【技术实现步骤摘要】
基于超声视频的算法修正方法、超声视频生成方法和设备
[0001]本公开涉及人工智能中的图像处理和医疗影像分析，尤其涉及一种基于超声视频的算法修正方法、超声视频生成方法和设备。
技术介绍
[0002]超声扫描技术已经应用到了超声图像采集中。基于超声扫描设备需要采集用户的目标部位的超声视频；在这个过程中，需要配置人工智能(Artificial Intelligence，简称AI)引导算法，进而告知操作者用户如何操作超声扫描设备去采集超声视频；并且，需要基于人工智能引导算法在生成超声视频的时候，对超声视频进行处理。为了得到较好的超声视频，需要对人工智能引导算法进行优化。
[0003]从而，亟需一种可以自动的、客观的、并且准确的修正人工智能引导算法的方式，以得到准确性更高的人工智能引导算法去生成超声视频。
技术实现思路
[0004]本公开提供了一种用于得到准确性更高的人工智能引导算法的基于超声视频的算法修正方法、超声视频生成方法和设备。
[0005]根据本公开的第一方面，提供了一种基于超声视频的算法修
【技术保护点】
【技术特征摘要】
1.一种基于超声视频的算法修正方法，包括：获取针对用户的目标部位的超声视频；其中，所述超声视频是基于人工智能引导算法和超声扫描设备对用户的目标部位进行扫描所得到的；所述超声视频具有处理结果信息，所述处理结果信息是基于人工智能引导算法生成超声视频的过程中，基于人工智能引导算法对超声视频进行处理所得到的信息；并对所述超声视频进行标注处理，得到所述超声视频的标注结果信息；其中，所述标注结果信息表征对超声视频进行标注所得到的信息；根据所述超声视频的处理结果信息和标注结果信息，确定所述超声视频的至少一个特征参数；其中，所述至少一个特征参数表征基于人工智能引导算法得到超声视频的视频内容质量；根据所述超声视频的至少一个特征参数，对所述人工智能引导算法进行修正处理，得到修正后的人工智能引导算法。2.根据权利要求1所述的方法，其中，所述至少一个特征参数包括以下参数的一种或多种：第一特征参数、第二特征参数、第三特征参数、第四特征参数；其中，所述第一特征参数表征基于人工智能引导算法识别超声视频中的超声图像的图像类别的类别分布情况；所述第二特征参数表征基于人工智能引导算法检测超声视频中的超声图像中目标对象的包围盒类别的准确率；所述第三特征参数表征基于人工智能引导算法分割超声视频中的超声图像中目标对象的分割准确性；所述第四特征参数表征基于人工智能引导算法识别超声视频的关键视频段的准确性；所述关键视频段为具有连续的关键帧图像的图像视频段，所述关键帧图像为超声视频中具有目标对象的内容信息的超声图像。3.根据权利要求1或2所述的方法，其中，所述超声视频具有至少一个任务类别，所述任务类别表征基于人工智能引导算法生成超声视频的过程中，对超声视频进行的处理的处理类别；所述处理结果信息中包括所述任务类别所对应的处理信息；所述任务类别所对应的处理信息表征基于人工智能引导算法对超声视频，进行任务类别下的处理时得到的处理结果；所述标注结果信息中包括所述任务类别所对应的标注信息；所述任务类别所对应的标注信息，表征对超声视频进行任务类别下的标注处理时得到的标注结果。4.根据权利要求3所述的方法，其中，根据所述超声视频的处理结果信息和标注结果信息，确定所述超声视频的至少一个特征参数，包括：根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述任务类别下所述超声视频的特征参数。5.根据权利要求4所述的方法，其中，根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述任务类别下所述超声视频的特征参数，包括：若确定所述超声视频的任务类别中包括分类任务，则根据所述分类任务所对应的处理信息和所述分类任务所对应的标注信息，确定在所述分类任务下所述超声视频的第一特征参数；其中，所述分类任务，表征需基于人工智能引导算法识别超声视频中的超声图像的图
像类别；其中，所述第一特征参数表征基于人工智能引导算法识别超声视频中的超声图像的图像类别的类别分布情况。6.根据权利要求5所述的方法，其中，所述处理结果信息中包括所述分类任务所对应的处理信息；所述分类任务所对应的处理信息包括超声视频中的超声图像的图像类别，所述分类任务所对应的处理信息中的图像类别为基于人工智能引导算法识别出来的；所述标注结果信息中包括所述分类任务所对应的标注信息；所述分类任务所对应的标注信息包括超声视频中的超声图像的图像类别，所述分类任务所对应的标注信息中的图像类别为标注出来的；根据所述分类任务所对应的处理信息和所述分类任务所对应的标注信息，确定在所述分类任务下所述超声视频的第一特征参数，包括：根据所述分类任务所对应的处理信息和所述分类任务所对应的标注信息，确定所述超声视频的混淆矩阵；其中，所述超声视频的混淆矩阵中包括多个统计信息，所述统计信息表征超声视频的超声图像在分类任务所对应的处理信息中的图像类别下、且在分类任务所对应的标注信息中的图像类别下的帧数；根据所述超声视频的混淆矩阵，确定所述超声视频的第一特征参数。7.根据权利要求6所述的方法，其中，根据所述超声视频的混淆矩阵，确定所述超声视频的第一特征参数，包括：根据所述超声视频的混淆矩阵，确定所述超声视频的第一信息，其中，所述第一信息表征基于人工智能引导算法识别的图像类别是正确的超声图像的帧数占比；根据所述超声视频的混淆矩阵，确定所述超声视频的第二信息，其中，所述第二信息表征基于人工智能引导算法识别的图像类别时的类别均衡性；根据所述超声视频的第一信息和所述超声视频的第二信息，确定所述超声视频的第一特征参数。8.根据权利要求7所述的方法，其中，根据所述超声视频的混淆矩阵，确定所述超声视频的第一信息，包括：确定所述超声视频的混淆矩阵中对角线上的统计信息之和，为所述超声视频的第一系数；其中，所述第一系数表征基于人工智能引导算法识别的图像类别是正确的超声图像的帧数总和；确定所述超声视频的混淆矩阵中所有统计信息之和，为所述超声视频的第二系数；其中，所述第二系数表征超声视频中超声图像在分类任务所对应的处理信息中的图像类别下、且在分类任务所对应的标注信息中的图像类别下帧数总和；确定所述超声视频的第一系数与所述超声视频的第二系数之间的比值，为所述超声视频的第一信息。9.根据权利要求7或8所述的方法，其中，根据所述超声视频的混淆矩阵，确定所述超声视频的第二信息，包括：确定所述超声视频的混淆矩阵中第i行的统计信息之和，与所述超声视频的混淆矩阵中第i列的统计信息之和，两者的乘积，为所述超声视频的第i个第三系数；所述超声视频的第i个第三系数，表征基于人工智能引导算法识别的图像类别是第i个图像类别的超声图像
的帧数总和；i为大于等于1的正整数；确定所述超声视频的混淆矩阵中所有统计信息之和，为所述超声视频的第二系数；其中，所述第二系数表征超声视频中超声图像在分类任务所对应的处理信息中的图像类别下、且在分类任务所对应的标注信息中的图像类别下帧数总和；根据所述超声视频的第i个第三系数和所述超声视频的第二系数，确定所述超声视频的第二信息。10.根据权利要求9所述的方法，其中，所述超声视频的第二信息为其中，r
i
为所述超声视频的第i个第三系数；P2为所述超声视频的第二系数；i为大于等于1、且小于等于R的正整数；R为所述超声视频的混淆矩阵下图像类别的总个数，R为大于等于1的正整数。11.根据权利要求7
‑
10中任一项所述的方法，其中，根据所述超声视频的第一信息和所述超声视频的第二信息，确定所述超声视频的第一特征参数，包括：将所述超声视频的第一信息减去所述超声视频的第二信息，得到所述超声视频的第一数据；并将预设值减去所述超声视频的第二信息，得到所述超声视频的第二数据；确定所述超声视频的第一数据与所述超声视频的第二数据之间的比值，为所述超声视频的第一特征参数。12.根据权利要求4
‑
11中任一项所述的方法，其中，根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述任务类别下所述超声视频的特征参数，包括：若确定所述超声视频的任务类别中包括检测任务，则根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述检测任务下所述超声视频的第二特征参数；其中，所述检测任务，表征需基于人工智能引导算法检测超声视频中的超声图像，在超声图像所归属的图像类别下具有的目标对象的包围盒；其中，所述第二特征参数表征基于人工智能引导算法检测超声视频中的超声图像中目标对象的包围盒类别的准确率。13.根据权利要求12所述的方法，其中，所述处理结果信息中包括所述检测任务所对应的处理信息；所述检测任务所对应的处理信息包括超声视频中的超声图像在超声图像所归属的图像类别下，所具有的目标对象的包围盒；所述包围盒具有包围盒类别；所述检测任务所对应的处理信息中的包围盒为基于人工智能引导算法检测出来的；所述标注结果信息中包括所述检测任务所对应的标注信息；所述检测任务所对应的标注信息包括超声视频中的超声图像在超声图像所归属的图像类别下，所具有的目标对象的包围盒；所述包围盒具有包围盒类别；所述检测任务所对应的标注信息中的包围盒为标注出来的；根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述检测任务下所述超声视频的第二特征参数，包括：根据所述检测任务所对应的处理信息和所述检测任务所对应的标注信息，确定所述超声视频在包围盒类别下的第一精准率信息；其中，所述第一精准率信息，表征超声视频中的
超声图像所具有的目标对象的包围盒，在所归属的包围盒类别下的准确性；根据所述超声视频在包围盒类别下的第一精准率信息，确定所述超声视频的第二特征参数。14.根据权利要求13所述的方法，其中，根据所述检测任务所对应的处理信息和所述检测任务所对应的标注信息，确定所述超声视频在包围盒类别下的第一精准率信息，包括：根据所述检测任务所对应的处理信息中的包围盒类别和所述检测任务所对应的标注信息中的包围盒类别，确定所述超声视频在包围盒类别下的第三信息和所述超声视频在包围盒类别下的第四信息；其中，所述第三信息表征针对包围盒类别，所述检测任务所对应的处理信息表征包围盒为该包围盒类别、且所述检测任务所对应的标注信息表征包围盒为该包围盒类别的超声图像的帧数总和；所述第四信息表征针对包围盒类别，所述检测任务所对应的处理信息表征包围盒为该包围盒类别、且所述检测任务所对应的标注信息表征包围盒不为该包围盒类别的超声图像的帧数总和；根据所述超声视频在包围盒类别下的第三信息和所述超声视频在包围盒类别下的第四信息，确定所述超声视频在包围盒类别下的第一精准率信息。15.根据权利要求14所述的方法，其中，所述超声视频在包围盒类别下的第一精准率信息为precision1＝TP1/(TP1+FP1)；其中，TP1为超声视频在包围盒类别下的第三信息；FP1为超声视频在包围盒类别下的第四信息。16.根据权利要求13
‑
15中任一项所述的方法，其中，根据所述超声视频在包围盒类别下的第一精准率信息，确定所述超声视频的第二特征参数，包括：对所述超声视频在各包围盒类别下的第一精准率信息求取均值，得到所述超声视频的第二特征参数。17.根据权利要求4
‑
16中任一项所述的方法，其中，根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述任务类别下所述超声视频的特征参数，包括：若确定所述超声视频的任务类别中包括分割任务，则根据所述分割任务所对应的处理信息和所述分割任务所对应的标注信息，确定在所述分割任务下所述超声视频的第三特征参数；其中，所述分割任务，表征需基于人工智能引导算法分割出超声视频中的超声图像所具有的目标对象；其中，所述第三特征参数表征基于人工智能引导算法分割超声视频中的超声图像中目标对象的分割准确性。18.根据权利要求17所述的方法，其中，所述处理结果信息中包括所述分割任务所对应的处理信息；所述分割任务所对应的处理信息包括超声视频中的超声图像所具有的目标对象的面积和目标对象类别；所述分割任务所对应的处理信息中的目标对象为基于人工智能引导算法分割出来的；所述标注结果信息中包括所述分割任务所对应的标注信息；所述分割任务所对应的标注信息包括超声视频中的超声图像所具有的目标对象的面积和目标对象类别；所述分割任务所对应的标注信息中的目标对象为标注出来的；根据所述分割任务所对应的处理信息和所述分割任务所对应的标注信息，确定在所述
分割任务下所述超声视频的第三特征参数，包括：根据所述分割任务所对应的处理信息和所述分割任务所对应的标注信息，确定所述超声视频在目标对象类别下的面积信息；其中，所述面积信息，表征针对目标对象类别，所述分割任务所对应的标注信息中的目标对象在该目标对象类别下的面积之和、所述分割任务所对应的处理信息中的目标对象在该目标对象类别下的面积之和两者的比值；根据所述超声视频在目标对象类别下的面积信息，确定所述超声视频的第三特征参数。19.根据权利要求18所述的方法，其中，根据所述超声视频在目标对象类别下的面积信息，确定所述超声视频的第三特征参数，包括：对所述超声视频在各目标对象类别下的面积信息求取均值，确定所述超声视频的第三特征参数。20.根据权利要求17所述的方法，其中，所述处理结果信息中包括所述分割任务所对应的处理信息；所述分割任务所对应的处理信息包括超声视频中的超声图像所具有的目标对象的面积和目标对象类别；所述分割任务所对应的处理信息中的目标对象为基于人工智能引导算法分割出来的；所述标注结果信息中包括所述分割任务所对应的标注信息；所述分割任务所对应的标注信息包括超声视频中的超声图像所具有的目标对象的面积和目标对象类别；所述分割任务所对应的标注信息中的目标对象为标注出来的；根据所述分割任务所对应的处理信息和所述分割任务所对应的标注信息，确定在所述分割任务下所述超声视频的第三特征参数，包括：根据所述分割任务所对应的处理信息和所述分割任务所对应的标注信息，确定所述超声视频在目标对象类别下的第二精准率信息；其中，所述第二精准率信息表征超声视频中的超声图像所具有的目标对象，在所归属的目标对象类别下的准确性；根据所述超声视频在目标对象类别下的第二精准率信息，确定所述超声视频的第三特征参数。21.根据权利要求20所述的方法，其中，根据所述分割任务所对应的处理信息和所述分割任务所对应的标注信息，确定所述超声视频在目标对象类别下的第二精准率信息，包括：根据所述分割任务所对应的处理信息中的目标对象类别和所述分割任务所对应的标注信息中的目标对象类别，确定所述超声视频在目标对象类别下的第五信息、所述超声视频在目标对象类别下的第六信息以及所述超声视频在目标对象类别下的第七信息；其中，所述第五信息表征针对目标对象类别，所述分割任务所对应的处理信息表征目标对象为该目标对象类别、且所述分割任务所对应的标注信息表征目标对象为该目标对象类别的超声图像的帧数总和；所述第六信息表征针对目标对象类别，所述分割任务所对应的处理信息表征目标对象不为该目标对象类别、且所述分割任务所对应的标注信息表征目标对象为该目标对象类别的超声图像的帧数总和；所述第七信息表征针对目标对象类别，所述分割任务所对应的处理信息表征目标对象为该目标对象类别、且所述分割任务所对应的标注信息表征目标对象不为该目标对象类别的超声图像的帧数总和；根据所述超声视频在目标对象类别下的第五信息、所述超声视频在目标对象类别下的第六信息以及所述超声视频在目标对象类别下的第七信息，确定所述超声视频在目标对象
类别下的第二精准率信息。22.根据权利要求21所述的方法，其中，所述超声视频在目标对象类别下的第二精准率信息为precision2＝TP2/(FN2+TP2+FP2)；其中，TP2为所述超声视频在目标对象类别下的第五信息，FN2为所述超声视频在目标对象类别下的第六信息，FP2为所述超声视频在目标对象类别下的第七信息。23.根据权利要求20
‑
22中任一项所述的方法，其中，根据所述超声视频在目标对象类别下的第二精准率信息，确定所述超声视频的第三特征参数，包括：根据所述超声视频在各目标对象类别下的第二精准率信息求取均值，得到所述超声视频的第三特征参数。24.根据权利要求4
‑
23中任一项所述的方法，其中，根据所述任务类别所对应的处理信息和所述任务类别所对应的标注信息，确定在所述任务类别下所述超声视频的特征参数，包括：若确定所述超声视频的任务类别中包括关键帧任务，则根据所述关键帧任务所对应的处理信息和所述关键帧任务所对应的标注信息，确定在所述关键帧类别下所述超声视频的第四特征参数；其中，所述关键帧任务，表征需基于人工智能引导算法识别超声视频的关键视频段；其中，所述第四特征参数表征基于人工智能引导算法识别超声视频的关键视频段的准确性；所述关键视频段为具有连续的关键帧图像的图像视频段，所述关键帧图像为超声视频中具有目标对象的内容信息的超声图像。25.根据权利要求24所述的方法，其中，所述处理结果信息中包括所述关键帧任务所对应的处理信息；所述关键帧任务所对应的处理信息包括超声视频的图像视频段，该图像视频段包括关键视频段和非关键视频段；所述关键帧任务所对应的处理信息中的图像视频段，为基于人工智能引导算法在预设置信度阈值下分割出来的；所述非关键视频段为具有连续的非关键帧图像的图像视频段，所述非关键帧图像为超声视频中不具有目标对象的内容信息的超声图像；所述标注结果信息中包括所述关键帧任务所对应的标注信息；所述关键帧任务所对应的标注信息包括超声视频的图像视频段，该图像视频段包括关键视频段和非关键视频段；所述关键帧任务所对应的标注信息中的图像视频段，为标注出来的；根据所述关键帧任务所对应的处理信息和所述关键帧任务所对应的标注信息，确定在所述关键帧类别下所述超声视频的第四特征参数，包括：根据所述关键帧任务所对应的处理信息和所述关键帧任务所对应的标注信息，确定所述超声视频在预设置信度阈值下的击中率信息和虚报率信息；其中，所述击中率信息表征超声视频中关键视频段的识别准确性，所述虚报率信息表征超声视频中非关键视频段的识别准确性；根据所述超声视频在预设置信度阈值下的击中率信息和虚报率信息，确定所述超声视频的第四特征参数。26.根据权利要求25所述的方法，其中，根据所述关键帧任务所对应的处理信息和所述关键帧任务所对应的标注信息，确定所述超声视频在预设置信度阈值下的击中率信息和虚报率信息，包括：
确定所述关键帧任务所对应的处理信息表征图像视频段为非关键视频段、且所述关键帧任务所对应的标注信息表征图像视频段为非关键视频段的图像视频段的个数，为第一数量；并确定所述关键帧任务所对应的处理信息表征图像视频段为关键视频段、且所述关键帧任务所对应的标注信息表征图像视频段为非关键视频段的图像视频段的个数，为第二数量；确定所述关键帧任务所对应的处理信息表征图像视频段为非关键视频段、且所述关键帧任务所对应的标注信息表征图像视频段为关键视频段的图像视频段的个数，为第三数量；并确定所述关键帧任务所对应的处理信息表征图像视频段为关键视频段、且所述关键帧任务所对应的标注信息表征图像视频段为关键视频段的图像视频段的个数，为第四数量；根据所述第一数量、所述第二数量、所述第三数量以及所述第四数量中的至少两个，确定所述超声视频在预设置信度阈值下的击中率信息和虚报率信息。27.根据权利要求26所述的方法，其中，所述超声视频在预设置信度阈值下的击中率信息为P_hit＝TP3/(TP3+FN3)；其中，TP3为所述第四数量，FN3为所述第三数量；所述超声视频在预设置信度阈值下的虚报率信息为N_hit＝FP3/(TN3+FP3)；其中，FP3为所述第二数量，TN3为所述第一数量。28.根据权利要求25
‑
27中任一项所述的方法，其中，根据所述超声视频在预设置信度阈值下的击中率信息和虚报率信息，确定所述超声视频的第四特征参数，包括：根据所述超声视频在各预设置信度阈值下的击中率信息和虚报率信息，生成感受性曲线；其中，所述感受性曲线表征在不同的预设置信度阈值下击中率信息与虚报率信息之间的关系；确定所述感受性曲线与所述感受性曲线所位于的坐标轴两者所围成的面积，为所述超声视频的第四特征参数。29.根据权利要求1
‑
28中任一项所述的方法，其中，对所述超声视频进行标注处理，得到所述超声视频的标注结果信息，包括：接收用户针对所述超声视频中的超声图像的标注指令，其中，所述标注指令表征对超声图像所进行的标注；根据所述标注指令，对所述超声视频中的超声图像进行标注处理，得到所述标注结果信息。30.根据权利要求1
‑
29中任一项所述的方法，其中，根据所述超声视频的至少一个特征参数，对所述人工智能引导算法进行修正处理，得到修正后的人工智能引导算法，包括：根据至少一个特征参数中的特征参数，调整所述人工智能引导算法中与该特征参数对应的算法参数，得到修正后的人工智能引导算法。31.根据权利要求1
‑
29中任一项所述的方法，其中，根据所述超声视频的至少一个特征参数，对所述人工智能引导算法进行修正处理，得到修正后的人工智能引导算法，包括：对所述至少一个特征参数进行加权求和计算，得到修正参数；根据所述修正参数对所述人工智能引导算法进行修正处理，得到修正后的人工智能引导算法。32.一种基于人工智能引导算法的超声视频生成方法，包括：
基于预存的修正后的人工智能引导算法，生成提示信息；其中，所述提示信息表征操作超声扫描设备的方式；所述预存的修正后的人工智能引导算法为基于权利要求1
‑
31中任一项所述的方法对初始的人工智能引导算法进行修正后得到的；响应于第一用户基于所述提示信息对所述超声扫描设备的操作，对第二用户的目标部位进行扫描，得到超声视频。33.根据权利要求32所述的方法，还包括：接收目标设备传输的修正后的人工智能引导算法；或者，接收目标设备传输的特征参数，并根据所述特征参数对初始的人工智能引导算法进行修正处理，得到修正后的人工智能引导算法；其中，所述特征参数表征基于人工智能引导算法得到超声视频的处理结果信息的准确性。34.一种基于超声视频的算法修正装置，包括...
【专利技术属性】
技术研发人员：孙钦佩，刘佳，杨叶辉，王晓荣，
申请(专利权)人：北京百度网讯科技有限公司，
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。