[發明專利]適用于超聲診斷的進化學習方法、系統及存儲介質

在審

• 申請號: 201911387272.0
• 申請日: 2019-12-27
• 公開（公告）號: CN113053512A
• 公開（公告）日: 2021-06-29
• 發明（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

本發明提供提出一種適用于超聲診斷的進化學習方法，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。本發明能夠獲得更加準確和細致的診斷結果；在其他場景下，也可以根據需要進行退化，從而既可以使用原來的訓練結果，又能夠通過新樣本進行增強；從而適用于更多的診斷場景。

技術領域

本發明涉及超聲診斷設備領域，尤其是一種適用于超聲診斷的進化學習方法。

背景技術

目前，超聲診斷設備在進行模型訓練時，如果醫院的病理分類發生了改變或增加了新的層級，對于已有的樣本，通常的做法是對樣本重新進行標注并訓練；

另外，如果醫院需要更加詳盡的診斷結果，那么也需要對樣本重新打標簽并進行重新訓練；

以上方法導致現有超聲診斷設備的訓練適應性欠佳。

發明內容

本發明的目的在于克服現有技術中存在的不足，提供一種適用于超聲診斷的進化學習方法和系統，可以通過進化學習，獲得更加準確和細致的診斷結果，既能夠提高識別準確率，又可以滿足新場景的應用需要。

本發明實施例提出一種適用于超聲診斷的進化學習方法，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。

進一步地，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。

進一步地，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。

更進一步地，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。

更進一步地，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。

更進一步地，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。

進一步地，訓練的算法采用人工智能算法。

進一步地，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。

進一步地，所述適用于超聲診斷的進化學習方法，還包括：進行超聲診斷時，自動篩選符合準確度要求的診斷標簽并顯示。

本發明實施例還提出一種適用于超聲診斷的進化學習系統，包括：

存儲器，存儲有計算機程序；

處理器，用于執行所述計算機程序以實現上述任一項所述的適用于超聲診斷的進化學習方法的步驟。

本發明實施例還提出一種存儲介質，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行時用以實現上述任一項所述的適用于超聲診斷的進化學習方法的步驟。

本發明實施例的優點在于：