CN112381006A - 一种超声影像的分析方法、存储介质及终端设备 - Google Patents
一种超声影像的分析方法、存储介质及终端设备 Download PDFInfo
- Publication number
- CN112381006A CN112381006A CN202011284404.XA CN202011284404A CN112381006A CN 112381006 A CN112381006 A CN 112381006A CN 202011284404 A CN202011284404 A CN 202011284404A CN 112381006 A CN112381006 A CN 112381006A
- Authority
- CN
- China
- Prior art keywords
- detection
- image data
- target
- detection result
- task
- 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.)
- Pending
Links
- 238000003703 image analysis method Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 196
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000002604 ultrasonography Methods 0.000 claims description 75
- 238000004891 communication Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 19
- 210000003484 anatomy Anatomy 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 230000003902 lesion Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 210000001685 thyroid gland Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000004291 uterus Anatomy 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 206010006272 Breast mass Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 201000002510 thyroid cancer Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请公开了一种超声影像的分析方法、存储介质及终端设备,所述方法应用于终端设备,所述终端设备预先配置有任务列表,所述方法包括:获取超声影像数据,并确定获取到的超声影像数据对应的目标部位;基于所述任务列表,确定目标部位对应的若干检测任务;分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。本实施例可以根据采集的超声影像数据确定目标部位,并自动确定目标部位的检测任务以及自动执行检测任务以得到检查结果(例如,解剖结构、关键切面、病灶、解剖参数等关键信息),从而实现了超声影像数据的自动分析,提高了超声影像数据分析的便捷性,同时也节约了医生的工作量,给医生带来方便。
Description
技术领域
本申请涉及超声技术领域,特别涉及一种超声影像的分析方法、存储介质及终端设备。
背景技术
随着医学超声技术的不断发展,超声影像凭借其实时、无创以及廉价等特性已成为产科、妇科、甲乳以及心脑血管等多部位临床诊断的重要手段;并且通过医学超声技术可以获得解剖结构、关键切面、病灶、解剖参数等重要信息。而这些关键信息常常需要医生手动从大量的超声影像数据中挑选并手动标注勾画,然后存储到工作站、硬盘等设备。该过程操作繁琐、工作量大、效率低,且过于依赖医生的经验、医生间存在明显主观差异。
为此,许多医生和学者相继提出了基于图像处理、传统机器学习和深度学习等方法的超声影像关键信息的自动检测技术,来解决以上医生手动挑选超声影像中关键信息存在的问题。但以往的超声影像关键信息检测方法难以兼顾自动检测与控制、实时、高效、智能分析和多部位多任务等临床需求。
发明内容
本申请要解决的技术问题在于,针对现有技术的不足,提供一种超声影像的分析方法、存储介质及终端设备。
为了解决上述技术问题,本申请实施例第一方面提供了一种超声影像的分析方法,应用于终端设备,所述终端设备预先配置有任务列表,所述方法包括:
获取超声影像数据,并确定获取到的超声影像数据对应的目标部位;
基于所述任务列表,确定目标部位对应的若干检测任务;
分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。
所述超声影像的分析方法,其中,所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果之后,所述方法还包括:
获取所述目标部位对应的存储路径,并按照所述存储路径存储所述检测结果。
所述超声影像的分析方法,其中,所述获取超声影像数据,并确定获取到的超声影像数据对应的目标部位具体包括:
获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息;
基于所述第一部分信息及所述第二部分信息,确定所述超声影像数据对应的目标部位。
所述超声影像的分析方法,其中,所述终端设备配置有图像识别模型和文字识别模型;所述获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息具体包括:
获取超声影像数据,并调用终端设备配置的图像识别模型和文字识别模型;
基于图像识别模型确定所述超声影像数据对应的第一部分信息,以及基于所述文字识别模型确定所述超声影像数据对应的第二部位信息。
所述超声影像的分析方法,其中,所述基于所述任务列表,确定目标部位对应的若干检测任务,所述方法还包括:
将所述目标部位显示于终端设备对应的显示位置上,并将该任务列表包括的任务信息显示于该目标部位下方。
所述超声影像的分析方法,其中,所述终端设备预先配置若干候选网络模型;所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果具体包括:
在若干候选网络模型中选取所述检测任务对应的目标网络模型;
通过所述目标网络模型确定所述检测任务对应的检测结果,以得到所述超声影像数据对应的检测结果。
所述超声影像的分析方法,其中,所述检测结果包括检测数据以及置信度;分别执行各检测任务,以得到所述目标部位对应的检测结果之后,所述还包括:
对于所述目标部位对应的每个检测任务,获取该检测任务对应的各检测结果中的置信度;
基于所述置信度将该检测结果划分为目标检测结果以及备用检测结果,以得到各检测任务各自对应的目标检测结果以及备用检测结果;
同步显示各检测任务各自对应的目标检测结果以及备用检测结果。
所述超声影像的分析方法,其中,所述终端设备配置有控制模块;所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果之后,所述方法还包括:
获取所述控制模块形成的控制指令,并响应所述控制指令对应的控制操作。
本申请实施例第二方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的超声影像的分析方法中的步骤。
本申请实施例第三方面提供了一种终端设备,其包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如上任一所述的超声影像的分析方法中的步骤。
有益效果:与现有技术相比,本申请提供了一种超声影像的分析方法、存储介质及终端设备,所述方法应用于终端设备,所述终端设备预先配置有任务列表,所述方法包括:获取超声影像数据,并确定获取到的超声影像数据对应的目标部位;基于所述任务列表,确定目标部位对应的若干检测任务;分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。本实施例可以根据采集的超声影像数据确定目标部位,并自动确定目标部位的检测任务以及自动执行检测任务以得到检查结果(例如,解剖结构、关键切面、病灶、解剖参数等关键信息),从而实现了超声影像数据的自动分析,提高了超声影像数据分析的便捷性,同时也节约了医生的工作量,给医生带来方便。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述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申请的一些实施例,对于本领域普通技术人员而言,在不符创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的超声影像的分析方法的一个应用场景的示意图。
图2为本申请提供的超声影像的分析方法的另一个应用场景的示意图。
图3为本申请提供的超声影像的分析方法的流程图。
图4为本申请提供的超声影像的分析方法的流程示例图。
图5为本申请提供的超声影像的分析方法的数据流示例图。
图6为本申请提供的超声影像的分析方法的控制流示例图。
图7为本申请提供的终端设备的结构原理图。
具体实施方式
本申请提供一种超声影像的分析方法、存储介质及终端设备,为使本申请的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本申请进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。此外应理解,本实施例中各步骤的序号和大小并不意味着执行顺序的先后,各过程的执行顺序以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
下面结合附图,通过对实施例的描述,对申请内容作进一步说明。
本实施例提供了一种超声影像的分析方法,所述方法可以应用于终端设备,所述终端设备可以与超声设备相连接,以获取超声设备采集的超声影像数据,其中,所述终端设备与超声设备的连接方式可以包括数据线、网线、无线网络、USB接口等连接方式。终端设备可以连接有显示设备,以通过该显示设备显示检测结果等,其中,所述显示设备可以为外部显示装置(例如,外接显示器等),或者是,终端设备自身配置的显示装置(例如,自带显示屏等)。所述终端设备连接有控制模块,所述控制模块用于向终端设备发送控制信号,以控制终端设备设备,例如,修改终端设备获取到的检测结果,控制终端设备开启或者关闭某个目标部位对应的自动检测功能等,其中,所述控制模块可以为外接控制装置(例如,遥控器等),或者是,自身配置的控制装置(例如,触控屏等)。所述终端设备可以设备预先配置有任务列表,并且在获取超声影像数据时,确定获取到的超声影像数据对应的目标部位;基于所述任务列表,确定目标部位对应的若干检测任务;分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。此外,所述终端设备还可以与后台服务端(例如,工作站、云端等)相连接,在得到检测结果后可以将检测结果保存至后台服务端。
基于此,在一个应用场景中,如图1所示,所述终端设备包含于一超声分析系统,所述分析系统包括超声设备、终端设备以及数据接收单元;终端设备分别与所述超声设备以及数据接收单元相连接;所述超声设备用于采集超声影像数据并发送至终端设备,所述终端设备配置有本实施例提供的超声影像的分析方法,通过本实施例提供的超声影像的分析方法对超声影像数据进行分析,以得到检测结果;所述数据接收单元用于存储终端设备得到的检测结果。其中,所述终端设备包括主机模块、控制模块以及显示模块,所述显示模块用于显示超声影像数据以及检测结果,所述控制模块用于向终端设备发送控制信号,以使得终端设备执行控制信号的对应的控制操作;所述主机模块用于通过本实施例提供的超声影像的分析方法对超声影像数据进行分析,以得到检测结果。
在另一个应用场景中,所述终端设备包含于一超声分析系统,如图2所示,所述超声分析系统包括终端设备以及数据接收单元;所述终端设备包括超声采集模块、主机模块、显示模块以及控制模块;所述超声采集模块、显示模块以及控制模块均与主机模块相连接。换句话说,所述超声采集模块、主机模块、显示模块以及控制模块集成构成终端设备,使得终端设备具有采集超声影像数据、分析超声影像数据以及显示超声影像数据的功能。例如,所述超声采集模块为超声设备,主机模块、显示模块以及控制模块集成于超声设备内,主机模块作为超声设备中的图像计算单元,显示模块为超声设备的显示屏,控制模块可以为超声设备上的机械按键或者触摸按键等。
本实施提供的一种超声影像的分析方法,如图3-图6所示,所述方法具体包括:
S10、获取超声影像数据,并确定获取到的超声影像数据对应的目标部位。
具体地,所述超声影像数据可以是通过该终端设备连接的超声设备采集的并发送至终端设备的,并且超声影像数据对人体部位进行扫描得到,例如,子宫、卵巢等。可以理解的是,在获取超声影像数据之前,终端设备与超声设备连接,超声设备确定扫查模式以及扫查参数,基于该扫查模式以及扫查参数在被扫查者身体表面进行扫查,并将扫查得到的影像数据实时发送给终端设备,以使得终端设备可以实时获取到超声影像数据。此外,终端设备在获取到超声影像数据后,可以将超声图显示于该终端设备对应的显示装置,以使得显示装置可以显示超声影像数据。
在本实施例的一个实现方式,为了方便用户使用,终端设备可以预先设置有自动分析功能,当自动分析功能开启时,所述在获取到超声设备后,自动确定获取到的超声影像数据对应的目标部位;当自动分析功能未开启时,默认采用手动分析方法,此时不执行确定获取到的超声影像数据对应的目标部位的操作。此外,在获取超声影像数据之前,还可以预先配置检测结果的存储路径,以便于在获取到检测结果后按照该存储路径存储检测结果,其中,检测路径可以为终端设备连接的云端,或者是,终端设备连接的工作站,或者是,终端设备本地,或者是,终端设备连接的其他存储装置(例如,移动硬盘等)。
在本实施例的一个实现方式中,所述终端设备中预先配置有任务列表,所述任务列表包括若干扫描部位,以及各扫描部位对应给的若干检测任务;其中,所述扫描部位与其对应的若干检测任务可以以数据组的形式存储。换句话说,任务列表中存储有若干数据组,每个数据组均包括扫描部位以及若干检测任务;并且对于若干数据组中的任意两个数据组,分别记为第一数据组和第二数据组,第一数据组中的扫描部位与第二数据组中的扫描部位不相同。例如,第一数据组中的扫描部位为子宫、第二数据组中的扫描部位为膀胱等。此外,各数据组中的若干检测均可以包括获取具有临床意义的解剖结构任务、获取切面任务、获取病灶任务以及获取解剖参数任务中的一种或者多种,例如,第一数据组中的若干检测任务包括获取切面任务和获取病灶任务,第二数据组中的若干检测任务包括获取切面任务、获取病灶任务以及获取解剖参数任务。
在本实施例的一个实现方式中,所述获取超声影像数据,并确定获取到的超声影像数据对应的目标部位具体包括:
获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息;
基于所述第一部分信息及所述第二部分信息,确定所述超声影像数据对应的目标部位。
具体地,所述第一部分信息指的是所述超声影像数据中的图像内容信息,所述第二部分信息指的是所述超声影像数据上显示的文字内容信息。所述第二部分信息可以包括目标设备对应的扫描参数,其中,所述扫描参数可以包括扫描模式(例如,腹部、神经、膀胱等模式)、深度、图像增益以及聚焦点等,其中,所述扫描参数可以为用于采集超声影像数据的超声设备配置的参数,所述图像增益用于调整图像亮暗、深度为超声扫查深度、聚焦点用于反映深度范围内的关注范围)。此外,所述第二部分信息用于作为第一部分信息的辅助信息,通过第二部分信息辅助第一部分信息来确定目标部位,可以理解的是,所述第一部分信息为用于确定目标部位的主要信息,所述第二部分信息为用于确定目标部位的次要信息,当第一部分信息确定目标部位和第二部分信息确定目标部位不一致时,可以以第一部分信息确定为准,或者产生提示信息以提示目标部位无法准确确定等。这是因为基于图像区域的识别可以识别目标部位,但由于不同人体结构的差异性和复杂性,可能存在识别错误的情况,而扫描参数与扫查部位具有较强的相关性,可以辅助识别当前的扫查部位,例如,不同扫查部位的扫查模式不相同,这样由于超声设备厂商会对某一部位或者身体某一区域的超声影像数据进行优化,并且部位和探头具有相关性,扫查浅表的探头和扫查腔内的不同,此外,增益、深度以及聚焦点等信息也和部位很相关。由此,在采用第二部分信息作为辅助信息,可以提高目标部位的准确性。
在本实施例的一个实现中,所述扫查模式、图像增益、深度以及聚焦点会以英文/中文/数字/符号形状的形式显示终端设备对应的显示设备上,所述超声影像数据也会同步显示于终端设备对应的显示设备上,从而获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息,具体包括:获取超声影像数据,并将超声影像数据显示于终端设备对应的显示设备的显示界面上,并获取该超声影像数据对应的第一部分信息以及第二部分信息,其中,所述显示界面上显示有扫描参数。
在本实施例的一个实现方式中,所述终端设备配置有图像识别模型和文字识别模型;所述获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息具体包括:
获取超声影像数据,并调用终端设备配置的图像识别模型和文字识别模型;
基于图像识别模型确定所述超声影像数据对应的第一部分信息,以及基于所述文字识别模型确定所述超声影像数据对应的第二部位信息。
具体地,图像识别模型和文字识别模型均存储于终端设备内,并且所述图像识别模型和文字识别模型均为经过训练的网络模型,图像识别模型的输入项为超声影像数据,用于提取有效的图像区域(非文字区域)的空间和时间维度上的特征,输出项为第一部分信息,其中,第一部分信息可以为超声影像数据中的目标部位的部位名称等。文字识别模型的输入项为超声影像数据,提取文字区域的特征,得到文字表达的超声设备参数信息并基于设备参数信息确定第二部位信息;输出项为第二部分信息,其中,第二部分信息可以为超声影像数据中的目标部位的部位名称等。此外,图像识别模型和文字识别模型为单独训练,并且图像识别模型和文字识别模型在训练过程中的金标准均为扫查部位名称。当然,在实际应用中,图像识别模型和文字识别模型也可以联合训练。
在本实施例的一个实现方式中,在获取到第一部分信息和第二部位信息后,可以获取第一部分信息对应的第一置信度以及第二部位信息对应的第二置信度,当第一置信度大于预设阈值时,将第一部位信息作为目标部位;当第一置信度小于或者等于预设阈值时,若第二部位信息与第一部分信息相同,那么可以将第一部位信息作为目标部位;若第二部位信息与第一部分信息不同,提示目标部位识别错误。当然,在当第一置信度小于或者等于预设阈值,且第二部位信息与第一部分信息相同时,若第二部位信息对应的第二置信度大于预设阈值,则将第一部位信息作为目标部位;若第二部位信息对应的第二置信度小于或者等于预设阈值,提示目标部位识别错误。当然应用理解的,本实施例仅给出基于第一部位信息和第二部位信息确定目标部位的一个具体例子,在实际应用中,其他可以基于第一部位信息和第二部位信息确定目标部位的方式均可以,例如,当第一部分信息与第二部位信息不同时,直接提示目标部位识别错误;当第一部分信息与第二部位信息相同时,若干第一部位信息的第一置信度大于预设阈值,则将第一部位信息作为目标部位,或者第一部位信息的第一置信度与第二部位信息的第二置信度的加权和大于预设阈值,则将第一部位信息作为目标部位等。
S20、基于所述任务列表,确定目标部位对应的若干检测任务;
具体地,所述若干检测任务为目标部位需要执行的检测任务,所述若干检测任务预设存储与任务列表内,在获取到目标部位后,在任务列表中查找与该目标部位相匹配的扫查部位,当查找到扫查部位后,将该任务列表中扫查部位对应的若干检测任务作为该目标部位对应的若干检测任务;当未查找到目标部位后,提示为该目标部位配置检测任务,并在接收到该目标部位对应的检测任务后,将该目标部位以及该目标部位对应的检测任务存储于任务列表内,以更新所述任务列表。
在本实施例的一个实现方式中,所述基于所述任务列表,确定目标部位对应的若干检测任务,所述方法还包括:
将所述目标部位显示于终端设备对应的显示位置上,并将该任务列表包括的任务信息显示于该目标部位下方。
具体地,在获取到目标部位对应的若干检测任务后,若干检测任务该目标部位对应的有意义的解剖结构、关键切面、病灶、解剖参数等临床信息中至少一个,当然,在实际应用中,检测任务可以超声图像的检测需求而确定,例如,还可以包括病灶类别等。若干检测任务在终端设备对应的显示设备进行显示,其中,目标部位位于上方,若干检测任务位于下方,以便于医生观看。当然,在实际应用,所述目标部位和目标部位对应的检测任务可以修改,例如,通过控制装置形成修改信号,或者是,目标部位和检测任务处于可以编辑状态,当目标部分或者检测任务被点击时,可以进行修改等。
S30、分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。
具体地,所述检测结果包括各检测任务各自对应的检测结果,例如,若干检测任务包括关键切面以及病灶,那么检测结果包括目标部位对应的关键切面以及病灶区域。此外,目标部位对应的若干检测任务可以逐一执行,也可以同步执行,换句话说,在获取到目标部位对应的检测任务后,可以为该目标部位分配一目标线程,通过该目标线程逐一执行各检测任务;或者是,可以为该目标部位分配若干目标线程,若干目标线程与若干检测任务一一对应,每个目标线程用于执行其对应的检测任务,实现了若干检测任务并行,提高检测任务的执行速度。
在本实施例的一个实现方式中,所述终端设备预先配置若干候选网络模型,所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果具体包括:
在若干候选网络模型中选取所述检测任务对应的目标网络模型;
通过所述目标网络模型确定所述检测任务对应的检测结果,以得到所述超声影像数据对应的检测结果。
具体地,目标网络模型为经过训练的网络模型,目标网络模型可以配置于终端设备,也可以配置于终端设备连接的服务端(例如,云端等)。此外,所述目标网络模型可以由深度神经网络在预先准备的对应任务的数据集上训练得到,其输入为超声影像数据,包括二维静态图像、二维动态图像(视频)、三维体数据等,输出检测任务对应的检测结果,其中,检测任务对应的检测结果可以为解剖结构、关键切面、病灶、解剖参数中的一种。此外,在实际应用中,输入目标网络模型的超声影像数据可以是当前实时采集的超声视频流,也可以是回调超声机中的视频或者静态超声图像。可选的,对实时视频流和回调视频数据进行降采样(即帧数压缩),最后把采样后的二维图片输入目标网络模型。此外,所述若干候选网络模型可以包括检测网络模型、分类网络模型以及分割网络模型等,若干候选网络模型为预先配置于终端设备内,若干候选网络模型可以包括任一基于深度学习确定网络模型,例如,检测网络模型与分割网络模型集成所的到网络模型等。
在本实施例的一个实现方式中,所述检测结果包括检测数据以及置信度;分别执行各检测任务,以得到所述目标部位对应的检测结果之后,所述还包括:
对于所述目标部位对应的每个检测任务,获取该检测任务对应的各检测结果中的置信度;
基于所述置信度将该检测结果划分为目标检测结果以及备用检测结果,以得到各检测任务各自对应的目标检测结果以及备用检测结果;
同步显示各检测任务各自对应的目标检测结果以及备用检测结果。
具体地,对于每个检测任务,该检测任务可以对应多个检测结果,这是由于在超声检测过程中,对于同一目标部位可能会获取到多个超声影像数据,从而目标部位中的一个检测任务可以对应多个检测结果,从而在获取到该超声扫查结果后,可以获取各目标部位各自对应的各检测任务的所有检测结果,并将获取到所有检测结果根据置信度进行划分,其中,置信度最高的作为目标检测结果,其余检测结果作为备用检测结果。
此外,在实际应用中,当检测任务对应于解剖结构、切面以及病灶区域时,通过目标网络模型可以直接获取到剪结果,例如,胎儿的手切面等。当检测任务对应的检测结果包括参数测量以及判定(例如,甲状腺和乳腺结节需要判断良恶性、卵泡需要分割出卵泡区域和测量大小,胎儿超声需要测量头围大小等)时,需要获取参考网络模型,参考网络获取该检测任务对应的检测结果中的测参数以及判定结果等,其中,所述参考网络模型可以包含于终端设备存储的若干候选网络模型中,并若干候选网络模型中的每个候选网络模型均为经过训练的网络模型。
在本实施例的一个实现方式中,所述终端设备配置有控制模块;所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果之后,所述方法还包括:
获取所述控制模块形成的控制指令,并响应所述控制指令对应的控制操作。
具体地,所述控制模块用于实现人机交互,即通过控制模块实现用户与终端设备的交互。所述控制模块预先配置有若干控制按键,若干控制按键中的每个控制按键对应一个控制指令,并且各控制指令对应的控制操作不同。在本实施例中,所述控制模块配置有2个控制按键,分别为按键1和按键2,其中,按键1用于开始和结束检测任务,按键2用于对当前任务的结果进行手动复核。此外,所述控制模块还可以用于转发硬件控制模块的按键,如,转发按键1直接保存前台静态图,实现对原有控制按键功能的兼容覆盖。此外,在实际应用中,所述控制模块还可以与医生手持超声图像采集器相匹配,例如,控制模块包括4个按键,按键1功能为前台静态图保存,按键2功能为前台动态图保存,按键3为后台静态图保存,按键4为后台动态图保存。
此外,为了便于给使用者带来方便,终端设备可以控制与其连接的显示设备显示任务提示,其中,当所述目标部位对应的若干检测任务执行过程中,提示已完成的检测任务的检测结果以及未完成的检测任务。并且已完成的检测任和待完成的检测任务会进行区分,例如,已待完成的检测任务在终端显示设备的上面展示,未完成的检测任务在下面展示,或者用不同颜色进行区分。这样医生根据提示操作超声探头在被扫查者的身体部位上继续扫查,直至所有检测任务查完成或者医生手动结束当前的扫查任务。当然,在实际应用中,当医生对某项子任务的结果不认可,或者医生认为需要补充检测任,可以通过控制模块的物理按键或者触摸屏对检测结果进行手动修改和补充检查。
此外,在目标部位对应的扫查任务完成后,可以通过控制模块对已完成的各检测任务对应的检测结果进行逐个确认,确认过程中可以对不满足需求的检测结果进行删除,并回调视频通过手动补充的方式为该检测任务补充检测结果。在目标部位对应的扫查任务完成和/或医生确认完毕后,检测结果可以根据预先设置的存储路径进行存储,例如,在自动保存时,检测任务的检测结果会实时自动保存到预先设置的路径中,例如医院的工作站、云端服务器或者主机上的存储设备,也可以发送给超声设备本身。在手动模式下,医生对每条子任务结果进行手动确认和手动存储操作。
综上所述,本实施例提供了一种超声影像的分析方法,所述方法包括:获取超声影像数据,并确定获取到的超声影像数据对应的目标部位;基于所述任务列表,确定目标部位对应的若干检测任务;分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。本实施例可以根据采集的超声影像数据确定目标部位,并自动确定目标部位的检测任务以及自动执行检测任务以得到检查结果(例如,解剖结构、关键切面、病灶、解剖参数等关键信息),从而实现了超声影像数据的自动分析,提高了超声影像数据分析的便捷性,同时也节约了医生的工作量,给医生带来方便。
基于上述超声影像的分析方法,本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述实施例所述的超声影像的分析方法中的步骤。
基于上述超声影像的分析方法,本申请还提供了一种终端设备,如图7所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及移动终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种超声影像的分析方法,其特征在于,应用于终端设备,所述终端设备预先配置有任务列表,所述方法包括:
获取超声影像数据,并确定获取到的超声影像数据对应的目标部位;
基于所述任务列表,确定目标部位对应的若干检测任务;
分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果。
2.根据权利要求1所述超声影像的分析方法,其特征在于,所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果之后,所述方法还包括:
获取所述目标部位对应的存储路径,并按照所述存储路径存储所述检测结果。
3.根据权利要求1所述超声影像的分析方法,其特征在于,所述获取超声影像数据,并确定获取到的超声影像数据对应的目标部位具体包括:
获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息;
基于所述第一部分信息及所述第二部分信息,确定所述超声影像数据对应的目标部位。
4.根据权利要求1所述超声影像的分析方法,其特征在于,所述终端设备配置有图像识别模型和文字识别模型;所述获取超声影像数据,并确定获取到的超声影像数据中的第一部分信息及第二部分信息具体包括:
获取超声影像数据,并调用终端设备配置的图像识别模型和文字识别模型;
基于图像识别模型确定所述超声影像数据对应的第一部分信息,以及基于所述文字识别模型确定所述超声影像数据对应的第二部位信息。
5.根据权利要求1所述超声影像的分析方法,其特征在于,所述基于所述任务列表,确定目标部位对应的若干检测任务,所述方法还包括:
将所述目标部位显示于终端设备对应的显示位置上,并将该任务列表包括的任务信息显示于该目标部位下方。
6.根据权利要求1所述超声影像的分析方法,其特征在于,所述终端设备预先配置若干候选网络模型;所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果具体包括:
在若干候选网络模型中选取所述检测任务对应的目标网络模型;
通过所述目标网络模型确定所述检测任务对应的检测结果,以得到所述超声影像数据对应的检测结果。
7.根据权利要求1所述超声影像的分析方法,其特征在于,所述检测结果包括检测数据以及置信度;分别执行各检测任务,以得到所述目标部位对应的检测结果之后,所述还包括:
对于所述目标部位对应的每个检测任务,获取该检测任务对应的各检测结果中的置信度;
基于所述置信度将该检测结果划分为目标检测结果以及备用检测结果,以得到各检测任务各自对应的目标检测结果以及备用检测结果;
同步显示各检测任务各自对应的目标检测结果以及备用检测结果。
8.根据权利要求1所述超声影像的分析方法,其特征在于,所述终端设备配置有控制模块;所述分别执行目标部位对应的各检测任务,以得到所述目标部位对应的检测结果之后,所述方法还包括:
获取所述控制模块形成的控制指令,并响应所述控制指令对应的控制操作。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-8任意一项所述的超声影像的分析方法中的步骤。
10.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的超声影像的分析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011284404.XA CN112381006A (zh) | 2020-11-17 | 2020-11-17 | 一种超声影像的分析方法、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011284404.XA CN112381006A (zh) | 2020-11-17 | 2020-11-17 | 一种超声影像的分析方法、存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381006A true CN112381006A (zh) | 2021-02-19 |
Family
ID=74584875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011284404.XA Pending CN112381006A (zh) | 2020-11-17 | 2020-11-17 | 一种超声影像的分析方法、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381006A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379739A (zh) * | 2021-07-23 | 2021-09-10 | 平安科技(深圳)有限公司 | 超声图像的识别方法、装置、设备及存储介质 |
CN113842166A (zh) * | 2021-10-25 | 2021-12-28 | 上海交通大学医学院 | 基于超声影像设备的超声图像采集方法以及相关装置 |
CN115082426A (zh) * | 2022-07-20 | 2022-09-20 | 湖北经济学院 | 一种基于深度学习模型的卵泡检测方法及装置 |
CN115998332A (zh) * | 2023-03-28 | 2023-04-25 | 北京轻松筹信息技术有限公司 | 一种影像采集方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063740A (zh) * | 2018-07-05 | 2018-12-21 | 高镜尧 | 超声影像关键目标的检测模型构建及检测方法、装置 |
CN109346158A (zh) * | 2018-09-30 | 2019-02-15 | 浙江格林蓝德信息技术有限公司 | 超声影像处理方法、计算机设备和可读存储介质 |
WO2020108125A1 (zh) * | 2018-11-27 | 2020-06-04 | Oppo广东移动通信有限公司 | 一种信息推送方法、信息推送装置及终端设备 |
CN111415725A (zh) * | 2020-03-05 | 2020-07-14 | 北京深睿博联科技有限责任公司 | 一种应用于ai医疗影像诊断算法调度方法、系统、终端及存储介质 |
CN111583320A (zh) * | 2020-03-17 | 2020-08-25 | 哈尔滨医科大学 | 融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及存储介质 |
CN111816281A (zh) * | 2020-06-23 | 2020-10-23 | 无锡祥生医疗科技股份有限公司 | 超声影像查询装置 |
CN113812978A (zh) * | 2021-10-25 | 2021-12-21 | 深圳市德力凯医疗设备股份有限公司 | 数据采样方法、病灶部位检查方法及智能终端 |
-
2020
- 2020-11-17 CN CN202011284404.XA patent/CN112381006A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063740A (zh) * | 2018-07-05 | 2018-12-21 | 高镜尧 | 超声影像关键目标的检测模型构建及检测方法、装置 |
CN109346158A (zh) * | 2018-09-30 | 2019-02-15 | 浙江格林蓝德信息技术有限公司 | 超声影像处理方法、计算机设备和可读存储介质 |
WO2020108125A1 (zh) * | 2018-11-27 | 2020-06-04 | Oppo广东移动通信有限公司 | 一种信息推送方法、信息推送装置及终端设备 |
CN111415725A (zh) * | 2020-03-05 | 2020-07-14 | 北京深睿博联科技有限责任公司 | 一种应用于ai医疗影像诊断算法调度方法、系统、终端及存储介质 |
CN111583320A (zh) * | 2020-03-17 | 2020-08-25 | 哈尔滨医科大学 | 融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及存储介质 |
CN111816281A (zh) * | 2020-06-23 | 2020-10-23 | 无锡祥生医疗科技股份有限公司 | 超声影像查询装置 |
CN113812978A (zh) * | 2021-10-25 | 2021-12-21 | 深圳市德力凯医疗设备股份有限公司 | 数据采样方法、病灶部位检查方法及智能终端 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379739A (zh) * | 2021-07-23 | 2021-09-10 | 平安科技(深圳)有限公司 | 超声图像的识别方法、装置、设备及存储介质 |
CN113379739B (zh) * | 2021-07-23 | 2022-03-25 | 平安科技(深圳)有限公司 | 超声图像的识别方法、装置、设备及存储介质 |
CN113842166A (zh) * | 2021-10-25 | 2021-12-28 | 上海交通大学医学院 | 基于超声影像设备的超声图像采集方法以及相关装置 |
CN115082426A (zh) * | 2022-07-20 | 2022-09-20 | 湖北经济学院 | 一种基于深度学习模型的卵泡检测方法及装置 |
CN115082426B (zh) * | 2022-07-20 | 2022-11-04 | 湖北经济学院 | 一种基于深度学习模型的卵泡检测方法及装置 |
CN115998332A (zh) * | 2023-03-28 | 2023-04-25 | 北京轻松筹信息技术有限公司 | 一种影像采集方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381006A (zh) | 一种超声影像的分析方法、存储介质及终端设备 | |
US20080208047A1 (en) | Stylus-Aided Touchscreen Control of Ultrasound Imaging Devices | |
CN110087555B (zh) | 一种超声设备及其三维超声图像的显示变换方法、系统 | |
CN103455710A (zh) | 超声成像过程中计算机辅助测量和诊断的设备及其方法 | |
CN111214254B (zh) | 超声诊断设备及其切面超声图像获取方法、可读存储介质 | |
CN102440803A (zh) | 触摸屏超声诊断仪及其预设值选择方法 | |
EP3673813A1 (en) | Ultrasound diagnosis apparatus and method of operating the same | |
CN116058864A (zh) | 超声数据的分类显示方法和超声成像系统 | |
US20210345993A1 (en) | Method and system for controlling settings of an ultrasound scanner | |
CN111326256A (zh) | 胎儿超声标准切面图像智能识别自我训练学习系统及考试方法 | |
CN111144506B (zh) | 基于超声图像的肝包虫识别方法、存储介质及超声设备 | |
CN112270974A (zh) | 一种基于人工智能的智能辅助医学影像工作站 | |
CN112702954B (zh) | 一种超声诊断设备及其快速分辨切面的方法、存储介质 | |
JP2011215680A (ja) | 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体 | |
CN116135150A (zh) | 一种超声成像设备及其超声检查方法 | |
CN113576529A (zh) | 一种超声成像设备及其扫码操作方法 | |
CN113842166A (zh) | 基于超声影像设备的超声图像采集方法以及相关装置 | |
CN113229850A (zh) | 超声盆底成像方法和超声成像系统 | |
CN111096765A (zh) | 超声诊断设备及其快速查找未完成切面的方法、存储介质 | |
CN107885180B (zh) | 测试设备和测试方法 | |
WO2023078269A1 (zh) | 一种跟腱的检查方法和超声成像设备 | |
WO2023185568A1 (zh) | 一种卵泡计数方法、装置、超声医疗设备及可读存储介质 | |
CN116687445B (zh) | 超声胎儿心脏自动定位跟踪方法、装置、设备及存储介质 | |
CN112862955B (zh) | 建立三维模型的方法、装置、设备、存储介质和程序产品 | |
JPWO2013118436A1 (ja) | 生体画像解析システム、生体画像解析方法および生体画像解析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |