一种基于人工智能的掌上超声成像系统及其方法技术方案

本发明专利技术的技术方案包括一种基于人工智能的掌上超声成像系统及其方法，用于实现：使用超声诊断仪扫描被检查者指定身体区域，进行超声成像，得到超声图像；对得到的超声图像进行图像灰度化处理；对灰度化处理后的超声图像进行图像去噪处理；对处理后的超声图像进行图像二值化处理和图像增强，并将图片尺寸进行标准化处理；基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。本发明专利技术的有益效果为：远程自动诊断患者伤情，无需专家人工判断，最大限度的保证患者的最佳治疗时间不被耽误，提高急救存活率。

A palmtop ultrasound imaging system based on artificial intelligence and its method

【技术实现步骤摘要】
一种基于人工智能的掌上超声成像系统及其方法
本专利技术涉及一种基于人工智能的掌上超声成像系统及其方法，属于医疗

技术介绍
超声诊断(ultrasonicdiagnosis)是将超声检测技术应用于人体，通过测量了解生理或组织结构的数据和形态，发现疾病，做出提示的一种诊断方法。目前，超声诊断己成为广泛应用的诊断技术，最为典型的就是B超，其具有无创伤、实时、无电离辐射、便宜等优点。然而，超声诊断的准确性高度依赖超声系统(ultrasoundsystem)操作者的技术，此操作者必须具有解读超声图像和解剖学的具体知识，并且需要经过多年的训练才能准确的操作超声探测器(ultrasoundprobe)未获得被检查的器官的超声图像，同时，即使操作者能够准确的获得被检查的器官的超声图像，医生也需要具有丰富的经验才能根据此超声图像做出准确的诊断。这些，都限制了超声诊断在医疗资源有限的地方的应用，如某些发展中国家或农村地区的诊所、社区医院等。传统的解决方法为通过超声图像数据远程发送给具有资质的医生或专家进行远程诊断，然而，这存在几个问题，首先医疗资源匮乏的情况下医生并没有过多的时间和精力进行远程诊断，其次部分急救场景需要上传信息后立即进行反馈，而此时医生可能正在就诊或不在办公位，这样就会耽误患者的最佳治疗时间，危机患者生命。因此开发出一套基于人工智能自动鉴定患者伤势的系统显得尤为迫切。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于人工智能的掌上超声成像系统及其方法，包括使用超声诊断仪扫描被检查者指定身体区域，进行超声成像，得到超声图像；对得到的超声图像进行图像灰度化处理，其中灰度化处理的方法包括但不限于加权平均法、平均值法以及最大值法；对灰度化处理后的超声图像进行图像去噪处理，其中图像去噪处理包括但不限于中值滤波法、自适应滤波法以及小波阈值降噪；对处理后的超声图像进行图像二值化处理和图像增强，并将图片尺寸进行标准化处理；基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。本专利技术解决其问题所采用的技术方案一方面是：一种基于人工智能的掌上超声成像方法，其特征在于，包括以下步骤：S100、使用超声诊断仪扫描被检查者指定身体区域，进行超声成像，得到超声图像；S200、对得到的超声图像进行图像灰度化处理，其中灰度化处理的方法包括但不限于加权平均法、平均值法以及最大值法；S300、对灰度化处理后的超声图像进行图像去噪处理，其中图像去噪处理包括但不限于中值滤波法、自适应滤波法以及小波阈值降噪；S400、对处理后的超声图像进行图像二值化处理和图像增强，并将图片尺寸进行标准化处理；S500、基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。进一步的，所述S200还包括：S201、获取超声图像中以像素点为单位的R、G、B三个分量，其中像素点位置信息为二维坐标；S202、根据伤情判断中对各个颜色的重要性以及其他预设判断指标，将R、G、B三个分量以不同的权值进行加权平均；S203、按以下公式进行加权平均f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j))其中f(i,j)为转换后的灰度图像在(i,j)处的灰度值。进一步的，所述S300还包括：S301、对图像进行小波变换；S302、计算各个高分辨率子带图像的去噪阈值；S303、对小波系数进行阈值去噪；S304、进行小波反变换,得到去噪后的图像。进一步的，所述S400还包括：S401、扫描图像中的所有像素点，逐一判断是否大于预设阈值，若是则将满足条件的像素点灰度值设为255，否者设为0，其中所设阈值可自定义。进一步的，所述图像增强的方法包括直方图修改处理、图象平滑以及图象锐化。本专利技术解决其问题所采用的技术方案另一方面是：一种基于人工智能的掌上超声成像系统，其特征在于，包括：超声探测器，用于扫描患者待检查部位；超声图像生成模块，用于根据超声探测器的扫描信息，进行超声成像，得到超声图像；图像处理模块，用于对超声图像分别进行灰度化处理、去噪处理、图像二值化处理以及图像增强处理；伤情判断模块，基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。进一步的，所述图像处理模块还包括：像素扫描单元，用于获取超声图像中以像素点为单位的R、G、B三个分量，其中像素点位置信息为二维坐标；计算单元，用于根据伤情判断中对各个颜色的重要性以及其他预设判断指标，将R、G、B三个分量以不同的权值进行加权平均。进一步的，所述图像处理模块还包括：小波变换单元，用于对图像进行小波变换以及小波反变换处理；阈值计算单元，用于计算各个高分辨率子带图像的去噪阈值；去噪单元，用于对小波系数进行阈值去噪。进一步的，所述图像处理模块还包括：图像增强单元，用于对图像进行直方图修改处理、图象平滑以及图象锐化处理。进一步的，所述伤情判断模块还包括：大数据获取单元，用于通过互联网获取图像数据以及对应的伤情判断信息，并根据医疗文献获取伤情判断标准；机器学习单元，用于基于大数据以及伤情判断标准进行机器训练，根据训练模型得到人工智能模型。本专利技术的有益效果是：远程自动诊断患者伤情，无需专家人工判断，最大限度的保证患者的最佳治疗时间不被耽误，提高急救存活率。附图说明图1是根据本专利技术优选实施例的方法流程示意图；图2是根据本专利技术优选实施例的系统结构示意图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本
的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本专利技术的实施例，并且除非另外要求，否则不会对本专利技术的范围施加限制。参照图1，是根据本专利技术优选实施例的方法流程示意图,包括以下步骤：S100、使用超声诊断仪扫描被检查者指定身体本文档来自技高网...

【技术保护点】
1.一种基于人工智能的掌上超声成像方法，其特征在于，包括以下步骤：/nS100、使用超声诊断仪扫描被检查者指定身体区域，进行超声成像，得到超声图像；/nS200、对得到的超声图像进行图像灰度化处理，其中灰度化处理的方法包括但不限于加权平均法、平均值法以及最大值法；/nS300、对灰度化处理后的超声图像进行图像去噪处理，其中图像去噪处理包括但不限于中值滤波法、自适应滤波法以及小波阈值降噪；/nS400、对处理后的超声图像进行图像二值化处理和图像增强，并将图片尺寸进行标准化处理；/nS500、基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。/n

【技术特征摘要】
1.一种基于人工智能的掌上超声成像方法，其特征在于，包括以下步骤：
S100、使用超声诊断仪扫描被检查者指定身体区域，进行超声成像，得到超声图像；
S200、对得到的超声图像进行图像灰度化处理，其中灰度化处理的方法包括但不限于加权平均法、平均值法以及最大值法；
S300、对灰度化处理后的超声图像进行图像去噪处理，其中图像去噪处理包括但不限于中值滤波法、自适应滤波法以及小波阈值降噪；
S400、对处理后的超声图像进行图像二值化处理和图像增强，并将图片尺寸进行标准化处理；
S500、基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。


2.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述S200还包括：
S201、获取超声图像中以像素点为单位的R、G、B三个分量，其中像素点位置信息为二维坐标；
S202、根据伤情判断中对各个颜色的重要性以及其他预设判断指标，将R、G、B三个分量以不同的权值进行加权平均；
S203、按以下公式进行加权平均
f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j))
其中f(i,j)为转换后的灰度图像在(i,j)处的灰度值。


3.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述S300还包括：
S301、对图像进行小波变换；
S302、计算各个高分辨率子带图像的去噪阈值；
S303、对小波系数进行阈值去噪；
S304、进行小波反变换,得到去噪后的图像。


4.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述S400还包括：
S401、扫描图像中的所有像素点，逐一判断是否大于预设阈值，若是则将满足条件的像素点灰度值设为255，否者设为0，其中所设阈值可自定义。

<...

【专利技术属性】
技术研发人员：赵三多，张红卫，陈宏明，周苡蝶，
申请(专利权)人：珠海威泓医疗科技有限公司，
类型：发明
国别省市：广东;44