[發(fā)明專利]一種基于人工智能的掌上超聲成像系統(tǒng)及其方法

在審

• 申請?zhí)枺?/td>: 202010069341.X
• 申請日: 2020-01-21
• 公開（公告）號: CN111260641A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設計）人: 趙三多;張紅衛(wèi);陳宏明;周苡蝶
• 申請（專利權）人: 珠海威泓醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T5/20;G06T5/40;G06T7/13;G06T7/136
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 鄭晨鳴

本發(fā)明的技術方案包括一種基于人工智能的掌上超聲成像系統(tǒng)及其方法，用于實現(xiàn)：使用超聲診斷儀掃描被檢查者指定身體區(qū)域，進行超聲成像，得到超聲圖像；對得到的超聲圖像進行圖像灰度化處理；對灰度化處理后的超聲圖像進行圖像去噪處理；對處理后的超聲圖像進行圖像二值化處理和圖像增強，并將圖片尺寸進行標準化處理；基于以傷情判定大數(shù)據(jù)信息訓練的人工智能模型，以標準化后的圖像作為輸入，輸出傷情判定結果。本發(fā)明的有益效果為：遠程自動診斷患者傷情，無需專家人工判斷，最大限度的保證患者的最佳治療時間不被耽誤，提高急救存活率。

技術領域

本發(fā)明涉及一種基于人工智能的掌上超聲成像系統(tǒng)及其方法，屬于醫(yī)療技術領域。

背景技術

超聲診斷(ultrasonic diagnosis)是將超聲檢測技術應用于人體，通過測量了解生理或組織結構的數(shù)據(jù)和形態(tài)，發(fā)現(xiàn)疾病，做出提示的一種診斷方法。目前，超聲診斷己成為廣泛應用的診斷技術，最為典型的就是B超，其具有無創(chuàng)傷、實時、無電離輻射、便宜等優(yōu)點。然而，超聲診斷的準確性高度依賴超聲系統(tǒng)(ultrasound system)操作者的技術，此操作者必須具有解讀超聲圖像和解剖學的具體知識，并且需要經過多年的訓練才能準確的操作超聲探測器(ultrasound probe)未獲得被檢查的器官的超聲圖像，同時，即使操作者能夠準確的獲得被檢查的器官的超聲圖像，醫(yī)生也需要具有豐富的經驗才能根據(jù)此超聲圖像做出準確的診斷。這些，都限制了超聲診斷在醫(yī)療資源有限的地方的應用，如某些發(fā)展中國家或農村地區(qū)的診所、社區(qū)醫(yī)院等。

傳統(tǒng)的解決方法為通過超聲圖像數(shù)據(jù)遠程發(fā)送給具有資質的醫(yī)生或專家進行遠程診斷，然而，這存在幾個問題，首先醫(yī)療資源匱乏的情況下醫(yī)生并沒有過多的時間和精力進行遠程診斷，其次部分急救場景需要上傳信息后立即進行反饋，而此時醫(yī)生可能正在就診或不在辦公位，這樣就會耽誤患者的最佳治療時間，危機患者生命。

因此開發(fā)出一套基于人工智能自動鑒定患者傷勢的系統(tǒng)顯得尤為迫切。

發(fā)明內容

為解決上述問題，本發(fā)明的目的在于提供一種基于人工智能的掌上超聲成像系統(tǒng)及其方法，包括使用超聲診斷儀掃描被檢查者指定身體區(qū)域，進行超聲成像，得到超聲圖像；對得到的超聲圖像進行圖像灰度化處理，其中灰度化處理的方法包括但不限于加權平均法、平均值法以及最大值法；對灰度化處理后的超聲圖像進行圖像去噪處理，其中圖像去噪處理包括但不限于中值濾波法、自適應濾波法以及小波閾值降噪；對處理后的超聲圖像進行圖像二值化處理和圖像增強，并將圖片尺寸進行標準化處理；基于以傷情判定大數(shù)據(jù)信息訓練的人工智能模型，以標準化后的圖像作為輸入，輸出傷情判定結果。

本發(fā)明解決其問題所采用的技術方案一方面是：一種基于人工智能的掌上超聲成像方法，其特征在于，包括以下步驟：S100、使用超聲診斷儀掃描被檢查者指定身體區(qū)域，進行超聲成像，得到超聲圖像；S200、對得到的超聲圖像進行圖像灰度化處理，其中灰度化處理的方法包括但不限于加權平均法、平均值法以及最大值法；S300、對灰度化處理后的超聲圖像進行圖像去噪處理，其中圖像去噪處理包括但不限于中值濾波法、自適應濾波法以及小波閾值降噪；S400、對處理后的超聲圖像進行圖像二值化處理和圖像增強，并將圖片尺寸進行標準化處理；S500、基于以傷情判定大數(shù)據(jù)信息訓練的人工智能模型，以標準化后的圖像作為輸入，輸出傷情判定結果。

進一步的，所述S200還包括：S201、獲取超聲圖像中以像素點為單位的R、G、B三個分量，其中像素點位置信息為二維坐標；S202、根據(jù)傷情判斷中對各個顏色的重要性以及其他預設判斷指標，將R、G、B三個分量以不同的權值進行加權平均；S203、按以下公式進行加權平均f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j))其中f(i,j)為轉換后的灰度圖像在(i,j)處的灰度值。

進一步的，所述S300還包括：S301、對圖像進行小波變換；S302、計算各個高分辨率子帶圖像的去噪閾值；S303、對小波系數(shù)進行閾值去噪；S304、進行小波反變換,得到去噪后的圖像。