尿动力学评估模型训练方法及装置制造方法及图纸

本发明专利技术提供了一种尿动力学评估模型训练方法及装置，该方法包括以下步骤：获取包括膀胱腔内压压力曲线通道、膀胱逼尿肌压力曲线通道、腹压压力曲线通道位置信息和压力通道刻度的二维图像数据集；根据图像目标尺寸大小，采用Yolov5模型输入端将获取的二维图像数据集自动缩放填充至合适大小；采用backbone层对上述二维图像进行全局特征提取和局部特征提取；采用neck网络对backbone的输出特征图进行池化和特征融合，增强模型特征表达能力和感受野；采用head层对neck的输出特征图中目标应用不同尺度的预测框，预测其位置和大小，使用softmax函数进行类别概率预测。

【技术实现步骤摘要】

本专利技术涉及生命体征检测领域，特别涉及一种尿动力学评估模型训练方法，同时本专利技术还涉及采用上述方法的装置。

技术介绍

1、目前，评估尿动力检查是否符合尿动力学技术规范即尿动力学质量控制，主要依赖临床医师协同观察并分析尿动力学检(urodynamics,uds)期间膀胱压力、腹腔压力、逼尿肌压力、尿流率等曲线的方式，此种方式对医生的专业知识和临床经验的依赖程度大，虽有明确的国际尿控协会发布的判读标准，但内容较多，操作者很难在操作的同时严格执行，且判读结果极其主观。因此，亟需一种新的技术方案以解决上述技术问题。

2、一种嵌入到尿动力学检测仪器上的尿动力检查质量控制人工智能程序，该程序可以实时检测尿动力学检查中出现的因操作不规范导致的赝像，并发出提示或预警，进而提高尿动力学检查的质量，同时减轻医疗工作者的工作负担，提高工作质量和效率。

技术实现思路

1、有鉴于此，本专利技术提出了一种尿动力学评估模型训练方法，以提高对尿动力检查质量定性准确率。

2、为达上述目的，本专利技术的技术方案是这样本文档来自技高网...

【技术保护点】

1.一种尿动力学评估模型训练方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的尿动力学评估模型训练方法，其特征在于：步骤S2的Yolov5模型输入端包括Mosaic图像增强、自适应锚框计算以及自适应图片缩放。

3.根据权利要求1所述的尿动力学评估模型训练方法，其特征在于：步骤S3的backbone层包括Focus结构和CSP结构卷积神经网络层。

4.根据权利要求1所述的尿动力学评估模型训练方法，其特征在于：步骤S4的neck网络包括SPP结构和PAN结构。

5.根据权利要求4所述的尿动力学评估模型训练方法，其特征在于：步骤S5...

【技术特征摘要】

1.一种尿动力学评估模型训练方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的尿动力学评估模型训练方法，其特征在于：步骤s2的yolov5模型输入端包括mosaic图像增强、自适应锚框计算以及自适应图片缩放。

3.根据权利要求1所述的尿动力学评估模型训练方法，其特征在于：步骤s3的backbone层包括focus结构和csp结构卷积神经网络层。

4.根据权利要求1所述的尿动力学评估模型训练方法，其特征在于：步骤s4的neck网络包括spp结构和pan...

【专利技术属性】
技术研发人员：廖利民，刘昕，
申请(专利权)人：中国康复科学所中国残联残疾预防与控制研究中心，
类型：发明
国别省市：