[發(fā)明專利]適用于超聲診斷的進化學習方法、系統及存儲介質

在審

• 申請?zhí)枺?/td>: 201911387272.0
• 申請日: 2019-12-27
• 公開（公告）號: CN113053512A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設計）人: 蘇之道;陳瑜;付文明;惠友東
• 申請（專利權）人: 無錫祥生醫(yī)療科技股份有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N20/00
• 代理公司: 無錫市大為專利商標事務所(普通合伙) 32104
• 代理人: 曹祖良;屠志力

1.一種適用于超聲診斷的進化學習方法，其特征在于，包括以下步驟：

存儲相應病種的病理分類層級關系，病理分類層級關系中每一個病理分類被唯一標識；

進行樣本訓練時，根據樣本的診斷結果而設置的相應診斷標簽，在病理分類層級關系中查找相應的病理分類，以及該病理分類相應的上層關系，生成相應上層病理分類的診斷標簽。

2.如權利要求1所述的適用于超聲診斷的進化學習方法，其特征在于，

所述病理分類層級關系采用樹形結構，并通過鍵值對進行存儲，子病理分類的主鍵包含所有上層病理分類的主鍵。

3.如權利要求1或2所述的適用于超聲診斷的進化學習方法，其特征在于，

所述每一個病理分類被唯一標識，是對每一個病理分類保存唯一的身份碼。

4.如權利要求3所述的適用于超聲診斷的進化學習方法，其特征在于，

所述對每一個病理分類保存唯一的身份碼，具體包括：

將一個病理分類轉換成對應的特征碼；查找該病理分類的一個上層病理分類轉換成的特征碼，并乘以一個層級差系數，得到上層病理分類關系的定義碼；

采用Hash算法，通過將一個病理分類的特征碼和其一個上層病理分類關系的定義碼進行相加求余，得到相應的身份碼。

5.如權利要求4所述的適用于超聲診斷的進化學習方法，其特征在于，

當身份碼存在沖突時，則進行遍歷查找，直到得到不沖突的身份碼。

6.如權利要求1所述的適用于超聲診斷的進化學習方法，其特征在于，

病理分類的上層關系通過該病理分類的特征碼除以層級差系數得到。

7.如權利要求1所述的適用于超聲診斷的進化學習方法，其特征在于，

訓練的算法采用人工智能算法。

8.如權利要求1所述的適用于超聲診斷的進化學習方法，其特征在于，

訓練得到一診斷模型，所述診斷模型能夠對輸入的超聲圖像自動給出診斷結果。

9.一種適用于超聲診斷的進化學習系統，其特征在于，包括：

存儲器，存儲有計算機程序；

處理器，用于執(zhí)行所述計算機程序以實現如權利要求1～8中任一項所述的適用于超聲診斷的進化學習方法的步驟。

10.一種存儲介質，其特征在于，

所述存儲介質中存儲有計算機程序，所述計算機程序被處理器執(zhí)行時用以實現如權利要求1～8中任一項所述的適用于超聲診斷的進化學習方法的步驟。