[发明专利]一种基于人工智能的掌上超声成像系统及其方法

权利要求书

1.一种基于人工智能的掌上超声成像方法，其特征在于，包括以下步骤：

S100、使用超声诊断仪扫描被检查者指定身体区域，进行超声成像，得到超声图像；

S200、对得到的超声图像进行图像灰度化处理，其中灰度化处理的方法包括但不限于加权平均法、平均值法以及最大值法；

S300、对灰度化处理后的超声图像进行图像去噪处理，其中图像去噪处理包括但不限于中值滤波法、自适应滤波法以及小波阈值降噪；

S400、对处理后的超声图像进行图像二值化处理和图像增强，并将图片尺寸进行标准化处理；

S500、基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。

2.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述S200还包括：

S201、获取超声图像中以像素点为单位的R、G、B三个分量，其中像素点位置信息为二维坐标；

S202、根据伤情判断中对各个颜色的重要性以及其他预设判断指标，将R、G、B三个分量以不同的权值进行加权平均；

S203、按以下公式进行加权平均

f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j))

其中f(i,j)为转换后的灰度图像在(i,j)处的灰度值。

3.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述S300还包括：

S301、对图像进行小波变换；

S302、计算各个高分辨率子带图像的去噪阈值；

S303、对小波系数进行阈值去噪；

S304、进行小波反变换,得到去噪后的图像。

4.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述S400还包括：

S401、扫描图像中的所有像素点，逐一判断是否大于预设阈值，若是则将满足条件的像素点灰度值设为255，否者设为0，其中所设阈值可自定义。

5.根据权利要求1所述的基于人工智能的掌上超声成像方法，其特征在于，所述图像增强的方法包括直方图修改处理、图象平滑以及图象锐化。

6.一种基于人工智能的掌上超声成像系统，其特征在于，包括：

超声探测器，用于扫描患者待检查部位；

超声图像生成模块，用于根据超声探测器的扫描信息，进行超声成像，得到超声图像；

图像处理模块，用于对超声图像分别进行灰度化处理、去噪处理、图像二值化处理以及图像增强处理；

伤情判断模块，基于以伤情判定大数据信息训练的人工智能模型，以标准化后的图像作为输入，输出伤情判定结果。

7.根据权利要求6所述的基于人工智能的掌上超声成像系统，其特征在于，所述图像处理模块还包括：

像素扫描单元，用于获取超声图像中以像素点为单位的R、G、B三个分量，其中像素点位置信息为二维坐标；

计算单元，用于根据伤情判断中对各个颜色的重要性以及其他预设判断指标，将R、G、B三个分量以不同的权值进行加权平均。

8.根据权利要求6所述的基于人工智能的掌上超声成像系统，其特征在于，所述图像处理模块还包括：

小波变换单元，用于对图像进行小波变换以及小波反变换处理；

阈值计算单元，用于计算各个高分辨率子带图像的去噪阈值；

去噪单元，用于对小波系数进行阈值去噪。

9.根据权利要求6所述的基于人工智能的掌上超声成像系统，其特征在于，所述图像处理模块还包括：

图像增强单元，用于对图像进行直方图修改处理、图象平滑以及图象锐化处理。

10.根据权利要求6所述的基于人工智能的掌上超声成像系统，其特征在于，所述伤情判断模块还包括：

大数据获取单元，用于通过互联网获取图像数据以及对应的伤情判断信息，并根据医疗文献获取伤情判断标准；

机器学习单元，用于基于大数据以及伤情判断标准进行机器训练，根据训练模型得到人工智能模型。