【技术实现步骤摘要】
基于强化学习的超声图像优化方法、设备及存储介质
[0001]本专利技术涉及医学超声成像
，尤其涉及一种基于强化学习的超声图像优化方法、设备及存储介质。
技术介绍
[0002]在超声扫查中，为了获得好的图像质量，操作者需要手动调整多个成像参数。在对不同患者、或同一患者的不同部位进行扫查时，往往需要操作者再次重复调参过程。上述调参过程不仅消耗操作者的精力，而且延迟受试者的检查时间。
[0003]在目前的超声技术中，通常使用预设的多组参数，分别针对不同的检测区域或组织进行针对性的图像优化，通常根据所述预设参数能够针对检测器官产生不错的图像质量，但是由于患者的体型、组织密度等有差异，医生在检查时需要在预设参数的基础上再调整各种成像参数，以获得更好的图像质量，如何实现自动化参数调优是当前亟须解决的问题，自动化调优可以减少操作者手动调参的工作，使得扫查流程更为流畅。
技术实现思路
[0004]本专利技术的目的在于提供一种基于强化学习的超声图像优化方法、系统及存储介质。
[0005]为了实现上述专利技...
【技术保护点】
【技术特征摘要】
1.一种基于强化学习的超声图像优化方法，其特征在于，所述方法包括：S1，加载超声成像参数，获取对应的超声图像；S2，对所述超声图像进行综合质量评估，确定所述超声图像的质量评估结果；其中所述综合质量评估包括模型质量评估和参数质量评估；S3，若所述质量评估结果不是最优，则采用强化学习方法调整超声成像参数，产生新的超声成像参数；每次获得新的超声成像参数，都将新的超声成像参数代入并执行S1
‑
S3步骤，直到所述质量评估结果达到最优或执行S1
‑
S3步骤的迭代次数超过预设的次数阈值，最终获得最优超声成像参数；根据所述最优超声成像参数产生超声图像。2.根据权利要求1所述的方法，其特征在于，所述“模型质量评估”，具体包括：根据待检测的组织切面，制定超声图像质量评价标准；根据所述评价标准，获取多个专家打分标注的超声图像数据；对所述超声图像数据进行学习训练，构建超声图像质量评估模型；根据所述质量评估模型对所述超声图像进行模型质量评估，产生模型质量评分。3.根据权利要求1所述的方法，其特征在于，所述“参数质量评估”，具体包括：计算所述超声图像的多个质量特征并分别对其进行评估，产生多个质量特征评分，其中，所述质量特征包括穿透深度、信噪比、对比度、分辨率和帧频；对所述多个质量特征评分进行加权平均计算，产生参数质量评分。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述模型质量评分和参数质量评分进行加权平均计算，得到所述超声图像的质量评估结果。5.根据权...
【专利技术属性】
技术研发人员：李永帅，吴方刚，
申请(专利权)人：飞依诺科技股份有限公司，
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。