[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

说明书

本发明的技术方案包括一种基于人工智能的掌上超声成像系统及其方法，用于实现：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；对得到的超声图像进行图像灰度化处理；对灰度化处理后的超声图像进行图像去噪处理；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；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。本发明的有益效果为：远程自动诊断患者伤情，无需专家人工判断，最大限度的保证患者的最佳治疗时间不被耽误，提高急救存活率。

技术领域

本发明涉及一种基于人工智能的掌上超声成像系统及其方法，属于医疗技术领域。

背景技术

超声诊断(ultrasonic diagnosis)是将超声检测技术应用于人体，通过测量了解生理或组织结构的数据和形态，发现疾病，做出提示的一种诊断方法。目前，超声诊断己成为广泛应用的诊断技术，最为典型的就是B超，其具有无创伤、实时、无电离辐射、便宜等优点。然而，超声诊断的准确性高度依赖超声系统(ultrasound system)操作者的技术，此操作者必须具有解读超声图像和解剖学的具体知识，并且需要经过多年的训练才能准确的操作超声探测器(ultrasound probe)未获得被检查的器官的超声图像，同时，即使操作者能够准确的获得被检查的器官的超声图像，医生也需要具有丰富的经验才能根据此超声图像做出准确的诊断。这些，都限制了超声诊断在医疗资源有限的地方的应用，如某些发展中国家或农村地区的诊所、社区医院等。

传统的解决方法为通过超声图像数据远程发送给具有资质的医生或专家进行远程诊断，然而，这存在几个问题，首先医疗资源匮乏的情况下医生并没有过多的时间和精力进行远程诊断，其次部分急救场景需要上传信息后立即进行反馈，而此时医生可能正在就诊或不在办公位，这样就会耽误患者的最佳治疗时间，危机患者生命。

因此开发出一套基于人工智能自动鉴定患者伤势的系统显得尤为迫切。

发明内容

为解决上述问题，本发明的目的在于提供一种基于人工智能的掌上超声成像系统及其方法，包括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；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；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；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；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。

本发明解决其问题所采用的技术方案一方面是：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。

进一步的，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。

进一步的，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。