[发明专利]超声扫描机器人控制方法、装置、设备及存储介质

说明书

本发明涉及超声扫描机器人控制方法、装置、设备及存储介质，该方法包括：获取超声图像并添加至特征网络分割模型，得到关于所述超声图像的特征图；转换所述特征图为特征向量；输入所述特征向量至模仿学习网络模型；根据所述模仿学习网络模型所配置的训练模型，预测所述超声扫描机器人的运动，生成控制信息。本发明提供的超声扫描机器人控制方法、装置、设备及存储介质，利用特征网络分割模型对超声探头所采集的超声图像进行特征提取，得到特征图及特征向量，将特征向量输入学习网络所配置的训练模型，比对训练模型中的特征数据及对应的超声探头的控制数据，预测超声扫描机器人的运动，生成控制指令，降低了控制方法生成难度。

技术领域

本发明涉及超声扫描技术领域，尤其涉及一种超声扫描机器人控制方法、装置、设备及存储介质。

背景技术

现阶段，超声扫描机器人通过采用分离式设计，即医生端与病人端采用无线通信的方式，通过医生端对于病人端的机械臂所连接的超声探头进行控制，实现超声探头的位置调整，从而针对待检测位置进行检测。并且医生端对于病人端的控制方式主要包括基于视觉伺服控制以及基于强化学习控制等。其中，前者是通过获取超声图像并与目标图像进行比对，实现对机械臂以及超声探头的位置调整；后者是通过设定奖惩函数以训练病人端逐步实现自动扫描。

但上述两者控制方式也存在一定程度的不足。对于目标姿态比对的方式是基于医生干预以获取超声图像为前提的，缺乏普适性；另外，对于采用模型训练的方式需要使超声扫描机器人经过大量的样本试验并且需要针对不同器官进行不同的针对性训练，因而增加了控制方法实现的难度。

发明内容

本发明提供一种超声扫描机器人控制方法、装置、设备及存储介质，目的在于降低超声扫描机器人在模型训练过程中对大量样本的依赖，提高模型训练过程中的泛化能力，降低了控制方法的实现难度。

第一方面，本发明实施例提供了一种超声扫描机器人控制方法，包括：

获取超声图像并添加至特征网络分割模型，得到关于超声图像的特征图；

转换特征图为特征向量；

输入特征向量至模仿学习网络模型；

根据模仿学习网络模型所配置的训练模型，预测超声扫描机器人的运动，生成控制信息。

可选地，获取超声图像并添加至特征网络分割模型，得到关于超声图像的特征图，具体包括：

实时获取超声图像；

输入超声图像至特征网络分割模型，得到特征图。

可选地，特征向量包括特征图的参数信息，参数信息包括：坐标信息、尺寸信息以及姿态偏转角度。

可选地，根据模仿学习网络模型所配置的训练模型，预测超声扫描机器人的运动，生成控制信息之前，还包括建立训练模型，包括：

接收医生端发送的病人端所属超声探头的配置参数；

根据配置参数，获取超声探头的控制数据；

关联控制数据及对应的特征向量，建立训练模型。

可选地，控制数据包括超声探头的平移距离、摆动角度以及受力数据。

可选地，训练模型包括样本数据以及标签值，样本数据包括特征向量；标签值包括控制数据。

第二方面，本发明实施例提出了一种超声扫描机器人控制装置，包括：

特征图获取模块，用于获取超声图像并添加至特征网络分割模型，得到关于超声图像的特征图；

特征向量转换模块，用于转换特征图为特征向量；

特征向量输入模块，用于输入特征向量至模仿学习网络模型；