CN112580404A - 超声参数智能控制方法、存储介质及超声诊断设备 - Google Patents
超声参数智能控制方法、存储介质及超声诊断设备 Download PDFInfo
- Publication number
- CN112580404A CN112580404A CN201910940500.6A CN201910940500A CN112580404A CN 112580404 A CN112580404 A CN 112580404A CN 201910940500 A CN201910940500 A CN 201910940500A CN 112580404 A CN112580404 A CN 112580404A
- Authority
- CN
- China
- Prior art keywords
- preset
- doctor
- face
- information
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000002604 ultrasonography Methods 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 12
- 238000013527 convolutional neural network Methods 0.000 description 12
- 210000002216 heart Anatomy 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 230000035515 penetration Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 210000003754 fetus Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 241001435619 Lile Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种超声参数智能控制方法,包括:对于采集的人脸图像,通过人脸识别方法识别出用户身份;根据用户身份,获取相应的用户信息;当用户身份被识别为医生时,获取的用户信息包括医生使用信息,至少根据医生使用信息在检查工作前预先加载医生偏好预设参数的预设值和/或调用医生偏好的用户配置。本发明在超声设备投入使用前,大大简化了操作,使得医生能够快速开始诊断工作,提高了工作效率。
Description
技术领域
本发明涉及一种控制方法,尤其是一种超声参数智能控制方法。
背景技术
目前的超声诊断设备在使用时,经常需要调整参数设置。例如,对于不同类型的患者,超声诊断设备的某些参数可能是不同的。
某一科室的医生,对患者做超声检查时,往往专注于患者特定部位或器官的检查;例如心脏科室的医生,专注于对患者心脏的超声检查;
而现有的超声诊断设备在做检查前,需要针对患者的检查部位或器官先调整参数设置,以和所检查部位或器官相对应;这些调整参数的工作,增加了医生的工作时间,降低了工作效率。
发明内容
本发明的目的在于克服现有技术中存在的不足,提供一种超声参数智能控制方法,以及一种应用该方法的超声诊断设备;能够方便医生进行操作,提高工作效率。本发明实施例采用的技术方案是:
对于采集的人脸图像,通过人脸识别方法识别出用户身份;根据用户身份,获取相应的用户信息;当用户身份包括医生时,获取的用户信息包括医生使用信息,至少根据医生使用信息在检查工作前预先设置医生偏好预设参数的预设值和/或调用医生偏好的用户配置。
进一步地,当用户身份包括患者和医生时,获取的用户信息包括患者信息和医生使用信息;其中,所述患者信息至少包括:历史检查部位信息、历史检查部位对应的预设参数预设值;所述医生使用信息至少包括:检查部位信息、医生偏好的预设参数;患者历史检查时的预设参数预设值集合为A,A中包括患者历史检查部位对应的预设参数预设值;当前医生的偏好预设参数的预设值集合为B,B中包括当前医生检查部位对应的偏好的预设参数预设值;获取当前所需检查部位的信息;基于人工智能的方法,根据所述当前医生的偏好预设参数的预设值集合和/或患者历史检查时的预设参数预设值集合,确定所述医生偏好的预设参数的预设值。
进一步地,所述所需检查部位的信息,利用基于人工智能的方法,根据所述当前医生的偏好预设参数的预设值集合和/或患者历史检查时的预设参数预设值集合,确定所述医生偏好的预设参数的预设值,包括:当所述集合A中在所述所需检查部位没有对应的预设参数预设值时,将所述集合B中的当前医生在所述所需检查部位对应的偏好的预设参数预设值确定为所述医生偏好的预设参数的预设值。
进一步地,所述基于人工智能的方法,根据所述当前医生的偏好预设参数的预设值集合和/或患者历史检查时的预设参数预设值集合,确定所述医生偏好的预设参数的预设值,包括:当所述集合A中在所述所需检查部位有对应的预设参数预设值时,判断所述患者在所述所需检查部位对应的预设参数预设值是否由当前医生所确定,若是,将所述集合A中所述所需检查部位对应的预设参数预设值确定为所述医生偏好的预设参数的预设值,若不是,通过机器学习模型,将所述集合A中所述所需检查部位对应的预设参数预设值与所述集合B中所述所需检查部位对应的预设参数预设值输入至机器学习模型,得到一组预设参数的预设值,将所述预设参数的预设值作为所述医生偏好的预设参数的预设值。
进一步地,所述通过人脸识别方法识别出用户身份具体包括以下步骤:将人脸图像输入一卷积神经网络以识别得到人脸框;将人脸图像输入一卷积神经网络以识别得到人脸关键点;通过人脸关键点对原人脸图像进行仿射变换,将原人脸图像进行矫正;矫正后提取人脸框区域的图像,输入到人脸特征提取神经网络,提取到人脸特征;提取到的人脸特征与人脸数据库中各用户所对应的人脸特征逐个比对,进行相似度计算和阈值判断匹配,在高于阈值的相似度中选取最高相似度,获取最高相似度对应的人脸特征匹配所对应的用户身份标识。
进一步地,获取所述用户身份所对应的使用权限,所述使用权限包括超声设备的功能操作权限,和/或,查看所述超声设备中的信息的查看权限;根据所述使用权限控制超声设备。
进一步地,所述调用医生偏好的用户配置,包括:调用医生偏好的操作界面,和/或调用检查对象配置数据。
进一步地,医生偏好预设参数的预设值通过加载预先选择的预设参数和这些预设参数的预设值来设置。
本发明实施例还提供一种超声诊断设备,包括:存储介质,存储有计算机程序;处理器,用于执行所述计算机程序以实现上述任一项所述的超声参数智能控制方法的步骤。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机程序,所述计算机程序被处理器执行时用以实现上述任一项所述的超声参数智能控制方法的步骤。
本发明实施例的优点:在超声诊断设备投入使用前,可以预先设置医生偏好的预设参数,从而大大简化了操作,使得医生能够快速开始诊断工作,提高了工作效率。
附图说明
图1为本发明实施例所示的超声参数智能控制方法流程图。
图2为本发明实施例所示的人脸识别流程图。
图3为本发明实施例所示的人脸特征提取神经网络示意图。
图4为本发明实施例所示的人脸注册流程图。
图5为本发明实施例所示的多层感知器示意图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
本发明实施例提出了一种超声参数智能控制方法(以下简称本方法),在超声诊断设备中被应用,能够显著增加医生操作的便捷性,从而提高了工作效率。
如图1所示,所述超声参数智能控制方法可以包括:
步骤100:对于采集的人脸图像,通过人脸识别方法识别出用户身份。
在超声诊断设备中,可以预先建立人脸数据库;人脸数据库中保存了用户身份标识与对应用户的人脸特征;例如用户名1---人脸特征向量1、用户名2---人脸特征向量2,依次类推,建立人脸数据库。在一些实施例中,输入一幅采集的人脸图像,进行人脸特征提取后,与保存在人脸数据库中N个用户所对应的人脸特征逐个比对,通过相似度计算和阈值判断匹配,如果相似度大于设定阈值则在人脸数据库中能够匹配到相应的人脸特征,返回匹配的人脸特征对应的用户身份标识,如张三或李四;否则返回“不在人脸数据库中”。人脸识别的方法可以参考图2至图4的相关的描述,在此不在赘述。
步骤110:根据用户身份,获取相应的用户信息。
在一些实施例中,所述用户信息为用户使用超声诊断设备时,预先设置或根据历史检查记录产生的信息。所述用户信息可以包括医生使用信息和患者信息。
在一些实施例中,可以获取所述用户身份所对应的使用权限,所述使用权限包括超声设备的功能操作权限,和/或,查看所述超声设备中的信息的查看权限;根据所述使用权限控制超声诊断设备。
在一些实施例中,用户身份可以包括:医生、患者、护士、设备维护人员等。
在一些实施例中,使用权限可以包括:使用超声诊断设备、查看全部内容、查看授权内容、修改全部内容、修改授权内容等。
在一些实施例中,可以将医生,设备维护人员、护士等用户身份设置为具有使用权限。在一些实施例中,也可以根据用户身份设置与该用户身份对应的使用权限级别,不同的用户身份使用权限级别可能不同。例如设备维护人员使用权限级别最高,具有超声诊断设备的全部功能的使用权限;而对于护士,则仅仅开放查看权限。
在一些实施例中,超声诊断设备还可以支持账户控制功能,例如,具有使用权限的医生、护士通过人脸识别方法识别出用户身份后,仅能查看与该用户相关的患者信息。
账户控制功能一旦启用,医生通过人脸识别检查后,超声诊断设备的当前用户会切换到被授权的医生,此时这位医生仅能查看自己所检查病患的信息。该功能用户保护隐私,保护医疗从业者(例如,医生或护士)与自己相关的病人数据不被其他医生或护士查看。
步骤120:当用户身份包括医生时,获取的用户信息包括医生使用信息,至少根据医生使用信息在检查工作前预先设置医生偏好预设参数的预设值、和/或调用医生偏好的用户配置。
在一些实施例中,医生使用信息至少可以包括医生偏好的预设参数、医生偏好的用户配置信息。
在一些实施例中,预设参数可以包括成像参数,成像参数可以包括图像获取参数、显示参数、信号处理参数等;每种参数可以拥有不同的预设值。图像获取参数可以包括:发射功率、发射频率、接收频率、波束密度、穿透深度、总增益、时间增益补偿、焦点位置、脉冲重复频率。显示参数可以包括:动态范围、图像分辨率、对比度、缩放倍数、伽马校正、灰度映射、彩色映射。信号处理参数可以包括:边缘增强、平滑、噪声滤波、壁滤波、线相关、帧相关、插值算法。
用户信息可以存储在超声设备本地、或者超声设备通过接口从数据库(PACS系统)中进行获取。
超声诊断设备可支持腹部,产科,妇科,心脏,泌尿,麻醉等应用,每种应用下也可以分为多种测量参数,每种预设的测量参数通常可以对应解剖学上的一些检查器官,例如,超声诊断设备在检查这些器官时需要设定相应的频率,增益等其它预设参数,在检查时也可以通过测量数据包中的工具定量得到一些检查结果。
在一些实施例中,当用户身份被识别为医生时,可授权医生对超声诊断设备进行设置,根据医生自身的偏好,预先选择预设参数,并预先设置相应的预设值。例如,当医生专注于心脏部位的检查时,则该医生可以利用本发明实施例提供的方法,预先设置心脏检查需要的预设参数,如特定心脏检查频率,常用增益范围等参数,在医生通过人脸识别出用户身份后,使用该超声诊断设备时,所述超声诊断设备会自动加载预先设置的预设参数。
当用户身份被识别为医生时,超声诊断设备还可以调用医生偏好的用户配置,如调用医生偏好的操作界面,以及偏好的测量数据包、体位标记包、注释包等检查对象配置数据。
测量数据包是指将多个测量项,例如测量距离,面积,速度等,作为一个库;针对不同的应用,设置特定的测量数据包;每个测量包对应不同应用。
体位标记包是指对应不同的应用,设置特定的体位标记包,每个体位标记包对应不同的应用,包含特定的标记图标,用于表示特定的检查部位,例如,当检查心脏时,体位标记包中就包括表示不同心脏切面的体位标记图标。
注释包是指对应不同的应用,设置特定的注释包,每个注释包对应不同的应用,包含不同的注释。
例如,当医生对应需要对病人的肝脏进行检查时,可以使用凸阵探头进检查。超声诊断设备的预设参数的预设值可以分别设置为:将发射频率设置为4.7Mhz(谐波),4.4Mhz(基波);将发射功率设置为100%;将动态范围设置为100;将穿透深度设置为180毫米;将焦点位置设置为10.5毫米;将总增益设置为128;将时间增益补偿设置为128;将平滑设置为5。需要注意的是,大部分参数的取值应该是连续值,但是在目前的超声诊断设备上,往往把这些连续的取值离散化为几个档次,以方便用户调节。例如,“时间增益补偿”的取值为0-255,“总增益”的取值为0-255,“动态范围”的取值为20-290。又例如,“平滑”这个预设参数在超声诊断设备上的取值就设置为0-8这个范围内,即“平滑”的参数在0、1、2、3、4、5、6、7、8这9个档位中进行选择。“发射功率”的预设值设置为基础发射功率P对应的倍数,例如,将“发射功率”的取值可以在0%-100%,即发射功率可以选择20%*P、50%*P、80%*P、100%*P等对应的发射功率。在利用凸阵探头进行肝脏检查时,超声诊断设备的“发射频率”的预设取值可以设置为:2.4Mhz-7.0Mhz(谐波),2.0Mhz-6.8Mhz(基波)。“穿透深度”的取值为40毫米-250毫米。可以根据不同患者皮下脂肪的不同厚度选择相应的体内脏器,进行精确的定位检查。
又例如,当医生需要对心脏进行检查时,可以使用相控阵探头进行检查。超声诊断设备的预设参数的预设值可以分别设置为:将发射频率设置为3.3Mhz(谐波),2.7Mhz(基波);将发射功率设置为100%;将动态范围设置为100;将穿透深度设置为170毫米;将焦点位置设置为10.5毫米;将总增益设置为150;将时间增益补偿设置为128;将平滑设置为5。在利用相控阵探头进行心脏检查时,超声诊断设备的“发射频率”的预设取值可以设置为:1.8Mhz-4.8Mhz(谐波),1.5Mhz-4.0Mhz(基波)。又例如,当医生需要对孕妇的胎儿进行检查时,可以使用凸阵探头进行检查。超声诊断设备的预设参数的预设值可以分别设置为:将发射频率设置为4.5Mhz(谐波),2.7Mhz(基波);将发射功率设置为84%;将动态范围设置为182;将穿透深度设置为170毫米;将焦点位置设置为10.5毫米;将总增益设置为128;将时间增益补偿设置为128;将平滑设置为5。在利用凸阵探头进行胎儿检查时,超声诊断设备的“发射频率”的预设取值可以设置为:4.2Mhz-4.8Mhz(谐波),1.5Mhz-4.0Mhz(基波)。
在一些实施例中,还可以进行操作界面的偏好设置,比如设置图像区域的大小,图像存储区域的位置,参数调节位置的摆放等;超声设备会对这些设置做账户关联;每位授权医生有自己的偏好设置,通过人脸识别登录后,超声诊断设备会为医生账户调用相应的偏好操作界面,偏好的测量数据包、体位标记包、注释包等检查对象配置数据。
例如,利用本发明实施例提出的超声参数控制方法的场景可以为:当医生需要对某一患者进行超声检查时,医生通过人脸识别获得超声诊断设备的使用权限,超声诊断设备获得该医生的用户信息,然后,该患者通过人脸识别,超声诊断设备获得该患者的用户信息。当用户身份包括患者和医生时,获取的用户信息包括患者信息和医生使用信息。
在一些实施例中,当识别出用户身份为患者时,可以获取该用户的患者信息。在一些实施例中,患者信息至少可以包括该患者的基本信息、临床信息等。基本信息可以包括个人信息,如患者姓名、年龄、性别、体重、身高、孕期等。临床信息可以包括历史超声图像、历史超声图像的标注信息、历史诊断信息等。
所述患者信息至少还可以包括:历史检查部位信息、历史检查部位对应的预设参数预设值。
所述医生使用信息至少还包括:检查部位信息、医生偏好的预设参数。检查部位可以包括但不限于心脏、肾脏、肝脏、血管、胆囊、子宫、乳腺、胎儿、甲状腺等。
在一些实施例中,患者历史检查时的预设参数预设值集合为A,A中包括患者历史检查部位对应的预设参数预设值。例如,A={a1: {m1,m2,m3,m4,…mj,…mp},a2:{m1,m2,m3,m4,…mj,…mp},…ai:{m1,m2,m3,m4,…mj,…mp},…an:{m1,m2,m3,m4,…mj,…mp}},ai代表第i部位,mj代表第i部位第j个预设参数的预设值。
当前医生的偏好预设参数的预设值集合为B,B中包括当前医生检查部位对应的偏好的预设参数预设值。例如,B={b1: {m1,m2,m3,m4,…mj,…mp},b2:{m1,m2,m3,m4,…mj,…mp},…bi:{m1,m2,m3,m4,…mj,…mp},…bn:{m1,m2,m3,m4,…mj,…mp}},bi代表第i部位,mj代表第i部位第j个预设参数的预设值。
在一些实施例中,超声诊断设备可以获取当前所需检查部位的信息,例如,所需检查部位的为心脏;当所述集合A中在所述所需检查部位(心脏部位)没有对应的预设参数预设值时,将所述集合B中的当前医生在所述所需检查部位对应的偏好的预设参数预设值确定为所述医生偏好的预设参数的预设值。
在一些实施例中,超声诊断设备可以获取当前所需检查部位的信息,例如,所需检查部位为心脏,当所述集合A中在所述所需检查部位(心脏部位)有对应的预设参数预设值时,判断所述患者在所述所需检查部位(心脏部位)对应的预设参数预设值是否由当前医生所确定。上述判断可以通过检查患者是否由当前医生进行过历史检查等信息进行判断;还可以通过判断集合A中在所述所需检查部位对应的预设参数预设值与集合B中在所述所需检查部位对应的预设参数预设值是否相同进行判断,当结果相同时,则可以确定患者由当前医生进行过历史检查,当结果不相同时,则可以确定患者没有由当前医生进行检查。
在一些实施例中,当患者由当前医生进行过历史检查时,将所述集合A中所述所需检查部位对应的预设参数预设值确定为所述医生偏好的预设参数的预设值。
在一些实施例中,当患者没有由当前医生进行过历史检查时,通过机器学习模型,将所述集合A中所述所需检查部位对应的预设参数预设值与所述集合B中所述所需检查部位对应的预设参数预设值输入至机器学习模型,得到一组预设参数的预设值,将所述预设参数的预设值作为所述医生偏好的预设参数的预设值。
机器学习模型可以包括多层感知器、随机森林回归模型、支持向量回归模型、或决策树回归模型等。
在一些实施例中,机器学习模型可以采用多层感知器,多层感知器是一种趋向结构的人工神经网络,如图5所示,预先经过大量样本的训练,能够映射一组输入向量到一组输出向量。
在一些实施例中,如图2所示,人脸识别的过程可以包括:
人脸检测:将人脸图像输入一卷积神经网络以识别得到人脸框。
卷积神经网络的输入是一张采集的人脸图像;卷积神经网络预先经过训练,通过大量的标注了人脸框的人脸图像进行卷积神经网络的监督学习,使得卷积神经网络能够在人脸图像中识别并输出人脸框;人脸框通常是一个矩形框,大部分区域均是人脸,仅有少量周围区域是背景;在卷积神经网络训练时,人工标注的人脸框形状,决定了训练后卷积神经网络对人脸图像识别后所输出的人脸框形状;矩形人脸框的坐标信息可以利用人脸框的左上角的坐标x、y和人脸框的宽高w、h表示。在一些实施例中,人脸框也可以是椭圆形或类似椭圆形的形状。
在一些实施例中,人脸检测和以下步骤中的人脸关键点检测可以通过一个卷积神经网络进行输出的类别,值为1或0,分别代表识别出的对象(人脸框)和非对象。
人脸配准,包括人脸关键点检测和人脸对齐。
人脸关键点检测:将人脸图像输入一卷积神经网络以识别得到人脸关键点。
人脸对齐:通过人脸关键点对原人脸图像进行仿射变换,即旋转、缩放、平移等操作,将原人脸图像进行矫正;以便能够对可能存在偏斜的原人脸图像进行“扶正”。
该卷积神经网络预先训练时,还通过对人脸五官关键点坐标标注的大量人脸图像进行卷积神经网络的监督学习,使得卷积神经网络能够在人脸图像中识别并输出人脸关键点;人脸关键点的数量是预先设定好的一个数值,人脸五官关键点一般设置为5点,即两个眼睛、一个鼻尖、嘴角左右端;根据实际情况还可以采用更多的人脸关键点,例如68点、81点等。
人脸特征提取与匹配:将矫正后人脸框区域的图像输入一人脸特征提取神经网络,提取到人脸特征。
如图3所示,在人脸特征提取网络中,输入一般是经过灰度化的人脸框区域的图像,尺寸大小在128*128,在经过第一层的卷积、BN(batch normalization批量归一化)、ReLU(线性整流函数Rectified Linear Unit)、池化后(64*64),进入3个堆叠的残差模块,每个残差模块由3个残差单元构成,每个残差单元由卷积、BN、ReLU构成,其中每个残差模块中第一个残差单元中的第一个卷积步长为2(目的为宽高各减小一半),即每经过一次残差模块,图像尺寸会减小一半;经过3个堆叠的残差模块后,图像尺寸为8*8;其中每个残差模块的卷积核个数成倍增长,卷积核大小均为3*3,全局平均是在通道层面进行平均,即每个通道得到一个平均数,接下来进入的是全连接层,此层是用作特征表达,最后的全连接层是为了分类,作为分类层。本实施例中提取分类层的前一层的输出作为人脸特征。
提取到的人脸特征与人脸数据库中各用户所对应的人脸特征逐个比对,例如进行余弦相似度计算,通过阈值判断匹配,阈值一般设为70%,在高于阈值的相似度中选取最高相似度,最高相似度对应的人脸特征匹配所对应的用户名,即可认为确定未知人脸图像的用户身份。
对于人脸数据库,可以预先通过人脸注册这一过程,使用户身份标识与对应用户的人脸特征保存进人脸数据库;如图4所示;
用户注册时,可先采集人脸图像,然后按照上述相同的人脸检测、人脸配准、人脸特征提取过程,提取人脸图像中的人脸特征,将用户名和对应的人脸特征保存至人脸数据库中。
作为本发明的另一实施例,提供一种存储介质,其中,所述存储介质中存储有至少一条程序指令,所述至少一条程序指令用于被处理器加载并执行以实现如前文所述的超声参数智能控制方法。
应当理解的是,本发明提供的存储介质能够存储用于执行前文所述的超声参数智能控制方法的程序指令,因此能够使得医生能够快速开始诊断工作,提高了工作效率。
作为本发明的另一实施例,提供一种超声诊断装置,其中,所述超声诊断装置包括处理器和存储介质,所述处理器用于加载并执行所述存储介质上的程序指令。所述存储介质中存储有至少一条程序指令,所述至少一条程序指令用于被处理器加载并执行以实现如前文所述的超声参数智能控制方法。
本发明提供的超声诊断装置,由于采用了前文的存储介质,存储用于执行前文所述的超声参数智能控制方法的程序指令,因此能够使得医生能够快速开始诊断工作,提高了工作效率。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种超声参数智能控制方法,其特征在于,包括:
对于采集的人脸图像,通过人脸识别方法识别出用户身份;
根据用户身份,获取相应的用户信息;
当用户身份包括医生时,获取的用户信息包括医生使用信息,至少根据医生使用信息在检查工作前预先设置医生偏好预设参数的预设值和/或调用医生偏好的用户配置。
2.如权利要求1所述的方法,其特征在于,
当用户身份包括患者和医生时,获取的用户信息包括患者信息和医生使用信息;
其中,所述患者信息至少包括:历史检查部位信息、历史检查部位对应的预设参数预设值;
所述医生使用信息至少包括:检查部位信息、医生偏好的预设参数;
患者历史检查时的预设参数预设值集合为A,A中包括患者历史检查部位对应的预设参数预设值;
当前医生的偏好预设参数的预设值集合为B,B中包括当前医生检查部位对应的偏好的预设参数预设值;
获取当前所需检查部位的信息;
基于所述所需检查部位的信息,利用人工智能的方法,根据所述当前医生的偏好预设参数的预设值集合和/或患者历史检查时的预设参数预设值集合,确定所述医生偏好的预设参数的预设值。
3.如权利要求2所述的方法,其特征在于,所述所需检查部位的信息,利用基于人工智能的方法,根据所述当前医生的偏好预设参数的预设值集合和/或患者历史检查时的预设参数预设值集合,确定所述医生偏好的预设参数的预设值,包括:
当所述集合A中在所述所需检查部位没有对应的预设参数预设值时,将所述集合B中的当前医生在所述所需检查部位对应的偏好的预设参数预设值确定为所述医生偏好的预设参数的预设值。
4.如权利要求2所述的方法,其特征在于,所述所需检查部位的信息,利用基于人工智能的方法,根据所述当前医生的偏好预设参数的预设值集合和/或患者历史检查时的预设参数预设值集合,确定所述医生偏好的预设参数的预设值,包括:
当所述集合A中在所述所需检查部位有对应的预设参数预设值时,判断所述患者在所述所需检查部位对应的预设参数预设值是否由当前医生所确定,若是,
将所述集合A中所述所需检查部位对应的预设参数预设值确定为所述医生偏好的预设参数的预设值,若不是,
通过机器学习模型,将所述集合A中所述所需检查部位对应的预设参数预设值与所述集合B中所述所需检查部位对应的预设参数预设值输入至机器学习模型,得到一组预设参数的预设值,将所述预设参数的预设值作为所述医生偏好的预设参数的预设值。
5.如权利要求1所述的方法,其特征在于,
所述通过人脸识别方法识别出用户身份具体包括以下步骤:
将人脸图像输入一卷积神经网络以识别得到人脸框;
将人脸图像输入一卷积神经网络以识别得到人脸关键点;通过人脸关键点对原人脸图像进行仿射变换,将原人脸图像进行矫正;
矫正后提取人脸框区域的图像,输入到人脸特征提取神经网络,提取到人脸特征;提取到的人脸特征与人脸数据库中各用户所对应的人脸特征逐个比对,进行相似度计算和阈值判断匹配,在高于阈值的相似度中选取最高相似度,获取最高相似度对应的人脸特征匹配所对应的用户身份标识。
6.如权利要求1所述的方法,其特征在于,
获取所述用户身份所对应的使用权限,所述使用权限包括超声设备的功能操作权限,和/或,查看所述超声设备中的信息的查看权限;
根据所述使用权限控制超声诊断设备。
7.如权利要求1所述的方法,其特征在于,
所述调用医生偏好的用户配置,包括:调用医生偏好的操作界面,和/或调用检查对象配置数据。
8.如权利要求1所述的方法,其特征在于,
医生偏好预设参数的预设值通过加载预先选择的预设参数和这些预设参数的预设值来设置。
9.一种超声诊断设备,其特征在于,包括:
存储介质,存储有计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1~8中任一项所述的超声参数智能控制方法的步骤。
10.一种计算机存储介质,其特征在于,
所述计算机存储介质中存储有计算机程序,所述计算机程序被处理器执行时用以实现如权利要求1~8中任一项所述的超声参数智能控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940500.6A CN112580404A (zh) | 2019-09-30 | 2019-09-30 | 超声参数智能控制方法、存储介质及超声诊断设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940500.6A CN112580404A (zh) | 2019-09-30 | 2019-09-30 | 超声参数智能控制方法、存储介质及超声诊断设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112580404A true CN112580404A (zh) | 2021-03-30 |
Family
ID=75116257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940500.6A Pending CN112580404A (zh) | 2019-09-30 | 2019-09-30 | 超声参数智能控制方法、存储介质及超声诊断设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580404A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652390A (zh) * | 2019-10-11 | 2021-04-13 | 无锡祥生医疗科技股份有限公司 | 超声影像调节自定义方法、存储介质及超声诊断设备 |
CN113160955A (zh) * | 2021-04-15 | 2021-07-23 | 青岛大学附属医院 | 超声仪器人脸识别智能系统 |
CN113554007A (zh) * | 2021-09-18 | 2021-10-26 | 上海齐感电子信息科技有限公司 | 人脸框的计算方法及计算系统 |
CN115985482A (zh) * | 2023-03-16 | 2023-04-18 | 武汉光盾科技有限公司 | 一种基于激光治疗仪的数据处理方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7062714B1 (en) * | 2000-07-28 | 2006-06-13 | Ge Medical Systems Global Technology Company, Llc | Imaging system having preset processing parameters adapted to user preferences |
US20060241455A1 (en) * | 2005-04-08 | 2006-10-26 | Siemens Medical Solutions Usa, Inc. | Automatically adjusted presets for an ultrasound machine |
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 |
JP2011136044A (ja) * | 2009-12-28 | 2011-07-14 | Panasonic Corp | 超音波診断装置 |
CN102440803A (zh) * | 2011-09-17 | 2012-05-09 | 无锡祥生医学影像有限责任公司 | 触摸屏超声诊断仪及其预设值选择方法 |
US20140187934A1 (en) * | 2012-12-31 | 2014-07-03 | General Electric Company | Systems and methods for configuring a medical device |
CN109686436A (zh) * | 2018-12-25 | 2019-04-26 | 无锡祥生医疗科技股份有限公司 | 超声成像设备的显示器调节系统 |
JP2019103567A (ja) * | 2017-12-11 | 2019-06-27 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置および超音波プローブ |
CN110169788A (zh) * | 2019-04-26 | 2019-08-27 | 青岛大学附属医院 | 一种基于人脸识别的超声诊断仪预设模式选择方法 |
-
2019
- 2019-09-30 CN CN201910940500.6A patent/CN112580404A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7062714B1 (en) * | 2000-07-28 | 2006-06-13 | Ge Medical Systems Global Technology Company, Llc | Imaging system having preset processing parameters adapted to user preferences |
US20060241455A1 (en) * | 2005-04-08 | 2006-10-26 | Siemens Medical Solutions Usa, Inc. | Automatically adjusted presets for an ultrasound machine |
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 |
JP2011136044A (ja) * | 2009-12-28 | 2011-07-14 | Panasonic Corp | 超音波診断装置 |
CN102440803A (zh) * | 2011-09-17 | 2012-05-09 | 无锡祥生医学影像有限责任公司 | 触摸屏超声诊断仪及其预设值选择方法 |
US20140187934A1 (en) * | 2012-12-31 | 2014-07-03 | General Electric Company | Systems and methods for configuring a medical device |
JP2019103567A (ja) * | 2017-12-11 | 2019-06-27 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置および超音波プローブ |
CN109686436A (zh) * | 2018-12-25 | 2019-04-26 | 无锡祥生医疗科技股份有限公司 | 超声成像设备的显示器调节系统 |
CN110169788A (zh) * | 2019-04-26 | 2019-08-27 | 青岛大学附属医院 | 一种基于人脸识别的超声诊断仪预设模式选择方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652390A (zh) * | 2019-10-11 | 2021-04-13 | 无锡祥生医疗科技股份有限公司 | 超声影像调节自定义方法、存储介质及超声诊断设备 |
CN112652390B (zh) * | 2019-10-11 | 2023-11-24 | 无锡祥生医疗科技股份有限公司 | 超声影像调节自定义方法、存储介质及超声诊断设备 |
CN113160955A (zh) * | 2021-04-15 | 2021-07-23 | 青岛大学附属医院 | 超声仪器人脸识别智能系统 |
CN113554007A (zh) * | 2021-09-18 | 2021-10-26 | 上海齐感电子信息科技有限公司 | 人脸框的计算方法及计算系统 |
CN115985482A (zh) * | 2023-03-16 | 2023-04-18 | 武汉光盾科技有限公司 | 一种基于激光治疗仪的数据处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580404A (zh) | 超声参数智能控制方法、存储介质及超声诊断设备 | |
KR101857624B1 (ko) | 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치 | |
KR20210021039A (ko) | 이미지 처리 방법, 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체 | |
CN109480882B (zh) | 医疗设备成像方法及装置、计算机设备和可读存储介质 | |
US8099152B2 (en) | Systems and methods for planning medical procedures and designing medical devices based on anatomical scan deformations | |
US11622744B2 (en) | System and method for automated ovarian follicular monitoring | |
CN111583249B (zh) | 一种医学图像的质量监控系统及方法 | |
CN109464155B (zh) | 医学扫描定位方法 | |
WO2022088581A1 (zh) | 图像检测模型的训练方法及相关装置、设备、存储介质 | |
EP1893077A1 (en) | System and method of computer-aided detection | |
CN110111305B (zh) | 处理方案的生成方法、装置、设备和存储介质 | |
CN114092475B (zh) | 病灶长径确定方法、图像标注方法、装置及计算机设备 | |
WO2020027228A1 (ja) | 診断支援システム及び診断支援方法 | |
CN110490841B (zh) | 计算机辅助影像分析方法、计算机设备和存储介质 | |
CN113870227B (zh) | 基于压力分布的医学定位方法、装置、电子设备及存储介质 | |
CN113012118B (zh) | 图像处理方法以及图像处理装置 | |
KR101431745B1 (ko) | 생체 중의 특정 부위에 대한 분석정보 출력방법 및 장치 | |
CN116580033B (zh) | 一种基于图像块相似性匹配的多模态医学图像配准方法 | |
KR20190059440A (ko) | 유사환자 자동검색을 통한 진단 보조 시스템 및 방법 | |
US10909680B2 (en) | Method and system for assessing burn wound depth | |
CN117831757B (zh) | 基于病理ct多模态先验知识引导的肺癌诊断方法及系统 | |
US20210251601A1 (en) | Method for ultrasound imaging and related equipment | |
EP4311499A1 (en) | Ultrasound image acquisition | |
Sendra-Balcells et al. | Generalisability of deep learning models in low-resource imaging settings: A fetal ultrasound study in 5 African countries | |
CN117653163A (zh) | 一种肝脏图像采集处理的方法、系统、计算机及终端 |
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 |