CN118276062A - 超声设备功能的测试方法以及相关设备 - Google Patents
超声设备功能的测试方法以及相关设备 Download PDFInfo
- Publication number
- CN118276062A CN118276062A CN202211729407.9A CN202211729407A CN118276062A CN 118276062 A CN118276062 A CN 118276062A CN 202211729407 A CN202211729407 A CN 202211729407A CN 118276062 A CN118276062 A CN 118276062A
- Authority
- CN
- China
- Prior art keywords
- dimension
- target
- image
- ultrasonic
- detection result
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 190
- 230000006870 function Effects 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 86
- 238000002604 ultrasonography Methods 0.000 claims description 86
- 238000012216 screening Methods 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 10
- 238000010998 test method Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请实施例公开了一种超声设备功能的测试方法、超声设备、目标设备、计算机设备以及计算机可读存储介质,用于在提高了超声设备功能的测试准确性和测试效率的情况下,对超声设备功能进行测试。本申请实施例方法包括:获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果,根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格。
Description
技术领域
本申请实施例涉及超声设备功能的测试领域,更具体的,是超声设备功能的测试方法、超声设备、目标设备、计算机设备以及计算机可读存储介质。
背景技术
在超声设备的图像识别功能研发过程中,需要保证超声设备识别出来的目标超声图像满足目标预设图像标准,目标预设图像标准为医疗影像行业规定的图像标准,以使医生可以基于满足目标预设图像标准的目标超声图像对就诊人员做具体的医疗诊断,因此,需要对开发好的各种图像识别功能进行测试,确定各种图像识别功能是否合格。
现有的图像识别功能的测试方法是,在实际临床过程中,医生用超声设备的探头检测就诊人员需要检测的身体部位,可以获得就诊人员的实时临床超声图像,可以对实时临床超声图像在至少一个维度同时进行识别,得到目标实时临床超声图像,将目标实时临床超声图像与目标预设图像标准在各个维度进行比较,得到各个维度对应的图像测试结果,根据每个维度对应的图像测试结果,确定每个维度的图像识别功能是否合格。
但是对于这种测试方法,就诊人员的实时临床超声图像需要在实际临床过程中才可以获得,其在单位时间内,实际临床中获得实时临床超声图像的数量较少,因此,超声设备功能的测试的准确性和测试效率较低。
发明内容
本申请实施例提供了一种超声设备功能的测试方法、超声设备、目标设备以及计算机可读存储介质,能够在提高了超声设备功能的测试准确性和测试效率的情况下,对超声设备功能进行测试。
第一方面,本申请实施例提供了一种超声设备功能的测试方法,包括:
获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;
针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;
根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
可选的,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,包括:
调用所述超声设备的图像识别模型对目标清晰度临界超声图像在清晰度维度进行识别,得到所述目标清晰度临界超声图像在所述清晰度维度对应的第二识别检测结果;和/或
调用所述超声设备的图像识别模型对目标组织结构完整度临界超声图像在组织结构完整度维度进行识别,得到所述目标组织结构完整度临界超声图像在所述组织结构完整度维度对应的第二识别检测结果;和/或
调用所述超声设备的图像识别模型对所述目标清晰度临界超声图像、所述目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度进行识别,得到所述目标清晰度临界超声图像、所述目标组织结构完整度临界超声图像和所述常规超声图像在所述组织结构大小维度对应的第二识别检测结果。
可选的,所述根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格,包括:
若清晰度维度的比较结果满足清晰度维度的预设比较结果,则确定所述图像识别模型在清晰度维度的图像识别功能是合格的;
若组织结构完整度维度的比较结果满足组织结构完整度维度的预设比较结果,则确定所述图像识别模型在组织结构完整度维度的图像识别功能是合格的;
若组织结构大小维度的比较结果满足组织结构大小维度的预设比较结果,则确定所述图像识别模型在组织结构大小维度的图像识别功能是合格的。
可选的,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之后,所述方法还包括:
判断所述常规超声图像在识别过程中对应的基础操作流程是否正常进行;
若正常进行,则确定所述图像识别模型的基础操作功能是合格的。
可选的,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,包括:
将所述超声设备的工作模式设置为超声实时模式;
在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
可选的,所述在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之前,所述方法还包括:
获得实际临床中超声图像的临床媒体参数;
根据所述临床媒体参数设置所述目标超声图像的模拟临床获取的效果,得到调整媒体参数后的目标超声图像;
所述在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,包括:
在所述超声实时模式下,调用所述超声设备的图像识别模型对调整媒体参数后的所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
可选的,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,包括:
配置所述超声设备的通讯链路的链路参数,得到目标通讯链路;
基于所述目标通讯链路,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别。
第二方面,本申请实施例提供了又一种超声设备功能的测试方法,包括:
采集多张超声图像;
调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
将所述目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果发送至超声设备,以使所述超声设备获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
可选的,所述目标筛选识别模型包括第一筛选识别模型和第二筛选识别模型;
所述调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果,包括:
调用所述第一识别模型对所述多张超声图像在清晰度维度、组织结构完整度维度和组织结构大小维度进行筛选识别,得到常规超声图像和临界超声图像;其中,所述常规超声图像在每个维度对应的第一识别检测结果为各个维度均满足维度对应的第一预设图像标准,所述临界超声图像在每个维度对应的第一识别检测结果为存在一个维度不满足维度对应的第一预设图像标准;
调用所述第二识别模型对所述临界超声图像在清晰度维度、组织结构完整度维度进行筛选识别,得到目标清晰度临界超声图像和目标组织结构完整度临界超声图像;其中,所述目标清晰度临界超声图像在每个维度对应的第一识别检测结果为清晰度维度满足维度对应的第二预设图像标准,所述目标组织结构完整度临界超声图像在每个维度对应的第一识别检测结果为组织结构完整度维度满足维度对应的第二预设图像标准;其中,所述第一预设图像标准的要求高于所述第二预设图像标准的要求;
将所述常规超声图像、所述目标清晰度临界超声图像和所述目标组织结构完整度临界超声图像作为所述目标超声图像,及将所述常规超声图像、所述目标清晰度临界超声图像和所述目标组织结构完整度临界超声图像对应的第一识别检测结果作为所述目标超声图像的第一识别检测结果。
可选的,所述调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别之前,所述方法还包括:
对所述多张超声图像进行预处理,得到多张有效超声图像;
所述调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,包括:
调用所述目标设备的目标筛选识别模型对所述多张有效超声图像在至少一个维度进行筛选识别。
可选的,所述对所述多张超声图像进行预处理,得到多张有效超声图像,包括:
若所述多张超声图像为动态超声图像,则对所述动态超声图像进行解帧,得到连续的多张静态超声图像;
对所述多张静态超声图像进行预处理,得到多张有效静态超声图像。
第三方面,本申请实施例提供了一种超声设备,包括:
获得单元,用于获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
识别单元,用于调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;
所述获得单元,用于针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;
确定单元,用于根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
第四方面,本申请实施例提供了一种目标设备,包括:
采集单元,用于采集多张超声图像;
筛选识别单元,用于调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
发送单元,用于将所述目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果发送至超声设备,以使所述超声设备获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
第五方面,本申请实施例提供了一种电子设备,包括:处理器及存储器;
所述处理器配置为与所述存储器通信,并执行所述存储器中的指令操作以执行前述超声设备功能的测试方法。
可选的,电子设备可以是计算机设备,所述计算机设备包括:
中央处理器和存储器;
所述存储器为短暂存储存储器或持久存储存储器;
所述中央处理器配置为与所述存储器通信,并执行所述存储器中的指令操作以执行前述超声设备功能的测试方法。
第六方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质包括指令,当指令在计算机上运行时,使得计算机执行前述超声设备功能的测试方法。
第七方面,本申请实施例提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行前述超声设备功能的测试方法。
从以上技术方案可以看出,本申请实施例具有以下优点:可以获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果,根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格,提高了超声设备功能的测试准确性和测试效率。
附图说明
图1为本申请实施例公开的一种超声设备功能的测试方法的流程示意图;
图2为本申请实施例公开的一种超声设备的结构示意图;
图3为本申请实施例公开的另一种超声设备的结构示意图;
图4为本申请实施例公开的一种计算机设备的结构示意图。
具体实施方式
本申请实施例提供了一种超声设备功能的测试方法、超声设备、目标设备、计算机设备以及计算机可读存储介质,用于在提高了超声设备功能的测试准确性和测试效率的情况下,对超声设备功能进行测试。
请参阅图1,图1为本申请实施例公开的一种超声设备功能的测试方法的流程示意图,应用于超声设备,方法包括:
101、获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果。
本实施例中,当进行超声设备功能的测试时,可以获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果。
102、调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果之后,可以调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。可以理解的是,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别的方法可以是,调用超声设备的图像识别模型对目标清晰度临界超声图像在清晰度维度进行识别,得到目标清晰度临界超声图像在清晰度维度对应的第二识别检测结果;和/或调用超声设备的图像识别模型对目标组织结构完整度临界超声图像在组织结构完整度维度进行识别,得到目标组织结构完整度临界超声图像在组织结构完整度维度对应的第二识别检测结果;和/或调用超声设备的图像识别模型对目标清晰度临界超声图像、目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度进行识别,得到目标清晰度临界超声图像、目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度对应的第二识别检测结果。还可以是其他合理的方法,具体此处不做限定。
需要说明的是,上述图像识别模型可以是基于机器学习算法的智能识别模型,比如基于深度学习算法的神经网络模型。
103、针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果。
调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之后,可以针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果。
104、根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格。
针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果之后,可以根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格。
本申请实施例中,可以获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果,根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格,提高了超声设备功能的测试准确性和测试效率。
本申请实施例中,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果的方法可以有多种,基于图1所示的超声设备功能的测试方法,下面对其中的一种方法进行描述。
本实施例中,应用于超声设备,在进行超声设备功能的测试时,可以获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果。
需要理解的是,目标设备获得目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果的方法可以是,先采集多张超声图像,然后调用目标设备的目标筛选识别模型对多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果。
其中,调用目标设备的目标筛选识别模型对多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果的方法可以是,先调用第一识别模型对多张超声图像在清晰度维度、组织结构完整度维度和组织结构大小维度进行筛选识别,得到常规超声图像和临界超声图像;其中,常规超声图像在每个维度对应的第一识别检测结果为各个维度均满足维度对应的第一预设图像标准,临界超声图像在每个维度对应的第一识别检测结果为存在一个维度不满足维度对应的第一预设图像标准;然后调用第二识别模型对临界超声图像在清晰度维度、组织结构完整度维度进行筛选识别,得到目标清晰度临界超声图像和目标组织结构完整度临界超声图像;其中,目标清晰度临界超声图像在每个维度对应的第一识别检测结果为清晰度维度满足维度对应的第二预设图像标准,目标组织结构完整度临界超声图像在每个维度对应的第一识别检测结果为组织结构完整度维度满足维度对应的第二预设图像标准;其中,第一预设图像标准的要求高于第二预设图像标准的要求;最后将常规超声图像、目标清晰度临界超声图像和目标组织结构完整度临界超声图像作为目标超声图像,及将常规超声图像、目标清晰度临界超声图像和目标组织结构完整度临界超声图像对应的第一识别检测结果作为目标超声图像的第一识别检测结果。其中,目标筛选识别模型包括第一筛选识别模型(即上述第一识别模型)和第二筛选识别模型(即上述第二识别模型)。需要指出的是,该第一识别模型和第二识别模型可以是基于机器学习算法的智能识别模型,比如深度学习的神经网络模型。
其中,调用目标设备的目标筛选识别模型对多张超声图像在至少一个维度进行筛选识别的方法可以是先对采集的多张超声图像进行预处理,得到多张有效超声图像,然后调用目标设备的目标筛选识别模型对多张有效超声图像在至少一个维度进行筛选识别。
其中,对多张超声图像进行预处理,得到多张有效超声图像的方法可以是,若多张超声图像为动态超声图像,则对先动态超声图像进行解帧,得到连续的多张静态超声图像,然后对多张静态超声图像进行预处理,得到多张有效静态超声图像。
需要理解的是,预处理的方法可以是在超声图像中,去除噪声较多的超声图像,去除清晰度较差的超声图像,去除组织结构无法呈现的超声图像,将剩下的有效超声图像作为有效超声媒体数据。预处理可以是医生去执行,还可以是设备执行,具体预处理的执行主体此处不做限定。
还需要理解的是,超声图像可以是各种科室的超声图像,比如产科的股骨切面超声图像、丘脑切面超声图像、腹部切面超声图像、小脑切面超声图像等,具体此处不做限定。维度可以是图像的清晰度维度、组织结构完整性维度、组织结构大小维度、图像的灰阶比例维度,具体包含哪些维度此处不做限定,每个维度有对应的图像标准。其次,静态超声图像比如可以是JPG、BMP等格式的图片数据,动态超声图像比如可以是AVI、MP4等格式的动态视频数据,可以理解的是,动态超声图像为多帧静态超声图像按照固定的速度进行播放的超声图像。
还需要理解的是,临界超声图像可以是各个维度都处于临界状态的超声图像,比如清晰度维度处于临界状态、组织结构完整度维度处于临界状态和组织结构大小维度处于临界状态,还可以是某些维度处于临界状态的超声图像,具体临界超声图像处于什么样的临界状态此处不做限定。其次,除了上述的调用目标设备的目标筛选识别模型对多张超声图像在清晰度维度和/或组织结构完整度维度和/或组织结构大小维度进行筛选识别之外,还可以是对超声图像在具体组织结构维度进行识别,比如胎儿上腹图像切面维度的识别,还可以是调用图像识别模型对各种病例的超声图像在其他至少一个维度进行识别的方法,具体此处不做限定。
值得一提的是,对于目标设备,在调用第一识别模型对多张超声图像在清晰度维度、组织结构完整度维度和组织结构大小维度进行筛选识别之前,可以对第一识别模型进行训练。
其中,对第一识别模型进行训练的方法可以是,先获得超声图像样本;超声图像样本根据清晰度维度、组织结构完整度维度和组织结构大小维度对应的超声图像样本满足各个维度对应的第一预设图像标准与否,标注有常规超声图像及标注的常规超声图像在每个维度对应的第一识别检测结果,和标注有临界超声图像及标注的临界超声图像在每个维度对应的第一识别检测结果;然后调用第一识别模型对各种样式的超声图像样本在清晰度维度、组织结构完整度维度和组织结构大小维度进行筛选识别,得到预测常规超声图像和预测临界超声图像;其中预测常规超声图像在每个维度对应的第一识别检测结果为各个维度均满足维度对应的第一预设图像标准,预测临界超声图像在每个维度对应的第一识别检测结果为存在一个维度不满足维度对应的第一预设图像标准;最后根据回归损失函数计算预测常规超声图像及预测常规超声图像在每个维度对应的第一识别检测结果,与标注的常规超声图像及标注的常规超声图像在每个维度对应的第一识别检测结果之间的第一损失,根据回归损失函数计算预测临界超声图像及预测临界超声图像在每个维度对应的第一识别检测结果,与标注的临界超声图像及标注的临界超声图像在每个维度对应的第一识别检测结果之间的第二损失,当第一损失和第二损失满足收敛条件时,得到训练完成的第一识别模型。
值得一提的是,对于目标设备,在调用第二识别模型对临界超声图像在清晰度维度、组织结构完整度维度进行筛选识别之前,可以对第二识别模型进行训练。
其中,对第二识别模型进行训练的方法可以是,先获得临界超声图像样本;临界超声图像样本根据清晰度维度和组织结构完整度维度对应的临界超声图像样本满足各个维度对应的第二预设图像标准与否,标注有清晰度临界超声图像及标注的清晰度临界超声图像在每个维度对应的第一识别检测结果,和标注有组织结构完整度临界超声图像及标注的组织结构完整度临界超声图像在每个维度对应的第一识别检测结果;然后调用第二识别模型对临界超声图像样本在清晰度维度、组织结构完整度维度和组织结构大小维度进行筛选识别,得到预测目标清晰度临界超声图像和预测目标组织结构完整度临界超声图像;其中预测目标清晰度临界超声图像在每个维度对应的第一识别检测结果为清晰度维度满足维度对应的第二预设图像标准,目标组织结构完整度临界超声图像在每个维度对应的第一识别检测结果为组织结构完整度维度满足维度对应的第二预设图像标准;最后根据回归损失函数计算预测目标清晰度临界超声图像及预测目标清晰度临界超声图像在每个维度对应的第一识别检测结果,与标注的清晰度临界超声图像及标注的清晰度临界超声图像在每个维度对应的第一识别检测结果之间的第一损失,根据回归损失函数计算预测目标组织结构完整度临界超声图像及预测目标组织结构完整度临界超声图像在每个维度对应的第一识别检测结果,与标注的组织结构完整度临界超声图像及标注的组织结构完整度临界超声图像之间的第二损失,当第一损失和第二损失满足收敛条件时,得到训练完成的第二识别模型。
获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果之后,可以调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
其中,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果的方法可以是,调用超声设备的图像识别模型对目标清晰度临界超声图像在清晰度维度进行识别,得到目标清晰度临界超声图像在清晰度维度对应的第二识别检测结果;和/或调用超声设备的图像识别模型对目标组织结构完整度临界超声图像在组织结构完整度维度进行识别,得到目标组织结构完整度临界超声图像在组织结构完整度维度对应的第二识别检测结果;和/或调用超声设备的图像识别模型对目标清晰度临界超声图像、目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度进行识别,得到目标清晰度临界超声图像、目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度对应的第二识别检测结果。
调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果的方法还可以是,将超声设备的工作模式设置为超声实时模式,然后在超声实时模式下,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
其中,在超声实时模式下,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果的方法可以是,先获得实际临床中超声图像的临床媒体参数,然后根据临床媒体参数设置目标超声图像的模拟临床获取的效果,得到调整媒体参数后的目标超声图像,最后在超声实时模式下,调用超声设备的图像识别模型对调整媒体参数后的目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。具体的,媒体参数可以包括图像的格式、图像的切换速度、图像的亮度参数或图像的大小比例等,具体此处不做限定,其中,图像的切换速度可以是24帧/秒,还可以是其他在24帧/秒上下浮动15%的速度,具体切换速度的大小此处不做限定。需要理解的是,通过超声设备的探头获得的超声图像的格式是Dicom格式,而超声设备获得目标设备发送的超声图像通常是JPG、BMP、AVI、MP4等格式,通过调整媒体参数,可以将JPG、BMP等格式的静态超声图像以及如AVI、MP4等格式的动态超声图像“虚拟”成真实的类似于Dicom格式的超声图像在超声设备上对超声设备功能进行测试,从而确定(验证)图像识别模型在每个维度的图像识别功能是否合格。
调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别的方法还可以是,先配置超声设备的通讯链路的链路参数,得到目标通讯链路,然后基于目标通讯链路,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别。具体的,配置链路参数的方法可以是将超声设备与探头之间的通讯链路的链路参数调整为超声设备与其他第三方设备之间的通讯链路的链路参数,还可以是直接设置超声设备与其他第三方设备之前的通讯链路的链路参数,还可以是其他合理的配置链路参数的方法,具体此处不做限定。其中,其他第三方设备比如可以是U盘、计算机等设备,具体此处不做限定。
调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之后,可以针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果。
针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果之后,可以根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格。
其中,根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格的方法可以是,若清晰度维度的比较结果满足清晰度维度的预设比较结果,则确定图像识别模型在清晰度维度的图像识别功能是合格的;若组织结构完整度维度的比较结果满足组织结构完整度维度的预设比较结果,则确定图像识别模型在组织结构完整度维度的图像识别功能是合格的;若组织结构大小维度的比较结果满足组织结构大小维度的预设比较结果,则确定图像识别模型在组织结构大小维度的图像识别功能是合格的。
值得一提的是,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之后,可以判断常规超声图像在识别过程中对应的基础操作流程是否正常进行,若正常进行,则确定图像识别模型的基础操作功能是合格的。例如,可以判断常规超声图像在识别过程中对应的切面确认操作流是否正常进行,比如是否完整走完切面确认操作流对应的具体过程:图像识别-自动测量-用户确认-进入报告,若是完整走完,则可以确定切面确认操作流是正常进行,则可以确定切面确认操作流是合格的,若不是完整走完,则可以确定切面确认操作流不是正常进行,则可以确定切面确认操作流是不合格的。再例如,可以判断常规超声图像在识别过程中对应的切面导航菜单显示状态功能是否正常进行,比如在走完有关图像识别工作流后,在切面导航菜单上的“已识别”、“未识别”和“已确认”等状态是否正常显示,若正常显示,则确定切面导航菜单显示状态功能正常进行,则可以确定切面导航菜单显示状态功能是合格的,若不是正常显示,则确定切面导航菜单显示状态功能不是正常进行,则可以确定切面导航菜单显示状态功能是不合格的。
可以理解的是,除了上面所描述的调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别的方法之外;除了上面所描述的在超声实时模式下,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果的方法之外;除了上面所描述的根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格的方法之外;除了上面所描述的调用目标设备的目标筛选识别模型对多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果的方法之外;除了上面所描述的调用目标设备的目标筛选识别模型对多张超声图像在至少一个维度进行筛选识别的方法之外;除了上面所描述的对多张超声图像进行预处理,得到多张有效超声图像的方法之外;还可以是其他合理的方法,具体此处不做限定。
为方便理解,下面举一个具体的例子进行描述。
目标设备可以先采集100个超声图像,然后调用目标筛选识别模型的第一筛选识别模型对100个超声图像在清晰度维度、组织结构完整度维度和组织结构大小维度进行识别,得到30个常规超声图像和40个临界超声图像,然后调用第二筛选识别模型对40个临界超声图像在清晰度维度、组织结构完整度维度和组织结构大小维度进行识别,得到20个目标清晰度临界超声图像和10个目标组织结构完整度临界超声图像,以及30个常规超声图像、20个目标清晰度临界超声图像和10个目标组织结构完整度临界超声图像各自的第一识别检测结果。接着将筛选出来的30个常规超声图像、20个目标清晰度临界超声图像和10个目标组织结构完整度临界超声图像及对应的第一识别检测结果发送至超声设备。
接着,超声设备可以调用超声设备的图像识别模型对20个目标清晰度临界超声图像在清晰度维度进行识别,得到目标清晰度临界超声图像在清晰度维度对应的第二识别检测结果,对10个目标组织结构完整度临界超声图像在组织结构完整度维度进行识别,得到目标组织结构完整度临界超声图像在组织结构完整度维度对应的第二识别检测结果,对30个常规超声图像、20个目标清晰度临界超声图像和10个目标组织结构完整度临界超声图像在组织结构大小维度进行识别,得到30个常规超声图像、20个目标清晰度临界超声图像和10个目标组织结构完整度临界超声图像在组织结构大小维度对应的第二识别检测结果,
针对30个常规超声图像、20个目标清晰度临界超声图像和10个目标组织结构完整度临界超声图像中的每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果。
若清晰度维度的比较结果满足清晰度维度的预设比较结果,则确定图像识别模型在清晰度维度的图像识别功能是合格的,若组织结构完整度维度的比较结果满足组织结构完整度维度的预设比较结果,则确定图像识别模型在组织结构完整度维度的图像识别功能是合格的,若组织结构大小维度的比较结果满足组织结构大小维度的预设比较结果,则确定图像识别模型在组织结构大小维度的图像识别功能是合格的。还可以判断30个常规超声图像在识别过程中对应的基础操作流程是否正常进行,若正常进行,则确定图像识别模型的基础操作功能是合格的。
本实施例中,可以获得目标设备发送的目标超声图像,及目标超声图像在每个维度对应的第一识别检测结果,调用超声设备的图像识别模型对目标超声图像在至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,针对每张目标超声图像在每个维度对应的第二识别检测结果,获得维度的第二识别检测结果与维度的第一识别检测结果的比较结果,根据每个维度对应的比较结果,确定图像识别模型在每个维度的图像识别功能是否合格,提高了超声设备功能的测试准确性和测试效率。其次,采集的超声图像为历史临床中获取的,测试图像识别功能不需要限制在实时临床的环境才可以进行,减少了在实时临床测试图像识别功能时需要付出的医生用探头对就诊人员做检测的人力成本、超声设备的使用成本和测试中需要医院协助的合作成本。再者,测试图像识别功能可以脱离实际临床,在超声设备的用户端可以形象生动的体现实际临床下的功能演示说明,提高科研教学价值,可以更好的说明超声设备功能的特性,提高宣传效果。最后,可以获得更加细化维度的目标超声图像,调用图像识别模型对更加细化维度的目标超声图像进行识别,进而测试不同维度的图像识别功能,可以提高测试图像识别功能的准确性。
上面对本申请实施例中的超声设备功能的测试方法进行了描述,下面对本申请实施例中的超声设备进行描述,请参阅图2,本申请实施例中的超声设备一个实施例包括:
获得单元201,用于获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
识别单元202,用于调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;
所述获得单元201,用于针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;
确定单元203,用于根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
本申请实施例中,可以获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果,根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格,提高了超声设备功能的测试准确性和测试效率。
下面对本申请实施例中的超声设备进行详细描述,请参阅图3,本申请实施例中的超声设备另一实施例包括:
获得单元301,用于获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
识别单元302,用于调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;
所述获得单元301,用于针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;
确定单元303,用于根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
所述识别单元302,具体用于调用所述超声设备的图像识别模型对目标清晰度临界超声图像在清晰度维度进行识别,得到所述目标清晰度临界超声图像在所述清晰度维度对应的第二识别检测结果;和/或调用所述超声设备的图像识别模型对目标组织结构完整度临界超声图像在组织结构完整度维度进行识别,得到所述目标组织结构完整度临界超声图像在所述组织结构完整度维度对应的第二识别检测结果;和/或调用所述超声设备的图像识别模型对所述目标清晰度临界超声图像、所述目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度进行识别,得到所述目标清晰度临界超声图像、所述目标组织结构完整度临界超声图像和所述常规超声图像在所述组织结构大小维度对应的第二识别检测结果。
所述确定单元303,具体用于若清晰度维度的比较结果满足清晰度维度的预设比较结果,则确定所述图像识别模型在清晰度维度的图像识别功能是合格的,若组织结构完整度维度的比较结果满足组织结构完整度维度的预设比较结果,则确定所述图像识别模型在组织结构完整度维度的图像识别功能是合格的,若组织结构大小维度的比较结果满足组织结构大小维度的预设比较结果,则确定所述图像识别模型在组织结构大小维度的图像识别功能是合格的。
所述超声设备还包括:
判断单元304,用于判断所述常规超声图像在识别过程中对应的基础操作流程是否正常进行,若正常进行,则确定所述图像识别模型的基础操作功能是合格的。
所述识别单元302,具体用于将所述超声设备的工作模式设置为超声实时模式,在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
所述超声设备还包括:设置单元305;
所述获得单元301,具体用于获得实际临床中超声图像的临床媒体参数;
所述设置单元305,用于根据所述临床媒体参数设置所述目标超声图像的模拟临床获取的效果,得到调整媒体参数后的目标超声图像;
所述识别单元302,具体用于在所述超声实时模式下,调用所述超声设备的图像识别模型对调整媒体参数后的所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
所述识别单元302,具体用于配置所述超声设备的通讯链路的链路参数,得到目标通讯链路,基于所述目标通讯链路,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别。
本实施例中,超声设备中的各单元执行如前述图1所示实施例中超声设备的操作,具体此处不再赘述。
下面请参阅图4,本申请实施例中计算机设备400的一实施例包括:
中央处理器401,存储器405,输入输出接口404,有线或无线网络接口403以及电源402;
存储器405为短暂存储存储器或持久存储存储器;
中央处理器401配置为与存储器405通信,并执行存储器405中的指令操作以执行前述图1所示实施例中的方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质包括指令,当指令在计算机上运行时,使得计算机执行前述图1所示实施例中的方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行前述图1所示实施例中的方法。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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计算机设备(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步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (15)
1.一种超声设备功能的测试方法,其特征在于,应用于超声设备,所述方法包括:
获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;
针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;
根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
2.根据权利要求1所述的方法,其特征在于,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,包括:
调用所述超声设备的图像识别模型对目标清晰度临界超声图像在清晰度维度进行识别,得到所述目标清晰度临界超声图像在所述清晰度维度对应的第二识别检测结果;和/或
调用所述超声设备的图像识别模型对目标组织结构完整度临界超声图像在组织结构完整度维度进行识别,得到所述目标组织结构完整度临界超声图像在所述组织结构完整度维度对应的第二识别检测结果;和/或
调用所述超声设备的图像识别模型对所述目标清晰度临界超声图像、所述目标组织结构完整度临界超声图像和常规超声图像在组织结构大小维度进行识别,得到所述目标清晰度临界超声图像、所述目标组织结构完整度临界超声图像和所述常规超声图像在所述组织结构大小维度对应的第二识别检测结果。
3.根据权利要求1所述的方法,其特征在于,所述根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格,包括:
若清晰度维度的比较结果满足清晰度维度的预设比较结果,则确定所述图像识别模型在清晰度维度的图像识别功能是合格的;
若组织结构完整度维度的比较结果满足组织结构完整度维度的预设比较结果,则确定所述图像识别模型在组织结构完整度维度的图像识别功能是合格的;
若组织结构大小维度的比较结果满足组织结构大小维度的预设比较结果,则确定所述图像识别模型在组织结构大小维度的图像识别功能是合格的。
4.根据权利要求1所述的方法,其特征在于,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之后,所述方法还包括:
判断所述常规超声图像在识别过程中对应的基础操作流程是否正常进行;
若正常进行,则确定所述图像识别模型的基础操作功能是合格的。
5.根据权利要求1所述的方法,其特征在于,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,包括:
将所述超声设备的工作模式设置为超声实时模式;
在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
6.根据权利要求5所述的方法,其特征在于,所述在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果之前,所述方法还包括:
获得实际临床中超声图像的临床媒体参数;
根据所述临床媒体参数设置所述目标超声图像的模拟临床获取的效果,得到调整媒体参数后的目标超声图像;
所述在所述超声实时模式下,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果,包括:
在所述超声实时模式下,调用所述超声设备的图像识别模型对调整媒体参数后的所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果。
7.根据权利要求1所述的方法,其特征在于,所述调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,包括:
配置所述超声设备的通讯链路的链路参数,得到目标通讯链路;
基于所述目标通讯链路,调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别。
8.一种超声设备功能的测试方法,其特征在于,应用于目标设备,所述方法包括:
采集多张超声图像;
调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
将所述目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果发送至超声设备,以使所述超声设备获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
9.根据权利要求8所述的方法,其特征在于,所述目标筛选识别模型包括第一筛选识别模型和第二筛选识别模型;
所述调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果,包括:
调用所述第一识别模型对所述多张超声图像在清晰度维度、组织结构完整度维度和组织结构大小维度进行筛选识别,得到常规超声图像和临界超声图像;其中,所述常规超声图像在每个维度对应的第一识别检测结果为各个维度均满足维度对应的第一预设图像标准,所述临界超声图像在每个维度对应的第一识别检测结果为存在一个维度不满足维度对应的第一预设图像标准;
调用所述第二识别模型对所述临界超声图像在清晰度维度、组织结构完整度维度进行筛选识别,得到目标清晰度临界超声图像和目标组织结构完整度临界超声图像;其中,所述目标清晰度临界超声图像在每个维度对应的第一识别检测结果为清晰度维度满足维度对应的第二预设图像标准,所述目标组织结构完整度临界超声图像在每个维度对应的第一识别检测结果为组织结构完整度维度满足维度对应的第二预设图像标准;其中,所述第一预设图像标准的要求高于所述第二预设图像标准的要求;
将所述常规超声图像、所述目标清晰度临界超声图像和所述目标组织结构完整度临界超声图像作为所述目标超声图像,及将所述常规超声图像、所述目标清晰度临界超声图像和所述目标组织结构完整度临界超声图像对应的第一识别检测结果作为所述目标超声图像的第一识别检测结果。
10.根据权利要求8所述的方法,其特征在于,所述调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别之前,所述方法还包括:
对所述多张超声图像进行预处理,得到多张有效超声图像;
所述调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,包括:
调用所述目标设备的目标筛选识别模型对所述多张有效超声图像在至少一个维度进行筛选识别。
11.根据权利要求10所述的方法,其特征在于,所述对所述多张超声图像进行预处理,得到多张有效超声图像,包括:
若所述多张超声图像为动态超声图像,则对所述动态超声图像进行解帧,得到连续的多张静态超声图像;
对所述多张静态超声图像进行预处理,得到多张有效静态超声图像。
12.一种超声设备,其特征在于,包括:
获得单元,用于获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
识别单元,用于调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;
所述获得单元,用于针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;
确定单元,用于根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
13.一种目标设备,其特征在于,包括:
采集单元,用于采集多张超声图像;
筛选识别单元,用于调用所述目标设备的目标筛选识别模型对所述多张超声图像在至少一个维度进行筛选识别,得到目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;
发送单元,用于将所述目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果发送至超声设备,以使所述超声设备获得目标设备发送的目标超声图像,及所述目标超声图像在每个维度对应的第一识别检测结果;调用所述超声设备的图像识别模型对所述目标超声图像在所述至少一个维度进行识别,得到每张目标超声图像在每个维度对应的第二识别检测结果;针对每张目标超声图像在每个维度对应的第二识别检测结果,获得所述维度的第二识别检测结果与所述维度的第一识别检测结果的比较结果;根据每个所述维度对应的比较结果,确定所述图像识别模型在每个所述维度的图像识别功能是否合格。
14.一种电子设备,其特征在于,包括:处理器及存储器;
所述处理器配置为与所述存储器通信,并执行所述存储器中的指令操作以执行权利要求1至11中任意一项所述的方法。
15.一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包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至11中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211729407.9A CN118276062A (zh) | 2022-12-30 | 2022-12-30 | 超声设备功能的测试方法以及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211729407.9A CN118276062A (zh) | 2022-12-30 | 2022-12-30 | 超声设备功能的测试方法以及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118276062A true CN118276062A (zh) | 2024-07-02 |
Family
ID=91642871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211729407.9A Pending CN118276062A (zh) | 2022-12-30 | 2022-12-30 | 超声设备功能的测试方法以及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118276062A (zh) |
-
2022
- 2022-12-30 CN CN202211729407.9A patent/CN118276062A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10755411B2 (en) | Method and apparatus for annotating medical image | |
EP3982292B1 (en) | Method for training image recognition model, and method and apparatus for image recognition | |
EP3477589B1 (en) | Method of processing medical image, and medical image processing apparatus performing the method | |
CN101980664B (zh) | 超声波诊断装置 | |
KR102289277B1 (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
US20110245632A1 (en) | Medical Diagnosis Using Biometric Sensor Protocols Based on Medical Examination Attributes and Monitored Data | |
US20220125360A1 (en) | Method and computer program for determining psychological state through drawing process of counseling recipient | |
US11087877B1 (en) | Identifying anomalous brain data | |
US20220354466A1 (en) | Automated Maternal and Prenatal Health Diagnostics from Ultrasound Blind Sweep Video Sequences | |
Huang et al. | Artificial intelligence aids cardiac image quality assessment for improving precision in strain measurements | |
CN110414607A (zh) | 胶囊内窥镜图像的分类方法、装置、设备及介质 | |
CN114450716A (zh) | 用于卒中表征的图像处理 | |
CN110246135A (zh) | 卵泡监测方法、装置、系统及存储介质 | |
CN112998748A (zh) | 用于超声弹性成像的应变自动测量和应变比计算的方法和系统 | |
WO2023110477A1 (en) | A computer implemented method and a system | |
CN111145137A (zh) | 基于神经网络的静脉与动脉识别方法 | |
CN118276062A (zh) | 超声设备功能的测试方法以及相关设备 | |
CN112469341B (zh) | 一种超声图像处理方法及设备、存储介质 | |
CN116958539A (zh) | 用于血管树分割的模型训练和图像处理方法、装置及设备 | |
KR20200083302A (ko) | 클라우드 기반 인-메모리 의료 영상 분석 장치 및 방법 | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 | |
US20220199229A1 (en) | Method and system for enhancing medical ultrasound imaging devices with computer vision, computer aided diagnostics, report generation and network communication in real-time and near real-time | |
CN111144163A (zh) | 基于神经网络的静脉与动脉识别系统 | |
CN115631152A (zh) | 超声图像截取方法及装置、电子设备和存储介质 | |
US20230137369A1 (en) | Aiding a user to perform a medical ultrasound examination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |