公开了一种超声科临床检测装置，其采用基于机器视觉的人工智能检测技术，对药液涂抹图像进行分块处理，以提取出各个图像块的深浅融合特征分布信息，进一步引入所述各个图像块之间的相似度拓扑特征来构造所述各个图像块之间的差异性特征分布，以此来提高所述各个图像块中关于药液涂抹的均匀性特征表达，并以此来对于药液是否涂抹均匀进行准确地检测。这样，能够准确地对于病人进行均匀涂抹药液。能够准确地对于病人进行均匀涂抹药液。能够准确地对于病人进行均匀涂抹药液。
【技术实现步骤摘要】
超声科临床检测装置
[0001]本申请涉及医疗辅助设备领域，且更为具体地，涉及一种超声科临床检测装置。
技术介绍
[0002]超声检查具有操作简便、可重复性和费用低廉等优势，医学超声波检查是将超声波发射到人体内，当它在体内遇到界面时会发生发射及折射，并且在人体组织中可能被吸收而衰减，医生们正是通过仪器所反映出的波型、曲线、或影像的特征来辨别它们，结合相关知识，便可诊断所检查的器官是否有病。
[0003]目前，医生在为病人做超声波检查时，通常会在患者表面均匀涂抹一层药液，增强超声波的穿透性，从而更好的为患者检查、分析病情，但是医生在为病人涂抹药液时，通常手动进行涂抹药液易涂抹不均匀，进而导致后续的超声检查发生偏差。
[0004]因此，期待一种优化的超声科临床检测装置。
技术实现思路
[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种超声科临床检测装置，其采用基于机器视觉的人工智能检测技术，对药液涂抹图像进行分块处理，以提取出各个图像块的深浅融合特征分布信息，进一步引入所述各个图像块之间的相似度拓扑特征来构造所述各个图像块之间的差异性特征分布，以此来提高所述各个图像块中关于药液涂抹的均匀性特征表达，并以此来对于药液是否涂抹均匀进行准确地检测。这样，能够准确地对于病人进行均匀涂抹药液。
[0006]相应地，根据本申请的一个方面，提供了一种超声科临床检测装置，其包括：
[0007]摄像模块，用于获取由超声波检测装置的摄像头采集的药液涂抹图像；
[0008]图像分块模块，用于对所述药液涂抹图像进行图像分块处理以得到图像块序列；
[0009]图像块特征提取模块，用于将所述图像块序列中的各个图像块分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个图像块特征矩阵；
[0010]图像块特征相似度度量模块，用于计算所述多个图像块特征矩阵中每两个图像块特征矩阵之间的余弦相似度以得到相似度拓扑矩阵；
[0011]相似拓扑特征提取模块，用于将所述相似度拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到相似度拓扑特征矩阵；
[0012]全局化模块，用于将所述多个图像块特征矩阵转化为多个图像块特征向量后，将所述多个图像块特征向量进行二维排列以得到图像块全局特征矩阵；
[0013]图神经网络编码模块，用于将所述图像块全局特征矩阵和所述相似度拓扑特征矩阵通过图神经网络模型以得到拓扑图像块全局特征矩阵；
[0014]特征分布校正模块，用于对所述拓扑图像块全局特征矩阵的高维数据流形进行校正以得到校正后拓扑图像块全局特征矩阵；以及
[0015]检测结果生成模块，用于将所述校正后拓扑图像块全局特征矩阵通过分类器以得
为向量的二范数，且表示将矩阵的每个值乘以预定数值，表示按位置加法，M'表示所述校正后拓扑图像块全局特征矩阵。
[0026]在上述超声科临床检测装置中，所述检测结果生成模块，包括：展开单元，用于将所述校正后拓扑图像块全局特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0027]根据本申请的另一方面，还提供了一种超声科临床检测方法，其包括：
[0028]获取由超声波检测装置的摄像头采集的药液涂抹图像；
[0029]对所述药液涂抹图像进行图像分块处理以得到图像块序列；
[0030]将所述图像块序列中的各个图像块分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个图像块特征矩阵；
[0031]计算所述多个图像块特征矩阵中每两个图像块特征矩阵之间的余弦相似度以得到相似度拓扑矩阵；
[0032]将所述相似度拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到相似度拓扑特征矩阵；
[0033]将所述多个图像块特征矩阵转化为多个图像块特征向量后，将所述多个图像块特征向量进行二维排列以得到图像块全局特征矩阵；
[0034]将所述图像块全局特征矩阵和所述相似度拓扑特征矩阵通过图神经网络模型以得到拓扑图像块全局特征矩阵；
[0035]对所述拓扑图像块全局特征矩阵的高维数据流形进行校正以得到校正后拓扑图像块全局特征矩阵；以及
[0036]将所述校正后拓扑图像块全局特征矩阵通过分类器以得到分类结果，所述分类结果用于表示药液是否涂抹均匀。
[0037]在上述超声科临床检测方法中，所述对所述药液涂抹图像进行图像分块处理以得到图像块序列，包括：对所述药液涂抹图像进行图像均匀分块处理以得到所述图像块序列，其中，所述图像块序列中各个图像块具有相同的尺寸。
[0038]在上述超声科临床检测方法中，所述将所述图像块序列中的各个图像块分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个图像块特征矩阵，包括：从所述第一卷积神经网络模型的第M层提取浅层特征图，其中，M大于等于1且小于等于6；从所述第一卷积神经网络模型的第N层提取深层特征图，其中，N/M大于等于5且小于等于10；使用所述第一卷积神经网络模型的深浅特征融合模块融合所述浅层特征图和所述深层特征图以得到融合特征图；以及，对所述融合特征图进行沿通道维度的全局池化以得到所述图像块特征矩阵。
[0039]在上述超声科临床检测方法中，所述计算所述多个图像块特征矩阵中每两个图像块特征矩阵之间的余弦相似度以得到相似度拓扑矩阵，包括：计算所述多个图像块特征矩阵中每两个图像块特征矩阵之间的余弦相似度以得到多个余弦相似度；其中，所述公式为：
[0040][0041]其中M
i
和M
j
分别表示所述多个图像块特征矩阵中每两个图像块特征矩阵，和分别表示所述多个图像块特征矩阵中每两个图像块特征矩阵的各个位置的特征值，cos(M
i
,M
j
)表示所述多个图像块特征矩阵中每两个图像块特征矩阵之间的所述余弦相似度，W和H表示所述多个图像块特征矩阵中每个图像块特征矩阵的尺度；以及，将所述多个余弦相似度进行二维排列以得到所述相似度拓扑矩阵。
[0042]在上述超声科临床检测方法中，所述将所述多个图像块特征矩阵转化为多个图像块特征向量后，将所述多个图像块特征向量进行二维排列以得到图像块全局特征矩阵，包括：将多个图像块特征矩阵中各个图像块特征矩阵沿着行向量或者列向量进行池化以得到所述多个图像块特征向量。
[0043]在上述超声科临床检测方法中，所述对所述拓扑图像块全局特征矩阵的高维数据流形进行校正以得到校正后拓扑图像块全局特征矩阵，包括：以如下公式对所述拓扑图像块全局特征矩阵的高维数据流形进行校正以得到所述校正后拓扑图像块全局特征矩阵；其中，所述公式为：
[0044][0045]其中M表示所述拓扑图像块全局特征矩本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种超声科临床检测装置，其特征在于，包括：摄像模块，用于获取由超声波检测装置的摄像头采集的药液涂抹图像；图像分块模块，用于对所述药液涂抹图像进行图像分块处理以得到图像块序列；图像块特征提取模块，用于将所述图像块序列中的各个图像块分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个图像块特征矩阵；图像块特征相似度度量模块，用于计算所述多个图像块特征矩阵中每两个图像块特征矩阵之间的余弦相似度以得到相似度拓扑矩阵；相似拓扑特征提取模块，用于将所述相似度拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到相似度拓扑特征矩阵；全局化模块，用于将所述多个图像块特征矩阵转化为多个图像块特征向量后，将所述多个图像块特征向量进行二维排列以得到图像块全局特征矩阵；图神经网络编码模块，用于将所述图像块全局特征矩阵和所述相似度拓扑特征矩阵通过图神经网络模型以得到拓扑图像块全局特征矩阵；特征分布校正模块，用于对所述拓扑图像块全局特征矩阵的高维数据流形进行校正以得到校正后拓扑图像块全局特征矩阵；以及检测结果生成模块，用于将所述校正后拓扑图像块全局特征矩阵通过分类器以得到分类结果，所述分类结果用于表示药液是否涂抹均匀。2.根据权利要求1所述的超声科临床检测装置，其特征在于，所述图像分块模块，进一步用于：对所述药液涂抹图像进行图像均匀分块处理以得到所述图像块序列，其中，所述图像块序列中各个图像块具有相同的尺寸。3.根据权利要求2所述的超声科临床检测装置，其特征在于，所述图像块特征提取模块，包括：浅层特征提取单元，用于从所述第一卷积神经网络模型的第M层提取浅层特征图，其中，M大于等于1且小于等于6；深层特征提取单元，用于从所述第一卷积神经网络模型的第N层提取深层特征图，其中，N/M大于等于5且小于等于10；融合单元，用于使用所述第一卷积神经网络模型的深浅特征融合模块融合所述浅层特征图和所述深层特征图以得到融合特征图；以及池化单元，用于对所述融合特征图进行沿通道维度的全局池化以得到所述图像块特征矩阵。4.根据权利要求3所述的超声科临床检测装置，其特征在于，所述图像块特征相似度度量模块，包括：余弦相似度计算单元，用于计算所述多个图像块特征矩阵中每两个图像块特征矩阵之间的余弦相似度以得到多个余弦相似度；其中，所述公式为：
其中M
i
和M<...
【专利技术属性】
技术研发人员：陈玉，
申请(专利权)人：河南中医药大学第一附属医院，
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。