[发明专利]一种基于深度学习的人体超声检测实时引导策略

说明书

本发明公开了一种基于深度学习的人体超声检测实时引导策略，包括人体超声检测的示教器、基于深度学习的技能评估策略和基于采样原理的实时调整策略。示教器用于采集检测过程中的压力信号和姿态信号；技能评估策略将人体超声图像依据所包含信息有效程度进行划分，制作训练集并用于分类神经网络的训练，由此得到能够判断超声图像是否符合诊断需求的神经网络；实时调整策略在技能评估策略的基础上，将示教器所采集的多模态信息加入到深度学习的过程中，训练出多模态信息融合神经网络，制作采样集并结合采样原理以实现指导超声探头实时调整的功能。本发明能够帮助完成医学超声检测，极大推动了人工智能在超声检测领域的运用。

技术领域

本发明属于数据采集和深度学习领域，涉及一种人体超声检测的数据采集、技能评估与实时调整策略，具体涉及一种采集人体超声检测数据，将数据用于深度学习并结合采样原理，以实现技能评估与实时调整的策略。

背景技术

近年来，深度学习作为一种迅速发展的机器学习方式，强调从海量数据中进行学习，解决大数据中存在的高维、冗杂以及高噪声等传统机器学习算法难以处理的问题，在各领域的应用场景逐渐拓展，例如生物识别、智能驾驶、金融电商、工业制造等等。医学超声成像一直是机器学习的研究热点与难点：医学超声成像具有非常强的专业性，其成像质量依赖于操作者的经验和手法，且需要操作者掌握诸多医学知识。常用的图像识别方式包括：统计决策方法、结构模式识别方式、模糊模式识别方法、支持向量机和人工神经网络，这些方式可以做到一定程度的超声图像识别工作，同时也具有明显的缺点：只考虑了超声图像，而忽视了医生操作超声探头过程中的诸多信息，包括探头压力和姿态等信号。如何获取医生操作超声探头的数据，如何依据成像效果对庞杂的超声图像进行区分，如何将操作数据与超声图像结合进行深度学习，如何进一步指导探头的调整，这些问题均缺少一种具有参考性、系统化的解决方式。

发明内容

鉴于上述现有技术存在的诸多未能解决问题，本发明的目的在于提供一种基于深度学习的人体超声检测实时引导策略，该模式设计了用于采集数据的示教器，依据成像效果对庞杂的超声图像进行区分，将采集的数据与深度学习、采样原理相结合，实现超声检测技能评估与实时调整的功能。

本发明是通过以下技术实现的：

一种基于深度学习的人体超声检测实时引导策略，其特征在于：包括人体超声检测的示教器、基于深度学习的技能评估策略和基于采样原理的实时调整策略。

所述示教器用于获取人体超声检测过程中，医生操作探头所产生的压力信号和姿态信号。

所述基于深度学习的技能评估策略，是将人体超声图像依据所包含信息有效程度进行划分，制作训练集并用于分类神经网络的训练，由此得到的神经网络能够判断人体超声检测过程中的超声图像是否符合诊断需求。

所述基于采样原理的实时调整策略，是在技能评估策略的基础上，将示教器所采集的多模态信息(即上述压力信号和姿态信号)加入到深度学习的过程中，训练出多模态信息融合神经网络，制作采样集并结合采样原理以实现指导超声探头实时调整的功能。

进一步地，所述示教器包括：握持部分，IMU姿态传感器，力传感器，夹持部分。握持部分由操作者握持，IMU姿态传感器能输出整个装置姿态信息，力传感器用于连接握持部分和夹持部分，并输出其下端夹持部分和超声探头所受力与力矩信号，夹持部分用于夹持超声探头。

进一步地，所述握持部分的上部分为圆柱握把结构，方便操作者握持，下部分为圆形端面。圆形端面的外侧周向开有八个通孔，靠近中心的周向开有四个通孔，分别用于固定力传感器和IMU姿态传感器。圆形端面中心开有圆形凹槽，用于放置IMU姿态传感器。同时，IMU姿态传感器的接线口方向开有导线槽，用于传感器接线。

优选地，所述IMU姿态传感器至少包括三个加速度计、三个陀螺仪和三个磁力计，能够获取并输出整个示教器的姿态信号。