[发明专利]一种基于人工智能超声影像检测方法及系统

权利要求书

1.一种基于人工智能超声影像检测方法，其特征在于，包括步骤：

S100,从超声机中获取超声影像；

S200,对超声影像进行质控分析，建立质控分析AI模型判断所采集超声影像属于标准切面还是非标准切面；

S300,若为非标准切面，则由修正AI模型将非标准切面推测出其对应的标准切面；

在由非标准切面进行拟合重建推测出其对应的标准切面的过程中，包括步骤：

S301,将非标准切面图像数据通过卷积网络获得高层次特征；

S302,将所述高层次特征再通过卷积网络获得中层次特征；

S303,通过高层次特征和中层次特征的差，计算得到假数据特征；

S304,将假数据特征进行上采样，获得出重建的标准切面；

S400,对所获得的标准切面，通过自动测量AI模型和病理特征查找AI模型进行自动测量与病理分析，获取检测结果；

S500,将检测结果推送给用户端。

2.根据权利要求1所述的一种基于人工智能超声影像检测方法，其特征在于，所述超声影像在质控分析AI模型中的质控分析过程，包括步骤：

S201,通过resnet残差网络获取所述超声影像的特征值；

S202,通过FPN网络进行特征值的粗略提取后，对提取的特征值分别进行融合，形成目标检测区域；

S203,建立图形框，并通过置信度分类对每个目标检测区域均设置有独自的图形框；

S204,通过非极大值抑制算法，提取置信度最高的图形框作为识别结果；

S205,若没有形成图形框则判定该图像为非标准切面，若形成图形框则判定该图像为标准切面。

3.根据权利要求1所述的一种基于人工智能超声影像检测方法，其特征在于，对所获得的标准切面，通过自动测量AI模型自动测量获取生物学参数值的过程，包括步骤：

S411,将所获得的标准切面超声影像输入自动测量AI模型进行识别；

S412,在自动测量AI模型中，通过分割网络对图像进行分割得到目标交并比特征；

S413,将所述目标交并比特征的图像进行形态学处理，获得形状特征；

S414,将形状特征进行滤波后，提取边缘；

S415,根据边缘特征，得到生物学参数值。

4.根据权利要求1所述的一种基于人工智能超声影像检测方法，其特征在于，对所获得的标准切面，通过病理特征查找AI模型找出病理特征的过程，包括步骤：

S421,将所获得的标准切面超声影像输入病理特征查找AI模型进行识别；

S422,在病理特征查找AI模型中，通过分割网络对图像进行分割得到目标交并比特征；

S423,将所述目标交并比特征的图像进行形态学处理，获得形状特征；

S424,根据形状特征与临床病理特征进行比较，获取病理特征。

5.根据权利要求3或4所述的一种基于人工智能超声影像检测方法，其特征在于，将所述标准切面超声影像输入自动测量AI模型和病理特征查找AI模型之前，先对所述超声影像进行预处理，去除噪声。

6.根据权利要求5所述的一种基于人工智能超声影像检测方法，其特征在于，通过深度卷积网络提取不同尺寸下的多尺寸特征值，对图像进行分割。

7.根据权利要求6所述的一种基于人工智能超声影像检测方法，其特征在于，将所述目标交并比特征的图像进行形态学处理过程包括步骤：

对所述多尺寸特征值分别进行残差处理和卷积处理；

将处理后的特征值进行降维处理；

通过特征判别处理，得到图像中的形状特征掩膜。

8.一种基于人工智能超声影像检测系统，其特征在于，包括超声影像输入模块、超声影像质控分析模块、非标准切面修正模块、检测分析模块和结果输出模块；

从超声机中获取超声影像，通过超声影像输入模块进入系统；

将采集的超声影像输入超声影像质控分析模块，由质控分析AI模型进行质控分析，识别所述超声影像属于标准切面还是非标准切面；

若为非标准切面，则将非标准切面超声影像传输至非标准切面修正模块进行修正，由非标准切面修正模块中修正AI模型结合非标准切面，推测出对应的标准切面；在由非标准切面进行拟合重建推测出其对应的标准切面的过程中，包括步骤：将非标准切面图像数据通过卷积网络获得高层次特征；将所述高层次特征再通过卷积网络获得中层次特征；通过高层次特征和中层次特征的差，计算得到假数据特征；将假数据特征进行上采样，获得出重建的标准切面；

将所获得的标准切面输入至检测分析模块，通过自动测量AI模型和病理特征查找AI模型自动测量和病理特征查找功能，获取辅助参考值作为检测结果；

将检测结果由结果输出模块推送给用户端。