设会增加许多时间和资金成本,但可能无法满足客户需要。而且,现有的超声检测系统提供具体的预设,意味着探针、学习类型、测量包等都要随每个超声检测系统来建立。因此,当许多具有不同需要的用户使用通用用途的超声系统时,这就变成了一个问题。
另外,由于制造商持续拓宽超声应用的邻域而缩减资金预算,越来越多的通用超声系统被投放到市场。具有基于系统的设置的通用超声系统在以下方面影响用户:增加时间建立和进行扫描,在扫描之前忘记建立的话会导致不精确的成像,以及如果其他人后面需要使用超声系统,它必须全部对每一个不同的检查进行重复。
因此,需要有一种用于超声检测系统的一键预设方法与装置,能够节省预设的时间,使检测更有效,而且可以节省生产超声检测系统的公司的成本。
发明内容
本发明的目的是为了克服现有技术存在的缺陷,提供一种超声检测系统的一键预设方法与装置。为了实现这一目的,本发明所采取的技术方案如下。
按照本发明实施例的第一方面,提供一种用于超声检测系统的学习一键预设方法,包括:收集步骤,用于在检测中收集预设数据以及被检测对象信息;分析步骤,用于对收集的被检测对象信息进行分类;计算步骤,用于分别计算对应于同一分类的各种预设数据的平均值;以及生成步骤,利用各种预设数据的平均值生成预设数据集以供一键预设。
优选的是,按照一个实施例,其中所述被检测对象信息包括性别、年龄范围、种族、身高范围、体重范围、地域、和/或检测部位。
再优选的是,按照一个实施例,所述预设数据集为XML文件。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括清除步骤,用于在空间达到预定值时清除收集的数据文件。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括遴选步骤,用于分别计算对应于同一分类的各种预设数据的平均值减去预算数据之后与该预设数据平均值的比值的绝对值,并将所计算的比值的绝对值小于预定阈值的预设数据作为有效预设数据以供所述计算步骤使用。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括共享步骤,用于将生成的预设数据集上传至网络以实现共享。优选的是,按照一个实施例,超声检测系统通过Web服务与服务器通信来实现预设数据集的共享。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括限制步骤,用于限定能够访问所共享的预设数据集的范围。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括出厂预设步骤,利用共享的预设数据集对待出厂的超声检测系统设置出厂预设。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括设定步骤,用于设定系统学习一键预设的时间。
按照一个实施例,所述的用于超声检测系统的学习一键预设方法还包括载入步骤,利用配置的一键预设按钮向超声检测系统载入所生成的预设数据集或者从网络下载共享的预设数据集作为当前使用的预设。
按照本发明实施例的第二方面,提供一种用于超声检测系统的学习一键预设装置,包括:收集模块,用于在检测中收集预设数据以及被检测对象信息;分析模块,用于对收集的被检测对象信息进行分类;计算模块,用于分别计算对应于同一分类的各种预设数据的平均值;以及生成模块,利用各种预设数据的平均值生成预设数据集以供一键预设。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括清除模块,用于在空间达到预定值时清除收集的数据文件。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括遴选模块,用于分别计算对应于同一分类的各种预设数据的平均值减去预算数据之后与该预设数据平均值的比值的绝对值,并将所计算的比值的绝对值小于预定阈值的预设数据作为有效预设数据以供所述计算模块使用。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括共享模块,用于将生成的预设数据集上传至网络以实现共享。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括限制模块,用于限定能够访问所共享的预设数据集的范围。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括出厂预设模块,利用共享的预设数据集对待出厂的超声检测系统设置出厂预设。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括设定模块,用于设定系统学习一键预设的时间。
按照一个实施例,所述的用于超声检测系统的学习一键预设装置还包括载入模块,利用配置的一键预设按钮向超声检测系统载入所生成的预设数据集或者从网络下载共享的预设数据集作为当前使用的预设。
按照本发明实施例的第三方面,提供一种超声检测系统,包括按照本发明实施例的第二方面的一键预设装置。
下面将结合附图并通过实施例对本发明进行具体说明,其中相同或基本相同的部件采用相同的附图标记指示。
附图说明
图1是按照本发明一个实施例的用于超声检测系统学习一键预设的方法的流程图;
图2是按照本发明一个实施例的预设文件和逻辑过程的样本结构示意图;
图3是按照本发明一个实施例的可用于实现预设数据集共享的网络拓扑图;
图4是配置成适于实现按照本发明一个实施例的一键预设方法的超声检测系统界面示意图;
图5是结合了按照本发明一个实施例一键预设方法的超声检测过程的流程图;
图6是按照本发明一个实施例的用于超声检测系统学习一键预设的装置的示意图;
图7是按照本发明另一个实施例的用于超声检测系统学习一键预设的装置的示意图。
具体实施方式
一键预设意思是可以通过点击一个按键来设置预设。当需要设置预设以对被检测对象进行检测时,超声检测系统可以自动收集当前的预设信息和被检测对象信息以保存起来。被检测对象信息包括性别、体重、身高、种族等等。系统将会在常规时间从收集的数据中进行学习并计算,然后对其进行分类和组合。当需要设置预设时,系统将显示分析的预设表以供选择。此外,一台超声检测系统的用户还可以通过服务器与其他超声检测系统用户分享他的预设。当面对某些特定的被检测对象时,可以在互联网上搜索预设(某些用户会在互联网上共享他的经验)。对于生产超声检测系统的公司,出厂预设可以在参考了其他用户的共享预设后进行设置。这样,巨大的数据集会使预设更精确,并且会节省大量的资金和时间。
如图1所示,是按照一个实施例的用于超声检测系统学习一键预设的方法的流程图,主要包括:收集步骤100,分析步骤106,计算步骤110,以及生成步骤112。在其他实施例中,还可选地包括:清除步骤102,设定步骤104,遴选步骤108,共享步骤114,限制步骤116,出厂预设步骤118,和/或载入步骤120。下面对这些步骤分别进行具体说明。
首先,可以将超声检测系统配置成在检测期间,自动收集预设数据以及被检测对象的信息(步骤100),例如将预设数据以及被检测对象的信息记录并保存起来。当然,在某些情况下,收集被检测对象的信息需要取得许可。此外,其他实施例中,还可以将超声检测系统配置成在存储空间达到预定量值时,清除不需要的数据文件(步骤102)。在一个实施例中,收集的信息的结构可以采用:
对于在检测期间收集的预设数据和被检查对象信息的处理,可以设定系统进行学习的时间(步骤104),即可以将系统配置成在该设定的时间内自动处理收集的预设数据和信息。例如,可以使系统在每次启动时,自动分析收集的信息和预设数据来进行学习。
系统在分析收集的被检查对象的信息时,按照被检查对象的性别、年龄范围、种族、身高范围、体重范围、地域和/或检测部位等信息进行分类(步骤106),然后,通过线性拟合以及求平均值的方法,分别计算对应于同一分类的各种预设数据的平均值(步骤110)。下面通过一个实例对此进行具体说明。
设定采用如下的分类标准:
年龄:20-21;
性别:男;
种族:黄色人种;
体重:60kg-65kg;
身高:170-172cm;
…
检测部位:肝脏。
针对该分类标准,对作为预设数据的一个例子的扫查深度进行计算。为了优化计算结果,在一个实施例中,还可选地先进行遴选。假设有二十个采样,即二十个深度值Ai(i=1,...,20)分别为:2cm,3cm,4cm,2cm,3cm,4cm,1cm,2cm,3cm,4cm,5cm,3cm,4cm,5cm,5cm,5cm,3cm,7cm,6cm,4cm。对深度值Ai进行排序:1cm,2cm,2cm,2cm,2cm,3cm,3cm,3cm,3cm,4cm,4cm,4cm,4cm,4cm,5cm,5cm,5cm,5cm,6cm,7cm,计算得到该二十个Ai值的平均值为:Mean=3.7。
接下来,针对每一个Ai值,计算(Ai-Mean)/Mean的绝对值。如果计算的绝对值小于预定阈值,例如该预定阈值的经验值可取为大约0.5左右,则将该Ai值作为有效值保留,否则去除(步骤108)。通过计算并比较,以下十七个Ai值得以保留:2cm,2cm,2cm,2cm,3cm,3cm,3cm,3cm,4cm,4cm,4cm,4cm,4cm,5cm,5cm,5cm,5cm。根据这十七个点,算出真正的平均值为(步骤110):3.53cm。
针对该分类标准,计算得出各种必要的预设数据的平均值后,即可生成一个新的预设数据集,作为本地学习的预设数据集。优选的是,在一个实施例中,预设数据集为XML文件,该XML文件的格式可以是:
此外,对于已经经过学习的超声检测系统,在一个实施例中,上述分析和计算过程还可以包括本地已有的学习过的预设数据集。
图2是按照一个实施例的预设文件和逻辑过程的样本结构示意图。在该图中,无分析预设PresetWithoutAnalysis 1-3是在诊断期间收集的预设文件。他们具有相同的性别、年龄范围、种族、身高范围、体重范围和检测部位。数据分析之后,他们将被分类,并将生成新的预设文件:预设分析PresetAnalysis。在该例子中,Ultrasound Param1-3是详细的预设值。
在一个实施例中,还可选地将生成的新的预设数据集上传到网络服务器以实现共享(步骤114),同时,也可以限定能够访问所共享的预设数据集的范围,即限制哪些人可以从互联网上获得该预设(步骤116)。优选的是,在一个实施例中,超声检测系统通过Web服务与服务器通信来实现预设数据集的共享。图3所示是一种网络拓扑图,超声检测系统通过Web服务与服务器通信,其中Web服务是一种软件系统,设计成支持通过网络的能共同操作的机器对机器的交互作用,用于传送XML格式文件。
通过共享各自的预设数据集,从而可以通过网络寻找别人共享的预设数据集。当超声检测系统的使用者缺乏必要的经验或者被检查对象具有特殊的症状时,本地预设可能不是足够有效。因此,网络成为寻找预设的一个好的选择。于是,生产超声检测系统的公司的服务器可以收集网络上共享的预设,以设置出厂预设(步骤118)。由于共享的数据很大,据此设置的出厂预设将更通用。
如图4所示,是配置成适于实现按照一个实施例的一键预设方法的超声检测系统界面,在Preset-To-Type栏(一键预设栏),每一行具有下载预设的点击按钮。该按钮是和XML文件中的某个分类的预设集对应的,按了该按钮就会载入那个预设数据集成为当前检测所用的预设(步骤120)。另外,图4所示的界面还配置有按钮“Search OnInternet(在互联网上搜索)”,这样,除了载入通过本地学习的预设数据集来进行一键预设外,还可以从网路上下载别人共享的预设数据集,来实现一键预设。
如图5所示,是结合了按照本发明一个实施例的一键预设方法的超声检测过程的流程图。首先,启动超声检测系统的设备(框500),系统则会询问当前时间是否是预先设置的时间(框502);如果是,则接着询问是否让系统预设学习(框504),如果是,则系统自动对存储的预设进行学习,生成xml文件:新的预设集(core)(框506)。生成新的预设集后,系统则会询问是否在网络上共享自己的预设集(框508),如果愿意共享,则系统上传本地的预设集到服务器(框510),然后重新启动超声设备并跳过询问让系统预设学习的过程(框512),如果不愿意进行共享则直接进入框512所示的步骤。跳过询问让系统预设学习的过程,或者在框502询问当前时间是否是预先设置的时间时选择否,则进入框514准备检测。在准备检测时(框514),先要设置预设(框516),于是进入选择设置预设的方式(框518)。此时,可以通过本地学习的预设集来一键设预设(框520),或者通过网络寻找别人共享的预设集来一键设预设(框522),也可以传统的设置预设方式(框524)。设置好预设后,即可进行检测(框526)。检测完成后,系统可自动保存本次检测数据、被检查对象信息、以及预设值等(框528),至此可结束检测(框530)。
按照上述实施例的方法,可以节省设置预设的时间,使设置的预设能够更加精准,使检测更有效;而且,还可节省生产超声检测系统的公司的成本。
如图6所示,是按照一个实施例的用于超声检测系统学习一键预设的装置的示意图,主要包括:收集模块602,分析模块608,计算模块612,以及生成模块614。在其他实施例中,还可选地包括:清除模块604,设定模块606,遴选模块610,共享模块616,限制模块618,出厂预设模块620,和/或载入模块622。这些模块可以通过软件、硬件、固件或者其组合来实现。其中:
-收集模块602用于执行步骤100;
-清除模块604用于执行步骤102;
-设定模块606用于执行步骤104;
-分析模块608用于执行步骤106;
-遴选模块610用于执行步骤108;
-计算模块612用于执行步骤110;
-生成模块614用于执行步骤112;
-共享模块616用于执行步骤114;
-限制模块618用于执行步骤116;
-出厂预设模块620用于执行步骤118;以及
-载入模块622用于执行步骤120。
如图7是另一种用于超声检测系统学习一键预设的装置的实施例,该装置600包括处理单元613,例如MCU、DSP或CPU等。处理单元613可以是单个单元或者多个单元,以执行所述的不同步骤。另外,该装置600还可选地包括交互界面680以及输出单元690,用于输入有关参数或数据以及输出经过处理的数据。此外,该装置600还包括非易失性存储器形式的至少一个计算机程序产品610,例如EEPROM、闪存或者硬盘驱动器等。该计算机程序产品610包括计算机程序611,而计算机程序611包括程序代码,当其被运行时,使得该装置600执行关于图1所示的步骤。
具体来说,在装置600的计算机程序611中的程序代码包括:收集模块611a,用于执行步骤100;清除模块611b,用于执行步骤102;设定模块611c,用于执行步骤104;分析模块611d,用于执行步骤106;遴选模块611e,用于执行步骤108;计算模块611f,用于执行步骤110;生成模块611g,用于执行步骤112;共享模块611h,用于执行步骤114;限制模块611i,用于执行步骤116;出厂预设模块611j,用于执行步骤118;以及载入模块611k,用于执行步骤120。换句话说,当在处理单元613上运行不同的模块611a-611k时,它们对应于图6所示的模块602、604、606、608、610、612、614、616、618、620和622。
按照上述实施例的用于超声检测系统学习一键预设的装置600,可以通过软件、硬件、固件或者其组合,实现在各种超声检测系统中。这种实现对于本领域普通技术人员来说是容易做到的,在此不进行详述。
以上通过具体的实施例对本发明进行了说明,但本发明并不限于这些具体的实施例。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等,例如将上述实施例中的一个步骤或模块分为两个或更多个步骤或模块来实现,或者相反,将上述实施例中的两个或更多个步骤或模块的功能放在一个步骤或模块中来实现。但是,这些变换只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书所使用的一些术语并不是限制,仅仅是为了便于描述。此外,以上多处所述的“一个实施例”、“另一个实施例”等等表示不同的实施例,当然也可以将其全部或部分结合在一个实施例中。
Claims (20)
1.一种用于超声检测系统的学习一键预设的方法,其特征在于,包括:
收集步骤,用于在检测中收集预设数据以及被检测对象信息;
分析步骤,用于对收集的被检测对象信息进行分类;
计算步骤,用于分别计算对应于同一分类的各种预设数据的平均值;以及
生成步骤,利用各种预设数据的平均值生成预设数据集以供一键预设。
2.如权利要求1所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
清除步骤,用于在存储空间达到预定值时清除收集的数据及信息。
3.如权利要求1所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
遴选步骤,用于分别计算对应于同一分类的各种预设数据的平均值减去预算数据之后与该预设数据平均值的比值的绝对值,并将所计算的比值的绝对值小于预定阈值的预设数据作为有效预设数据以供所述计算步骤使用。
4.如权利要求1所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
共享步骤,用于将生成的预设数据集上传至网络以实现共享。
5.如权利要求4所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
限制步骤,用于限定能够访问所共享的预设数据集的范围。
6.如权利要求4所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
出厂预设步骤,利用共享的预设数据集对待出厂的超声检测系统设置出厂预设。
7.如权利要求1所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
设定步骤,用于设定系统学习一键预设的时间。
8.如权利要求1所述的用于超声检测系统的学习一键预设的方法,其特征在于,还包括:
载入步骤,利用配置的一键预设按钮向超声检测系统载入所生成的预设数据集或者从网络下载共享的预设数据集作为当前使用的预设。
9.如权利要求1至8任一项所述的用于超声检测系统的学习一键预设的方法,其特征在于:所述被检测对象信息包括性别、年龄范围、种族、身高范围、体重范围、地域、和/或检测部位。
10.如权利要求1至8任一项所述的用于超声检测系统的学习一键预设的方法,其特征在于:所述预设数据集为XML文件。
11.如权利要求4所述的用于超声检测系统的学习一键预设的方法,其特征在于:在所述共享步骤中,超声检测系统通过Web服务与服务器通信来实现预设数据集的共享。
12.一种用于超声检测系统的学习一键预设的装置,其特征在于,包括:
收集模块,用于在检测中收集预设数据以及被检测对象信息;
分析模块,用于对收集的被检测对象信息进行分类;
计算模块,用于分别计算对应于同一分类的各种预设数据的平均值;以及
生成模块,利用各种预设数据的平均值生成预设数据集以供一键预设。
13.如权利要求12所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
清除模块,用于在存储空间达到预定值时清除收集的数据及信息。
14.如权利要求12所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
遴选模块,用于分别计算对应于同一分类的各种预设数据的平均值减去预算数据之后与该预设数据平均值的比值的绝对值,并将所计算的比值的绝对值小于预定阈值的预设数据作为有效预设数据以供所述计算模块使用。
15.如权利要求12所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
共享模块,用于将生成的预设数据集上传至网络以实现共享。
16.如权利要求15所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
限制模块,用于限定能够访问所共享的预设数据集的范围。
17.如权利要求15所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
出厂预设模块,利用共享的预设数据集对待出厂的超声检测系统设置出厂预设。
18.如权利要求12所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
设定模块,用于设定系统学习一键预设的时间。
19.如权利要求12所述的用于超声检测系统的学习一键预设的装置,其特征在于,还包括:
载入模块,利用配置的一键预设按钮向超声检测系统载入所生成的预设数据集或者从网络下载共享的预设数据集作为当前使用的预设。
20.一种超声检测系统,其特征在于,包括权利要求12至19任一项所述的一键预设装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110093504.9A CN102727246B (zh) | 2011-03-31 | 2011-03-31 | 用于超声检测系统的学习一键预设的方法与装置 |
JP2012070550A JP2012213620A (ja) | 2011-03-31 | 2012-03-27 | 超音波検出システム用のタイプツープリセットを学習する方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110093504.9A CN102727246B (zh) | 2011-03-31 | 2011-03-31 | 用于超声检测系统的学习一键预设的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102727246A true CN102727246A (zh) | 2012-10-17 |
CN102727246B CN102727246B (zh) | 2015-06-24 |
Family
ID=46984053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110093504.9A Active CN102727246B (zh) | 2011-03-31 | 2011-03-31 | 用于超声检测系统的学习一键预设的方法与装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2012213620A (zh) |
CN (1) | CN102727246B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105705098A (zh) * | 2013-09-20 | 2016-06-22 | 透壁生物技术公司 | 用于诊断疾病的图像分析技术 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200097596A (ko) | 2019-02-08 | 2020-08-19 | 삼성메디슨 주식회사 | 사용자 프리셋(User Preset)을 제공하는 초음파 진단 장치 및 그 동작 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5315999A (en) * | 1993-04-21 | 1994-05-31 | Hewlett-Packard Company | Ultrasound imaging system having user preset modes |
US20040267124A1 (en) * | 2003-06-24 | 2004-12-30 | Roundhill David N. | Automatic setup system and method for ultrasound imaging systems |
JP2008165636A (ja) * | 2006-12-28 | 2008-07-17 | Nippon Hoso Kyokai <Nhk> | パラメータ情報作成装置及びパラメータ情報作成プログラム、並びに、イベント検出装置及びイベント検出プログラム |
US20080242943A1 (en) * | 2007-03-28 | 2008-10-02 | Cuddihy Paul E | System and method of patient monitoring and detection of medical events |
CN101513353A (zh) * | 2009-03-19 | 2009-08-26 | 无锡祥生科技有限公司 | 带有指纹识别器的超声诊断仪中预设值的选择方法 |
CN101721227A (zh) * | 2009-10-21 | 2010-06-09 | 无锡祥生科技有限公司 | 一种图像引导的超声诊断仪预设值选择方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO975308L (no) * | 1996-11-21 | 1998-05-22 | Atl Ultrasound Inc | Billeddannende ultralyd-diagnose-system med datatilgangs- og kommunikasjonsmulighet |
JP4567844B2 (ja) * | 2000-04-21 | 2010-10-20 | アロカ株式会社 | 超音波診断装置 |
JP4794292B2 (ja) * | 2005-12-19 | 2011-10-19 | パナソニック株式会社 | 超音波診断装置 |
-
2011
- 2011-03-31 CN CN201110093504.9A patent/CN102727246B/zh active Active
-
2012
- 2012-03-27 JP JP2012070550A patent/JP2012213620A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5315999A (en) * | 1993-04-21 | 1994-05-31 | Hewlett-Packard Company | Ultrasound imaging system having user preset modes |
US20040267124A1 (en) * | 2003-06-24 | 2004-12-30 | Roundhill David N. | Automatic setup system and method for ultrasound imaging systems |
JP2008165636A (ja) * | 2006-12-28 | 2008-07-17 | Nippon Hoso Kyokai <Nhk> | パラメータ情報作成装置及びパラメータ情報作成プログラム、並びに、イベント検出装置及びイベント検出プログラム |
US20080242943A1 (en) * | 2007-03-28 | 2008-10-02 | Cuddihy Paul E | System and method of patient monitoring and detection of medical events |
CN101513353A (zh) * | 2009-03-19 | 2009-08-26 | 无锡祥生科技有限公司 | 带有指纹识别器的超声诊断仪中预设值的选择方法 |
CN101721227A (zh) * | 2009-10-21 | 2010-06-09 | 无锡祥生科技有限公司 | 一种图像引导的超声诊断仪预设值选择方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105705098A (zh) * | 2013-09-20 | 2016-06-22 | 透壁生物技术公司 | 用于诊断疾病的图像分析技术 |
Also Published As
Publication number | Publication date |
---|---|
CN102727246B (zh) | 2015-06-24 |
JP2012213620A (ja) | 2012-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI640876B (zh) | 執行具有定義草圖精確度分佈之集合運算的系統與方法 | |
Panjvani et al. | LiDARPheno–A low-cost LiDAR-based 3D scanning system for leaf morphological trait extraction | |
Zhu et al. | Short-term load forecasting for CCHP systems considering the correlation between heating, gas and electrical loads based on deep learning | |
CN108090211B (zh) | 热点新闻推送方法和装置 | |
Yang et al. | Touch and go: Learning from human-collected vision and touch | |
CN110717806B (zh) | 产品信息推送方法、装置、设备及存储介质 | |
CN110633404A (zh) | 应用程序消息推送的方法、装置、存储介质和终端设备 | |
Tawbe et al. | Acquisition and neural network prediction of 3D deformable object shape using a kinect and a force-torque sensor | |
Mu et al. | Online semiparametric identification of Lithium-Ion batteries using the wavelet-based partially linear battery model | |
Geng et al. | Automated variance modeling for three-dimensional point cloud data via Bayesian neural networks | |
CN102727246B (zh) | 用于超声检测系统的学习一键预设的方法与装置 | |
Wei et al. | Robust spacecraft component detection in point clouds | |
CN109597941B (zh) | 排序方法及装置、电子设备和存储介质 | |
Rajak et al. | An efficient approach for evaluating the reliability of engineering structures using support vector machine with clustering algorithm | |
Snoussi | SPC for short-run multivariate autocorrelated processes | |
CN116257402A (zh) | 异常数据的检测方法及其装置、电子设备及存储介质 | |
Abreu et al. | Labelled Indoor Point Cloud Dataset for BIM Related Applications | |
Zhang et al. | Robust learning-based prediction for timber-volume of living trees | |
Jun et al. | RGB-T long-term tracking algorithm via local sampling and global proposals | |
CN104636489B (zh) | 描述属性数据的处理方法和装置 | |
Kim et al. | A road defect detection system using smartphones | |
CN114596446A (zh) | 点云数据质量评估方法、装置、计算机设备及存储介质 | |
CN110163657A (zh) | 基于流形学习算法的保险产品推荐方法及相关设备 | |
Krupp et al. | Explainable Remaining Tool Life Prediction for Individualized Production Using Automated Machine Learning | |
Khosrow-Pour | Contemporary advancements in information technology development in dynamic environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |