影像设备质量检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种影像设备质量检测方法、装置、设备和存储介质，该方法包括：获取通过影像设备采集的被测模体的图像序列，图像序列包括多层图像；识别图像序列，以确定被测模体的型号信息；基于型号信息以及图像序列，确定与影像设备对应的至少一项待测指标参数；将至少一项待测指标参数与对应的标准数值范围进行比较，以评估影像设备的质量。在本发明专利技术中，测量待检测指标参数完全是按照设定的标准由设备进行的，其中不涉及人工参与，提高了检测过程的标准化程度，所得的测试结果的可信度较高，并且由于本发明专利技术实现了高度的自动化，因此对影像设备质量的检测操作效率高。此对影像设备质量的检测操作效率高。此对影像设备质量的检测操作效率高。

【技术实现步骤摘要】
影像设备质量检测方法、装置、设备和存储介质


[0001]本专利技术涉及医疗
，尤其涉及一种影像设备质量检测方法、装置、设备和存储介质。

技术介绍

[0002]相关技术中，医护人员主要通过影像设备采集的人体图像对病人进行诊断，由此可见，影像设备采集的人体图像的质量直接影响了医护人员诊断的准确性。而人体图像的质量是直接由对其进行采集的影像设备的质量决定的，故而，有必要了解影像设备的质量。
[0003]一般来说，在检测影像设备的质量时，技术人员会操控影像设备采集模体的图像序列，然后应用规定的测量方法对采集上来的图像序列进行相关的待测指标参数的检测。
[0004]由于测量待测指标参数的过程是由技术人员完成的，测量结果与技术人员的测试经验相关性较大，测试过程的标准化程度低，测试结果可信度低，且由于测量工作大部分是由人工完成的，操作效率低。

技术实现思路

[0005]本专利技术实施例提供一种影像设备质量检测方法、装置、设备和存储介质，用以实现提高测试结果的可信度，标准化影像设备的质量检测过程，并提高检测效率。
[0006]第一方面，本专利技术实施例提供一种影像设备质量检测方法，该方法包括：
[0007]获取通过影像设备采集的被测模体的图像序列，所述图像序列包括多层图像；
[0008]识别所述图像序列，以确定所述被测模体的型号信息；
[0009]基于所述型号信息以及所述图像序列，确定与所述影像设备对应的至少一项待测指标参数；
[0010]将所述至少一项待测指标参数与对应的标准数值范围进行比较，以评估所述影像设备的质量。
[0011]可选地，所述识别所述图像序列，以确定所述被测模体的型号信息，包括：
[0012]将所述图像序列输入到第一神经网络模型中，得到所述被测模体的第一型号信息；
[0013]获取多个参考模体数字模型；
[0014]将所述被测模体分别与各参考模体数字模型进行比较匹配，以确定出所述多个参考模体数字模型中与所述被测模体相匹配的目标模体数字模型；
[0015]确定所述目标模体数字模型对应的型号信息，作为所述被测模体的第二型号信息；
[0016]基于所述第一型号信息以及所述第二型号信息，确定所述被测模体的型号信息。
[0017]可选地，所述基于所述第一型号信息以及所述第二型号信息，确定所述被测模体的型号信息，包括：
[0018]若所述第一型号信息与所述第二型号信息相一致，则确定所述第一型号信息或者
所述第二型号信息为所述被测模体的型号信息；
[0019]若所述第一型号信息与所述第二型号信息不一致，则获取用户从所述第一型号信息和所述第二型号信息中选择的型号信息，作为所述被测模体的型号信息。
[0020]可选地，在将所述图像序列输入到第一神经网络模型中，得到所述被测模体的第一型号信息之前，所述方法还包括：
[0021]获取通过不同样本影像设备分别采集的样本模体的样本图像序列；
[0022]对所述样本图像序列进行数据增广处理，得到增广后的样本图像序列；
[0023]基于所述增广后的样本图像序列以及与增广后的各样本图像序列相对应的样本模体的型号信息，对待训练的神经网络模型进行训练，得到所述第一神经网络模型。
[0024]可选地，所述影像设备包括电子计算机断层扫描机；
[0025]所述基于所述增广后的样本图像序列以及与增广后的各样本图像序列相对应的样本模体的型号信息，对待训练的神经网络模型进行训练，得到所述第一神经网络模型，包括：
[0026]对所述增广后的样本图像序列进行预处理，所述预处理包括重采样以及对相应的样本模体进行不同厚度的重建；
[0027]将经过预处理的样本图像序列输入到待训练的神经网络模型，得到样本模体型号预测信息；
[0028]将所述样本模体型号预测信息与对应的样本模体的型号信息进行比较；
[0029]根据比较结果相应调整所述待训练的神经网络模型的模型参数，以完成所述待训练的神经网络模型的训练过程。
[0030]可选地，所述基于所述型号信息以及所述图像序列，确定与所述影像设备对应的至少一项待测指标参数，包括：
[0031]基于所述型号信息，确定用于测量与所述影像设备对应的至少一项待测指标参数的测量方法；
[0032]确定分别用于测量各项待测指标参数的所述图像序列中的目标图像；
[0033]采用所述测量方法对所述目标图像中对应的待测指标参数进行测量。
[0034]可选地，所述确定分别用于测量各项待测指标参数的所述图像序列中的目标图像，包括：
[0035]将所述图像序列输入到与各项待测指标参数对应的第二神经网络模型中，得到分别用于测量各项待测指标参数的所述图像序列中的目标图像。
[0036]可选地，在将所述图像序列输入到与各项待测指标参数对应的第二神经网络模型中，得到分别用于测量各项待测指标参数的所述图像序列中的目标图像之前，所述方法还包括：
[0037]对于与各项待测指标参数对应的第二神经网络模型中的任一神经网络模型，获取通过样本影像设备采集的样本模体的样本图像序列，所述样本影像设备与所述影像设备的类型相同，所述样本模体与所述被测模体的型号相同；
[0038]对所述样本图像序列进行数据增广处理，得到增广后的样本图像序列；
[0039]基于所述增广后的样本图像序列以及所述增广后的样本图像序列中用于测量各项待测指标参数的图像，对待训练的神经网络模型进行训练，得到所述任一神经网络模型。
[0040]可选地，所述采用所述测量方法对所述目标图像中对应的待测指标参数进行测量，包括：
[0041]通过图像处理方法或者第三神经网络模型，对所述目标图像中对应的待测指标参数进行测量；
[0042]其中，训练所述第三神经网络模型的过程包括：
[0043]获取通过样本影像设备采集的样本模体的样本图像序列，所述样本影像设备与所述影像设备的类型相同，所述样本模体与所述被测模体的型号相同；
[0044]对所述样本图像序列进行数据增广处理，得到增广后的样本图像序列；
[0045]基于所述增广后的样本图像序列以及所述增广后的样本图像序列中与各图像分别对应的指标参数值，对待训练的神经网络模型进行训练，得到所述第三神经网络模型。
[0046]可选地，所述将所述至少一项待测指标参数与对应的标准数值范围进行比较，以评估所述影像设备的质量，包括：
[0047]将所述至少一项待测指标参数中的任一待测指标参数与对应的标准数值范围进行比较；
[0048]若所述任一待测指标参数超过了对应的标准数值范围，则输出异常提示信息，所述异常提示信息用于指示所述影像设备的所述任一待测指标参数发生异常，所述异常提示信息包括与所述任一待测指标参数对应的异常可能原因以及处理异常的操作建议。
[0049]可选地，在评估所述影像设备的质量之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种影像设备质量检测方法，其特征在于，包括：获取通过影像设备采集的被测模体的图像序列，所述图像序列包括多层图像；识别所述图像序列，以确定所述被测模体的型号信息；基于所述型号信息以及所述图像序列，确定与所述影像设备对应的至少一项待测指标参数；将所述至少一项待测指标参数与对应的标准数值范围进行比较，以评估所述影像设备的质量。2.根据权利要求1所述的方法，其特征在于，所述识别所述图像序列，以确定所述被测模体的型号信息，包括：将所述图像序列输入到第一神经网络模型中，得到所述被测模体的第一型号信息；获取多个参考模体数字模型；将所述被测模体分别与各参考模体数字模型进行比较匹配，以确定出所述多个参考模体数字模型中与所述被测模体相匹配的目标模体数字模型；确定所述目标模体数字模型对应的型号信息，作为所述被测模体的第二型号信息；基于所述第一型号信息以及所述第二型号信息，确定所述被测模体的型号信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一型号信息以及所述第二型号信息，确定所述被测模体的型号信息，包括：若所述第一型号信息与所述第二型号信息相一致，则确定所述第一型号信息或者所述第二型号信息为所述被测模体的型号信息；若所述第一型号信息与所述第二型号信息不一致，则获取用户从所述第一型号信息和所述第二型号信息中选择的型号信息，作为所述被测模体的型号信息。4.根据权利要求2所述的方法，其特征在于，在将所述图像序列输入到第一神经网络模型中，得到所述被测模体的第一型号信息之前，所述方法还包括：获取通过不同样本影像设备分别采集的样本模体的样本图像序列；对所述样本图像序列进行数据增广处理，得到增广后的样本图像序列；基于所述增广后的样本图像序列以及与增广后的各样本图像序列相对应的样本模体的型号信息，对待训练的神经网络模型进行训练，得到所述第一神经网络模型。5.根据权利要求4所述的方法，其特征在于，所述影像设备包括电子计算机断层扫描机；所述基于所述增广后的样本图像序列以及与增广后的各样本图像序列相对应的样本模体的型号信息，对待训练的神经网络模型进行训练，得到所述第一神经网络模型，包括：对所述增广后的样本图像序列进行预处理，所述预处理包括重采样以及对相应的样本模体进行不同厚度的重建；将经过预处理的样本图像序列输入到待训练的神经网络模型，得到样本模体型号预测信息；将所述样本模体型号预测信息与对应的样本模体的型号信息进行比较；根据比较结果相应调整所述待训练的神经网络模型的模型参数，以完成所述待训练的神经网络模型的训练过程。6.根据权利要求1所述的方法，其特征在于，所述基于所述型号信息以及所述图像序
列，确定与所述影像设备对应的至少一项待测指标参数，包括：基于所述型号信息，确定用于测量与所述影像设备对应的至少一项待测指标参数的测量方法；确定分别用于测量各项待测指标参数的所述图像序列中的目标图像；采用所述测量方法对所述目标图像中对应的待测指标参数进行测量。7.根据权利要求6所述的方法，其特征在于，所述确定分别用于测量各项待测指标参数的所述图像序列中的目标图像，包括：将所述图像序列输入到与各项待测指标参数对应的第二神经网络模型中，得到分别用于测量各项待测指标参数的所述图像序列中的...

【专利技术属性】
技术研发人员：尹红霞，胡艳军，王振常，张禹，任鹏玲，赵鹏飞，吕晗，
申请(专利权)人：首都医科大学附属北京友谊医院，
类型：发明
国别省市：