CN112652390B - 超声影像调节自定义方法、存储介质及超声诊断设备 - Google Patents
超声影像调节自定义方法、存储介质及超声诊断设备 Download PDFInfo
- Publication number
- CN112652390B CN112652390B CN201910964773.4A CN201910964773A CN112652390B CN 112652390 B CN112652390 B CN 112652390B CN 201910964773 A CN201910964773 A CN 201910964773A CN 112652390 B CN112652390 B CN 112652390B
- Authority
- CN
- China
- Prior art keywords
- operator
- operation flow
- ultrasonic
- preference
- steps
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 6
- 238000002604 ultrasonography Methods 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims 3
- 238000003745 diagnosis Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 18
- 239000000470 constituent Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002091 elastography Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及超声检查技术领域，尤其涉及超声影像调节自定义方法、存储介质及超声诊断设备。本发明的超声影像调节自定义方法包括：获取检查对象的超声影像；通过分类神经网络模型识别超声影像的组织类型，分类神经网络模型通过卷积神经网络对已标记的若干超声影像进行训练确定；获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流；通过同一按键控制超声诊断设备执行偏好操作流。本发明能够通过同一按键执行操作员的偏好操作流，实现了操作的自定义，提高了超声诊断效率。
Description
技术领域
本发明涉及超声检查技术领域，尤其涉及一种超声影像调节自定义方法、设备及存储介质。
背景技术
超声诊断设备是利用超声检测技术，通过测量来了解人体组织结构的数据和形态。随着不断发展的新技术和广泛深入的临床诊断应用，进一步对便捷的软件操作方法和准确的超声诊断提出了新要求。
目前，超声诊断设备集成的功能越来越多，超声诊断设备的操作越来越繁琐。虽然部分超声诊断设备的控制面板上设置了独立的快捷按键，但不同检查项目的切换仍需要按照预设的操作流程激活。且不用公司超声诊断设备针对同一项目的检测的操作流也是不同的，操作员操作超声诊断设备必须事先阅读产品说明书或者专业培训指导。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提供一种超声影像调节自定义方法、设备及存储介质。
作为本发明的一个方面，本发明提供了一种超声影像调节自定义方法，包括：
获取检查对象的超声影像；
通过分类神经网络模型识别超声影像的组织类型，分类神经网络模型通过卷积神经网络对已标记的若干超声影像进行训练确定；
获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流；
通过同一按键控制超声诊断设备执行偏好操作流。
进一步地，获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流，包括：
识别操作员的身份信息；
根据身份信息调取操作员调节组织类型的超声影像的历史操作步骤生成操作员的偏好操作流；
若无法调取操作员的历史操作流，则自动调取超声诊断设备的自带工作流或导入操作员在其它超声诊断设备中的历史操作步骤生成操作员的偏好操作流。
进一步地，根据身份信息调取操作员调节组织类型的超声影像的历史操作步骤生成操作员的偏好操作流，包括；
统计操作员执行当前操作动作前预设时间范围内连贯操作步数的操作频次，连贯操作步数至少两次；
根据连贯操作步数以及操作频次确定操作员执行当前操作动作的偏好操作流。
进一步地，获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流，包括：
识别操作员的身份信息；
根据超声影像的组织类型以及身份信息获取操作员的偏好操作模型；
根据偏好操作模型以及超声影像获取操作员的偏好操作流；
其中，偏好操作模型通过对若干操作员调节组织类型的超声影像的历史操作步骤进行训练确定。
进一步地，根据偏好操作模型以及超声影像获取操作员的偏好操作流，还包括：
确定操作员的实际操作流与偏好操作模型输出的偏好操作流是否存在操作差异；
若存在操作差异，计算操作员的实际操作流与偏好操作流的步骤交叠率；
根据步骤交叠率调整偏好操作模型的权重生成符合操作员操作偏好的偏好操作模型。
进一步地，计算操作员的实际操作流与偏好操作流的步骤交叠率，包括：
确定实际操作流与偏好操作流的交集步骤数；
确定实际操作流与偏好操作流的并集步骤数；
计算交集步骤数与并集步骤数的比值，比值为步骤交叠率。
进一步地，通过同一按键控制超声诊断设备执行偏好操作流，包括：
根据获取的偏好操作流的操作步骤与按键的触发机制建立关联关系；
通过同一按键控制超声诊断设备执行偏好操作流。
进一步地，还包括：通过同一按键删除、添加或调整偏好操作流的一个或多个操作步骤，按键为物理按键或虚拟按键。
作为本发明的另一个方面，本发明还提供了一种超声诊断设备，包括：
存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述的超声影像调节自定义方法。
作为本发明的另一个方面，本发明还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时用以实现上述的超声影像调节自定义方法的步骤。
本发明的超声影像调节自定义方法，采用分类神经网络模型自动识别获取的超声影像的组织类型，能够快速确定操作员所要对哪种组织类型进行超声扫查；再获取操作员操作超声诊断设备调节所述组织类型的超声影像的偏好操作流，操作员可以根据自己的偏好对同一组织类型进行超声诊断；最后通过同一按键控制所述超声诊断设备执行所述偏好操作流，操作员无需在超声面板上寻找执行不同操作步骤对应的快捷按键，提高了工作效率。
进一步地，本发明的采用偏好操作模型可以获取操作员不同时间段的偏好操作流，偏好操作模型可以根据操作不同时间段的偏好自动更新输出对应时间段的偏好操作流。
进一步地，本发明可以采用同一物理按键或者虚拟按键删除、添加或调整偏好操作流的一个或多个操作步骤。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明的超声影像调节自定义方法的工作流程图。
图2为本发明的一实施例获取操作员偏好操作流的流程图。
图3为本发明的另一实施例获取操作员偏好操作流的流程图。
图4为本发明的另一实施例获取操作员偏好操作流的流程图。
图5为本发明通过同一按键控制超声诊断设备执行偏好操作流的流程图。
图6为本发明的超声诊断操作流自定义系统的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。
超声诊断设备集成的功能越来越多，超声诊断设备的操作越来越繁琐。虽然部分超声诊断设备的控制面板上针对不同功能或步骤设置了独立的快捷按键（功能键），但一个完整的超声项目检查往往需要使用很多快捷键，操作员需要在超声控制面板上寻找多个快捷键，且操作流都是预先设定好的，操作员操作超声诊断设备必须事先阅读产品说明书或者专业培训指导，操作流程比较繁琐。
作为本发明的第一个方面，提供了一种超声影像调节自定义方法。需要说明的是，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
图1为本发明的超声影像调节自定义方法的工作流程图。如图1所示，包括：
S100，获取检查对象的超声影像；
通过换能器发射和接收超声波，换能器受发射脉冲的激励，向检查对象(例如，人体或者动物体内的器官、组织、血管等等)发射超声波，经一定延时后接收从检查对象反射回来的带有目标组织的信息的超声回波，并将此超声回波重新转换为电信号，以获取检查对象的超声影像。需要理解的是，超声诊断设备很难通过换能器直接获取到符合诊断要求的超声影像，需要调节超声影像的各种参数，参数至少包括频率、帧频、增益、声功率等中的一个或多个。
S200，通过分类神经网络模型识别超声影像的组织类型，分类神经网络模型通过卷积神经网络对已标记的若干超声影像进行训练确定；
本发明采用训练好的分类神经网络模型识别超声影像的组织类型，无需操作员手动选择，智能化程度高，缓解目前操作员的繁重工作量和提高操作员的效率都有帮助。需要理解的是，本发明的分类神经网络模型通过卷积神经网络对已标记的若干超声影像进行训练确定，分类神经网络模型至少包括卷积层（conv）、最大池化层（max-pooling）、平均层（avg）、逻辑回归层（softmax）和滤波器。在一实施了中分类神经网络包括6个卷积层、4个最大池化层（max-pooling）、1个平均层（avg）和1个逻辑回归层（softmax）。
需要理解的是，组织类型也可以通过常规的方式获取，例如，操作员选择超声换能器的类型之后，再选择需要检测的组织类型进行手动输入。本发明通过训练好的分类神经网络模型能够自动识别超声影像的组织类型，无需操作员手动选择，智能化程度高，缓解目前操作员的繁重工作量和提高操作员的效率都有帮助。
S300，获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流；
需要理解的是，不同的组织类型对应的超声诊断操作步骤是不同的。传统的超声检查流程需要操作员（可以包括医疗专家，并可以是医生、护士、医学技术专家、超声检查工作者、医疗图像专家等。但是，用户并不局限于此。）首先需要选择换能器的类型，例如线阵、矩阵等，再通过物理按键或者虚拟按键（触摸屏图标）选择需要检查的组织类型，组织类型包括：血管、小器官、神经、儿科等，过程需要操作人员手动操作，过程繁琐。本发明根据检查对象的组织类型进而确定操作员的偏好操作流。可以理解的是，每个操作员不是专门检查同一种类型的组织类型的，例如操作员可以检查妇科或儿科等，组织类型的偏好操作流肯定是不同的。偏好操作流至少包括操作员调节成像参数的操作流，切换成像模式的操作流等。成像模式包括B图像，C图像，D图像，多普勒血流图像、双实时B/BC 模式、景深成像模式、4D模式，包含组织弹性特性的弹性图像等等，或者其他类型的二维超声图像或三维超声图像。
S400，通过同一按键控制超声诊断设备执行偏好操作流。
超声诊断设备的控制面板上针对不同功能或步骤设置了独立的快捷按键（功能键），但一个完整的超声项目检查往往需要使用很多快捷键，操作员需要在超声控制面板上寻找多个快捷键，且操作流都是预先设定好的，操作员操作超声诊断设备必须事先阅读产品说明书或者专业培训指导，操作流程比较繁琐。例如，在显示模式下按Menu键，调出当前模式下软菜单。按Change键可以实现多模式下菜单的切换。调出菜单后，旋转MENU键移动至要选择的项目上，按下Menu键选中此项并进入参数调节状态，此时转动Menu旋钮可以改变所选择项目的参数值。调节完毕，再次按Menu键退出选中的菜单项，此时旋转Menu键变回选择菜单中的菜单项。要退出菜单，按EXIT键。本发明只需要通过同一按键就可以控制超声诊断设备执行偏好操作流。缓解目前操作员的繁重工作量和提高操作员的效率都有帮助。
在一实施例中，如图2所示，本发明的步骤S300获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流，具体包括：
S310，识别操作员的身份信息；
可以理解的是，识别操作员的身份信息是获取操作员偏好操作流的前提条件。本发明通过验证操作员的身份证、员工证、指纹、声纹或者面部信息进而获取操作员的身份信息。
S320，根据身份信息调取操作员调节组织类型的超声影像的历史操作步骤生成操作员的偏好操作流；
操作员第一次使用当前超声诊断设备时，超声诊断设备的存储器将会录入操作员的身份信息，例如身份证、员工证、指纹、声纹或者面部信息（人脸识别）。操作员第一次使用超声诊断设备时，内置的处理器会控制存储器录入操作员的操作步骤。需要理解的是，存储器录入的操作步骤是按照组织类型进行分类存储。当操作员再次使用该超声诊断设备时，处理器会验证操作员的身份信息以及需要检查的组织类型，调取操作员调节该组织时的历史操作步骤生成偏好操作流。
S330，若无法调取操作员的历史操作流，则自动调取超声诊断设备的自带工作流或导入操作员在其它超声诊断设备中的历史操作步骤生成操作员的偏好操作流。
需要理解的是，当操作员第一次使用某超声诊断设备时，超声诊断设备是无法调取操作员的历史操作流，则自动调取超声诊断设备的自带工作流。超声诊断设备会预存有一套工作流。进一步地，操作员可以通过非易失性计算机可读存储载体(如ROM、磁碟、光盘、U盘、硬盘、服务器云空间)将操作员在其它超声诊断设备中的历史操作步骤导入将要使用的超声诊断设备，生成操作员的偏好操作流。
可以理解的是，操作员操作超声诊断设备时，在不同的时间段内操作偏好可能发生变化，这就会出现存储在存储器中历史操作步骤和操作员现阶段的操作偏好不同，如果需要更新操作偏好流的话需要重新录制，智能化程低。本发明的根据身份信息调取操作员调节组织类型的超声影像的历史操作步骤生成操作员的偏好操作流，具体包括：
S3201，统计操作员执行当前操作动作前预设时间范围内连贯操作步数的操作频次，连贯操作步数至少两次；
传统的超声诊断设备操作流调整会统计每一操作步骤（功能键）的触发频次，然后根据每一操作步骤（功能键）的触发频次进行操作流的排序，如果有些操作步骤（功能键）触发的频次多是因为切换功能时，这个操作步骤是必须操作的步骤，那么最终调整出的偏好操作流会和实际的偏好操作流存在误差。本发明通过统计操作员执行当前操作动作前预设时间范围内连贯操作步数的操作频次，连贯操作步数至少两次，优选地，连贯操作步数为三次，能够大大降低整个偏好操作流的误差。
S3202，根据连贯操作步数以及操作频次确定操作员执行当前操作动作的偏好操作流。
确定操作员当前操作动作的偏好操作流时，连贯操作步数的权重大于操作频次的权重。
在一实施例中，如图4所示，本发明的步骤获取操作员操作超声诊断设备调节组织类型的超声影像的偏好操作流，还可以包括：
S340，识别操作员的身份信息；
可以理解的是，识别操作员的身份信息是获取操作员偏好操作流的前提条件。本发明通过验证操作员的身份证、员工证、指纹、声纹或者面部信息进而获取操作员的身份信息。
S350，根据超声影像的组织类型以及身份信息获取操作员的偏好操作模型；
其中，偏好操作模型通过对若干操作员调节组织类型的超声影像的历史操作步骤进行训练确定。从不同历史操作步骤中提取特征向量进行训练，输出符合操作员操作习惯的偏好操作流。需要理解的是，特征向量至少包括执行某种组织超声调节的关键步骤的顺序、关键步骤的连贯步数、关键步骤的频次等中的一个或任意几种组合。
S360，根据偏好操作模型以及超声影像获取操作员的偏好操作流；
本发明能够根据采集的初始超声影像以及偏好操作模型输入附后操作员操作习惯的偏好操作流。
进一步地，根据偏好操作模型以及超声影像获取操作员的偏好操作流，还包括：确定操作员的实际操作流与偏好操作模型输出的偏好操作流是否存在操作差异；若存在操作差异，计算操作员的实际操作流与偏好操作流的步骤交叠率；根据步骤交叠率调整偏好操作模型的权重生成符合操作员操作偏好的偏好操作模型。进一步地，计算操作员的实际操作流与偏好操作流的步骤交叠率，包括：确定实际操作流与偏好操作流的交集步骤数；确定实际操作流与偏好操作流的并集步骤数；计算交集步骤数与并集步骤数的比值，比值为步骤交叠率。
本发明的偏好操作模型能够在操作员实际的操作过程中不断进行校对，提高偏好操作模型输出结果的准确性。本发明的采用偏好操作模型可以获取操作员不同时间段的偏好操作流，偏好操作模型可以根据操作不同时间段的偏好自动更新输出对应时间段的偏好操作流。
超声诊断设备的控制面板上针对不同功能或步骤设置了独立的快捷按键（功能键），但一个完整的超声项目检查往往需要使用很多快捷键，操作员需要在超声控制面板上寻找多个快捷键。图5为本发明通过同一按键控制超声诊断设备执行偏好操作流的流程图。如图5所示，本法明通过同一按键控制超声诊断设备执行偏好操作流，具体包括：
S410，根据获取的偏好操作流的操作步骤与按键的触发机制建立关联关系；
本发明的按键为物理按键或虚拟按键，根据不同的按键的触发机制建立与偏好操作流的操作步骤的关联关系，例如按下物理按键表示执行一项操作步骤、或者旋转按钮表示执行一项操作步骤等
S420，通过同一按键控制超声诊断设备执行偏好操作流。
本发明的操作员通过一个按键即可执行整个偏好操作流。需要理解的是，操作员可以通过单步执行的方式、自动执行的方式执行偏好操作流。即操作员可以选择触发自定义后的按键，超声诊断设备会自动执行偏好操作流，实现一键操作。操作员也可以通过每触发一次按键执行一步偏好操作流，需要理解的是，超声诊断设备的显示器显示偏好操作流的所有操作步骤，操作员可以一边执行超声检查一边确认偏好操作流是否符合自己的操作习惯，操作员可以通过同一按键删除、添加或调整偏好操作流的一个或多个操作步骤。具体地，操作员短按按键触发超声诊断设备执行一步，如果操作员长按按键，则激活删除、添加或调整的功能。
图6为本发明的超声诊断操作流自定义系统的结构示意图。如图6所示，作为本发明的另一个方面，本发明还提供了一种超声诊断操作自定义系统，包括：
影像获取单元，用于获取检查对象的超声影像；
影像分类单元，通过分类神经网络模型识别所述超声影像的组织类型，所述分类神经网络模型通过卷积神经网络对已标记的若干超声影像进行训练确定；
第一处理单元，获取操作员操作超声诊断设备调节所述组织类型的超声影像的偏好操作流；
第二处理单元，通过同一按键控制所述超声诊断设备执行所述偏好操作流。
本发明的超声诊断操作自定义系统，采用分类神经网络模型自动识别获取的超声影像的组织类型，能够快速确定操作员所要对那种组织类型进行超声扫查；再获取操作员操作超声诊断设备调节所述组织类型的超声影像的偏好操作流，操作员可以根据自己的偏好对同一组织类型进行超声诊断；最后通过同一按键控制所述超声诊断设备执行所述偏好操作流，操作员无需在超声面板上寻找执行不同操作步骤对应的快捷按键，提高了工作效率。
需要理解的是，当部件“包括”或“包含”元件时，除非存在与其相反的特定描述，否则所述部件可还包括其它元件，而并不排除其它元件。本说明书中所述的术语(诸如“～单元”)可表示软件或硬件元件(诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC))，并且“～单元”执行特定的功能或操作。然而，术语“单元”不限于软件或硬件。“单元”可形成在可寻址的存储介质中，或者可形成为操作一个或更多个处理器。因此，作为示例的单元包括构成元件(诸如软件构成元件、面向对象的软件构成元件、类构成元件和任务构成元件)、进程、功能、属性、程序、子程序、程序代码的片段、驱动器、固件、微代码、电路、数据、数据库、数据结构、表格、阵列和变量。通过“单元”提供的构成元件和功能可合并为较小数量的构成元件和单元，或者可进一步分为另外的构成元件和单元。
此外，每个术语，如“…单元”、“…设备”，如在说明书中描述的，表示用于执行至少一个功能或操作的元件，并可以以硬件、软件和/或硬件和软件的组合来实现。单元可以包括组件(诸如软件组件、面向对象软件组件、类组件和任务组件)、进程、函数、属性、过程、子例行程序、程序代码段、驱动程序、固件、微码、电路、数据、数据库、数据结构、表、数组和变量。在组件和模块中提供的功能性可以被组合成更少的组件和模块或者进一步分成附加的组件和模块。
作为本发明的另一个方面，本发明还提供了一种超声诊断设备，包括：
存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述的超声影像调节自定义方法。
处理器可以包括硬件芯片。上述硬件芯片可以是专用集成电路（英文：application-specific integrated circuit，缩写：ASIC），可编程逻辑器件（英文：programmable logic device，缩写：PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（英文：complex programmable logic device，缩写：CPLD），现场可编程逻辑门阵列（英文：field-programmable gate array，缩写：FPGA），通用阵列逻辑（英文：generic arraylogic, 缩写：GAL）或其任意组合。
作为本发明的另一个方面，本发明还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时用以实现上述的超声影像调节自定义方法的步骤，其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-OnlyMemory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（FlashMemory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (7)
1.一种超声影像调节自定义方法，其特征在于，包括：
获取检查对象的超声影像；
通过分类神经网络模型识别所述超声影像的组织类型，所述分类神经网络模型通过卷积神经网络对已标记的若干超声影像进行训练确定；
获取操作员操作超声诊断设备调节所述组织类型的超声影像的偏好操作流；
通过同一按键控制所述超声诊断设备执行所述偏好操作流；所述获取操作员操作超声诊断设备调节所述组织类型的超声影像的偏好操作流，包括：
识别所述操作员的身份信息；
根据身份信息调取所述操作员调节所述组织类型的超声影像的历史操作步骤生成所述操作员的偏好操作流；
若无法调取所述操作员的历史操作流，则自动调取超声诊断设备的自带工作流或导入所述操作员在其它超声诊断设备中的历史操作步骤生成所述操作员的偏好操作流；
或，所述获取操作员操作超声诊断设备调节所述组织类型的超声影像的偏好操作流，包括：
识别所述操作员的身份信息；
根据所述超声影像的组织类型以及所述身份信息获取所述操作员的偏好操作模型；
根据所述偏好操作模型以及所述超声影像获取所述操作员的偏好操作流；
其中，所述偏好操作模型通过对若干所述操作员调节所述组织类型的超声影像的历史操作步骤进行训练确定；所述根据身份信息调取所述操作员调节所述组织类型的超声影像的历史操作步骤生成所述操作员的偏好操作流，包括；
统计操作员执行当前操作动作前预设时间范围内连贯操作步数的操作频次，所述连贯操作步数至少两次；
根据所述连贯操作步数以及所述操作频次确定所述操作员执行当前操作动作的偏好操作流。
2.根据权利要求1所述的超声影像调节自定义方法，其特征在于，所述根据所述偏好操作模型以及所述超声影像获取所述操作员的偏好操作流，还包括：
确定所述操作员的实际操作流与所述偏好操作模型输出的偏好操作流是否存在操作差异；
若存在操作差异，计算所述操作员的实际操作流与所述偏好操作流的步骤交叠率；
根据所述步骤交叠率调整所述偏好操作模型的权重生成符合所述操作员操作偏好的偏好操作模型。
3.根据权利要求2所述的超声影像调节自定义方法，其特征在于，所述计算所述操作员的实际操作流与所述偏好操作流的步骤交叠率，包括：
确定所述实际操作流与所述偏好操作流的交集步骤数；
确定所述实际操作流与所述偏好操作流的并集步骤数；
计算所述交集步骤数与所述并集步骤数的比值，所述比值为步骤交叠率。
4.根据权利要求1-3中任一项所述的超声影像调节自定义方法，其特征在于，所述通过同一按键控制所述超声诊断设备执行所述偏好操作流，包括：
根据获取的所述偏好操作流的操作步骤与按键的触发机制建立关联关系；
通过同一所述按键控制所述超声诊断设备执行所述偏好操作流。
5.根据权利要求1-3中任一项所述的超声影像调节自定义方法，其特征在于，还包括：通过同一按键删除、添加或调整偏好操作流的一个或多个操作步骤，所述按键为物理按键或虚拟按键。
6.一种超声诊断设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5中任一项所述的超声影像调节自定义方法。
7.一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至5中任一项所述的超声影像调节自定义方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910964773.4A CN112652390B (zh) | 2019-10-11 | 2019-10-11 | 超声影像调节自定义方法、存储介质及超声诊断设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910964773.4A CN112652390B (zh) | 2019-10-11 | 2019-10-11 | 超声影像调节自定义方法、存储介质及超声诊断设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112652390A CN112652390A (zh) | 2021-04-13 |
| CN112652390B true CN112652390B (zh) | 2023-11-24 |
Family
ID=75343531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910964773.4A Active CN112652390B (zh) | 2019-10-11 | 2019-10-11 | 超声影像调节自定义方法、存储介质及超声诊断设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112652390B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101527666A (zh) * | 2009-04-08 | 2009-09-09 | 无锡祥生科技有限公司 | 一种带有指纹识别器的超声诊断设备的联网架构及方法 |
| CN102043898A (zh) * | 2009-10-22 | 2011-05-04 | 通用电气公司 | 用于基于患者偏好来定制医疗图像的方法和系统 |
| CN103181778A (zh) * | 2011-12-31 | 2013-07-03 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法及系统 |
| CN107767928A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像报告生成系统及方法 |
| CN107977437A (zh) * | 2017-12-06 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
| WO2018086000A1 (en) * | 2016-11-09 | 2018-05-17 | Edan Instruments, Inc. | Systems and methods for ultrasound imaging |
| 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 |
| CN109616195A (zh) * | 2018-11-28 | 2019-04-12 | 武汉大学人民医院（湖北省人民医院） | 基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法 |
| CN110021014A (zh) * | 2019-03-29 | 2019-07-16 | 无锡祥生医疗科技股份有限公司 | 基于神经网络的神经组织识别方法、系统及存储介质 |
| CN112580404A (zh) * | 2019-09-30 | 2021-03-30 | 无锡祥生医疗科技股份有限公司 | 超声参数智能控制方法、存储介质及超声诊断设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040077952A1 (en) * | 2002-10-21 | 2004-04-22 | Rafter Patrick G. | System and method for improved diagnostic image displays |
| US20170347993A1 (en) * | 2016-06-06 | 2017-12-07 | Carestream Health, Inc. | System and method for ultrasound customization |
-
2019
- 2019-10-11 CN CN201910964773.4A patent/CN112652390B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101527666A (zh) * | 2009-04-08 | 2009-09-09 | 无锡祥生科技有限公司 | 一种带有指纹识别器的超声诊断设备的联网架构及方法 |
| CN102043898A (zh) * | 2009-10-22 | 2011-05-04 | 通用电气公司 | 用于基于患者偏好来定制医疗图像的方法和系统 |
| CN103181778A (zh) * | 2011-12-31 | 2013-07-03 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法及系统 |
| WO2018086000A1 (en) * | 2016-11-09 | 2018-05-17 | Edan Instruments, Inc. | Systems and methods for ultrasound imaging |
| CN109069100A (zh) * | 2016-11-09 | 2018-12-21 | 深圳市理邦精密仪器股份有限公司 | 超声成像系统及其方法 |
| CN107767928A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像报告生成系统及方法 |
| CN107977437A (zh) * | 2017-12-06 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
| 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 |
| CN109616195A (zh) * | 2018-11-28 | 2019-04-12 | 武汉大学人民医院（湖北省人民医院） | 基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法 |
| CN110021014A (zh) * | 2019-03-29 | 2019-07-16 | 无锡祥生医疗科技股份有限公司 | 基于神经网络的神经组织识别方法、系统及存储介质 |
| CN112580404A (zh) * | 2019-09-30 | 2021-03-30 | 无锡祥生医疗科技股份有限公司 | 超声参数智能控制方法、存储介质及超声诊断设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112652390A (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102646194B1 (ko) | 초음파 검사를 주석화하기 위한 방법 및 장치 | |
| EP3653131B1 (en) | Ultrasound diagnosis apparatus for determining abnormality of fetal heart, and operating method thereof | |
| US7022075B2 (en) | User interface for handheld imaging devices | |
| CN109758178A (zh) | 超声成像中的机器辅助工作流 | |
| CN112513674A (zh) | 基于器官检测自动动态设置成像参数的超声系统 | |
| US20030013959A1 (en) | User interface for handheld imaging devices | |
| JP2001137237A (ja) | 超音波診断装置 | |
| EP3420913B1 (en) | Ultrasound imaging apparatus and control method thereof | |
| CN111971688A (zh) | 具有用于检索复发患者的成像参数设置的人工神经网络的超声系统 | |
| EP4061230B1 (en) | Systems and methods for obtaining medical ultrasound images | |
| EP3520704B1 (en) | Ultrasound diagnosis apparatus and method of controlling the same | |
| EP3878369A1 (en) | Ultrasound imaging apparatus, control method thereof, and computer program | |
| CN112652390B (zh) | 超声影像调节自定义方法、存储介质及超声诊断设备 | |
| US20190183457A1 (en) | Systems and methods for ultrasound review and imaging | |
| US20210280298A1 (en) | Methods and systems for detecting abnormalities in medical images | |
| EP3922186A1 (en) | Ultrasonic diagnostic device providing user preset and method for operating same | |
| EP3851051B1 (en) | Ultrasound diagnosis apparatus and operating method thereof | |
| US20230057317A1 (en) | Method and system for automatically recommending ultrasound examination workflow modifications based on detected activity patterns | |
| EP3520703B1 (en) | Ultrasound diagnosis apparatus and computer-readable recording medium storing a program for executing a method of operating same | |
| WO2022134028A1 (zh) | 相似病例检索方法、相似病例检索系统和超声成像系统 | |
| US20230020442A1 (en) | Ultrasound image acquisition and processing preset sharing, and associated systems, devices, and methods | |
| CN117174275A (zh) | 一种医学设备用户反馈信息的处理系统和方法 | |
| CN116264974A (zh) | 超声波诊断装置以及记录介质 | |
| CN112702955A (zh) | 一种检查模式的确定方法及超声设备 | |
| KR20170126773A (ko) | 초음파 영상을 출력하는 방법 및 초음파 진단 장치. |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |