CN117503204A - 一种超声ai数字诊疗系统 - Google Patents
一种超声ai数字诊疗系统 Download PDFInfo
- Publication number
- CN117503204A CN117503204A CN202410009162.5A CN202410009162A CN117503204A CN 117503204 A CN117503204 A CN 117503204A CN 202410009162 A CN202410009162 A CN 202410009162A CN 117503204 A CN117503204 A CN 117503204A
- Authority
- CN
- China
- Prior art keywords
- value
- abnormal
- ultrasonic
- real
- signal
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 210
- 238000001514 detection method Methods 0.000 claims abstract description 72
- 238000007689 inspection Methods 0.000 claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/58—Testing, adjusting or calibrating the diagnostic device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/54—Control of the diagnostic device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/58—Testing, adjusting or calibrating the diagnostic device
- A61B8/585—Automatic set-up of the device
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及诊疗技术领域,公开了一种超声AI数字诊疗系统,包括:采集模块,采集到超声检查仪的监测项的实时数据;分析模块,获取到超声波实时频率值、脉冲实时宽度值和工作实时温度值,与相应的预设范围进行比较,得到监测项异常数据;预判模块,基于异项值,设置监测周期,对超声检查仪的运行趋势作出判断,并生成运行稳定信号或运行不稳定信号;检测模块,基于运行稳定信号,获取到影响值,根据影响概率值对超声检查仪的检测进行判断,生成检测信号或不检测信号;本发明通过监测项的异常个数出发,并基于超声检查仪趋于稳定的情况下,对超声检查仪在即将检查的稳定性进行预测评估,从而有效提高超声检查仪的检测结果的准确性。
Description
技术领域
本发明涉及诊疗技术领域,具体涉及一种超声AI数字诊疗系统。
背景技术
中国专利号CN111110280A为公开了一种超声诊疗系统,包括:功率源、以及与所述功率源连接的控制设备和多个超声换能器;所述功率源包括函数发生器、与所述函数发生器连接的多路调制器、以及反馈系统;所述控制设备,控制所述函数发生器产生激发信号,并控制所述多路调制器将所述激发信号发送至用户指定的所述超声换能器。本发明提供的超声诊疗系统能够在较宽的频率范围20kHz-5MHz,其通过集成反馈系统,以实时测量超声换能器的输出的振动的振幅和频率;
目前超声检查仪在检测过程中,难以对其设备运行稳定性进行提前预判处理,特别是当检测结果与实际结果存在较大偏差后,才重新进行检测,并将两个结果进行比对,判断超声检查仪的检测结果的准确,从而存在多次无效检测,另外难以准确的直接得到诊疗结果。
发明内容
本发明的目的在于提供一种超声AI数字诊疗系统,解决以下技术问题:当检测结果与实际存在较大偏差后,才重新进行检测,并将两个结果进行比对,判断超声检查仪的检测结果的准确,从而存在多次无效检测,另外难以准确的直接得到诊疗结果。
本发明的目的可以通过以下技术方案实现:
一种超声AI数字诊疗系统,包括:
采集模块,采集到超声检查仪的监测项的实时数据;其中,监测项包括超声波频率、脉冲宽度以及工作温度;实时数据包括超声波实时频率值、脉冲实时宽度值和工作实时温度值;
分析模块,获取到超声波实时频率值、脉冲实时宽度值和工作实时温度值,以及相应的超声波频率预设范围、脉冲宽度预设范围以及工作温度预设范围,再进行一一比较,得到监测项异常数据;
其中,监测项异常数据包括异常项的个数,记为异项值;
预判模块,基于异项值,设置监测周期,对超声检查仪的运行趋势作出判断,并生成运行稳定信号或运行不稳定信号;
检测模块,基于运行稳定信号,获取到影响值,根据影响概率值对超声检查仪的检测进行判断,并对应生成检测信号或不检测信号;
其中,影响值包括环境影响值Ph和检测影响值Pj,通过公式,计算得到影响概率值ZY,其中,α、β均为比例系数。
作为本发明进一步的方案:若超声波实时频率值处于超声波频率预设范围内,则生成频率正常信号,并标记为频率正常项,超声波实时频率值不处于超声波频率预设范围内,则生成频率异常信号,并标记为频率异常项;
若脉冲实时宽度值处于脉冲宽度预设范围内,则生成脉冲正常信号,并标记为脉冲正常项,脉冲实时宽度值不处于脉冲宽度预设范围内,则生成脉冲异常信号,并标记为脉冲异常项;
若工作实时温度值处于工作温度预设范围内,则生成温度正常信号,并标记为温度正常项,工作实时温度值不处于工作温度预设范围内,则生成温度异常信号,并标记为温度异常项。
作为本发明进一步的方案:预判模块包括:
获取到分析模块的异项值,以时间为X轴,以异项值为Y轴,构建二维坐标系,将监测周期内所对应的异项值代入到二维坐标系中,得到异项值坐标点;
根据含有异项值坐标点的二维坐标系,沿着从远离X轴原点向靠近X轴原点的方向,对异项值坐标点分析,并设置分析时长,统计在分析时长内异项值坐标点的个数,标记为分析时长异点数。
作为本发明进一步的方案:若分析时长异点数小于分析时长异点数阈值时,则生成运行稳定信号;
若分析时长异点数大于等于分析时长异点数阈值时,则生成运行不稳定信号。
作为本发明进一步的方案:将得到的影响概率值ZY,代入到坐标模型,得到预测异点数DYJ,将得到的分析时长异点数与预测异点数进行相加求和,得到检测异点数;
再将检测异点数与分析时长异点数阈值进行比较;
若检测异点数小于分析时长异点数阈值时,则生成检测信号;
若检测异点数大于等于分析时长异点数阈值时,则生成不检测信号。
作为本发明进一步的方案:环境影响值的获取方式为:
获取到当前分析时长的环境温度均值,再将环境温度均值与预设的环境温度标准值做差值计算,得到环境温度偏差值,标记为TP;
以及获取到当前分析时长的环境温度波动值,标记为TB,其环境温度波动值是将相邻时刻的环境温度进行差值计算,得到时刻环境温差,再将分析时长内,所有的时刻环境温差相加求和取均值,得到环境温度波动值;
通过公式,计算得到环境影响值Ph。
作为本发明进一步的方案:检测影响值的获取方式为:
获取到历史时间该超声检查仪的超声波入射角,进行均值计算,得到超声波入射均角,再将超声波入射均角与预设的超声波入射标准角做差值计算,得到超声波入射角偏差值JP;
以及获取到历史时间该超声检查仪的超声波入射波动角,标记为JB,其超声波入射波动角是将相邻时刻的超声波入射角进行差值计算,得到时刻超声波入射角差,再将历史时间内,所有的时刻超声波入射角差相加求和取均值,得到时刻超声波入射角波动值;
通过公式,计算得到检测影响值Pj;其中,b1、b2为权重系数。
作为本发明进一步的方案:还包括:
故障模块,基于运行不稳定信号,根据含有异项值坐标点的二维坐标系,获取得到异常分布值,对超声检查仪进行故障性判断;
其中,异常分布值包括异点占比,异点占比包括高异点占比、中异点占比和低异点占比。
作为本发明进一步的方案:获取到高异点占比、中异点占比和低异点占比,并分别标记为BGd、BZd、BDd;
通过公式,计算得到异常比值ZB;其中,c1、c2、c3均为权重系数;
将得到异常比值ZB与异常比阈值进行比较;
若异常比值ZB大于等于异常比阈值时,则生成超声检查仪高故障信号;
若异常比值ZB小于异常比阈值时,则生成超声检查仪低故障信号。
作为本发明进一步的方案:高异点占比的获取方式:
获取到二维坐标系中,异项值等于3的所有异项值坐标点的个数,标记为高异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将高异值除以异总值,得到高异点占比;
中异点占比的获取方式:
获取到二维坐标系中,异项值等于2的所有异项值坐标点的个数,标记为中异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将中异值除以异总值,得到中异点占比;
低异点占比的获取方式:
获取到二维坐标系中,异项值等于1的所有异项值坐标点的个数,标记为低异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将低异值除以异总值,得到低异点占比。
本发明的有益效果:
本发明通过采集模块,采集到超声检查仪的监测项的实时数据,分析模块,基于监测项的实时数据,进行分析,得到监测项异常数据,预判模块,基于异项值,设置监测周期,对超声检查仪的运行趋势作出判断,并生成运行稳定信号或运行不稳定信号,检测模块,基于运行稳定信号,获取到影响值,对超声检查仪的检测进行判断,并对应生成检测信号或不检测信号;本发明通过监测项的异常个数出发,并基于超声检查仪趋于稳定的情况下,对超声检查仪在即将检查的稳定性进行预测评估,从而有效提高超声检查仪的检测结果的准确性,也将使得检测更加智能,解决目前超声检查仪在检测过程中,难以对其设备运行稳定性进行提前预判处理,特别是当检测结果与实际结果存在较大偏差后,才重新进行检测,并将两个结果进行比对,判断超声检查仪的检测结果的准确,从而存在多次无效检测,另外难以准确的直接得到诊疗结果;
本发明通过故障模块,基于运行不稳定信号,根据含有异项值坐标点的二维坐标系,获取得到异常分布值,对超声检查仪进行故障性判断,本发明通过监测项的异常个数出发,并基于超声检查仪不稳定的情况下,对超声波检测仪的故障进行判断分析,便于对超声波检测仪进行实时监测,保证超声诊疗的精准性,也将实现对其进行及时维修。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明实施例1的诊疗系统的系统框图;
图2是本发明实施例2的诊疗系统的系统框图。
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前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
请参阅图1所示,本发明为一种超声AI数字诊疗系统,包括:
采集模块,采集到超声检查仪的监测项的实时数据;
其中,监测项包括超声波频率、脉冲宽度以及工作温度;实时数据包括超声波实时频率值、脉冲实时宽度值和工作实时温度值;
分析模块,基于监测项的实时数据,进行分析,得到监测项异常数据;
其中,监测项异常数据包括异常项的个数;
在一些实施例中,分析模块获取到采集模块的超声波实时频率值、脉冲实时宽度值和工作实时温度值,以及获取到相应的超声波频率预设范围、脉冲宽度预设范围以及工作温度预设范围,再进行一一比较;
比较过程如下:
若超声波实时频率值处于超声波频率预设范围内,则生成频率正常信号,并标记为频率正常项,超声波实时频率值不处于超声波频率预设范围内,则生成频率异常信号,并标记为频率异常项;
若脉冲实时宽度值处于脉冲宽度预设范围内,则生成脉冲正常信号,并标记为脉冲正常项,脉冲实时宽度值不处于脉冲宽度预设范围内,则生成脉冲异常信号,并标记为脉冲异常项;
若工作实时温度值处于工作温度预设范围内,则生成温度正常信号,并标记为温度正常项,工作实时温度值不处于工作温度预设范围内,则生成温度异常信号,并标记为温度异常项;
统计出现异常项的个数,并记为异项值;
预判模块,基于异项值,设置监测周期,对超声检查仪的运行趋势作出判断,并生成运行稳定信号或运行不稳定信号;
在一些实施例中,预判模块,获取到分析模块的异项值,以时间为X轴,以异项值为Y轴,构建二维坐标系,将监测周期内所对应的异项值代入到二维坐标系中,得到异项值坐标点;
根据含有异项值坐标点的二维坐标系,沿着从远离X轴原点向靠近X轴原点的方向,对异项值坐标点分析,并设置分析时长(分析时长是预先设定的,其分析时长要大于检测时长,检测时长为超声检查仪的超声检查开始时间到超声检查结束时间),统计在分析时长内异项值坐标点的个数,标记为分析时长异点数;
将分析时长异点数与分析时长异点数阈值进行比较;
若分析时长异点数小于分析时长异点数阈值时,则生成运行稳定信号;
若分析时长异点数大于等于分析时长异点数阈值时,则生成运行不稳定信号;
检测模块,基于运行稳定信号,获取到影响值,对超声检查仪的检测进行判断,并对应生成检测信号或不检测信号;
其中,影响值包括环境影响值和检测影响值;
在一些实施例中,检测模块,当接收到运行稳定信号时,获取到环境影响值Ph和检测影响值Pj,通过公式,计算得到影响概率值ZY,其中,α、β均为比例系数,α取值为1.63、β取值为1.28;
将得到的影响概率值ZY,代入到坐标模型(坐标模型的构建为:以影响概率值为X轴,以预测异点数为Y轴,构建二维坐标系,将获取到历史的影响概率值和预测异点数数据代入到二维坐标系中,绘制得到影响概率值-预测异点数的曲线),得到预测异点数DYJ,将得到的分析时长异点数与预测异点数进行相加求和,得到检测异点数;
再将检测异点数与分析时长异点数阈值进行比较;
若检测异点数小于分析时长异点数阈值时,则生成检测信号;
若检测异点数大于等于分析时长异点数阈值时,则生成不检测信号;
优选的,环境影响值的获取方式为:
获取到当前分析时长的环境温度均值,再将环境温度均值与预设的环境温度标准值(预设的环境温度标准值也是预先设定的)做差值计算,得到环境温度偏差值,标记为TP;
以及获取到当前分析时长的环境温度波动值,标记为TB,其环境温度波动值是将相邻时刻的环境温度进行差值计算,得到时刻环境温差,再将分析时长内,所有的时刻环境温差相加求和取均值,得到环境温度波动值;
通过公式,计算得到环境影响值Ph;其中,a1、a2为权重系数,a1+a2=1,a1取值为0.41,a2取值为0.56;
检测影响值的获取方式为:
获取到历史时间该超声检查仪的超声波入射角,进行均值计算,得到超声波入射均角,再将超声波入射均角与预设的超声波入射标准角(预设的超声波入射标准角也是预先设定的)做差值计算,得到超声波入射角偏差值JP;
以及获取到历史时间该超声检查仪的超声波入射波动角,标记为JB,其超声波入射波动角是将相邻时刻的超声波入射角进行差值计算,得到时刻超声波入射角差,再将历史时间内,所有的时刻超声波入射角差相加求和取均值,得到时刻超声波入射角波动值;
通过公式,计算得到检测影响值Pj;其中,b1、b2为权重系数,b1+b2=1,b1取值为0.61,b2取值为0.39;
本发明实施例的技术方案:采集模块,采集到超声检查仪的监测项的实时数据,分析模块,基于监测项的实时数据,进行分析,得到监测项异常数据,预判模块,基于异项值,设置监测周期,对超声检查仪的运行趋势作出判断,并生成运行稳定信号或运行不稳定信号,检测模块,基于运行稳定信号,获取到影响值,对超声检查仪的检测进行判断,并对应生成检测信号或不检测信号;本发明实施例通过监测项的异常个数出发,并基于超声检查仪趋于稳定的情况下,对超声检查仪在即将检查的稳定性进行预测评估,从而有效提高超声检查仪的检测结果的准确性,也将使得检测更加智能,解决目前超声检查仪在检测过程中,难以对其设备运行稳定性进行提前预判处理,特别是当检测结果与实际结果存在较大偏差后,才重新进行检测,并将两个结果进行比对,判断超声检查仪的检测结果的准确,从而存在多次无效检测,另外难以准确的直接得到诊疗结果。
实施例2
请参阅图2所示,基于实施例1,本发明为一种超声AI数字诊疗系统,还包括:
故障模块,基于运行不稳定信号,根据含有异项值坐标点的二维坐标系,获取得到异常分布值,对超声检查仪进行故障性判断;
其中,异常分布值包括异点占比,异点占比包括高异点占比、中异点占比和低异点占比;
在一些实施例中,故障模块,当得到运行不稳定信号时,基于含有异项值坐标点的二维坐标系,获取到高异点占比、中异点占比和低异点占比,并分别标记为BGd、BZd、BDd;
通过公式,计算得到异常比值ZB;其中,c1、c2、c3均为权重系数,c1+c2+c3=1,c1取值为0.68,c2取值为0.27,c3取值为0.15;
将得到异常比值ZB与异常比阈值进行比较;
若异常比值ZB大于等于异常比阈值时,则生成超声检查仪高故障信号;
若异常比值ZB小于异常比阈值时,则生成超声检查仪低故障信号;
优选的,高异点占比的获取方式:
获取到二维坐标系中,异项值等于3的所有异项值坐标点的个数,标记为高异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将高异值除以异总值,得到高异点占比;
中异点占比的获取方式:
获取到二维坐标系中,异项值等于2的所有异项值坐标点的个数,标记为中异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将中异值除以异总值,得到中异点占比;
低异点占比的获取方式:
获取到二维坐标系中,异项值等于1的所有异项值坐标点的个数,标记为低异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将低异值除以异总值,得到低异点占比;
需要说明的是:超声检查仪故障信号:表示在监测周期内,超声检查仪出现多个监测项长时间异常的情况,其超声检查仪的诊疗设备存在故障可能性较大,发出警报,提醒使用者,对超声检查仪进行检查维修;超声检查仪非故障信号:表示在监测周期内,超声检查仪未出现多个监测项长时间异常,其超声检查仪的诊疗设备存在故障性可能性较小,对超声检查仪的输出端所连接的电源稳定性等外设原因进行检查;
本发明实施例的技术方案:故障模块,基于运行不稳定信号,根据含有异项值坐标点的二维坐标系,获取得到异常分布值,对超声检查仪进行故障性判断,本发明实施例通过监测项的异常个数出发,并基于超声检查仪不稳定的情况下,对超声波检测仪的故障进行判断分析,便于对超声波检测仪进行实时监测,保证超声诊疗的精准性,也将实现对其进行及时维修。
实施例3
基于实施例2,本发明为一种超声AI数字诊疗系统的工作方法,包括以下步骤:
步骤1:采集到超声检查仪的监测项的实时数据;
其中,监测项包括超声波频率、脉冲宽度以及工作温度;实时数据包括超声波实时频率值、脉冲实时宽度值和工作实时温度值;
步骤2:基于监测项的实时数据,进行分析,得到监测项异常数据;
其中,监测项异常数据包括异常项的个数;
步骤3:基于异项值,设置监测周期,对超声检查仪的运行趋势作出判断,并生成运行稳定信号或运行不稳定信号;
步骤4:基于运行稳定信号,获取到影响值,对超声检查仪的检测进行判断,并对应生成检测信号或不检测信号;其中,影响值包括环境影响值和检测影响值;
步骤5:基于运行不稳定信号,根据含有异项值坐标点的二维坐标系,获取得到异常分布值,对超声检查仪进行故障性判断,其中,异常分布值包括异点占比,异点占比包括高异点占比、中异点占比和低异点占比。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.一种超声AI数字诊疗系统,其特征在于,包括:
采集模块,采集到超声检查仪的监测项的实时数据;其中,监测项包括超声波频率、脉冲宽度以及工作温度;实时数据包括超声波实时频率值、脉冲实时宽度值和工作实时温度值;
分析模块,获取到超声波实时频率值、脉冲实时宽度值和工作实时温度值,以及相应的超声波频率预设范围、脉冲宽度预设范围以及工作温度预设范围,再进行一一比较,得到监测项异常数据;
其中,监测项异常数据包括异常项的个数,记为异项值;
预判模块,基于异项值,设置监测周期,对超声检查仪的运行趋势进行判断,并生成运行稳定信号或运行不稳定信号;
检测模块,基于运行稳定信号,获取到影响值,计算得到影响概率值ZY,通过影响概率值对超声检查仪的检测进行判断,并对应生成检测信号或不检测信号;
其中,影响值包括环境影响值Ph和检测影响值Pj,通过公式,计算得到影响概率值ZY,其中,α、β均为比例系数。
2.根据权利要求1所述的一种超声AI数字诊疗系统,其特征在于,若超声波实时频率值处于超声波频率预设范围内,则生成频率正常信号,并标记为频率正常项,超声波实时频率值不处于超声波频率预设范围内,则生成频率异常信号,并标记为频率异常项;
若脉冲实时宽度值处于脉冲宽度预设范围内,则生成脉冲正常信号,并标记为脉冲正常项,脉冲实时宽度值不处于脉冲宽度预设范围内,则生成脉冲异常信号,并标记为脉冲异常项;
若工作实时温度值处于工作温度预设范围内,则生成温度正常信号,并标记为温度正常项,工作实时温度值不处于工作温度预设范围内,则生成温度异常信号,并标记为温度异常项。
3.根据权利要求1所述的一种超声AI数字诊疗系统,其特征在于,预判模块包括:
获取到分析模块的异项值,以时间为X轴,以异项值为Y轴,构建二维坐标系,将监测周期内所对应的异项值代入到二维坐标系中,得到异项值坐标点;
根据含有异项值坐标点的二维坐标系,沿着从远离X轴原点向靠近X轴原点的方向,对异项值坐标点分析,并设置分析时长,统计在分析时长内异项值坐标点的个数,标记为分析时长异点数。
4.根据权利要求3所述的一种超声AI数字诊疗系统,其特征在于,若分析时长异点数小于分析时长异点数阈值时,则生成运行稳定信号;
若分析时长异点数大于等于分析时长异点数阈值时,则生成运行不稳定信号。
5.根据权利要求4所述的一种超声AI数字诊疗系统,其特征在于,将得到的影响概率值ZY,代入到影响概率值-预测异点数的曲线中,得到预测异点数,将得到的分析时长异点数与预测异点数进行相加求和,得到检测异点数;
再将检测异点数与分析时长异点数阈值进行比较;
若检测异点数小于分析时长异点数阈值时,则生成检测信号;
若检测异点数大于等于分析时长异点数阈值时,则生成不检测信号。
6.根据权利要求5所述的一种超声AI数字诊疗系统,其特征在于,环境影响值Ph的获取方式为:
获取到当前分析时长的环境温度均值,再将环境温度均值与预设的环境温度标准值做差值计算,得到环境温度偏差值,标记为TP;
以及获取到当前分析时长的环境温度波动值,标记为TB,其环境温度波动值是将相邻时刻的环境温度进行差值计算,得到时刻环境温差,再将分析时长内,所有的时刻环境温差相加求和取均值,得到环境温度波动值;
通过公式,计算得到环境影响值Ph,其中,a1、a2为权重系数。
7.根据权利要求6所述的一种超声AI数字诊疗系统,其特征在于,检测影响值Pj的获取方式为:
获取到历史时间该超声检查仪的超声波入射角,进行均值计算,得到超声波入射均角,再将超声波入射均角与预设的超声波入射标准角做差值计算,得到超声波入射角偏差值JP;
以及获取到历史时间该超声检查仪的超声波入射波动角,标记为JB,其超声波入射波动角是将相邻时刻的超声波入射角进行差值计算,得到时刻超声波入射角差,再将历史时间内,所有的时刻超声波入射角差相加求和取均值,得到时刻超声波入射角波动值;
通过公式,计算得到检测影响值Pj;其中,b1、b2为权重系数。
8.根据权利要求1所述的一种超声AI数字诊疗系统,其特征在于,还包括:
故障模块,基于运行不稳定信号,根据含有异项值坐标点的二维坐标系,获取得到异常分布值,对超声检查仪进行故障性判断;
其中,异常分布值包括异点占比,异点占比包括高异点占比、中异点占比和低异点占比。
9.根据权利要求8所述的一种超声AI数字诊疗系统,其特征在于,获取到高异点占比、中异点占比和低异点占比,并分别标记为BGd、BZd、BDd;
通过公式,计算得到异常比值ZB;其中,c1、c2、c3均为权重系数;
将得到异常比值ZB与异常比阈值进行比较;
若异常比值ZB大于等于异常比阈值时,则生成超声检查仪高故障信号;
若异常比值ZB小于异常比阈值时,则生成超声检查仪低故障信号。
10.根据权利要求9所述的一种超声AI数字诊疗系统,其特征在于,高异点占比的获取方式:
获取到二维坐标系中,异项值等于3的所有异项值坐标点的个数,标记为高异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将高异值除以异总值,得到高异点占比;
中异点占比的获取方式:
获取到二维坐标系中,异项值等于2的所有异项值坐标点的个数,标记为中异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将中异值除以异总值,得到中异点占比;
低异点占比的获取方式:
获取到二维坐标系中,异项值等于1的所有异项值坐标点的个数,标记为低异值,以及获取到二维坐标系中,异项值坐标点的个数,标记为异总值,将低异值除以异总值,得到低异点占比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410009162.5A CN117503204B (zh) | 2024-01-04 | 2024-01-04 | 一种超声ai数字诊疗系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410009162.5A CN117503204B (zh) | 2024-01-04 | 2024-01-04 | 一种超声ai数字诊疗系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117503204A true CN117503204A (zh) | 2024-02-06 |
CN117503204B CN117503204B (zh) | 2024-03-22 |
Family
ID=89749816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410009162.5A Active CN117503204B (zh) | 2024-01-04 | 2024-01-04 | 一种超声ai数字诊疗系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117503204B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744013A (zh) * | 2024-02-20 | 2024-03-22 | 深圳市联明电源股份有限公司 | 一种电源电子元器件的检测系统及其检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009034386A (ja) * | 2007-08-02 | 2009-02-19 | Toshiba Corp | 超音波診断装置及び超音波プローブ |
KR101787269B1 (ko) * | 2016-06-28 | 2017-10-19 | 현대오트론 주식회사 | 초음파 센서 진단 장치 |
WO2019130768A1 (ja) * | 2017-12-27 | 2019-07-04 | 株式会社日立製作所 | 超音波診断装置 |
CN111289829A (zh) * | 2020-03-18 | 2020-06-16 | 西南石油大学 | 一种基于多源信息融合的配电变压器在线监测方法及系统 |
US20200245979A1 (en) * | 2019-01-31 | 2020-08-06 | Fujifilm Corporation | Failure prediction system of ultrasonic endoscope apparatus, failure prediction method of ultrasonic endoscope apparatus, and failure prediction program of ultrasonic endoscope apparatus |
CN112370076A (zh) * | 2020-11-10 | 2021-02-19 | 马炎 | 一种超声医疗设备的信息采集预警系统 |
CN113208653A (zh) * | 2021-03-31 | 2021-08-06 | 上海深至信息科技有限公司 | 一种超声图像采集处理系统 |
-
2024
- 2024-01-04 CN CN202410009162.5A patent/CN117503204B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009034386A (ja) * | 2007-08-02 | 2009-02-19 | Toshiba Corp | 超音波診断装置及び超音波プローブ |
KR101787269B1 (ko) * | 2016-06-28 | 2017-10-19 | 현대오트론 주식회사 | 초음파 센서 진단 장치 |
WO2019130768A1 (ja) * | 2017-12-27 | 2019-07-04 | 株式会社日立製作所 | 超音波診断装置 |
US20200245979A1 (en) * | 2019-01-31 | 2020-08-06 | Fujifilm Corporation | Failure prediction system of ultrasonic endoscope apparatus, failure prediction method of ultrasonic endoscope apparatus, and failure prediction program of ultrasonic endoscope apparatus |
CN111289829A (zh) * | 2020-03-18 | 2020-06-16 | 西南石油大学 | 一种基于多源信息融合的配电变压器在线监测方法及系统 |
CN112370076A (zh) * | 2020-11-10 | 2021-02-19 | 马炎 | 一种超声医疗设备的信息采集预警系统 |
CN113208653A (zh) * | 2021-03-31 | 2021-08-06 | 上海深至信息科技有限公司 | 一种超声图像采集处理系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744013A (zh) * | 2024-02-20 | 2024-03-22 | 深圳市联明电源股份有限公司 | 一种电源电子元器件的检测系统及其检测方法 |
CN117744013B (zh) * | 2024-02-20 | 2024-04-19 | 深圳市联明电源股份有限公司 | 一种电源电子元器件的检测系统及其检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117503204B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117503204B (zh) | 一种超声ai数字诊疗系统 | |
JP3993825B2 (ja) | 器械を取り付けられた機器およびプロセスのための推論信号生成装置 | |
CN101490816B (zh) | 等离子体异常放电诊断方法、等离子体异常放电诊断系统 | |
CN101509942B (zh) | 一种超声波换能器频率响应特性的检测方法 | |
CN104953583B (zh) | 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法 | |
CN105093059B (zh) | 一种基于归一化奇异谱熵的变压器绕组工作状态检测方法 | |
CN105716664A (zh) | 基于标幺化算法的电缆状态监测多参数关联分析方法 | |
CN109061387A (zh) | 一种基于圆环定理的电网异常状态判别方法 | |
CN105911499A (zh) | 现场环境下超声波局部放电计量系统及方法 | |
CN109581268B (zh) | 一种光纤电流互感器故障诊断方法及装置 | |
CN109471058A (zh) | 一种现场校验计量误差系统及方法 | |
CN116701886B (zh) | 一种运动肺测试数据智能分析管理系统 | |
CN112433091A (zh) | 一种用于芯片的用电功耗的实时检测系统 | |
CN117664281B (zh) | 基于物联网的超声波水表故障检测与自动校准方法和系统 | |
CN117367533A (zh) | 一种物联网智能水表故障诊断方法、装置及设备 | |
JPH07280603A (ja) | 機械の異常判定方法 | |
CN102354295B (zh) | 一种dcs系统中设备的cpu负荷测试方法 | |
CN105182116B (zh) | 一种基于加权梯度结构相似度的变压器绕组工作状态检测方法 | |
CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 | |
CN109459786B (zh) | 一种基于源量程信号的检测系统 | |
CN113985765B (zh) | 一种燃油工程机械工作状态监测系统及监测方法 | |
CN115469064B (zh) | 一种多网格空间气体扩散源定位方法及系统 | |
CN110824293A (zh) | 一种基于狼群算法的多特征融合参数的电网故障诊断方法 | |
CN110032758A (zh) | 计算电信号的能量的方法、装置和计算机存储介质 | |
Ma et al. | Hardware design of factory toxic gas leakage monitoring system based on CC2530 |
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 |