[发明专利]对超声扫描仪中AI网络的连续训练

说明书

本发明题为“对超声扫描仪中AI网络的连续训练”。提供了对用于超声扫描仪的人工智能(AI)模型的连续训练。一种用于训练的方法包括使用AI模型生成目标的图像；由处理器检测操作者对目标图像的校正。可以保存以下中的一者或两者：校正图像和目标图像以及目标图像的校正数据。超声扫描仪可以使用以下中的一者来发起训练AI模型：校正图像和目标图像以及目标图像的校正数据。

技术领域

某些实施方案涉及超声成像。更具体地，某些实施方案涉及对超声扫描仪中人工智能(AI)网络的连续训练。

背景技术

超声成像是用于对人体中的器官和软组织进行成像的医学成像技术。超声成像使用实时的、非侵入性高频声波来产生一系列二维(2D)图像和/或三维(3D)图像。

超声图像和/或视频的人工智能处理通常应用于处理图像和/或视频，以帮助超声操作者或查看处理后的图像数据的其他医务人员提供诊断。然而，对超声图像和/或视频的人工智能(AI)处理取决于在训练AI模型中使用的图像的数量。与部署之后遇到的图像的潜在数量相比，训练中的图像的数量是有限的。

通过将此类系统与本申请的其余部分中参考附图阐述的本公开的一些方面进行比较，常规和传统方法的进一步限制和缺点对本领域的技术人员将变得显而易见。

发明内容

公开了对超声扫描仪中人工智能(AI)网络的连续训练。

从以下描述和附图将更全面地理解本公开的这些和其他优点、方面和新颖特征、以及其例示的实施方案的细节。

附图说明

图1A是根据各种实施方案的可操作为促进超声操作者与人工智能(AI)处理器的交互的示例性超声系统的框图。

图1B是根据各种实施方案的与其它电子设备通信的示例性超声系统的框图。

图2是根据各种实施方案的用于设置示例性超声系统以用于连续训练的示例性流程图。

图3是根据各种实施方案的用于提供所校正图像以用于连续训练的示例性流程图。

图4是根据各种实施方案的用于用所校正图像训练AI处理器以用于连续训练的示例性流程图。

具体实施方式

某些实施方案可被发现用于向超声扫描仪内部的人工智能(AI)网络提供连续训练。各种实施方案可具有改进本地超声扫描仪上的AI算法，而无需向例如可位于本地网络外部的中央服务器发送任何图像并且从中央服务器接收训练模型的技术效果。本地网络可包括位于公共防火墙后面的设备，诸如例如路由器、网桥等。与本地超声扫描仪仅接收由中央服务器训练的AI模型的情况相比，本公开的各方面具有本地超声扫描仪更经常地改进AI算法的技术效果。

当结合附图阅读时，将更好地理解前述发明内容以及某些实施方案的以下具体实施方式。就附图示出各种实施方案的功能块的图的范围而言，这些功能块不一定表示硬件电路之间的划分。因此，例如，一个或多个功能框(例如，处理器或存储器)可以在单件硬件(例如，通用信号处理器或随机存取存储器块、硬盘等)或多件硬件中来实现。类似地，程序可以是独立程序，可以作为子例程包含在操作系统中，可以是安装的软件包中的功能等。应当理解，各种实施方案不限于附图中所示的布置和工具。还应当理解，可以组合实施方案，或者可以利用其他实施方案，并且可以在不脱离各种实施方案的范围的情况下做出结构的、逻辑的和电气的改变。因此，以下详述不应视为限制性意义，并且本公开的范围由所附权利要求书及其等同物限定。

如本文所用，以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个所述元件或步骤，除非明确说明此类排除。此外，对“示例性实施方案”、“各种实施方案”、“某些实施方案”、“代表性的实施方案”等的引用不旨在被解释为排除存在也结合了叙述的特征的附加实施方案。此外，除非明确地相反说明，否则“包含”、“包括”或“具有”具有特定性质的一个元件或多个元件的实施方案可以包括不具有该性质的附加元件。