[发明专利]测量方法、机器学习模型的训练方法、装置及设备和介质

说明书

本申请公开了一种测量、机器学习模型的训练方法、装置及一种电子设备和一种计算机可读存储介质，该测量方法包括：获取目标图像，并确定目标图像对应的待测量的目标检查对象；将目标图像和目标检查对象对应的标识输入机器学习模型中，以使机器学习模型在标识的限定下对目标图像进行分析，并得到目标检查对象的测量结果；其中，机器学习模型在以检查对象的标识限定训练范围的前提下，利用训练图像和对应的测量结果标注信息训练得到。由此可见，本申请提高了机器学习模型测量的准确性。

技术领域

本申请涉及超声技术领域，更具体地说，涉及一种测量、机器学习模型的训练方法、装置及一种电子设备和一种计算机可读存储介质。

背景技术

在传统的医疗诊断系统中，电子设备完成超声图像的采集后，会针对超声图像进行一些测量等操作。这些测量操作大多依赖于诊断医生的经验，需要通过手动完成，这种方式的测量效率低下。

随着机器学习逐渐得到推广，为了提高测量效率，部分电子设备中增加了通过机器学习实现的自动测量功能。但是，由于超声图像一般为人体某一部位的局部图像，不同部位间超声图像可能差异不大，导致机器学习模型实现自动测量的准确性较差。

因此，如何提高机器学习模型测量的准确性是本领域技术人员需要解决的技术问题。

发明内容

本申请的目的在于提供一种测量、机器学习模型的训练方法、装置及一种电子设备和一种计算机可读存储介质，提高了机器学习模型测量的准确性。

为实现上述目的，本申请提供了一种测量方法，包括：

获取目标图像，并确定所述目标图像对应的待测量的目标检查对象；

将所述目标图像和所述目标检查对象对应的标识输入机器学习模型中，以使所述机器学习模型在所述标识的限定下对所述目标图像进行分析，并得到所述目标检查对象的测量结果；其中，所述机器学习模型在以检查对象的标识限定训练范围的前提下，利用训练图像和对应的测量结果标注信息训练得到。

其中，所述确定所述目标图像对应的待测量的目标检查对象之后，还包括：

判断是否存在用于进行类别区分的所述目标检查对象的标识；

若是，则进入将所述目标图像和所述目标检查对象对应的标识输入机器学习模型中的步骤；

若否，则对所述目标图像所包含的内容进行边界识别，基于边界识别结果确定所述目标图像中的封闭区域，并基于所述封闭区域确定所述目标检查对象的测量结果。

其中，所述基于所述封闭区域确定所述目标检查对象的测量结果，包括：

确定所述封闭区域的图形属性的数据值；其中，所述图形属性包括周长、面积、最大径和最小径中的至少一项；

获取所述图形属性与测量项的对应关系，并基于所述对应关系确定目标测量项对应的数据值；所述目标测量项为对所述目标检查对象进行测量所对应的项目；

将所述目标测量项和对应的数据值作为所述目标检查对象的测量结果。

其中，得到所述目标检查对象的测量结果之后，还包括：

接收对所述测量结果的调整指令，并基于所述调整指令对所述测量结果进行调整；

利用所述目标图像和调整后的测量结果再次训练所述机器学习模型。

为实现上述目的，本申请提供了一种机器学习模型的训练方法，包括：

获取训练图像和对应的测量结果标注信息，并确定所述训练图像对应的检查对象；