[发明专利]识别超声图像的特性的系统和方法在审

专利信息
申请号: 201980017547.3 申请日: 2019-03-04
公开(公告)号: CN111885964A 公开(公告)日: 2020-11-03
发明(设计)人: B·G·格布雷 申请(专利权)人: 皇家飞利浦有限公司
主分类号: A61B8/08 分类号: A61B8/08;G16H50/20;A61B5/00;A61B8/00
代理公司: 永新专利商标代理有限公司 72002 代理人: 李光颖
地址: 荷兰艾*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 超声 图像 特性 系统 方法
【权利要求书】:

1.一种识别一幅或多幅超声图像(210)的特性(260)的计算机实施的方法,其中,每幅超声图像是由超声探头(10)使用超声成像过程而成像的对象的超声图像,所述方法包括:

获得指示在所述超声成像过程期间对所述超声探头的操纵的操纵信号(220);

获得所述操纵信号(tn)的部分,所获得的部分指示在一时间段期间对所述超声探头的所述操纵,其中,所获得的部分与一幅或多幅超声图像相关联;并且

使用神经网络系统(200),基于所述一幅或多幅超声图像和所述操纵信号的所获得的部分这两者对一幅或多幅相关联的超声图像的特性进行分类,

其中,对所述一幅或多幅相关联的超声图像的所述特性进行分类包括:在所述操纵信号的所获得的部分上应用一个或多个卷积核(310),以生成表示所述操纵信号的所获得的部分的卷积输出;并且对所述卷积输出(320)进行分类以指示与所获得的部分相关联的所述一幅或多幅超声图像的所述特性。

2.根据权利要求1所述的计算机实施的方法,其中,对所述一幅或多幅相关联的超声图像的所述特性进行分类的步骤包括:

a)对所述操纵信号的所获得的部分是否与以下各项中的一项相关联进行分类:

高质量超声图像;

所述对象的预定视图的超声图像;以及

在相关联的一幅或多幅超声图像中所述对象的一个或多个预定感兴趣区域的存在;并且

b)借助于将对所获得的部分的所述分类分配为所述一幅或多幅相关联的超声图像的所述特性来识别所述一幅或多幅相关联的超声图像的所述特性。

3.根据权利要求1或2所述的计算机实施的方法,其中,对所述一幅或多幅相关联的超声图像的所述特性进行分类的步骤包括:

将所述操纵信号分割成多个部分,每个部分与相同的一幅或多幅超声图像相关联;

将一个或多个卷积核(310)应用于所述操纵信号的每个获得的部分,以生成每个时间段的卷积输出;并且

使用长短期记忆来处理每个时间段的所述卷积输出,以对每个获得的部分进行分类。

4.根据任一前述权利要求所述的计算机实施的方法,其中:

获得操纵信号的步骤包括:获得多个操纵信号,每个操纵信号指示在所述超声成像过程期间对所述超声探头的操纵;

获得所述操纵信号的部分的步骤包括:通过从每个操纵信号获得时间上相关联的部分来获得多个时间上相关联的部分,其中,所述多个时间上相关联的部分与相同的一幅或多幅超声图像相关联;并且

对所述一幅或多幅相关联的超声图像的所述特性进行分类的步骤包括:对所述多个时间上相关联的部分进行分类,以指示所述一幅或多幅相关联的超声图像的特性。

5.根据权利要求4所述的计算机实施的方法,其中,对所述多个时间上相关联的部分进行分类包括:

获得表示所述多个时间上相关联的部分的二维数据结构;

将卷积核(310)应用于所述二维数据结构以生成所述二维数据结构的卷积输出;并且

对所述卷积输出进行分类以指示所述一幅或多幅相关联的超声图像的特性。

6.根据权利要求5所述的计算机实施的方法,其中:

获得所述操纵信号的部分的步骤包括:获得所述操纵信号的两个或更多个时间上相关联的部分,其中,所述多个时间上相关联的部分中的每个时间上相关联的部分与相同的一幅或多幅超声图像相关联;并且

对所述一幅或多幅相关联的超声图像的所述特性进行分类的步骤包括:

a)获得多个二维数据结构,每个数据结构表示不同的多个时间上相关联的部分;

b)将卷积核(310)应用于每个二维数据结构以生成相应的多个卷积输出;并且

c)使用长短期记忆(330)来处理所述多个卷积输出(320),以对所述两个或更多个时间上相关联的部分进行分类,并且由此指示所述一幅或多幅相关联的超声图像的特性。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于皇家飞利浦有限公司,未经皇家飞利浦有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980017547.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top