[发明专利]基于孪生原型网络的肝外伤超声诊断设备及系统

权利要求书

1.一种基于孪生原型网络的肝外伤超声诊断设备，其特征在于，该肝外伤超声诊断设备包括以下装置：

肝脏图像采集装置，配置为通过便携式超声诊断仪进行待诊断对象的肝脏扫描，获取待诊断对象肝脏不同切面的B-mode图像；

图像预处理装置，配置为通过图像扇形区域进行每一个B-mode图像的脱敏处理，并将脱敏后的图像归一化至设定大小，获得待诊断图像集；

肝外伤诊断装置，配置为基于所述待诊断图像集，通过训练好的肝外伤诊断模型，获取待诊断对象是否存在肝创伤的诊断结果；

诊断结果输出装置，配置为输出待诊断对象的肝创伤诊断结果。

2.根据权利要求1所述的基于孪生原型网络的肝外伤超声诊断设备，其特征在于，所述肝外伤超声诊断设备还包括图像标记装置；

所述图像标记装置，配置为对于肝脏图像采集装置采集并通过CEUS进行创伤灶检查定位的肝脏不同切面的B-mode图像，通过VOTT图像标注工具进行每一个B-mode图像的创伤区标记，获得带标签肝脏图像集；

所述图像预处理装置通过图像扇形区域进行所述带标签肝脏图像集中每一个带标签肝脏图像的脱敏处理，并将脱敏后的图像归一化至设定大小，获得肝外伤诊断模型的带标签训练图像集。

3.根据权利要求2所述的基于孪生原型网络的肝外伤超声诊断设备，其特征在于，所述肝外伤诊断模型，其构建和训练方法为：

步骤S10，通过Imagenet自然图像进行ResNet18模型的预训练，获得预训练ResNet18模型；

步骤S20，基于所述预训练ResNet18模型以及原型特征约束函数、原型损失函数和分类损失函数构成的网络训练总损失函数，构建肝外伤诊断孪生原型网络；

步骤S30，基于所述带标签训练图像集进行所述肝外伤诊断孪生原型网络的训练，获得训练好的肝外伤诊断模型。

4.根据权利要求3所述的基于孪生原型网络的肝外伤超声诊断设备，其特征在于，所述网络训练总损失函数为：

L_total＝αL_proto1+βL_proto2+γL₁+λL₂

其中，L_proto1代表肝外伤诊断孪生原型网络的原型特征约束函数，L_proto2代表肝外伤诊断孪生原型网络的原型损失函数，L₁和L₂代表肝外伤诊断孪生原型网络的分类损失函数，α、β、γ和λ分别为原型特征约束、原型损失、分类损失在网络训练总损失中所占权重。

5.根据权利要求4所述的基于孪生原型网络的肝外伤超声诊断设备，其特征在于，所述原型特征约束函数为：

其中，f_proto(k)为肝外伤诊断孪生原型网络的输入训练图像x对应类别k的原型特征，和分别代表肝外伤诊断孪生原型网络输入类别为k的样本x_input1和x_input2后通过可学习参数得到的原型特征空间，φ为肝外伤诊断孪生原型网络学习的权重参数，argmin为L_proto1取最小值时f_proto(k)的特征表示，input1和input2分别对应于肝外伤诊断孪生原型网络的第一输入口和第二输入口。

6.根据权利要求5所述的基于孪生原型网络的肝外伤超声诊断设备，其特征在于，所述原型特征空间，其中类别k对应的输入图像的特征分布为：

其中，p_φ(y＝k|x_input1)和p_φ(y＝k|x_input2)分别代表在不同输入x_input1和x_input2下的肝外伤诊断孪生原型网对于给定训练权重φ后推断到分类k的概率，k′代表除了第k类外的其他类别，d()代表两个特征向量之间的欧几里得距离，exp为以自然数e为底的指数函数。