CN112885450A - 一种超声体标智能识别系统 - Google Patents
一种超声体标智能识别系统 Download PDFInfo
- Publication number
- CN112885450A CN112885450A CN202110175996.XA CN202110175996A CN112885450A CN 112885450 A CN112885450 A CN 112885450A CN 202110175996 A CN202110175996 A CN 202110175996A CN 112885450 A CN112885450 A CN 112885450A
- Authority
- CN
- China
- Prior art keywords
- module
- body mark
- ultrasonic
- output end
- input end
- 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
- 230000006870 function Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000000523 sample Substances 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 19
- 238000007689 inspection Methods 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 230000008676 import Effects 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000000465 moulding Methods 0.000 claims description 2
- 238000002601 radiography Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract 1
- 238000002604 ultrasonography Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
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
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及超声检查技术领域,具体地说,涉及一种超声体标智能识别系统。包括基础数库单元、功能应用单元、判识处理单元和自主学习单元,基础数库单元用于采集已公开的相关资料并归类存储在云端数据平台;功能应用单元用于集中管理超声检查仪器的功能模式及不同模式之间的平滑切换;判识处理单元用于对患者待检查的身体部位进行判识并生成对应体标;自主学习单元用于收集系统每次自动生成体标的记录并定时统计出现错判的概率。本发明设计可以节省人力和时间,减轻医生工作量,提高超声检查的工作效率,降低体标错误发生率,保证良好的检查效果,提高诊断的准确性。
Description
技术领域
本发明涉及超声检查技术领域,具体地说,涉及一种超声体标智能识别系统。
背景技术
超声科医生每天都要检查大量病人,有些病人可能会做几个部位,每个不同的检查位置在检查时都需修改对应的体标,费时费力。医生的工作量大,同时体标类型较多,在具体操作过程中,医生有时在给病人做检查时会忘记改成对应的体标,或者修改体标时选择错误,从而会导致检查效果不佳甚至出现诊断错误。
发明内容
本发明的目的在于提供了一种超声体标智能识别系统,以解决上述背景技术中提出的问题。
为实现上述技术问题的解决,本发明的目的之一在于,提供了一种超声体标智能识别系统,包括
基础数库单元、功能应用单元、判识处理单元和自主学习单元,所述基础数库单元、所述功能应用单元、所述判识处理单元与所述自主学习单元依次通过以太网通讯连接,所述基础数库单元用于采集已公开的相关资料并归类存储在云端数据平台;所述功能应用单元用于集中管理超声检查仪器的功能模式及不同模式之间的平滑切换;所述判识处理单元用于对患者待检查的身体部位进行判识并生成对应体标;所述自主学习单元用于收集系统每次自动生成体标的记录并定时统计出现错判的概率;
所述基础数库单元包括信息导入模块、归类存储模块、传输通讯模块和实时更新模块;
所述功能应用单元包括模式管理模块、探头切换模块、参数设定模块和屏显设置模块;
所述判识处理单元包括体表扫描模块、成像记录模块、特征对比模块和体标切换模块;
所述自主学习单元包括校验确认模块、手动纠错模块、错判记录模块和概率统计模块。
作为本技术方案的进一步改进,所述信息导入模块的信号输出端与所述归类存储模块的信号输入端连接,所述归类存储模块的信号输出端与所述传输通讯模块的信号输入端连接,所述传输通讯模块的信号输出端与所述实时更新模块的信号输入端连接;所述信息导入模块用于采集收录预先制备及已公开的超声图像数据;所述归类存储模块用于将收录的数据按一定的规则归类存储到对应文件夹中;所述传输通讯模块用于通过无线通讯技术在云端数据库与系统处理器之间建立数据传输的通道;所述实时更新模块用于将公开的新增数据及系统运行过程中采集的数据更新到云端数据库中。
作为本技术方案的进一步改进,所述归类存储模块采用K-均值聚类算法,其算法表达公式为:
其中,k为迭代运算的次序号,第一次迭代k=1,Sj表示第j个聚类,其聚类中心为Zj,J为聚类准则函数。
作为本技术方案的进一步改进,所述模式管理模块的信号输出端与所述探头切换模块的信号输入端连接,所述探头切换模块的信号输出端与所述参数设定模块的信号输入端,所述参数设定模块的信号输出端与所述屏显设置模块的信号输入端连接;所述模式管理模块用于根据超声检查的部位及检查方式对系统运行模式进行分别管理及控制不同模式间的平滑切换;所述探头切换模块用于根据检查模式选择对应探头并切换探头与处理器之间的数据传输通道;所述参数设定模块用于根据选定的运行模式设定对应的成像参数;所述屏显设置模块用于根据检查项目及个人使用需求设置显示屏的显示模式。
作为本技术方案的进一步改进,所述模式管理模块包括超声介入模块、体表检查模块、导航融合模块和智能辅助模块;所述超声介入模块、所述体表检查模块、所述导航融合模块与所述智能辅助模块并列运行;所述超声介入模块用于提供超声成型、超声造影等超声介入检查功能;所述体表检查模块用于提供在体表进行超声查体的检查功能;所述导航融合模块用于给多影像融合检查提供导航功能;所述智能辅助模块用于将超声检查与人工智能相结合以便给其他检查项目提供辅助作用。
作为本技术方案的进一步改进,所述体表扫描模块的信号输出端与所述成像记录模块的信号输入端连接,所述成像记录模块的信号输出端与所述特征对比模块的信号输入端连接,所述特征对比模块的信号输出端与所述体标切换模块的信号输入端连接;所述体表扫描模块用于采集探头在患者身体待检查部位的体表大致扫描的信息;所述成像记录模块用于将扫描采集的信息进行信号放大和信息处理后形成图像并显现在显示屏上;所述特征对比模块用于提取采集到的图像信息中的特征并对比数据库中的参照图像以判断待检查的部位;所述体标切换模块用于根据判识出的检查部位生成对应的体标。
作为本技术方案的进一步改进,所述特征对比模块包括图像截取模块、特征提取模块、参照搜索模块和分析判识模块;所述图像截取模块的信号输出端与所述特征提取模块的信号输入端连接,所述特征提取模块的信号输出端与所述参照搜索模块的信号输入端连接,所述参照搜索模块的信号输出端与所述分析判识模块的信号输入端连接;所述图像截取模块用于从多个角度截取图像中的静态图形;所述特征提取模块用于提取静态图形的位置、形态、大小等特征点;所述参照搜索模块用于按提取的特征点在数据库中搜索相关图像信息;所述分析判识模块用于将截取的特征图形与检索出的参照图形进行对比并经综合分析判识检查部位。
作为本技术方案的进一步改进,所述校验确认模块的信号输出端与所述手动纠错模块的信号输入端连接,所述手动纠错模块的信号输出端与所述错判记录模块的信号输入端连接,所述错判记录模块的信号输出端与所述概率统计模块的信号输入端连接;校验确认模块用于给用户提供核验及确认生成体标的正确与否并接收反馈信号;所述手动纠错模块用于在系统生成体标出现错误时通过手动进行纠错调整;所述错判记录模块用于将出现体标误判的图像信息做好标记后更新到数据库中;所述概率统计模块用于在设置的时间周期内统计并计算出现体标误判的概率值。
作为本技术方案的进一步改进,所述概率统计模块的计算表达式为:
其中,Pt为时间段t内出现体标错判的概率,Kt为时间段t内出现体标错判的次数,Mt为时间段t内自动进行生成体标运行的所有次数。
本发明的目的之二在于,提供一种减少体标错误发生率的智能系统运行方法,包括如下步骤:
S1、医护用户以合法身份登录系统,根据患者要进行检查的项目,选择合适的超声检查模式;
S2、医护用户根据选择的模式,切换对应的探头,并按照个人使用需求设定好屏显参数及模式;
S3、医护用户取用探头,在患者待检查的部位体表大体扫描一下,探头将扫描的信息传输到显示屏上形成对应的图像,并提取截取图形中的部位位置、形态及大小等特征,系统自动在云端数据库检索与特征点符合的信息,通过对比分析,判识出检查部位;
S4、医护用户按下操作板上的体标键,系统根据判识出的检查部位生成对应的体标,并弹出校核确认的对话框,医护用户查看生成的体标,若体标正确则反馈确认的信号;
S5、若体标错误,则医护用户反馈驳回的信号,并通过手动操作重新修改体标,而后按常规流程给患者进行超声检查即可;
S6、系统自动记录每次运行的过程,并将数据更新到云端数据库中;
S7、系统自动记录并统计出现体标错判的情况,定时进行概率统计,并自动进行学习、分析及反馈,以便不断改进。
本发明的目的之三在于,提供了超声体标智能识别系统,包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序,处理器用于执行计算机程序时实现上述任一的超声体标智能识别系统。
本发明的目的之四在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一的超声体标智能识别系统。
与现有技术相比,本发明的有益效果:该一种超声体标智能识别系统中,通过设置经大体扫描即可自动判识检查部位的系统,并根据检查部位自动生成对应体标,可以省去医生每次检查都需手动修改体标的麻烦,降低修改体标过程中出现选择错误的概率,节省人力和时间,减轻医生工作量,提高超声检查的工作效率,降低体标错误发生率,保证良好的检查效果,提高诊断的准确性。
附图说明
图1为本发明的示例性产品架构图;
图2为本发明中系统装置的整体结构图;
图3为本发明中系统装置的局部结构图之一;
图4为本发明中系统装置的局部结构图之二;
图5为本发明中系统装置的局部结构图之三;
图6为本发明中系统装置的局部结构图之四;
图7为本发明中系统装置的局部结构图之五;
图8为本发明中系统装置的局部结构图之六;
图9为本发明中系统装置的局部结构图之七。
图中各个标号意义为:
100、基础数库单元;101、信息导入模块;102、归类存储模块;103、传输通讯模块;104、实时更新模块;
200、功能应用单元;201、模式管理模块;2011、超声介入模块;2012、体表检查模块;2013、导航融合模块;2014、智能辅助模块;202、探头切换模块;203、参数设定模块;204、屏显设置模块;
300、判识处理单元;301、体表扫描模块;302、成像记录模块;303、特征对比模块;3031、图像截取模块;3032、特征提取模块;3033、参照搜索模块;3034、分析判识模块;304、体标切换模块;
400、自主学习单元;401、校验确认模块;402、手动纠错模块;403、错判记录模块;404、概率统计模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
系统实施例
如图1-9所示,本实施例提供了一种超声体标智能识别系统,包括
基础数库单元100、功能应用单元200、判识处理单元300和自主学习单元400,基础数库单元100、功能应用单元200、判识处理单元300与自主学习单元400依次通过以太网通讯连接,基础数库单元100用于采集已公开的相关资料并归类存储在云端数据平台;功能应用单元200用于集中管理超声检查仪器的功能模式及不同模式之间的平滑切换;判识处理单元300用于对患者待检查的身体部位进行判识并生成对应体标;自主学习单元400用于收集系统每次自动生成体标的记录并定时统计出现错判的概率;
基础数库单元100包括信息导入模块101、归类存储模块102、传输通讯模块103和实时更新模块104;
功能应用单元200包括模式管理模块201、探头切换模块202、参数设定模块203和屏显设置模块204;
判识处理单元300包括体表扫描模块301、成像记录模块302、特征对比模块303和体标切换模块304;
自主学习单元400包括校验确认模块401、手动纠错模块402、错判记录模块403和概率统计模块404。
本实施例中,信息导入模块101的信号输出端与归类存储模块102的信号输入端连接,归类存储模块102的信号输出端与传输通讯模块103的信号输入端连接,传输通讯模块103的信号输出端与实时更新模块104的信号输入端连接;信息导入模块101用于采集收录预先制备及已公开的超声图像数据;归类存储模块102用于将收录的数据按一定的规则归类存储到对应文件夹中;传输通讯模块103用于通过无线通讯技术在云端数据库与系统处理器之间建立数据传输的通道;实时更新模块104用于将公开的新增数据及系统运行过程中采集的数据更新到云端数据库中。
具体地,归类存储模块102采用K-均值聚类算法,其算法表达公式为:
其中,k为迭代运算的次序号,第一次迭代k=1,Sj表示第j个聚类,其聚类中心为Zj,J为聚类准则函数。
本实施例中,模式管理模块201的信号输出端与探头切换模块202的信号输入端连接,探头切换模块202的信号输出端与参数设定模块203的信号输入端,参数设定模块203的信号输出端与屏显设置模块204的信号输入端连接;模式管理模块201用于根据超声检查的部位及检查方式对系统运行模式进行分别管理及控制不同模式间的平滑切换;探头切换模块202用于根据检查模式选择对应探头并切换探头与处理器之间的数据传输通道;参数设定模块203用于根据选定的运行模式设定对应的成像参数;屏显设置模块204用于根据检查项目及个人使用需求设置显示屏的显示模式。
进一步地,模式管理模块201包括超声介入模块2011、体表检查模块2012、导航融合模块2013和智能辅助模块2014;超声介入模块2011、体表检查模块2012、导航融合模块2013与智能辅助模块2014并列运行;超声介入模块2011用于提供超声成型、超声造影等超声介入检查功能;体表检查模块2012用于提供在体表进行超声查体的检查功能;导航融合模块2013用于给多影像融合检查提供导航功能;智能辅助模块2014用于将超声检查与人工智能相结合以便给其他检查项目提供辅助作用。
本实施例中,体表扫描模块301的信号输出端与成像记录模块302的信号输入端连接,成像记录模块302的信号输出端与特征对比模块303的信号输入端连接,特征对比模块303的信号输出端与体标切换模块304的信号输入端连接;体表扫描模块301用于采集探头在患者身体待检查部位的体表大致扫描的信息;成像记录模块302用于将扫描采集的信息进行信号放大和信息处理后形成图像并显现在显示屏上;特征对比模块303用于提取采集到的图像信息中的特征并对比数据库中的参照图像以判断待检查的部位;体标切换模块304用于根据判识出的检查部位生成对应的体标。
进一步地,特征对比模块303包括图像截取模块3031、特征提取模块3032、参照搜索模块3033和分析判识模块3034;图像截取模块3031的信号输出端与特征提取模块3032的信号输入端连接,特征提取模块3032的信号输出端与参照搜索模块3033的信号输入端连接,参照搜索模块3033的信号输出端与分析判识模块3034的信号输入端连接;图像截取模块3031用于从多个角度截取图像中的静态图形;特征提取模块3032用于提取静态图形的位置、形态、大小等特征点;参照搜索模块3033用于按提取的特征点在数据库中搜索相关图像信息;分析判识模块3034用于将截取的特征图形与检索出的参照图形进行对比并经综合分析判识检查部位。
本实施例中,校验确认模块401的信号输出端与手动纠错模块402的信号输入端连接,手动纠错模块402的信号输出端与错判记录模块403的信号输入端连接,错判记录模块403的信号输出端与概率统计模块404的信号输入端连接;校验确认模块401用于给用户提供核验及确认生成体标的正确与否并接收反馈信号;手动纠错模块402用于在系统生成体标出现错误时通过手动进行纠错调整;错判记录模块403用于将出现体标误判的图像信息做好标记后更新到数据库中;概率统计模块404用于在设置的时间周期内统计并计算出现体标误判的概率值。
具体地,概率统计模块404的计算表达式为:
其中,Pt为时间段t内出现体标错判的概率,Kt为时间段t内出现体标错判的次数,Mt为时间段t内自动进行生成体标运行的所有次数。
方法实施例
本实施例的目的在于,提供一种超声体标智能识别系统运行方法,包括如下步骤:
S1、医护用户以合法身份登录系统,根据患者要进行检查的项目,选择合适的超声检查模式;
S2、医护用户根据选择的模式,切换对应的探头,并按照个人使用需求设定好屏显参数及模式;
S3、医护用户取用探头,在患者待检查的部位体表大体扫描一下,探头将扫描的信息传输到显示屏上形成对应的图像,并提取截取图形中的部位位置、形态及大小等特征,系统自动在云端数据库检索与特征点符合的信息,通过对比分析,判识出检查部位;
S4、医护用户按下操作板上的体标键,系统根据判识出的检查部位生成对应的体标,并弹出校核确认的对话框,医护用户查看生成的体标,若体标正确则反馈确认的信号;
S5、若体标错误,则医护用户反馈驳回的信号,并通过手动操作重新修改体标,而后按常规流程给患者进行超声检查即可;
S6、系统自动记录每次运行的过程,并将数据更新到云端数据库中;
S7、系统自动记录并统计出现体标错判的情况,定时进行概率统计,并自动进行学习、分析及反馈,以便不断改进。
电子设备实施例
参阅图9,示出了本实施例的减少体标错误发生率的智能系统装置结构示意图,该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
处理器包括一个或一个以上处理核心,处理器通过总线与处理器相连,存储器用于存储程序指令,处理器执行存储器中的程序指令时实现上述的减少体标错误发生率的智能系统。
可选的,存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随时存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
此外,本发明还提供了计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的超声体标智能识别系统。
可选的,本发明还提供了了包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各方面超声体标智能识别系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储与计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种超声体标智能识别系统,其特征在于:包括
基础数库单元(100)、功能应用单元(200)、判识处理单元(300)和自主学习单元(400),所述基础数库单元(100)、所述功能应用单元(200)、所述判识处理单元(300)与所述自主学习单元(400)依次通过以太网通讯连接,所述基础数库单元(100)用于采集已公开的相关资料并归类存储在云端数据平台;所述功能应用单元(200)用于集中管理超声检查仪器的功能模式及不同模式之间的平滑切换;所述判识处理单元(300)用于对患者待检查的身体部位进行判识并生成对应体标;所述自主学习单元(400)用于收集系统每次自动生成体标的记录并定时统计出现错判的概率;
所述基础数库单元(100)包括信息导入模块(101)、归类存储模块(102)、传输通讯模块(103)和实时更新模块(104);
所述功能应用单元(200)包括模式管理模块(201)、探头切换模块(202)、参数设定模块(203)和屏显设置模块(204);
所述判识处理单元(300)包括体表扫描模块(301)、成像记录模块(302)、特征对比模块(303)和体标切换模块(304);
所述自主学习单元(400)包括校验确认模块(401)、手动纠错模块(402)、错判记录模块(403)和概率统计模块(404)。
2.根据权利要求1所述的超声体标智能识别系统,其特征在于:所述信息导入模块(101)的信号输出端与所述归类存储模块(102)的信号输入端连接,所述归类存储模块(102)的信号输出端与所述传输通讯模块(103)的信号输入端连接,所述传输通讯模块(103)的信号输出端与所述实时更新模块(104)的信号输入端连接;所述信息导入模块(101)用于采集收录预先制备及已公开的超声图像数据;所述归类存储模块(102)用于将收录的数据按一定的规则归类存储到对应文件夹中;所述传输通讯模块(103)用于通过无线通讯技术在云端数据库与系统处理器之间建立数据传输的通道;所述实时更新模块(104)用于将公开的新增数据及系统运行过程中采集的数据更新到云端数据库中。
4.根据权利要求1所述的超声体标智能识别系统,其特征在于:所述模式管理模块(201)的信号输出端与所述探头切换模块(202)的信号输入端连接,所述探头切换模块(202)的信号输出端与所述参数设定模块(203)的信号输入端,所述参数设定模块(203)的信号输出端与所述屏显设置模块(204)的信号输入端连接;所述模式管理模块(201)用于根据超声检查的部位及检查方式对系统运行模式进行分别管理及控制不同模式间的平滑切换;所述探头切换模块(202)用于根据检查模式选择对应探头并切换探头与处理器之间的数据传输通道;所述参数设定模块(203)用于根据选定的运行模式设定对应的成像参数;所述屏显设置模块(204)用于根据检查项目及个人使用需求设置显示屏的显示模式。
5.根据权利要求4所述的超声体标智能识别系统,其特征在于:所述模式管理模块(201)包括超声介入模块(2011)、体表检查模块(2012)、导航融合模块(2013)和智能辅助模块(2014);所述超声介入模块(2011)、所述体表检查模块(2012)、所述导航融合模块(2013)与所述智能辅助模块(2014)并列运行;所述超声介入模块(2011)用于提供超声成型、超声造影等超声介入检查功能;所述体表检查模块(2012)用于提供在体表进行超声查体的检查功能;所述导航融合模块(2013)用于给多影像融合检查提供导航功能;所述智能辅助模块(2014)用于将超声检查与人工智能相结合以便给其他检查项目提供辅助作用。
6.根据权利要求1所述的超声体标智能识别系统,其特征在于:所述体表扫描模块(301)的信号输出端与所述成像记录模块(302)的信号输入端连接,所述成像记录模块(302)的信号输出端与所述特征对比模块(303)的信号输入端连接,所述特征对比模块(303)的信号输出端与所述体标切换模块(304)的信号输入端连接;所述体表扫描模块(301)用于采集探头在患者身体待检查部位的体表大致扫描的信息;所述成像记录模块(302)用于将扫描采集的信息进行信号放大和信息处理后形成图像并显现在显示屏上;所述特征对比模块(303)用于提取采集到的图像信息中的特征并对比数据库中的参照图像以判断待检查的部位;所述体标切换模块(304)用于根据判识出的检查部位生成对应的体标。
7.根据权利要求6所述的超声体标智能识别系统,其特征在于:所述特征对比模块(303)包括图像截取模块(3031)、特征提取模块(3032)、参照搜索模块(3033)和分析判识模块(3034);所述图像截取模块(3031)的信号输出端与所述特征提取模块(3032)的信号输入端连接,所述特征提取模块(3032)的信号输出端与所述参照搜索模块(3033)的信号输入端连接,所述参照搜索模块(3033)的信号输出端与所述分析判识模块(3034)的信号输入端连接;所述图像截取模块(3031)用于从多个角度截取图像中的静态图形;所述特征提取模块(3032)用于提取静态图形的位置、形态、大小等特征点;所述参照搜索模块(3033)用于按提取的特征点在数据库中搜索相关图像信息;所述分析判识模块(3034)用于将截取的特征图形与检索出的参照图形进行对比并经综合分析判识检查部位。
8.根据权利要求1所述的超声体标智能识别系统,其特征在于:所述校验确认模块(401)的信号输出端与所述手动纠错模块(402)的信号输入端连接,所述手动纠错模块(402)的信号输出端与所述错判记录模块(403)的信号输入端连接,所述错判记录模块(403)的信号输出端与所述概率统计模块(404)的信号输入端连接;校验确认模块(401)用于给用户提供核验及确认生成体标的正确与否并接收反馈信号;所述手动纠错模块(402)用于在系统生成体标出现错误时通过手动进行纠错调整;所述错判记录模块(403)用于将出现体标误判的图像信息做好标记后更新到数据库中;所述概率统计模块(404)用于在设置的时间周期内统计并计算出现体标误判的概率值。
10.根据权利要求1-9所述的超声体标智能识别系统,其特征在于:所述系统的运行方法,包括如下步骤:
S1、医护用户以合法身份登录系统,根据患者要进行检查的项目,选择合适的超声检查模式;
S2、医护用户根据选择的模式,切换对应的探头,并按照个人使用需求设定好屏显参数及模式;
S3、医护用户取用探头,在患者待检查的部位体表大体扫描一下,探头将扫描的信息传输到显示屏上形成对应的图像,并提取截取图形中的部位位置、形态及大小等特征,系统自动在云端数据库检索与特征点符合的信息,通过对比分析,判识出检查部位;
S4、医护用户按下操作板上的体标键,系统根据判识出的检查部位生成对应的体标,并弹出校核确认的对话框,医护用户查看生成的体标,若体标正确则反馈确认的信号;
S5、若体标错误,则医护用户反馈驳回的信号,并通过手动操作重新修改体标,而后按常规流程给患者进行超声检查即可;
S6、系统自动记录每次运行的过程,并将数据更新到云端数据库中;
S7、系统自动记录并统计出现体标错判的情况,定时进行概率统计,并自动进行学习、分析及反馈,以便不断改进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110175996.XA CN112885450A (zh) | 2021-02-09 | 2021-02-09 | 一种超声体标智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110175996.XA CN112885450A (zh) | 2021-02-09 | 2021-02-09 | 一种超声体标智能识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112885450A true CN112885450A (zh) | 2021-06-01 |
Family
ID=76056224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110175996.XA Pending CN112885450A (zh) | 2021-02-09 | 2021-02-09 | 一种超声体标智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112885450A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101779964A (zh) * | 2009-01-20 | 2010-07-21 | 株式会社东芝 | 超声波诊断装置和位置信息取得方法 |
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 |
CN109346143A (zh) * | 2018-12-07 | 2019-02-15 | 蔡荣杰 | 一种提高超声检查报告编辑速度的方法 |
JP2020146074A (ja) * | 2019-03-11 | 2020-09-17 | 株式会社日立製作所 | 超音波診断装置及び表示方法 |
CN112215843A (zh) * | 2019-12-31 | 2021-01-12 | 无锡祥生医疗科技股份有限公司 | 超声智能成像导航方法、装置、超声设备及存储介质 |
-
2021
- 2021-02-09 CN CN202110175996.XA patent/CN112885450A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101779964A (zh) * | 2009-01-20 | 2010-07-21 | 株式会社东芝 | 超声波诊断装置和位置信息取得方法 |
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 |
CN109346143A (zh) * | 2018-12-07 | 2019-02-15 | 蔡荣杰 | 一种提高超声检查报告编辑速度的方法 |
JP2020146074A (ja) * | 2019-03-11 | 2020-09-17 | 株式会社日立製作所 | 超音波診断装置及び表示方法 |
CN112215843A (zh) * | 2019-12-31 | 2021-01-12 | 无锡祥生医疗科技股份有限公司 | 超声智能成像导航方法、装置、超声设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
吴陈编著: "《模式识别》", 31 March 2020, 机械工业出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200342267A1 (en) | Data processing apparatus and method, recognition apparatus, learning data storage apparatus, machine learning apparatus, and program | |
CN109190540B (zh) | 活检区域预测方法、图像识别方法、装置和存储介质 | |
WO2020253629A1 (zh) | 检测模型训练方法、装置、计算机设备和存储介质 | |
CN111524137B (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
CN110942447B (zh) | Oct图像分割方法、装置、设备及存储介质 | |
CN113241138B (zh) | 医疗事件信息的抽取方法、装置、计算机设备及存储介质 | |
CN110222336A (zh) | 财务报告分析方法、装置、计算机设备和存储介质 | |
CN112989990B (zh) | 医疗票据识别方法、装置、设备及存储介质 | |
JP4661267B2 (ja) | 原因調査装置、原因調査システム、原因調査方法、原因調査プログラム、および、原因調査プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN113021355B (zh) | 一种用于预测遮挡农作物摘取点的农业机器人作业方法 | |
CN113160199B (zh) | 影像识别方法、装置、计算机设备和存储介质 | |
CN111986217B (zh) | 一种图像处理方法、装置及设备 | |
CN110619621A (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
CN112885450A (zh) | 一种超声体标智能识别系统 | |
WO2020211248A1 (zh) | 活体检测日志解析的方法、装置、存储介质及计算机设备 | |
CN112001877A (zh) | 一种基于深度学习的甲状腺恶性结节检测方法 | |
CN116486304A (zh) | 一种基于超声视频的关键帧提取方法及相关设备 | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 | |
CN111968111A (zh) | 一种ct图像的脏器或伪影辨别方法及装置 | |
KR20210113573A (ko) | 인공지능을 이용하여 정렬된 염색체 이미지의 분석을 통한 염색체 이상 판단 방법, 장치 및 컴퓨터프로그램 | |
CN110837459A (zh) | 一种基于大数据的运行绩效分析方法及系统 | |
US20220277452A1 (en) | Methods for analyzing and reducing inter/intra site variability using reduced reference images and improving radiologist diagnostic accuracy and consistency | |
US20230306630A1 (en) | Image analysis server, object counting method using image analysis server, and object counting syste | |
CN117011617B (zh) | 基于二阶段教师-学生框架的肺结节检测装置及构建方法 | |
WO2024004127A1 (ja) | 情報処理システム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210601 |
|
RJ01 | Rejection of invention patent application after publication |