[發明專利]一種超聲圖像識別系統及自優化方法

在審

• 申請號: 202210326078.7
• 申請日: 2022-03-30
• 公開（公告）號: CN114693639A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 黃孟欽;周鵬舉;張志遵;朱瑞星
• 申請（專利權）人: 上海深至信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/20;G06V10/774;G06K9/62
• 代理公司: 上海申新律師事務所 31272
• 代理人: 吳軼淳

本發明涉及超聲圖像識別技術領域，具體涉及一種超聲圖像識別系統及自優化方法，包括：輸入模塊，輸入模塊接收自外部輸入的超聲圖像；特征優化模塊，特征優化模塊連接輸入模塊，特征優化模塊對超聲圖像進行處理以生成特征優化圖像；識別模塊，識別模塊連接特征優化模塊，識別模塊自特征優化模塊接收特征優化圖像，并采用一圖像識別模型對特征優化圖像進行識別以輸出識別結果。本發明的有益效果在于：通過在傳統的圖像識別模型前設置一特征優化模塊，進而實現了對輸入圖像識別模塊的超聲圖像的預處理、特征凸顯，從而實現了在對圖像識別模型本身不進行任何改動的前提下，提高圖像識別模型對圖像識別的準確率。

技術領域

本發明涉及超聲圖像識別技術領域，具體涉及一種超聲圖像識別系統及自優化方法。

背景技術

超聲圖像識別，是一種應用于超聲醫學檢查中的技術。由于傳統的超聲醫學檢查，比如B超，其生成的灰階影像受操作者的手法、患者身體特征等因素影響較大，進而使得超聲閱片過程十分依賴于醫生的操作經驗，且給醫生帶來了不小的負擔。為此，通過人工智能技術對超聲影像中的病灶、器官異常部位進行識別、標注，從而提高醫生的閱片效率已成為較為主流的技術方向。

現有技術中，已存在有在連接超聲掃查設備的計算機系統上搭載人工智能模型以輔助醫生閱片的技術方案。該類技術方案通常會根據超聲掃查的對象，比如甲狀腺、淋巴等部位預先建立訓練集，并構建一特定結構的人工智能模型進行訓練，從而實現對不同部位的超聲影像較好的圖像處理、目標分割、類型識別等操作。為實現超聲識別模型較好的準確率，部分識別系統中還設置有自學習功能，即在實際的掃查過程中將獲取到的真實掃查影像作為訓練集，以進行重新訓練，從而實現更好的識別精度。

但是，在實際實施過程中，發明人發現，現有技術中，為實現對超聲影像較好的識別效果，往往會采用較為復雜的識別模型，并在識別模型中通過一系列的目標檢測、對象分割等網絡實現識別過程。這導致了人工智能模型在重訓練過程中的耗時較長。

發明內容

針對現有技術中存在的上述問題，現提供一種超聲圖像識別系統及自優化方法。

具體技術方案如下：

一種超聲圖像識別系統，包括：

輸入模塊，所述輸入模塊接收自外部輸入的超聲圖像；

特征優化模塊，所述特征優化模塊連接所述輸入模塊，所述特征優化模塊對所述超聲圖像進行處理以生成特征優化圖像；

識別模塊，所述識別模塊連接所述特征優化模塊，所述識別模塊自所述特征優化模塊接收所述特征優化圖像，并采用一圖像識別模型對所述特征優化圖像進行識別以輸出識別結果。

優選地，所述超聲圖像識別系統還包括：

重訓練模塊，所述重訓練模塊采集所述識別結果并生成訓練集和測試集，所述重訓練模塊采用所述訓練集和所述測試集對所述超聲圖像識別系統進行訓練以生成優化參數；

所述特征優化模塊根據所述優化參數對所述超聲圖像進行處理以生成特征優化圖像。

優選地，所述重訓練模塊包括：

訓練集子模塊，所述訓練集子模塊連接所述識別模塊，所述訓練集子模塊根據所述識別結果生成所述訓練集；

訓練子模塊，所述訓練子模塊連接所述訓練集子模塊、所述特征優化模塊和所述識別模塊；

所述訓練子模塊將所述訓練集中的訓練圖像依次輸入所述特征優化模塊，以對所述特征優化模塊和所述識別模塊進行訓練，并生成訓練數據；

參數生成子模塊，所述參數生成子模塊連接所述訓練子模塊，所述參數生成子模塊根據所述訓練結果生成所述優化參數。

優選地，所述訓練集子模塊包括：