CN113539438A - 一种面向胎儿先天性心脏病筛查的人工智能辅助系统 - Google Patents

一种面向胎儿先天性心脏病筛查的人工智能辅助系统 Download PDF

Info

Publication number
CN113539438A
CN113539438A CN202110770151.5A CN202110770151A CN113539438A CN 113539438 A CN113539438 A CN 113539438A CN 202110770151 A CN202110770151 A CN 202110770151A CN 113539438 A CN113539438 A CN 113539438A
Authority
CN
China
Prior art keywords
image
heart disease
congenital heart
display terminal
artificial intelligence
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
Application number
CN202110770151.5A
Other languages
English (en)
Inventor
梁浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongxiang Health Medical Technology Zhejiang Co ltd
Original Assignee
Zhongxiang Health Medical Technology Zhejiang Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongxiang Health Medical Technology Zhejiang Co ltd filed Critical Zhongxiang Health Medical Technology Zhejiang Co ltd
Priority to CN202110770151.5A priority Critical patent/CN113539438A/zh
Publication of CN113539438A publication Critical patent/CN113539438A/zh
Pending legal-status Critical Current

Links

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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • 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
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种面向胎儿先天性心脏病筛查的人工智能辅助系统，所述系统包括：超声设备、图像采集设备、H5服务器和显示终端，所述超声设备拍摄视频图像，所述图像采集设备与超声设备连接，接收超声设备发送的视频图像，提取图像帧并进行图像推理，将有助于判断疾病的图像帧打上标签，所述图像采集设备将图像推理结果发送至H5服务器，所述H5服务器对图像推理结果进行分类，并将有助于判断疾病的图像发送至专家的显示终端和超声设备操作者的显示终端。本发明解决了现有胎儿先天性心脏病筛查工作量大、效率低的问题。

Description

一种面向胎儿先天性心脏病筛查的人工智能辅助系统
技术领域
本发明涉及医疗辅助诊断设备领域，具体涉及一种面向胎儿先天性心脏病筛查的人工智能辅助系统。
背景技术
目前，对于胎儿的先天性心脏病筛查，一种较为普遍的技术方法是是利用超声设备，对孕期胎儿心脏采集超声影像，再由有经验的专家判断而实现。在通过超声影像筛查胎儿先天性心脏病的过程中，较为核心的因素是具有丰富经验的专家级医生。然而，相对于庞大的检测需求，存在着专家资源相对稀缺的矛盾。主要体现在：
空间方面：专家级医生不仅资源有限，而且通常主要在大城市工作，如一、二线城市。而在三、四线城市乃至乡镇地区，及时具备超声影像采集条件，也因为专家资源相对不足而痛失早期筛查良机；
时间方面：专家工作时长是有限资源，如将超声影像全部交由专家查看，则注定仅能有部分先天性心脏病得到有效筛查。而那些来不及处理的超声影像中，可能存在“漏筛”，因此，需要一种能够快速初步处理图像，减轻医生负担的心脏病辅助筛查系统。
发明内容
为此，本发明提供一种面向胎儿先天性心脏病筛查的人工智能辅助系统，以解决现有胎儿先天性心脏病筛查工作量大、效率低的问题。
为了实现上述目的，本发明提供如下技术方案：
本发明公开了一种面向胎儿先天性心脏病筛查的人工智能辅助系统，所述系统包括：超声设备、图像采集设备、H5服务器和显示终端，所述超声设备拍摄视频图像，所述图像采集设备与超声设备连接，接收超声设备发送的视频图像，提取图像帧并进行图像推理，将有助于判断疾病的图像帧打上标签，所述图像采集设备将图像推理结果发送至H5服务器，所述H5服务器对图像推理结果进行分类，并将有助于判断疾病的图像发送至专家的显示终端和超声设备操作者的显示终端。
进一步地，所述图像采集设备将超声设备拍摄的视频流切分为多个图像帧，每个图像帧对应一张切片图像，每张切片图像展示心脏不同方位的超声影像。
进一步地，所述系统还包括：推理服务器，所述推理服务器具有对图像推理的功能，系统包括多个超声设备，每个超声设备连接一个图像采集设备，多个图像采集设备通过局域网与推理服务器连接，将采集的图像发送至局域网，通过局域网将图像传送至推理服务器。
进一步地，所述推理服务器内构建图像识别模型，先将大量可用于判断是否患有先天性心脏病的超声图像分为训练集、验证集和测试集，通过训练集数据对图像识别模型进行识别训练，训练完成后通过验证集验证图像识别模型的识别结果是否准确，通过测试集进行识别测试，完成图像识别模型的学习训练。
进一步地，所述训练集、验证集和测试集内的图像均为医生判断标注好的超声图像，每张图片标注用于判断胎儿是否患有某种先天性心脏疾病。
进一步地，所述训练集中每张用于训练的图片分为清晰的图和不清晰的图，清晰的图片有助于专家观察判断，不清晰的图片不利于观察判断，训练完成后输出图像识别模型。
进一步地，所述图像识别模型对图像采集设备发送的图像进行识别，判断超声图像有助于哪种疾病的诊断，再对图像的清晰度进行识别，判断完成后对图像打上标签。
进一步地，所述推理服务器将图像识别模型是识别结果通过互联网发送至H5服务器，所述H5服务器对图像推理结果进行分类，将有助于判断疾病的图像发送至专家的显示终端和超声设备操作者的显示终端。
进一步地，所述显示终端包括专家显示终端和操作者显示终端，专家医生通过专家显示终端接收到超声图像后，结合超声图像快速进行疾病诊断。
本发明具有如下优点：
本发明公开了一种面向胎儿先天性心脏病筛查的人工智能辅助系统，通过超声设备拍摄图像，经过推理服务器内的训练后的图像识别模型，对实时采集的超声图像进行识别，他挑选出能够有助于判断疾病，且清晰的图像，打上标签，通过H5服务器将挑选后的图像发送至专家显示终端，有助于专家快速诊断，判断疾病类型，缓解专家医生的诊断压力，使专家医生资源利用率最大化。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种面向胎儿先天性心脏病筛查的人工智能辅助系统架构示意图；
图2为本发明实施例提供的一种面向胎儿先天性心脏病筛查的人工智能辅助系统另一种架构示意图；
图3为本发明实施例提供的一种面向胎儿先天性心脏病筛查的人工智能辅助系统工作流程图；
图中：1-超声设备、2-图像采集设备、3-H5服务器、4-局域网、5-互联网、6-推理服务器、7-专家显示终端、8-操作者显示终端。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
实施例
本实施例公开了一种面向胎儿先天性心脏病筛查的人工智能辅助系统，所述系统包括：超声设备1、图像采集设备2、H5服务器3和显示终端，所述超声设备1拍摄视频图像，所述图像采集设备2与超声设备1连接，接收超声设备1发送的视频图像，提取图像帧并进行图像推理，将有助于判断疾病的图像帧打上标签，所述图像采集设备2将图像推理结果发送至H5服务器3，所述H5服务器3对图像推理结果进行分类，并将有助于判断疾病的图像发送至专家的显示终端和超声设备1操作者的显示终端。
图像采集设备2将超声设备1拍摄的视频流切分为多个图像帧，每个图像帧对应一张切片图像，每张切片图像展示心脏不同方位的超声影像，有助于医生快速对疾病进行诊断。由于同一个器官不同角度展示的图像不同，则需要针对不同角度制作切片图像。图像采集设备2对每张图像进行编码，编码与患者信息相对应，切片图像上隐藏患者信息，实现对患者的隐私保护，保障数据安全，通过编码有助于后期快速定位确诊的患者。
另一实施例中，图像采集模块不再具有图像推理功能，系统还包括：推理服务器6，所述推理服务器6具有对图像推理的功能，系统包括多个超声设备1，每个超声设备1连接一个图像采集设备2，多个图像采集设备2通过局域网4与推理服务器6连接，将采集的图像发送至局域网4，通过局域网4将图像传送至推理服务器6。
推理服务器6内构建图像识别模型，先将大量可用于判断是否患有先天性心脏病的超声图像分为训练集、验证集和测试集，通过训练集数据对图像识别模型进行识别训练，训练完成后通过验证集验证图像识别模型的识别结果是否准确，通过测试集进行识别测试，完成图像识别模型的学习训练。训练集、验证集和测试集内的图像均为医生判断标注好的超声图像，每张图片标注用于判断胎儿是否患有某种先天性心脏疾病。例如：收集数千张可用于判断是否患先天性心脏病的超声图作为“先天性心脏病”类别的训练数据。
训练集中每张用于训练的图片分为清晰的图和不清晰的图，清晰的图片有助于专家观察判断，不清晰的图片不利于观察判断，训练完成后输出图像识别模型
图像识别模型对图像采集设备2发送的图像进行识别，判断超声图像有助于哪种疾病的诊断，再对图像的清晰度进行识别，判断完成后对图像打上标签。例如：判断某张图片为“四腔心”图片，这类图片通常用于判断胎儿是否患有先天性心脏病。在完成图片的适用疾病分类后，再进行是否清晰的分类，此环节为二分类。在判断完成后，输出结果，结果包含了两个信息，一个信息是图片适用于何种先天性疾病判断，另一个信息是图片是否清晰，可供专家观察判断。
推理服务器6将图像识别模型是识别结果通过互联网5发送至H5服务器3，所述H5服务器3对图像推理结果进行分类，将有助于判断疾病的图像发送至专家的显示终端和超声设备1操作者的显示终端。显示终端包括专家显示终端7和操作者显示终端8，专家医生通过专家显示终端7接收到超声图像后，结合超声图像快速进行疾病诊断。
本实施例公开的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，通过超声设备1拍摄图像，经过推理服务器6内的训练后的图像识别模型，对实时采集的超声图像进行识别，他挑选出能够有助于判断疾病，且清晰的图像，打上标签，通过H5服务器3将挑选后的图像发送至专家显示终端7，有助于专家快速诊断，判断疾病类型，缓解专家医生的诊断压力，使专家医生资源利用率最大化。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (9)

1.一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述系统包括：超声设备、图像采集设备、H5服务器和显示终端，所述超声设备拍摄视频图像，所述图像采集设备与超声设备连接，接收超声设备发送的视频图像，提取图像帧并进行图像推理，将有助于判断疾病的图像帧打上标签，所述图像采集设备将图像推理结果发送至H5服务器，所述H5服务器对图像推理结果进行分类，并将有助于判断疾病的图像发送至专家的显示终端和超声设备操作者的显示终端。
2.如权利要求1所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述图像采集设备将超声设备拍摄的视频流切分为多个图像帧，每个图像帧对应一张切片图像，每张切片图像展示心脏不同方位的超声影像。
3.如权利要求1所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述系统还包括：推理服务器，所述推理服务器具有对图像推理的功能，系统包括多个超声设备，每个超声设备连接一个图像采集设备，多个图像采集设备通过局域网与推理服务器连接，将采集的图像发送至局域网，通过局域网将图像传送至推理服务器。
4.如权利要求3所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述推理服务器内构建图像识别模型，先将大量可用于判断是否患有先天性心脏病的超声图像分为训练集、验证集和测试集，通过训练集数据对图像识别模型进行识别训练，训练完成后通过验证集验证图像识别模型的识别结果是否准确，通过测试集进行识别测试，完成图像识别模型的学习训练。
5.如权利要求4所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述训练集、验证集和测试集内的图像均为医生判断标注好的超声图像，每张图片标注用于判断胎儿是否患有某种先天性心脏疾病。
6.如权利要求5所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述训练集中每张用于训练的图片分为清晰的图和不清晰的图，清晰的图片有助于专家观察判断，不清晰的图片不利于观察判断，训练完成后输出图像识别模型。
7.如权利要求4所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述图像识别模型对图像采集设备发送的图像进行识别，判断超声图像有助于哪种疾病的诊断，再对图像的清晰度进行识别，判断完成后对图像打上标签。
8.如权利要求3所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述推理服务器将图像识别模型是识别结果通过互联网发送至H5服务器，所述H5服务器对图像推理结果进行分类，将有助于判断疾病的图像发送至专家的显示终端和超声设备操作者的显示终端。
9.如权利要求3所述的一种面向胎儿先天性心脏病筛查的人工智能辅助系统，其特征在于，所述显示终端包括专家显示终端和操作者显示终端，专家医生通过专家显示终端接收到超声图像后，结合超声图像快速进行疾病诊断。
CN202110770151.5A 2021-07-07 2021-07-07 一种面向胎儿先天性心脏病筛查的人工智能辅助系统 Pending CN113539438A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110770151.5A CN113539438A (zh) 2021-07-07 2021-07-07 一种面向胎儿先天性心脏病筛查的人工智能辅助系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110770151.5A CN113539438A (zh) 2021-07-07 2021-07-07 一种面向胎儿先天性心脏病筛查的人工智能辅助系统

Publications (1)

Publication Number Publication Date
CN113539438A true CN113539438A (zh) 2021-10-22

Family

ID=78127052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110770151.5A Pending CN113539438A (zh) 2021-07-07 2021-07-07 一种面向胎儿先天性心脏病筛查的人工智能辅助系统

Country Status (1)

Country Link
CN (1) CN113539438A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170262982A1 (en) * 2016-03-09 2017-09-14 EchoNous, Inc. Ultrasound image recognition systems and methods utilizing an artificial intelligence network
CN112801958A (zh) * 2021-01-18 2021-05-14 青岛大学附属医院 超声内镜、人工智能辅助鉴别方法、系统、终端、介质
CN112862752A (zh) * 2020-12-31 2021-05-28 北京小白世纪网络科技有限公司 一种图像处理显示方法、系统电子设备及存储介质
US20210202069A1 (en) * 2019-12-31 2021-07-01 GE Precision Healthcare LLC Method and system for providing a guided workflow through a series of ultrasound image acquisitions with reference images updated based on a determined anatomical position

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170262982A1 (en) * 2016-03-09 2017-09-14 EchoNous, Inc. Ultrasound image recognition systems and methods utilizing an artificial intelligence network
CN109362221A (zh) * 2016-03-09 2019-02-19 安科诺思公司 利用人工智能网络的超声图像识别系统和方法
US20210202069A1 (en) * 2019-12-31 2021-07-01 GE Precision Healthcare LLC Method and system for providing a guided workflow through a series of ultrasound image acquisitions with reference images updated based on a determined anatomical position
CN112862752A (zh) * 2020-12-31 2021-05-28 北京小白世纪网络科技有限公司 一种图像处理显示方法、系统电子设备及存储介质
CN112801958A (zh) * 2021-01-18 2021-05-14 青岛大学附属医院 超声内镜、人工智能辅助鉴别方法、系统、终端、介质

Similar Documents

Publication Publication Date Title
US11101033B2 (en) Medical image aided diagnosis method and system combining image recognition and report editing
CN111227864B (zh) 使用超声图像利用计算机视觉进行病灶检测的装置
CN111214255B (zh) 一种医学超声图像计算机辅助方法
CN109615633A (zh) 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法
CN112086197A (zh) 基于超声医学的乳腺结节检测方法及系统
CN111242921B (zh) 一种医学超声图像辅助诊断系统自动更新的方法及系统
CN111292324B (zh) 一种针对臂丛神经超声图像的多目标识别方法及系统
WO2023061104A1 (zh) 一种基于多模态信息的颈动脉超声报告生成系统
CN110909646B (zh) 数字病理切片图像的采集方法、装置、计算机设备及存储介质
CN112950534A (zh) 一种基于人工智能的便携式超声肺炎辅助诊断系统
CN112712906A (zh) 视频图像处理方法、装置、电子设备及存储介质
CN111583250B (zh) 一种基于深度学习的超声图像二尖瓣的定位方法及系统
CN108877915A (zh) 微创视像处理的智能边缘计算系统
CN111754485A (zh) 一种用于肝脏的人工智能超声辅助系统
CN110235172A (zh) 基于超声影像设备的图像分析方法及超声影像设备
CN113539438A (zh) 一种面向胎儿先天性心脏病筛查的人工智能辅助系统
CN114004854A (zh) 一种显微镜下的切片图像实时处理显示系统和方法
CN110197722B (zh) Ai-cpu系统平台
CN111127391B (zh) 一种基于甲状腺超声视频流动态识别结节良恶性的装置
WO2021027152A1 (zh) 基于条件生成对抗网络合成图像的方法及相关设备
CN110827275A (zh) 基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法
CN114565582B (zh) 一种医学图像分类和病变区域定位方法、系统及存储介质
CN109979588A (zh) 图像扫描病理切片系统
CN108960305A (zh) 一种内镜影像判定系统及方法
CN115661037A (zh) 一种胶囊内镜辅助检测方法、装置、系统、设备及介质

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