CN113951932A - 一种超声设备的扫查方法及设备 - Google Patents

一种超声设备的扫查方法及设备 Download PDF

Info

Publication number
CN113951932A
CN113951932A CN202111446877.XA CN202111446877A CN113951932A CN 113951932 A CN113951932 A CN 113951932A CN 202111446877 A CN202111446877 A CN 202111446877A CN 113951932 A CN113951932 A CN 113951932A
Authority
CN
China
Prior art keywords
scanning
image
scanned
information
scanning probe
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
CN202111446877.XA
Other languages
English (en)
Inventor
朱瑞星
堵葛亮
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.)
Shanghai Shenzhi Information Technology Co ltd
Original Assignee
Shanghai Shenzhi Information Technology 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 Shanghai Shenzhi Information Technology Co ltd filed Critical Shanghai Shenzhi Information Technology Co ltd
Priority to CN202111446877.XA priority Critical patent/CN113951932A/zh
Publication of CN113951932A publication Critical patent/CN113951932A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4444—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to the probe
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及超声扫查技术领域，具体涉及一种超声设备的扫查方法及设备，包括：步骤S1：对待扫查区域进行扫查以生成一扫查图像；步骤S2：判断是否需要以另一扫查方向对所述待扫查区域进行扫查；若是，转向步骤S3；若否，结束扫查过程；步骤S3：对所述扫查图像进行识别以获取一参考点，根据所述参考点和所述扫查方向调整所述超声设备的扫查探头，随后返回所述步骤S1。本发明的有益效果在于：通过对超声图像进行识别可以生成对应于当前扫查状态的参考点，以便于对扫查位置和方向进行准确调整，进而避免了在连续扫查过程中，自动化扫查设备因为不同的扫查阶段中采用的扫查位置和方向不同导致的扫查位置偏移的问题。

Description

一种超声设备的扫查方法及设备
技术领域
本发明涉及超声扫查技术领域，具体涉及一种超声设备的扫查方法及设备。
背景技术
超声扫查，或医学超声检查，是一种基于超声波的医学影像学诊断技术。该技术基于超声波可以在患者体外实现对患者的肌肉组织、内脏器官——包括大小、结构以及病理学病灶的可视化成像，以辅助医生对患者的疾病作出有效诊断。超声扫查设备，指应用了上述超声扫查技术的医疗仪器，其通过超声波的方式对患者的各组织部分进行成像以辅助医疗诊断。通常情况下，超声扫查设备为手持设备，通过手持的扫查探头向患者发射超声波并采集超声波回波，随后由主机对超声波回波进行实时的影像重建以供医生进行诊断，如B超(B型超声检查，其输出的是一基于超声波回波建立的灰阶图像)。这类超声扫查设备在扫查过程中主要依赖于操作员的经验，根据实时获得的扫查影像对扫查轨迹和位置进行调整，往往会存在扫查效果不好的问题。
现有技术中已存在有针对上述技术问题改进的方案，比如通过自动化扫查设备取代人工扫查，或是通过计算机技术辅助操作员进行扫查等。但是，发明人在具体实施过程中发现，现有技术中针对自动化设备的扫查方法并未解决扫查设备在患者体表运动时的导航问题，或是在导航过程中控制准确度不高，成像效果较差，仍需要人工进行调整，不能很好地适应全自动的扫查场景。
发明内容
针对现有技术中存在的上述问题，现提供一种超声设备的扫查方法及设备。
具体技术方案如下：
一种超声设备的扫查方法，包括：
步骤S1：对待扫查区域进行扫查以生成一扫查图像；
步骤S2：判断是否需要以另一扫查方向对所述待扫查区域进行扫查；
若是，转向步骤S3；
若否，结束扫查过程；
步骤S3：对所述扫查图像进行识别以获取一参考点，根据所述参考点和所述扫查方向调整所述超声设备的扫查探头，随后返回所述步骤S1。
优选地，在所述步骤S1之前还包括一待扫查区域识别过程，具体包括：
步骤S01：对患者体表采集光学图像；
所述光学图像中包括所述待扫查区域的光学图像；
步骤S02：自所述光学图像中获取所述待扫查区域；
步骤S03：根据预先输入的扫查模式在所述待扫查区域中生成起始点和结束点；
步骤S04：移动所述扫查探头，直至所述扫查探头贴合于所述起始点处的所述患者体表，随后进行所述步骤S1。
优选地，所述步骤S02包括采用一图像识别模型自所述光学图像中获取所述待扫查区域；
所述图像识别模型包括依次设置的：
输入层，所述输入层接收所述光学图像，并自所述光学图像中提取特征信息；
融合层，所述融合层对所述特征信息进行处理以生成融合信息；
输出卷积层，所述输出卷积层根据所述融合信息输出所述光学图像中的所述待扫查区域。
优选地，所述步骤S04包括：
步骤S041：移动所述扫查探头至所述起始点上方；
步骤S042：沿垂线方向向下移动所述扫查探头，并获取所述扫查探头相对于所述患者体表的距离信息；
当所述距离信息达到一距离门限值时，转向步骤S043；
步骤S043：继续沿所述垂线方向向下移动所述扫查探头，并获取所述扫查探头的压力信息；
当所述压力信息达到一压力门限值时，表明所述扫查探头贴合于所述起始点处的所述患者体表，随后进行所述步骤S1。
优选地，所述步骤S3包括：
采用一中央网络模型对所述扫查图像进行识别以获取所述参考点；
所述中央网络模型包括依次设置的：
信息提取层，所述信息提取层自所述扫查图像中提取其中心信息和类别信息；
特征提取层，所述特征提取层中包括多个依次串联的卷积层，所述卷积层根据所述中心信息、所述类别信息和所述扫查图像生成特征图；
预测层，所述预测层根据所述特征图生成特征标签，并根据所述特征标签生成所述参考点。
优选地，所述中央网络模型的训练方法包括：
获取多幅对应于所述待扫查区域的训练超声图像以生成一训练集；
对所述训练超声图像进行区域标注生成标注图像，所述区域标注用于标注所述训练超声图像中的多个器官区域；
所述器官区域对应一器官；
采用所述训练集对所述中央网络模型进行训练，并采用所述标注图像对训练后的所述中央网络模型进行校验。
一种超声设备，包括处理器和存储器，所述存储器中设置有计算机指令，当所述处理器执行所述计算机指令时执行上述的扫查方法；
扫查探头，所述扫查探头连接所述处理器以向所述处理器发送扫查图像；
机械臂，所述机械臂的前端固定有所述扫查探头，所述机械臂连接所述处理器以在所述处理器的控制下移动所述扫查探头；
图像传感器，所述图像传感器连接所述处理器，并在所述处理器的控制下采集患者的光学图像。
优选地，所述扫查探头的前端设置有：
距离传感器，所述距离传感器指向所述患者以获取所述扫查探头相对于所述患者的体表的距离信息；
压力传感器，所述压力传感器获取所述扫查探头在所述患者的体表上的压力信息；
所述距离传感器与所述压力传感器连接处理器以向所述处理器发送所述距离信息和所述压力信息。
优选地，所述距离传感器为红外传感器或微波传感器或激光传感器。
上述技术方案具有如下优点或有益效果：通过对超声图像进行识别可以生成对应于当前扫查状态的参考点，以便于对扫查位置和方向进行准确调整，进而避免了在连续扫查过程中，自动化扫查设备因为不同的扫查阶段中采用的扫查位置和方向不同导致的扫查位置偏移的问题。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明实施例的扫查方法整体示意图；
图2为本发明实施例中待扫查区域识别过程示意图；
图3为本发明实施例中图像识别模型示意图；
图4为本发明实施例中步骤S04子步骤示意图；
图5为本发明实施例中中央网络模型示意图；
图6为本发明实施例中超声设备原理框图。
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作出创造性劳动的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明包括：
一种超声设备的扫查方法，如图1所示，包括：
步骤S1：对待扫查区域进行扫查以生成一扫查图像；
步骤S2：判断是否需要以另一扫查方向对待扫查区域进行扫查；
若是，转向步骤S3；
若否，结束扫查过程；
步骤S3：对扫查图像进行识别以获取一参考点，根据参考点和扫查方向调整超声设备的扫查探头，随后返回步骤S1。
具体地，针对现有技术中超声扫查设备在完成一扫查阶段后不能自行调整生成新的扫查轨迹，或是位置判断不准确的问题，本发明通过对扫查图像进行识别以生成参考点，进而通过参考点和扫查方向实现对扫查设备在新的扫查阶段中的自动导航。在实际实施过程中，超声扫查设备应当是一具有运动装置的超声扫查设备，其通过运动装置控制所述扫查探头以特定的方向和位置在患者体表移动，进而实现扫查过程。扫查图像指扫查过程中通过采集超声波回波并进行图像重建生成的超声波图像，其图像重建方法可以用现有技术实现，并非本发明所保护的重点。
在一种较优的实施例中，如图2所述，在步骤S1之前还包括一待扫查区域识别过程，具体包括：
步骤S01：对患者体表采集光学图像；
光学图像中包括待扫查区域的光学图像；
步骤S02：自光学图像中获取待扫查区域；
步骤S03：根据预先输入的扫查模式在待扫查区域中生成起始点和结束点；
步骤S04：移动扫查探头，直至扫查探头贴合于起始点处的患者体表，随后进行步骤S1。
具体地，针对现有技术中超声扫查设备在开始扫查阶段需要人工干预的技术问题，本实施例中通过在扫查开始前通过光学图像辅助的方式生成待扫查区域，以帮助扫查设备控制扫查探头自动运动至当前扫查流程中的起始点。比如，以甲状腺扫查为例，在开始扫查前，可通过至少一个图像传感器获取患者的颈部正视图像，颈部正视图像的范围应当包括患者的下巴和锁骨。通过对患者的颈部正视图像进行识别可以判断出患者的颈部各部位，随后根据扫查模式选择相应的起始点，比如锁骨连线正中；以及结束点，比如颈部接近下巴的某一点。以此可以实现对扫查设备的自动导航。作为可选的实施方式，还可采集患者的辅助图像，比如水平面影像以辅助扫查设备在高度方向上进行定位。
进一步地，还可包括一扫查路径限制过程，包括：
在步骤S1至步骤S3执行过程中，通过光学图像判断超声探头是否超出待扫查区域，以及时发现扫查探头的偏移故障，进而避免了扫查探头偏移导致的成像不准的问题。
在一种较优的实施例中，步骤S02包括采用一图像识别模型自光学图像中获取待扫查区域；
如图3所示，图像识别模型包括依次设置的：
输入层A1，输入层A1接收光学图像，并自光学图像中提取特征信息；
融合层A2，融合层A2对特征信息进行处理以生成融合信息；
输出卷积层A3，输出卷积层A3根据融合信息输出光学图像中的待扫查区域。
具体地，在本实施例中，针对现有技术中无法通过对自动扫查设备进行导航的问题，本实施例选用了图像识别模型来实现对光学图像的识别，进而提取出光学图像中的患者的体貌特征，并结合扫查模式来生成该光学图像中的目标区域，即待扫查区域。在实施过程中，输入层A1可以是形如CSPDarknet53的输入层，通过设置该输入层A1来实现较好的特征信息提取效果以及较快的处理过程。而融合层A2可以是一全连接层，其根据特征信息自光学图像中获取多个尺寸不同的特征图并对特征图中的特征信息进行融合以获得融合信息。随后，在输出卷积层A3中，通过对融合信息进行一系列卷积、上采样操作以实现对光学图像中的待扫查区域的检测，进而输出该待扫查区域。
在一种较优的实施例中，如图4所示，步骤S04包括：
步骤S041：移动扫查探头至起始点上方；
步骤S042：沿垂线方向向下移动扫查探头，并获取扫查探头相对于患者体表的距离信息；
当距离信息达到一距离门限值时，转向步骤S043；
步骤S043：继续沿垂线方向向下移动扫查探头，并获取扫查探头的压力信息；
当压力信息达到一压力门限值时，表明扫查探头贴合于起始点处的患者体表，随后进行步骤S1。
具体地，针对现有技术中，自动化扫查设备无法准确定位至患者体表，进而使得扫查探头无法有效贴合患者体表导致成像效果差的问题，本实施例中采用了设置距离传感器和压力传感器实时采集扫查探头相对于患者体表的距离信息以及压力信息，进而判断出当前扫查探头在垂直方向上相对于患者体表的高度，以控制扫查探头在高度方向上的移动，使得扫查探头较好地贴合患者体表，实现较好的成像效果。
作为可选的实施方式，在执行步骤S1至步骤S3的过程中，还根据压力信息对压力探头的高度进行闭环控制，以保证在扫查过程中扫查探头有效贴合患者体表。
在一种较优的实施例中，步骤S3包括：
采用一中央网络模型对扫查图像进行识别以获取参考点；
如图5所示，中央网络模型包括依次设置的：
信息提取层B1，信息提取层B1自扫查图像中提取其中心信息和类别信息；
特征提取层B2，特征提取层B2中包括多个依次串联的卷积层，卷积层根据中心信息、类别信息和扫查图像生成特征图；
预测层B3，预测层B3根据特征图生成特征标签，并根据特征标签生成参考点。
具体地，针对现有技术中超声扫查设备不能根据超声图像对扫查位置进行有效调整的问题，本实施例中选用了中央网络模型对扫查图像进行识别，获取参考点以实现对扫查设备的控制。其中，信息提取层B1在实施过程中为类MobileNetV2的结构，其下采样倍数为8倍，相对于传统的MobileNetV2简化了其结构以实现更快的提取速度。通过信息提取层B1对超声图像进行一系列的上采样、下采样、卷积以及归一化操作可以有效地提取出用于表征目标结构的中心信息和类别信息，该目标结构即参考点所对应的器官结构在超声影像中的表征。特征提取层B2则是通过如下表1所示的依次串联的标准卷积层以及深度可分离卷积层生成特征图，完成对目标结构的进一步表示。当特征提取层B2获取到特征图后，预测层B3则根据需要检测的目标结构所对应的目标类别在特征图中进行逐列提取，进而生成对应于特征图中各部分的特征标签，随后根据特征标签的计算结果获取到参考点。上述中央网络模型相对于现有技术中常见的中央网络模型仅检测目标结构的中心点，而不对目标结构的范围进行预测，进而提高了检测速度。
Figure BDA0003384153140000081
Figure BDA0003384153140000091
表1
作为可选的实施方式，信息提取层包括依次设置的：
输入卷积组，输入卷积组内包括依次串联的第一卷积层、第二卷积层、第三卷积层以及第四卷积层，其将输入图像缩放至一特定规格以生成缩放图像。
卷积网络，卷积网络通过多组连续的卷积层自缩放图像中获取特征信息；
上采样组，上采样组内包括依次设置的转置卷积层、标准化层以根据特征信息生成转置数据，上采样组内还包括有上采样层以生成上采样信息。上采样组对转置数据和上采样信息进行连接操作以生成上采样特征；
输出卷积组，输出卷积组对上采样特征进行裁剪以输出中心信息和类别信息。
在一种较优的实施例中，中央网络模型的训练方法包括：
获取多幅对应于待扫查区域的训练超声图像以生成一训练集；
对训练超声图像进行区域标注生成标注图像，区域标注用于标注训练超声图像中的多个器官区域；
器官区域对应一器官；
采用训练集对中央网络模型进行训练，并采用标注图像对训练后的中央网络模型进行校验。
一种超声设备，如图6所示，包括处理器1和存储器2，存储器2中设置有计算机指令，当处理器1执行计算机指令时执行上述的扫查方法；
扫查探头3，扫查探头3连接处理器1以向处理器1发送扫查图像；
机械臂4，机械臂4的前端固定有扫查探头3，机械臂4连接处理器1以在处理器1的控制下移动扫查探头3；
图像传感器5，图像传感器5连接处理器1，并在处理器1的控制下采集患者的光学图像。
具体地，针对现有技术中超声扫查设备在开始扫查阶段需要人工干预的技术问题，本实施例中在扫查开始通过设置图像传感器5采集患者的光学图像，以帮助扫查设备控制扫查探头自动运动至当前扫查流程中的起始点。比如，以甲状腺扫查为例，在开始扫查前，可通过至少一个图像传感器获取患者的颈部正视图像，颈部正视图像的范围应当包括患者的下巴和锁骨。通过对患者的颈部正视图像进行识别可以判断出患者的颈部各部位，随后根据扫查模式选择相应的起始点，比如锁骨连线正中；以及结束点，比如颈部接近下巴的某一点。以此可以实现对扫查设备的自动导航。作为可选的实施方式，还可采集患者的辅助图像，比如水平面影像以辅助扫查设备在高度方向上进行定位。
需要说明的是，上述处理器1可以被理解为一个或多个应用专用集成电路(ASIC)、DSP、可编程逻辑器件(PLD)、复杂可编程逻辑器件(CPLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器(MCU)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行上述计算机指令。
存储器2可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质包含但不限于电子、磁性、光学、电磁、红外或半导体系统、设备或者装置，或者前述的任意适当组合，如随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或者快闪存储器)、光纤、便携式只读存储器(CD-ROM)。
在一种较优的实施例中，扫查探头3的前端设置有：
距离传感器31，距离传感器31指向患者以获取扫查探头相对于患者的体表的距离信息；
压力传感器32，压力传感器32获取扫查探头3在患者的体表上的压力信息；
距离传感器31与压力传感器32连接处理器1以向处理器1发送距离信息和压力信息。
具体地，针对现有技术中，自动化扫查设备无法准确定位至患者体表，进而使得扫查探头3无法有效贴合患者体表导致成像效果差的问题，本实施例中采用了设置距离传感器31和压力传感器32实时采集扫查探头相对于患者体表的距离信息以及压力信息，进而判断出当前扫查探头3在垂直方向上相对于患者体表的高度，以控制扫查探头3在高度方向上的移动，使得扫查探头3较好地贴合患者体表，实现较好的成像效果。在实际实施过程中，距离传感器31可以设置在低于扫查探头3的声学窗口的表面上，以使得距离传感器31在扫查探头3贴合于患者体表时仍能够有效采集距离信息。
在一种较优的实施例中，距离传感器31为红外传感器或微波传感器或激光传感器。
本发明的有益效果在于：通过对超声图像进行识别可以生成对应于当前扫查状态的参考点，以便于对扫查位置和方向进行准确调整，进而避免了在连续扫查过程中，自动化扫查设备因为不同的扫查阶段中采用的扫查位置和方向不同导致的扫查位置偏移的问题。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (9)

1.一种超声设备的扫查方法，其特征在于，包括：
步骤S1：对待扫查区域进行扫查以生成一扫查图像；
步骤S2：判断是否需要以另一扫查方向对所述待扫查区域进行扫查；
若是，转向步骤S3；
若否，结束扫查过程；
步骤S3：对所述扫查图像进行识别以获取一参考点，根据所述参考点和所述扫查方向调整所述超声设备的扫查探头，随后返回所述步骤S1。
2.根据权利要求1所述的自动扫查方法，其特征在于，在所述步骤S1之前还包括一待扫查区域识别过程，具体包括：
步骤S01：对患者体表采集光学图像；
所述光学图像中包括所述待扫查区域的光学图像；
步骤S02：自所述光学图像中获取所述待扫查区域；
步骤S03：根据预先输入的扫查模式在所述待扫查区域中生成起始点和结束点；
步骤S04：移动所述扫查探头，直至所述扫查探头贴合于所述起始点处的所述患者体表，随后进行所述步骤S1。
3.根据权利要求2所述的扫查方法，其特征在于，所述步骤S02包括采用一图像识别模型自所述光学图像中获取所述待扫查区域；
所述图像识别模型包括依次设置的：
输入层，所述输入层接收所述光学图像，并自所述光学图像中提取特征信息；
融合层，所述融合层对所述特征信息进行处理以生成融合信息；
输出卷积层，所述输出卷积层根据所述融合信息输出所述光学图像中的所述待扫查区域。
4.根据权利要求2所述的扫查方法，其特征在于，所述步骤S04包括：
步骤S041：移动所述扫查探头至所述起始点上方；
步骤S042：沿垂线方向向下移动所述扫查探头，并获取所述扫查探头相对于所述患者体表的距离信息；
当所述距离信息达到一距离门限值时，转向步骤S043；
步骤S043：继续沿所述垂线方向向下移动所述扫查探头，并获取所述扫查探头的压力信息；
当所述压力信息达到一压力门限值时，表明所述扫查探头贴合于所述起始点处的所述患者体表，随后进行所述步骤S1。
5.根据权利要求1所述的扫查方法，其特征在于，所述步骤S3包括：
采用一中央网络模型对所述扫查图像进行识别以获取所述参考点；
所述中央网络模型包括依次设置的：
信息提取层，所述信息提取层自所述扫查图像中提取其中心信息和类别信息；
特征提取层，所述特征提取层中包括多个依次串联的卷积层，所述卷积层根据所述中心信息、所述类别信息和所述扫查图像生成特征图；
预测层，所述预测层根据所述特征图生成特征标签，并根据所述特征标签生成所述参考点。
6.根据权利要求5所述的扫查方法，其特征在于，所述中央网络模型的训练方法包括：
获取多幅对应于所述待扫查区域的训练超声图像以生成一训练集；
对所述训练超声图像进行区域标注生成标注图像，所述区域标注用于标注所述训练超声图像中的多个器官区域；
所述器官区域对应一器官；
采用所述训练集对所述中央网络模型进行训练，并采用所述标注图像对训练后的所述中央网络模型进行校验。
7.一种超声设备，其特征在于，包括处理器和存储器，所述存储器中设置有计算机指令，当所述处理器执行所述计算机指令时执行如权利要求1-6任意一项所述的扫查方法；
扫查探头，所述扫查探头连接所述处理器以向所述处理器发送扫查图像；
机械臂，所述机械臂的前端固定有所述扫查探头，所述机械臂连接所述处理器以在所述处理器的控制下移动所述扫查探头；
图像传感器，所述图像传感器连接所述处理器，并在所述处理器的控制下采集患者的光学图像。
8.根据权利要求7所述的超声设备，其特征在于，所述扫查探头的前端设置有：
距离传感器，所述距离传感器指向所述患者以获取所述扫查探头相对于所述患者的体表的距离信息；
压力传感器，所述压力传感器获取所述扫查探头在所述患者的体表上的压力信息；
所述距离传感器与所述压力传感器连接处理器以向所述处理器发送所述距离信息和所述压力信息。
9.根据权利要求8所述的超声设备，其特征在于，所述距离传感器为红外传感器或微波传感器或激光传感器。
CN202111446877.XA 2021-11-30 2021-11-30 一种超声设备的扫查方法及设备 Pending CN113951932A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111446877.XA CN113951932A (zh) 2021-11-30 2021-11-30 一种超声设备的扫查方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111446877.XA CN113951932A (zh) 2021-11-30 2021-11-30 一种超声设备的扫查方法及设备

Publications (1)

Publication Number Publication Date
CN113951932A true CN113951932A (zh) 2022-01-21

Family

ID=79472601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111446877.XA Pending CN113951932A (zh) 2021-11-30 2021-11-30 一种超声设备的扫查方法及设备

Country Status (1)

Country Link
CN (1) CN113951932A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006059668A1 (ja) * 2004-12-03 2006-06-08 Hitachi Medical Corporation 超音波装置、超音波撮像プログラム及び超音波撮像方法
CN110974299A (zh) * 2019-12-31 2020-04-10 上海杏脉信息科技有限公司 超声扫查机器人系统、超声扫查方法及介质
CN111449684A (zh) * 2020-04-09 2020-07-28 济南康硕生物技术有限公司 心脏超声标准扫查切面快速获取方法及系统
CN111544036A (zh) * 2020-05-12 2020-08-18 上海深至信息科技有限公司 一种超声导航系统及方法
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
CN112472133A (zh) * 2020-12-22 2021-03-12 深圳市德力凯医疗设备股份有限公司 一种超声探头的姿态监控方法及装置
CN113129342A (zh) * 2019-12-31 2021-07-16 无锡祥生医疗科技股份有限公司 多模态融合成像方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006059668A1 (ja) * 2004-12-03 2006-06-08 Hitachi Medical Corporation 超音波装置、超音波撮像プログラム及び超音波撮像方法
CN110974299A (zh) * 2019-12-31 2020-04-10 上海杏脉信息科技有限公司 超声扫查机器人系统、超声扫查方法及介质
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
CN113129342A (zh) * 2019-12-31 2021-07-16 无锡祥生医疗科技股份有限公司 多模态融合成像方法、装置及存储介质
CN111449684A (zh) * 2020-04-09 2020-07-28 济南康硕生物技术有限公司 心脏超声标准扫查切面快速获取方法及系统
CN111544036A (zh) * 2020-05-12 2020-08-18 上海深至信息科技有限公司 一种超声导航系统及方法
CN112472133A (zh) * 2020-12-22 2021-03-12 深圳市德力凯医疗设备股份有限公司 一种超声探头的姿态监控方法及装置

Similar Documents

Publication Publication Date Title
JP7407790B2 (ja) 誘導肝イメージングのための人工ニューラルネットワークを有する超音波システム
CN113506334B (zh) 基于深度学习的多模态医学图像融合方法及系统
CN111179227B (zh) 基于辅助诊断和主观美学的乳腺超声图像质量评价方法
CN109685809B (zh) 一种基于神经网络的肝包虫病灶分割方法及系统
CN111134727B (zh) 基于神经网络的静脉与动脉识别的穿刺引导系统
CN110960262B (zh) 超声扫查系统、方法及介质
CN114224448B (zh) 穿刺路径规划装置、设备和计算机可读存储介质
WO2023066072A1 (zh) 导管定位方法、介入手术系统、电子设备和存储介质
BR112020014733A2 (pt) Método implementado por computador para a obtenção de medições anatômicas em uma imagem de ultrassom, meios de programa de computador, dispositivo de análise de imagem e método de imageamento por ultrassom
CA3168136A1 (en) A method of and system for calcium scoring of coronary arteries
CN113349897A (zh) 一种超声穿刺的引导方法、装置以及设备
CN111063018A (zh) 一种基于深度学习的血管内超声图像三维重建方法及系统
CN117218127B (zh) 超声内镜辅助监测系统及方法
CN111145137A (zh) 基于神经网络的静脉与动脉识别方法
CN111658308B (zh) 一种体外聚焦超声治疗白内障手术系统
CN112741651A (zh) 一种内窥镜超声影像的处理方法及系统
CN113951932A (zh) 一种超声设备的扫查方法及设备
CN111144163A (zh) 基于神经网络的静脉与动脉识别系统
CN113298773A (zh) 基于深度学习的心脏视图识别与左心室检测装置、系统
Mi et al. Detecting carotid intima-media from small-sample ultrasound images
CN112085729A (zh) 胸膜线区域提取方法、存储介质及超声诊断设备
CN112137693A (zh) 四维超声引导穿刺的成像方法及装置
Cao et al. Venibot: Towards autonomous venipuncture with automatic puncture area and angle regression from nir images
WO2022141085A1 (zh) 超声检测方法和超声成像系统
Okishio et al. Identifying an egg-containing follicle by displacement analysis of the follicle border

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