【技术实现步骤摘要】
超声检测方法、装置、系统、设备、存储介质及超声探头
[0001]本专利技术涉及医疗检测
,尤其涉及一种超声检测方法、装置、系统、设备、存储介质及超声探头。
技术介绍
[0002]超声检测是一种常用的医疗检测方式,其原理是通过电激励,使超声探头的超声换能器形成超声波,当超声波传递到人体内时会发生反射以及折射,并返回超声换能器转化成模拟电压信号,经过一系列处理后得到超声影像。
[0003]因为人体各种组织的形态与结构是不相同的,因此其反射、折射以及吸收超声波的程度也就不同,医生们通过超声影像中所反映出的波型、曲线或影像的特征来诊断患者。通常实际操作时,由专业的超声检查医生根据具体检查项目和检测部位选择合适的超声探头进行检测,而探头的位置、方向、压力大小都会影响超声的成像质量,因此在检测过程中,需根据当前的成像结果实时调整探头的空间姿态和用力大小,以捕获最佳的超声影像。
[0004]目前,超声医生在对患者进行超声检测时,只能通过自身的技术和经验对超声探头的空间姿态和用力大小进行实时调整,因而,对超声医生的技术和经验要求较高,而且,这种探头的调整全靠医生根据自己的检测手法调整,没有可以借助的辅助措施,导致超声检测的效率比较低。
技术实现思路
[0005]本专利技术实施例提供了一种超声检测方法、装置、系统、设备、存储介质及超声探头,在用户利用超声探头进行超声检测时,能够根据用户的当前操作调整下一步的超声检测手法,提高超声检测的效率。
[0006]第一方面,提供了一种超声检测方法,该 ...
【技术保护点】
【技术特征摘要】
1.一种超声检测方法,其特征在于,所述方法用于终端设备,所述方法包括:在利用超声探头检测目标对象的过程中,获取所述超声探头与用户当前操作相关联的当前目标信息和当前超声图像信息;将所述当前目标信息和所述当前超声图像信息发送给服务器,以用于所述服务器根据所述当前目标信息、所述当前超声图像信息和神经网络模型,确定目标调整信息,其中,所述目标调整信息为从所述当前目标信息调整至用户下一步操作对应的目标信息的调整信息;接收所述服务器返回的所述目标调整信息;以目标输出方式输出所述目标调整信息。2.根据权利要求1所述的方法,其特征在于,所述当前目标信息包括位姿信息、压力信息以及运动信息中的至少一种;所述位姿信息包括所述超声探头的探头方向信息和探头坐标信息中的至少一种。3.根据权利要求1或2所述的方法,其特征在于,所述以目标输出方式输出所述目标调整信息,具体包括:以视觉信号、音频信号、触觉信号中的至少一种信号方式输出所述目标调整信息。4.根据权利要求1所述的方法,其特征在于,在所述获取所述超声探头与用户当前操作相关联的当前目标信息和当前超声图像信息之后,所述将所述当前目标信息和所述当前超声图像信息发送给服务器之前,所述方法还包括:对所述当前目标信息和所述当前超声图像信息进行编码,得到编码信息;所述将所述当前目标信息和所述当前超声图像信息发送给服务器,具体包括:将所述编码信息发送给所述服务器,以用于所述服务器根据所述编码信息和所述神经网络模型确定所述目标调整信息。5.一种超声检测方法,其特征在于,所述方法用于服务器,所述方法包括:获取当前目标信息和当前超声图像信息,其中,所述当前目标信息为在利用超声探头检测目标对象的过程中,所述超声探头与用户当前操作相关联的目标信息,所述当前超声图像信息为所述超声探头与所述用户当前操作相关联的超声图像信息;将所述当前超声图像信息输入到神经网络模型,得到下一步操作对应的目标信息,其中,所述神经网络模型包括第一神经网络模型,所述第一神经网络模型为根据多个训练样本进行训练得到的,每个训练样本包括第一操作的超声图像信息和与之对应的第二操作对应的目标信息,所述第二操作为所述第一操作的下一步操作;比较所述当前目标信息与所述下一步操作对应的目标信息的差别,得到目标调整信息;将所述目标调整信息发送给终端设备,以用于所述终端设备输出所述目标调整信息,所述目标调整信息用于所述用户从所述当前目标信息调整至所述下一步操作对应的目标信息。6.根据权利要求5所述的方法,其特征在于,在所述获取当前目标信息和当前超声图像信息之前,所述方法还包括:预先训练所述第一神经网络模型;所述预先训练所述第一神经网络模型,具体包括:获取所述多个训练样本,所述每个训练样本包括利用所述超声探头检测所述目标对象
过程中的第一操作的超声图像信息和与之对应的第二操作对应的目标信息;分别将所述每个训练样本输入到所述第一神经网络模型进行训练,得到多个第一预测结果;根据各个所述第一预测结果与第二操作对应的目标信息,判断是否满足第一预设条件;若不满足,调整所述第一神经网络模型的模型参数,并利用所述多个训练样本训练调整后的第一神经网络模型,直至满足所述第一预设条件,得到训练后的第一神经网络模型。7.根据权利要求6所述的方法,其特征在于,所述神经网络模型还包括第二神经网络模型,在所述分别将所述每个训练样本输入到所述第一神经网络模型进行训练,得到多个第一预测结果之后,所述方法还包括:预先训练所述第二神...
【专利技术属性】
技术研发人员:李楠,胡冉杰,陈长龙,
申请(专利权)人:中国移动通信集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。