[发明专利]一种基于人工智能的颈动脉斑块探测仪及评估方法

说明书

本发明公开了一种基于人工智能的颈动脉斑块探测仪及评估方法，包括安装座和智能分析诊断仪以及四个步骤，安装座用于对智能分析诊断仪进行固定支撑，智能分析诊断仪固定安装在安装座上；本方案，通过深度学习的智能分析诊断仪，能够将智能分析诊断仪运用于颈动脉超声检查或颈动脉超声体检中，用于快速诊断颈动脉易损斑块，并且评估斑块的易损性，该基于人工智能的颈动脉斑块探测仪，可提高相对落后基层医疗单位的诊疗水平，平衡医疗资源，及时有效的为临床预警患者脑卒中的可能性，减低致死率和致残率，该基于人工智能的颈动脉斑块探测仪配备了导航系统，可精准定位指导临床医师进行颈动脉内膜剥脱术的治疗，减少患者不必要的损伤及并发症。

技术领域

本发明涉及医疗技术领域，具体为一种基于人工智能的颈动脉斑块探测仪及评估方法。

背景技术

颈动脉斑块是颈动脉粥样硬化的表现，好发于颈总动脉分叉处，目前认为与老年人缺血性脑卒中的发生密切相关。其引起缺血性脑卒中的机制可能为：斑块增大致颈动脉管径狭窄引起颅内低灌注及斑块脱落形成栓子，导致颅内动脉栓塞。临床上，通过对颈动脉的狭窄程度及斑块的形态学测定，来对颈动脉斑块进行评价，判断其危害性。

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”。卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求。

现有的颈动脉斑块评估系统及评估方法，诊断速度较慢，精准度不足，同时不能够评估斑块的易损性，无法确定斑块的大小、形状、回声分布和位置，不能够对斑块进行精准“靶向”定位。

发明内容

本发明的目的在于提供一种基于人工智能的颈动脉斑块探测仪及评估方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的颈动脉斑块探测仪，包括：安装座和智能分析诊断仪；

其中，所述安装座用于对智能分析诊断仪进行固定支撑；

其中，所述智能分析诊断仪固定安装在安装座上，所述智能分析诊断仪用于快速诊断颈动脉易损斑块，并且评估斑块的易损性。

通过采用上述技术方案，将人工智能诊断仪器运用于颈动脉超声检查或颈动脉超声体检中，用于快速诊断颈动脉易损斑块，并且评估斑块的易损性。

优选的，所述智能分析诊断仪包括外壳、音响和显示屏，所述外壳固定安装在安装座的顶部，所述显示屏嵌设安装在外壳的前侧，所述音响固定安装在外壳的一侧，所述音响靠近外壳的一端伸入外壳。

通过采用上述技术方案，显示屏用于显示颈动脉斑块的大小、形状、回声分布和位置，音响用于语音报警。

优选的，所述外壳的内腔固定安装有PCB基板，所述PCB基板的前侧固定安装有信号处理器、中央处理器和储存器，所述中央处理器位于PCB基板的中部，所述信号处理器位于中央处理器的一侧，所述储存器位于中央处理器的底部。

通过采用上述技术方案，储存器用于承载卷积神经网络深度学习智能诊断系统，中央处理器用于数据处理和发送控制命令，信号处理器用于将超声波信号转换为数字信号。

优选的，所述PCB基板的一侧固定安装有接口。

通过采用上述技术方案，接口用于与B超机进行电连接。

优选的，所述显示屏的电性输入端与中央处理器的电性输出端电性连接，所述音响的电性输入端与中央处理器的电性输出端电性连接。