[发明专利]一种超声图像识别系统及自优化方法

权利要求书

1.一种超声图像识别系统，其特征在于，包括：

输入模块，所述输入模块接收自外部输入的超声图像；

特征优化模块，所述特征优化模块连接所述输入模块，所述特征优化模块对所述超声图像进行处理以生成特征优化图像；

识别模块，所述识别模块连接所述特征优化模块，所述识别模块自所述特征优化模块接收所述特征优化图像，并采用一图像识别模型对所述特征优化图像进行识别以输出识别结果。

2.根据权利要求1所述的超声图像识别系统，其特征在于，所述超声图像识别系统还包括：

重训练模块，所述重训练模块采集所述识别结果并生成训练集，所述重训练模块采用所述训练集对所述超声图像识别系统进行训练以生成优化参数；

所述特征优化模块根据所述优化参数对所述超声图像进行处理以生成特征优化图像。

3.根据权利要求2所述的超声图像识别系统，其特征在于，所述重训练模块包括：

训练集子模块，所述训练集子模块连接所述识别模块，所述训练集子模块根据所述识别结果生成所述训练集；

训练子模块，所述训练子模块连接所述训练集子模块、所述特征优化模块和所述识别模块；

所述训练子模块将所述训练集中的训练图像依次输入所述特征优化模块，以对所述特征优化模块和所述识别模块进行训练，并生成训练数据；

参数生成子模块，所述参数生成子模块连接所述训练子模块，所述参数生成子模块根据所述训练结果生成所述优化参数。

4.根据权利要求3所述的超声图像识别系统，其特征在于，所述训练集子模块包括：

结果接收子模块，所述结果接收子模块连接所述识别模块以接收所述识别结果；

标注子模块，所述标注子模块连接所述结果接收子模块，所述标注子模块根据一外部的诊断结果对识别错误的所述识别结果进行标注；

训练集生成子模块，所述训练集生成子模块连接所述标注子模块，所述训练集生成子模块根据所述识别错误的识别结果和所述诊断结果生成所述训练集。

5.根据权利要求5所述的超声图像识别系统，其特征在于，所述特征优化模块中对每个所述图像特征根据所述优化参数分别设置有一识别权重；

所述特征优化模块根据所述识别权重和所述超声图像生成所述特征优化图像。

6.根据权利要求5所述的超声图像识别系统，其特征在于，所述训练集中的部分图像被预先标注为测试集

则所述重训练模块还包括：

验证子模块，所述验证子模块连接所述训练子模块，所述验证子模块向所述训练子模块输入所述测试集并获取对应于所述测试集的所述训练数据，并根据所述训练数据生成所述超声图像识别系统分别对应于每个图像特征的敏感度和特异度；

所述验证子模块根据所述敏感度和特异度判断自优化结果是否符合需求。

7.根据权利要求1所述的超声图像识别系统，其特征在于，所述特征优化模块为一端到端模型；

所述特征优化图像的尺寸与所述超声图像相同。

8.一种识别模型的自优化方法，其特征在于，适用于如权利要求1-7任意一项所述的超声图像识别系统，包括一识别阶段和优化阶段，于所述优化阶段之前执行所述识别阶段；

所述识别阶段包括：：

步骤A1：获取一超声图像，采用所述超声图像识别系统对所述超声图像进行识别，生成一识别结果；

步骤A2：获取多个识别结果，并将所述识别结果中存在错误的所述识别结果标注为错误结果；

所述优化阶段包括：

步骤B1：获取多个所述错误结果以构建训练集和测试集；

步骤B2：采用所述训练集对所述超声图像识别系统进行训练，于训练过程中仅对特征优化模块进行更新，随后采用所述测试集对训练后的所述超声图像识别系统进行测试以获得测试结果；

步骤B3：重复步骤B2，直至所述测试结果符合训练预期后输出训练后的所述超声图像识别系统。