CN116407154A - 一种超声诊查数据处理方法、装置及超声设备和存储介质 - Google Patents
一种超声诊查数据处理方法、装置及超声设备和存储介质 Download PDFInfo
- Publication number
- CN116407154A CN116407154A CN202111679387.4A CN202111679387A CN116407154A CN 116407154 A CN116407154 A CN 116407154A CN 202111679387 A CN202111679387 A CN 202111679387A CN 116407154 A CN116407154 A CN 116407154A
- Authority
- CN
- China
- Prior art keywords
- target
- frame
- image
- interest
- data processing
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 46
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000002604 ultrasonography Methods 0.000 claims abstract description 76
- 230000003902 lesion Effects 0.000 claims abstract description 65
- 238000012216 screening Methods 0.000 claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 239000000523 sample Substances 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000033001 locomotion Effects 0.000 claims description 8
- 239000012634 fragment Substances 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 101100508818 Mus musculus Inpp5k gene Proteins 0.000 claims description 4
- 101100366438 Rattus norvegicus Sphkap gene Proteins 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 54
- 208000026310 Breast neoplasm Diseases 0.000 abstract description 10
- 206010006187 Breast cancer Diseases 0.000 abstract description 8
- 206010006272 Breast mass Diseases 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 16
- 230000001360 synchronised effect Effects 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002445 nipple Anatomy 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 208000004434 Calcinosis Diseases 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请公开了一种超声诊查数据处理方法、装置及一种超声设备和计算机可读存储介质，该方法包括：采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；记录包含目标病灶的视频片段的起始帧和结束帧；其中，视频片段包括检测到目标病灶的超声图像；从视频片段中筛选得到感兴趣图像帧；获取目标病灶的位置信息；关联存储感兴趣图像帧以及目标病灶的位置信息。本申请提供的超声诊查数据处理方法，在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少了漏检风险。
Description
技术领域
本申请涉及超声技术领域，更具体地说，涉及一种超声诊查数据处理方法、装置及一种超声设备和一种计算机可读存储介质。
背景技术
医学超声成像技术以其成像速度快、操作方便、无痛无辐射等优点广泛应用于肿瘤的筛查中。在现实临床场景中，以乳腺肿瘤的超声筛查为例，医生通过超声探头进行扫查，查看受试者乳房是否存在乳腺结节。在某一帧超声图像中发现乳腺结节时，可以停下来，在该超声图像附近反复扫查，确定最佳切面、冻结、存图、录入乳腺结节的位置信息，然后进行必要的测量、诊断等操作。完成该乳腺结节的诊断操作后，继续扫查乳房的其他位置，重复上述操作直到扫查完全乳。在上述方案中，扫查节奏在发现一个乳腺结节时就会被打断，扫查节奏不连贯，速度难以提升，并且存在一定的区域漏检风险。
当然，在某一帧超声图像中发现乳腺结节时，医生也可以记住乳腺结节的大致位置，然后继续扫查，直到扫查完全乳后再依据记忆重新找到乳腺结节位置，进行细致扫查、测量、诊断、录入结节位置信息等操作。在上述方案中，由于医生在快速扫查过程中往往只是记住了肿瘤的大致位置，因此若遇到多发性结节的病人时，对医生的记忆力也是一大挑战，记忆位置错误会影响后续诊断速度，也会存在漏检风险。
因此，如何在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少漏检风险是本领域技术人员需要解决的技术问题。
发明内容
本申请的目的在于提供一种超声诊查数据处理方法、装置及一种超声设备和一种计算机可读存储介质，在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少了漏检风险。
为实现上述目的，本申请提供了一种超声诊查数据处理方法，包括：
采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
从所述视频片段中筛选得到感兴趣图像帧；
获取所述目标病灶的位置信息；
关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
其中，对采集到的每帧超声图像进行病灶检测，包括：
将采集到的每帧超声图像输入检测模型中得到每帧所述超声图像中包含目标病灶的置信度；
若所述置信度超过阈值，则判定在对应的超声图像中检测到所述目标病灶。
其中，所述记录包含目标病灶的视频片段的起始帧和结束帧，包括：
将首次检测到所述目标病灶的帧记录为起始帧，在连续帧均检测到所述目标病灶时将连续帧的最后一帧动态更新为所述结束帧；
判断所述结束帧之后未检测出所述目标病灶的帧数量是否小于预设值；
若是，则将重新检测出所述目标病灶的最后一帧动态更新为所述结束帧；
若否，则停止更新所述结束帧并记录，当检测出下一病灶时创建下一个视频片段的起始帧。
可选的，所述方法还包括：
在显示界面中对所述置信度进行可视化的实时显示。
其中，所述位置信息包括深度信息，所述获取所述目标病灶的位置信息，包括：
对所述感兴趣帧进行图像分析以获取所述目标病灶的深度信息。
其中，所述获取所述目标病灶的位置信息，包括：
当在目标超声图像中检测到所述目标病灶或从所述视频片段中筛选得到感兴趣图像帧时，通过输入接口获取所述目标病灶的位置信息。
其中，所述通过输入接口获取所述目标病灶的位置信息，包括：
通过语音输入接口获取录入语音，对所述信息录入语音进行语音识别，以获取所述目标病灶的位置信息。
其中，当所述视频片段中筛选出多帧所述感兴趣图像帧时，仅当第一时序的所述感兴趣图像帧通过输入接口获取所述目标病灶的位置信息，后续时序的所述感兴趣图像帧跳过通过输入接口获取位置信息的步骤并自动复用所述目标病灶的位置信息进行关联存储。
其中，从所述视频片段中筛选得到感兴趣图像帧，包括：
将所述视频片段中满足预设条件的超声图像确定为感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值。
其中，从所述视频片段中筛选得到感兴趣图像帧，包括：
将所述视频片段中满足预设条件的超声图像确定为候选感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值；
将标准度预测分数最大的候选感兴趣图像帧确定为感兴趣图像帧。
其中，从所述视频片段中筛选得到感兴趣图像帧，包括：
若检测到所述视频片段的起始帧，则输出感兴趣图像帧的筛选提示；
当通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。
其中，从所述视频片段中筛选得到感兴趣图像帧，包括：
当完成所述目标检查区域的扫查时，在显示界面中播放所述视频片段，并输出感兴趣图像帧的筛选提示；
当通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。
其中，从所述视频片段中筛选得到感兴趣图像帧之后，还包括：
在所述感兴趣图像帧中显示包含所述目标病灶的目标框，或，在所述感兴趣图像帧中显示所述目标病灶的边界；
和/或，对所述感兴趣图像帧中的目标病灶进行自动测量并输出测量值。
其中，还包括：
当完成所述目标检查区域的扫查时，对所述感兴趣帧进行批量分析，得到所述目标病灶的辅助诊断信息；
基于所述目标检查区域中检测到的所有所述目标病灶的位置信息和辅助诊断信息生成检查报告。
其中，还包括：
获取超声探头的移动速度；
当所述移动速度大于速度阈值时，输出提示信息。
其中，所述获取超声探头的移动速度之后，还包括：
在显示界面中对所述移动速度进行可视化的实时显示；
和/或，当所述移动速度超过速度阈值时在显示界面中输出过速提示信息。
为实现上述目的，本申请提供了一种超声诊查数据处理装置，包括：
检测模块，用于采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
记录模块，用于记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
筛选模块，用于从所述视频片段中筛选得到感兴趣图像帧；
获取模块，用于获取所述目标病灶的位置信息；
存储模块，用于关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
为实现上述目的，本申请提供了一种超声设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述超声诊查数据处理方法的步骤。
为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述超声诊查数据处理方法的步骤。
通过以上方案可知，本申请提供的一种超声诊查数据处理方法，包括：采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；从所述视频片段中筛选得到感兴趣图像帧；获取所述目标病灶的位置信息；关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
本申请提供的超声诊查数据处理方法，在超声扫查过程中，在检测到目标病灶时仅获取其位置信息，而不会对该目标病灶进行后续的测量、诊断操作，保证了扫查的连贯性。同时，记录包含目标病灶的视频片段的起始帧和结束帧，从中筛选感兴趣图像帧，并对感兴趣图像帧以及其中包含的目标病灶的位置信息进行关联存储，方便在扫查结束后对包含目标病灶的图像帧进行定位，避免了漏检风险。由此可见，本申请提供的超声诊查数据处理方法，在超声乳腺肿瘤筛查过程中，可以保证扫查的连贯性以提高诊查效率，同时减少了漏检风险。本申请还公开了一种超声诊查数据处理装置及一种超声设备和一种计算机可读存储介质，同样能实现上述技术效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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本申请的一些实施例，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，还可以根据这些附图获得其他的附图。附图是用来提供对本公开的进一步理解，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公开，但并不构成对本公开的限制。在附图中：
图1为根据一示例性实施例示出的一种超声诊查数据处理方法的流程图；
图2为根据一示例性实施例示出的另一种超声诊查数据处理方法的流程图；
图3为根据一示例性实施例示出的一种超声诊查数据处理算法的架构图；
图4为根据一示例性实施例示出的一种超声诊查数据处理装置的结构图；
图5为根据一示例性实施例示出的一种超声设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外，在本申请实施例中，“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例公开了一种超声诊查数据处理方法，在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少了漏检风险。
参见图1，根据一示例性实施例示出的一种超声诊查数据处理方法的流程图，如图1所示，包括：
S101：采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
本实施例的执行主体为超声设备，目的为对乳腺肿瘤进行筛查。在具体实施中，医生操作超声探头在目标检查区域内进行扫查，采集超声图像，此处的目标检查区域可以具体为左乳或右乳。采集到超声图像后，对超声图像进行实时的病灶检测，此处的病灶可以包括乳腺结节、腋窝淋巴结等。这里，采集到的超声图像并不限定于是扫查的原始视频流的每一帧，也可以是从视频流间隔一定时间抽帧得到的，这样可以减小计算量、更好地保障本方法运行的实时性(当然，算力足够支持的时候，也可以实时对扫查的原始视频流进行逐帧地病灶检测)。
作为一种可行的实施方式，对采集到的每帧超声图像进行病灶检测，包括：将采集到的每帧超声图像输入检测模型中得到每帧所述超声图像中包含目标病灶的置信度；若所述置信度超过阈值，则判定在对应的超声图像中检测到所述目标病灶。在具体实施中，可以利用基于深度神经网络的检测模型对超声图像进行自动的病灶检测，以提高病灶检测的效率和准确性。检测模型的输出为病灶对应的置信度，检测模型可以同时检测多种类型的病灶，当某一类型的病灶对应的置信度超过值时，判定该超声图像包含对应类型的病灶。此处的检测模型可以在yolov系列(基于深度学习的回归方法)、mask-RCNN(Regions with CNNfeatures)等目标检测算法的基础上进行改进，也可以根据实际需要进行搭建。在此基础上，本实施例还包括：在显示界面中对所述置信度进行可视化的实时显示。在具体实施中，可以将超声图像中包含目标病灶的置信度实时显示在显示界面中，例如以浮动条、渐变色条等进行标示，在此不进行具体限定。这样可以在医生观察超声图像时辅助医生判断是否发现了病灶。
进一步的，作为一种优选实施方式，本实施例还包括：获取超声探头的移动速度；当所述移动速度大于速度阈值时，输出提示信息。在具体实施中，为了避免超声探头运动过快对超声图像的图像质量、扫查准确性等带来的影响，在实时扫查过程中，通过超声探头的运动传感器采集探头运动信息，对其进行评估，判断超声探头的移动速度是否大于速度阈值，若是，则发送过速提示信息，给予医生必要提醒，此处可以采用码数表、浮动条、浮标等形式进行实时速度提示，本实施例不进行具体限定。可见，通过对探头移动速度的实时检测、提示，引导医生规范操作、高效高质地完成病灶筛查操作，提高后续乳腺结节目标测量、诊断的准确度。当然，对于超声探头的移动速度，还可以在显示界面中进行实时显示，也即在显示界面中对所述移动速度进行可视化。
S102：记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
在具体实施中，若在某一图像帧中检测到目标病灶，则创建包含目标病灶对应的视频片段，并记录该图像帧为视频片段的起始帧，持续对后续的图像帧进行检测，记录包含目标病灶的最后一帧超声图像为视频片段的结束帧。
作为一种可行的实施方式，所述视频片段包括检测到所述目标病灶的连续多帧超声图像。在具体实施中，一个视频片段包含一个病灶的连续的超声图像，不同病灶的连续超声图像划分至不同的视频片段中，相同病灶不连续的多段超声图像也可以划分至相同的视频片段中。
具体地，可以将首次检测到目标病灶的帧记录为起始帧，在连续帧均检测到目标病灶时将连续帧的最后一帧动态更新为所述结束帧；判断结束帧之后未检测出目标病灶的帧数量是否小于预设值；若是，则将重新检测出目标病灶的最后一帧动态更新为结束帧；若否，则停止更新所述结束帧并记录，当检测出下一病灶时创建下一个视频片段的起始帧。即，当检测出一个病灶之后，如果后续没有继续连续检测出该病灶，则要视情况决定这个视频片段是否结束，如果没有检测出的帧数(断开的帧数)超过了预设帧数，则将后续检测出的病灶视为下一个病灶，需要创建一个新的视频片段(新的起始帧)。
S103：从所述视频片段中筛选得到感兴趣图像帧；
可以理解的是，对于检测到目标病灶的前几帧超声图像，可能图像的标准度不高，影响后续的测量、诊断操作的准确性。因此，在本步骤中，从视频片段中筛选感兴趣图像帧。作为另一种可行的实施方式，本步骤包括：将所述视频片段中满足预设条件的超声图像确定为感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值。在具体实施中，利用检测模型自动筛选感兴趣图像帧，可以避免切面标准度偏主观判断带来的局限性问题。检测模型的输出不仅包括病灶对应的置信度，还可以包括病灶对应的标准度预测分数。当然，这里的检测模型也可以包括两个模型，分别用于输出置信度和标准度预测分数，两个模型的输入输出关系可以是串行或并行，即，病灶检测和筛选感兴趣图像帧可以是具有先后顺序的步骤(后者已前者的判断结果为前提条件，只有在检测到病灶时才对其标准度预测分数进行判断)，或者同时进行(这样可以提高实时性，但需要更大的算力支持)。
可以理解的是，当检测模型能够同时检测多种类型的病灶时，它应该对每个类型对应输出一个标准度预测分数(置信度可以输出一个或多个)，可以为不同类型的病灶的标准度预测分数设置不同的阈值，当标准度预测分数超过对应的阈值时，将该超声图像确定为该类型的感兴趣图像帧。进一步的，还可以在感兴趣图像帧中对标准度预测分数进行可视化标识，例如以颜色、提示语等进行标示。当检测模型能够同时检测多种类型的病灶时，本方法中的其他流程步骤都可以进行适应性地改进，以实现对多种病灶分别进行检测、记录、筛选、获取位置和存储等，此处不再赘述。
可以理解的是，可以将满足预设条件的所有超声图像均确定为感兴趣图像帧，也可以仅将满足预设条件且标准度预测分数最大的超声图像均确定为感兴趣图像帧，也即本步骤包括：将所述视频片段中满足预设条件的超声图像确定为候选感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值；将标准度预测分数最大的候选感兴趣图像帧确定为感兴趣图像帧。在具体实施中，当某一帧超声图像的标准度预测分数满足预设条件时，自动获取该帧超声图像附近区间内的最佳切面，也即在该帧超声图像的前、后预设帧范围内进行搜索，将标准度预测分数最大的超声图像确定为感兴趣图像帧。可见，在筛选感兴趣帧时，自动在当前超声图像附近区间内搜索的标准度预测分数最大的最佳切面，可以引导医生快速获取高质量图像、规避扫查速度、扫查手法、操作技术局限性等所带来的图像质量问题，进一步提高病灶筛查的自动化、标准化水平。
当然，本实施例也支持手动筛选感兴趣图像帧，医生可以通过超声设备中的按钮、触摸面板或超声探头上的按钮触发确认信号，超声设备通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。此处不对手动筛选感兴趣图像帧的筛选时间进行限定，可以在实时检测过程中，检测到包含目标病灶的视频片段的起始帧时，输出感兴趣图像帧的筛选提示。也可以在完成所述目标检查区域的扫查后，在显示界面中播放视频片段，并输出感兴趣图像帧的筛选提示。在实时检测过程中不会显示感兴趣帧，避免打断医生的扫查过程。
进一步的，从所述视频片段中筛选得到感兴趣图像帧之后，还包括：在所述感兴趣图像帧中显示包含所述目标病灶的目标框，或，在所述感兴趣图像帧中显示所述目标病灶的边界。在具体实施中，还可以利用检测模型输出目标病灶的位置，并在感兴趣图像帧中对目标病灶进行可视化标识，例如以标识框、箭头等进行标示，或显示目标病灶的边界。还可以实时地显示出对所述感兴趣图像帧中的目标病灶进行自动测量的测量值，或者在扫查完成之后的检查报告中统一给出(避免扫查时分散医生注意力)。可以利用现有技术中的算法实现对目标病灶的自动测量，例如对目标框/病灶边界的尺寸进行计算。
S104：获取所述目标病灶的位置信息；
在超声图像的扫查过程中，若检测到目标病灶，则获取该目标病灶的位置信息，可以包括深度信息、相位角、乳头距离等，深度信息即目标病灶所在位置到人体皮肤之间的距离。
在具体实施中，当在目标超声图像中检测到目标病灶或从视频片段中筛选得到感兴趣图像帧时，医生通过输入接口输入目标病灶的位置信息。例如，医生可以通过超声设备的触摸板、键盘、鼠标、移动APP(应用程序，Application)等交互设备完成目标病灶的位置信息的录入。
作为一种优选实施方式，所述通过输入接口获取所述目标病灶的位置信息，包括：通过语音输入接口获取录入语音，对所述信息录入语音进行语音识别，以获取所述目标病灶的位置信息。在具体实施中，当在目标超声图像中检测到目标病灶或从视频片段中筛选得到感兴趣图像帧时，可以默认开启语音录入功能，接收医生的信息录入语音，然后基于语音识别模型对信息录入语音进行语音识别，得到乳腺结节目标的位置信息，可以包括与乳头的距离、相位信息等。也可以通过显示或声音先输出提示，来让医生执行录入。此处的语音识别模型可以为基于神经网络的语音识别模型，还可以为基于传统语音识别算法的语音识别模型，本实施例不进行具体限定。通过语音识别可以提高乳腺结节目标的位置信息的录入效率。
需要说明的是，对于深度信息来说，可以对感兴趣帧进行自动的图像分析的方式获取。而对于相位角、乳头距离等，通常难以通过图像分析或外设监控来获取，一般需要由医生录入。
另外，由于同一视频片段中包含相同的目标病灶，因此对于同一视频片段中的多个感兴趣图像帧，可以复用一份位置信息，用户仅需输入一次位置信息，提高了扫查效率。具体地，当视频片段中筛选出多帧感兴趣图像帧时，仅当第一时序的感兴趣图像帧通过输入接口获取目标病灶的位置信息，后续时序的感兴趣图像帧跳过通过输入接口获取位置信息的步骤并自动复用目标病灶的位置信息进行关联存储。
S105：关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
在本步骤中，对感兴趣图像帧和目标病灶的位置信息进行关联存储，方便在扫查结束后对包含目标病灶的图像帧进行定位。
本申请实施例提供的超声诊查数据处理方法，在超声扫查过程中，在检测到目标病灶时仅获取其位置信息，而不会对该目标病灶进行后续的测量、诊断操作，保证了扫查的连贯性。同时，记录包含目标病灶的视频片段的起始帧和结束帧，从中筛选感兴趣图像帧，并对感兴趣图像帧以及其中包含的目标病灶的位置信息进行关联存储，方便在扫查结束后对包含目标病灶的图像帧进行定位，避免了漏检风险。由此可见，本申请实施例提供的超声诊查数据处理方法，在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少了漏检风险。
本申请实施例公开了一种超声诊查数据处理方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
参见图2，根据一示例性实施例示出的另一种超声诊查数据处理方法的流程图，如图2所示，包括：
S201：采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
S202：记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
S203：从所述视频片段中筛选得到感兴趣图像帧；
S204：获取所述目标病灶的位置信息；
S205：关联存储所述感兴趣图像帧以及所述目标病灶的位置信息；
S206：当完成所述目标检查区域的扫查时，对所述感兴趣帧进行批量分析，得到所述目标病灶的辅助诊断信息；
在具体实施中，当完成整体检查区域的扫查后，自动或手动进入诊断分析模式。在诊断分析模式下，通过诊断分析模型自动对存储的感兴趣图像帧进行批量分析，实现测量、诊断功能，诊断分析模型用于输出目标病灶的辅助诊断信息，可以包括结节轮廓、尺寸、回声、边缘、钙化、形状、BI-Rads分级、恶性风险系数等。本步骤中的图像分析模型可以是以Mask-RCNN、Fast-RCNN、tansform等为基础的语义分割模型及以resNet、DensNet、mobileNet等为基础的分类模型，也可以是根据实际场景需要搭建的基于深度神经网络或传统机器学习模型，在此不进行具体限定。
S207：基于所述目标检查区域中检测到的所有所述目标病灶的位置信息和辅助诊断信息生成检查报告。
在本步骤中，基于目标检查区域中检测到的所有目标病灶的位置信息和辅助诊断信息生成检查报告，也即检测报告中可以包括多个病灶对应位置信息和辅助诊断信息，医生可以对检查报告中的各项内容进行手动编辑。
在一种具体的应用实施例中，如图3所示，探头采集超声图像，利用实时检测模型对超声图像进行病灶检测，输出目标标识信息和目标置信度信息在显示界面中进行显示，目标标识信息为目标病灶所在的目标框或目标病灶的边界，随着病灶的位置移动。同时，利用标准面评估模型确定超声图像的切面标准的信息，并在显示界面中进行显示。进一步的，基于目标标识信息、目标置信度信息和切面标准度信息确定感兴趣切面。另外，在实时扫查过程中，通过超声探头的运动传感器采集探头的移动速度并实时显示，当移动速度大于速度阈值时，输出提示信息。当完成整体检查区域的扫查后，利用诊断分析模型对感兴趣切面进行批量分析，对目标病灶的位置信息和辅助诊断信息进行显示。
本申请实施例提供的超声诊断方法，在超声扫查过程中，记录包含目标病灶的视频片段的起始帧和结束帧，从中筛选感兴趣图像帧，并对感兴趣图像帧以及其中包含的目标病灶的位置信息进行关联存储，方便在扫查结束后对包含目标病灶的图像帧进行定位，避免了漏检风险。当完成整个检查区域的扫查后，对存在乳腺结节目标的感兴趣图像进行图像批量分析，自动生成乳腺结节目标的辅助诊断信息，提高了乳腺结节目标的测量、诊断效率和准确性。由此可见，本申请实施例提供的超声诊断方法，在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少了漏检风险，提高了乳腺结节目标的测量、诊断效率和准确性。
下面对本申请实施例提供的一种超声诊查数据处理装置进行介绍，下文描述的一种超声诊查数据处理装置与上文描述的一种超声诊查数据处理方法可以相互参照。
参见图4，根据一示例性实施例示出的一种超声诊查数据处理装置的结构图，如图4所示，包括：
检测模块401，用于采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
记录模块402，用于记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
筛选模块403，用于从所述视频片段中筛选得到感兴趣图像帧；
获取模块404，用于获取所述目标病灶的位置信息；
存储模块405，用于关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
本申请实施例提供的超声诊查数据处理装置，在超声扫查过程中，在检测到目标病灶时仅获取其位置信息，而不会对该目标病灶进行后续的测量、诊断操作，保证了扫查的连贯性。同时，记录包含目标病灶的视频片段的起始帧和结束帧，从中筛选感兴趣图像帧，并对感兴趣图像帧以及其中包含的目标病灶的位置信息进行关联存储，方便在扫查结束后对包含目标病灶的图像帧进行定位，避免了漏检风险。由此可见，本申请实施例提供的超声诊查数据处理装置，在超声乳腺肿瘤筛查过程中，在保证扫查的连贯性的同时减少了漏检风险。
在上述实施例的基础上，作为一种优选实施方式，所述检测模块401具体用于：将采集到的每帧超声图像输入检测模型中得到每帧所述超声图像中包含目标病灶的置信度；若所述置信度超过阈值，则判定在对应的超声图像中检测到所述目标病灶。
在上述实施例的基础上，作为一种优选实施方式，所述记录模块402具体用于：
将首次检测到所述目标病灶的帧记录为起始帧，在连续帧均检测到所述目标病灶时将连续帧的最后一帧动态更新为所述结束帧；
判断所述结束帧之后未检测出所述目标病灶的帧数量是否小于预设值；
若是，则将重新检测出所述目标病灶的最后一帧动态更新为所述结束帧；
若否，则停止更新所述结束帧并记录，当检测出下一病灶时创建下一个视频片段的起始帧。
在上述实施例的基础上，作为一种优选实施方式，所述视频片段包括检测到所述目标病灶的连续多帧超声图像。
在上述实施例的基础上，作为一种优选实施方式，还包括：
第一可视化模块，用于在显示界面中对所述置信度进行可视化的实时显示。
在上述实施例的基础上，作为一种优选实施方式，所述位置信息包括深度信息，所述获取模块404具体用于：对所述感兴趣帧进行图像分析以获取所述目标病灶的深度信息。
在上述实施例的基础上，作为一种优选实施方式，所述获取模块404具体用于：当在目标超声图像中检测到所述目标病灶或从所述视频片段中筛选得到感兴趣图像帧时，通过输入接口获取所述目标病灶的位置信息。
在上述实施例的基础上，作为一种优选实施方式，所述获取模块404具体用于：通过语音输入接口获取录入语音，对所述信息录入语音进行语音识别，以获取所述目标病灶的位置信息。
在上述实施例的基础上，作为一种优选实施方式，存储模块405，具体用于：当所述视频片段中筛选出多帧所述感兴趣图像帧时，仅当第一时序的所述感兴趣图像帧通过输入接口获取所述目标病灶的位置信息，后续时序的所述感兴趣图像帧跳过通过输入接口获取位置信息的步骤并自动复用所述目标病灶的位置信息进行关联存储。
在上述实施例的基础上，作为一种优选实施方式，所述筛选模块403具体用于：将所述视频片段中满足预设条件的超声图像确定为感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值。
在上述实施例的基础上，作为一种优选实施方式，所述筛选模块403具体用于：将所述视频片段中满足预设条件的超声图像确定为候选感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值；将标准度预测分数最大的候选感兴趣图像帧确定为感兴趣图像帧。
在上述实施例的基础上，作为一种优选实施方式，所述筛选模块403具体用于：若检测到所述视频片段的起始帧，则输出感兴趣图像帧的筛选提示；当通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。
在上述实施例的基础上，作为一种优选实施方式，所述筛选模块403具体用于：当完成所述目标检查区域的扫查时，在显示界面中播放所述视频片段，并输出感兴趣图像帧的筛选提示；当通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。
在上述实施例的基础上，作为一种优选实施方式，还包括：
显示模块，用于在所述感兴趣图像帧中显示包含所述目标病灶的目标框，或，在所述感兴趣图像帧中显示所述目标病灶的边界；和/或，对所述感兴趣图像帧中的目标病灶进行自动测量并输出测量值。
在上述实施例的基础上，作为一种优选实施方式，还包括：
分析模块，用于当完成所述目标检查区域的扫查时，对所述感兴趣帧进行批量分析，得到所述目标病灶的辅助诊断信息；
生成模块，用于基于所述目标检查区域中检测到的所有所述目标病灶的位置信息和辅助诊断信息生成检查报告。
在上述实施例的基础上，作为一种优选实施方式，还包括：
输出模块，用于获取超声探头的移动速度，当所述移动速度大于速度阈值时，输出提示信息。
在上述实施例的基础上，作为一种优选实施方式，还包括：
第二可视化模块，用于在显示界面中对所述移动速度进行可视化的实时显示；和/或，当所述移动速度超过速度阈值时在显示界面中输出过速提示信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供了一种超声设备，图5为根据一示例性实施例示出的一种超声设备的结构图，如图5所示，超声设备包括：
探头1，除进行超声波信号的发射与接收外，通过配置相关传感器、开关按钮等实现探头运动状态监测、事件触发等功能；
通信接口2，能够与其它设备比如网络设备等进行信息交互；
处理器3，与通信接口1连接，以实现与其它设备进行信息交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的超声诊查数据处理方法。而所述计算机程序存储在存储器4上。
当然，实际应用时，超声设备中的各个组件通过总线系统5耦合在一起。可理解，总线系统5用于实现这些组件之间的连接通信。总线系统5除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统5。
本申请实施例中的存储器4用于存储各种类型的数据以支持超声设备的操作。这些数据的示例包括：用于在超声设备上操作的任何计算机程序。
可以理解，存储器4可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器4旨在包括但不限于这些和任意其它适合类型的存储器。
上述本申请实施例揭示的方法可以应用于处理器3中，或者由处理器3实现。处理器3可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器3中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器3可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器3可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器4，处理器3读取存储器4中的程序，结合其硬件完成前述方法的步骤。
处理器3执行所述程序时实现本申请实施例的各个方法中的相应流程，为了简洁，在此不再赘述。
当然，超声设备还可以包括显示器、键盘、触摸屏、扬声器等传统交互接口、音频输入、摄像头等音、视频交互接口、无线控制开关、移动APP等。
在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器3，上述计算机程序可由处理器3执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台超声设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (19)
1.一种超声诊查数据处理方法，其特征在于，包括：
采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
从所述视频片段中筛选得到感兴趣图像帧；
获取所述目标病灶的位置信息；
关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
2.根据权利要求1所述超声诊查数据处理方法，其特征在于，对采集到的每帧超声图像进行病灶检测，包括：
将采集到的每帧超声图像输入检测模型中得到每帧所述超声图像中包含目标病灶的置信度；
若所述置信度超过阈值，则判定在对应的超声图像中检测到所述目标病灶。
3.根据权利要求2所述超声诊查数据处理方法，其特征在于，所述记录包含目标病灶的视频片段的起始帧和结束帧，包括：
将首次检测到所述目标病灶的帧记录为起始帧，在连续帧均检测到所述目标病灶时将连续帧的最后一帧动态更新为所述结束帧；
判断所述结束帧之后未检测出所述目标病灶的帧数量是否小于预设值；
若是，则将重新检测出所述目标病灶的最后一帧动态更新为所述结束帧；
若否，则停止更新所述结束帧并记录，当检测出下一病灶时创建下一个视频片段的起始帧。
4.根据权利要求2所述超声诊查数据处理方法，其特征在于，还包括：
在显示界面中对所述置信度进行可视化的实时显示。
5.根据权利要求1所述超声诊查数据处理方法，其特征在于，所述位置信息包括深度信息，所述获取所述目标病灶的位置信息，包括：
对所述感兴趣帧进行图像分析以获取所述目标病灶的深度信息。
6.根据权利要求1所述超声诊查数据处理方法，其特征在于，所述获取所述目标病灶的位置信息，包括：
当在目标超声图像中检测到所述目标病灶或从所述视频片段中筛选得到感兴趣图像帧时，通过输入接口获取所述目标病灶的位置信息。
7.根据权利要求6所述超声诊查数据处理方法，其特征在于，所述通过输入接口获取所述目标病灶的位置信息，包括：
通过语音输入接口获取录入语音，对所述信息录入语音进行语音识别，以获取所述目标病灶的位置信息。
8.根据权利要求6或7所述超声诊查数据处理方法，其特征在于，当所述视频片段中筛选出多帧所述感兴趣图像帧时，仅当第一时序的所述感兴趣图像帧通过输入接口获取所述目标病灶的位置信息，后续时序的所述感兴趣图像帧跳过通过输入接口获取位置信息的步骤并自动复用所述目标病灶的位置信息进行关联存储。
9.根据权利要求1所述超声诊查数据处理方法，其特征在于，从所述视频片段中筛选得到感兴趣图像帧，包括：
将所述视频片段中满足预设条件的超声图像确定为感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值。
10.根据权利要求1所述超声诊查数据处理方法，其特征在于，从所述视频片段中筛选得到感兴趣图像帧，包括：
将所述视频片段中满足预设条件的超声图像确定为候选感兴趣图像帧；其中，所述预设条件为检测模型输出的标准度预测分数大于或等于预设值；
将标准度预测分数最大的候选感兴趣图像帧确定为感兴趣图像帧。
11.根据权利要求1所述超声诊查数据处理方法，其特征在于，从所述视频片段中筛选得到感兴趣图像帧，包括：
若检测到所述视频片段的起始帧，则输出感兴趣图像帧的筛选提示；
当通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。
12.根据权利要求1所述超声诊查数据处理方法，其特征在于，从所述视频片段中筛选得到感兴趣图像帧，包括：
当完成所述目标检查区域的扫查时，在显示界面中播放所述视频片段，并输出感兴趣图像帧的筛选提示；
当通过输入接口接收到确认信号时，将当前帧确定为感兴趣图像帧。
13.根据权利要求1所述超声诊查数据处理方法，其特征在于，从所述视频片段中筛选得到感兴趣图像帧之后，还包括：
在所述感兴趣图像帧中显示包含所述目标病灶的目标框，或，在所述感兴趣图像帧中显示所述目标病灶的边界；
和/或，对所述感兴趣图像帧中的目标病灶进行自动测量并输出测量值。
14.根据权利要求1所述超声诊查数据处理方法，其特征在于，还包括：
当完成所述目标检查区域的扫查时，对所述感兴趣帧进行批量分析，得到所述目标病灶的辅助诊断信息；
基于所述目标检查区域中检测到的所有所述目标病灶的位置信息和辅助诊断信息生成检查报告。
15.根据权利要求1所述超声诊查数据处理方法，其特征在于，还包括：
获取超声探头的移动速度；
当所述移动速度大于速度阈值时，输出提示信息。
16.根据权利要求1所述超声诊查数据处理方法，其特征在于，所述获取超声探头的移动速度之后，还包括：
在显示界面中对所述移动速度进行可视化的实时显示；
和/或，当所述移动速度超过速度阈值时在显示界面中输出过速提示信息。
17.一种超声诊查数据处理装置，其特征在于，包括：
检测模块，用于采集目标检查区域对应的超声图像，并对采集到的每帧超声图像进行病灶检测；
记录模块，用于记录包含目标病灶的视频片段的起始帧和结束帧；其中，所述视频片段包括检测到所述目标病灶的超声图像；
筛选模块，用于从所述视频片段中筛选得到感兴趣图像帧；
获取模块，用于获取所述目标病灶的位置信息；
存储模块，用于关联存储所述感兴趣图像帧以及所述目标病灶的位置信息。
18.一种超声设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至16任一项所述超声诊查数据处理方法的步骤。
19.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至16任一项所述超声诊查数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111679387.4A CN116407154A (zh) | 2021-12-31 | 2021-12-31 | 一种超声诊查数据处理方法、装置及超声设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111679387.4A CN116407154A (zh) | 2021-12-31 | 2021-12-31 | 一种超声诊查数据处理方法、装置及超声设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116407154A true CN116407154A (zh) | 2023-07-11 |
Family
ID=87051949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111679387.4A Pending CN116407154A (zh) | 2021-12-31 | 2021-12-31 | 一种超声诊查数据处理方法、装置及超声设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116407154A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116823829A (zh) * | 2023-08-29 | 2023-09-29 | 深圳微创心算子医疗科技有限公司 | 医疗影像的分析方法、装置、计算机设备和存储介质 |
| CN117227336A (zh) * | 2023-08-16 | 2023-12-15 | 门杜美昊(廊坊)医药科技有限公司 | 一种超声诊断报告打印装置 |
-
2021
- 2021-12-31 CN CN202111679387.4A patent/CN116407154A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117227336A (zh) * | 2023-08-16 | 2023-12-15 | 门杜美昊(廊坊)医药科技有限公司 | 一种超声诊断报告打印装置 |
| CN117227336B (zh) * | 2023-08-16 | 2024-04-16 | 门杜美昊(廊坊)医药科技有限公司 | 一种超声诊断报告打印装置 |
| CN116823829A (zh) * | 2023-08-29 | 2023-09-29 | 深圳微创心算子医疗科技有限公司 | 医疗影像的分析方法、装置、计算机设备和存储介质 |
| CN116823829B (zh) * | 2023-08-29 | 2024-01-09 | 深圳微创心算子医疗科技有限公司 | 医疗影像的分析方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11100645B2 (en) | Computer-aided diagnosis apparatus and computer-aided diagnosis method | |
| US11074732B2 (en) | Computer-aided diagnostic apparatus and method based on diagnostic intention of user | |
| CN105266845B (zh) | 用于基于探头速度支持计算机辅助诊断的设备和方法 | |
| US9773305B2 (en) | Lesion diagnosis apparatus and method | |
| CN111227864B (zh) | 使用超声图像利用计算机视觉进行病灶检测的装置 | |
| CN116407154A (zh) | 一种超声诊查数据处理方法、装置及超声设备和存储介质 | |
| CN111214255B (zh) | 一种医学超声图像计算机辅助方法 | |
| US10002422B2 (en) | Ultrasound image processing apparatus and medium | |
| CN103919573A (zh) | 病变诊断设备和方法 | |
| US9514531B2 (en) | Medical image diagnostic device and method for setting region of interest therefor | |
| US11284855B2 (en) | Ultrasound needle positioning system and ultrasound needle positioning method utilizing convolutional neural networks | |
| KR20150091748A (ko) | 3차원 초음파 프로브의 스캔 위치 가이드 방법 및 이 방법이 포함된 초음파 진단기 | |
| CN113349897A (zh) | 一种超声穿刺的引导方法、装置以及设备 | |
| CN117241738A (zh) | 在超声图像中显示血管 | |
| CN112750099A (zh) | 卵泡测量方法、超声设备以及计算机可读存储介质 | |
| EP3673815B1 (en) | Acoustic wave measurement apparatus and method for operating acoustic wave measurement apparatus | |
| WO2023126999A1 (ja) | 画像処理装置、画像処理方法、及び、記憶媒体 | |
| WO2022271129A1 (en) | Deep learning-based decision support system for real-time automatic polyp detection | |
| CN111260606B (zh) | 诊断装置和诊断方法 | |
| CN117222367A (zh) | 引导器械插入 | |
| US11253228B2 (en) | Ultrasonic scanning method and ultrasonic scanning device | |
| JP2023512351A (ja) | 身体の目的ターゲットの位置確認方法 | |
| WO2023078269A1 (zh) | 一种跟腱的检查方法和超声成像设备 | |
| CN111466948B (zh) | 超声波扫描方法与超声波扫描装置 | |
| US20230037641A1 (en) | Elastography method, system and storage medium |
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 |