CN112641466A - 一种超声人工智能辅助诊断方法及装置 - Google Patents
一种超声人工智能辅助诊断方法及装置 Download PDFInfo
- Publication number
- CN112641466A CN112641466A CN202011621358.8A CN202011621358A CN112641466A CN 112641466 A CN112641466 A CN 112641466A CN 202011621358 A CN202011621358 A CN 202011621358A CN 112641466 A CN112641466 A CN 112641466A
- Authority
- CN
- China
- Prior art keywords
- image
- artificial intelligence
- ultrasonic
- processing
- host
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003745 diagnosis Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 88
- 230000003902 lesion Effects 0.000 claims abstract description 18
- 238000002604 ultrasonography Methods 0.000 claims description 47
- 238000000605 extraction Methods 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 21
- 230000003068 static effect Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000008014 freezing Effects 0.000 description 8
- 238000007710 freezing Methods 0.000 description 8
- 230000003211 malignant effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100001078 no known side-effect Toxicity 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
- A61B8/565—Details of data transmission or power supply involving data transmission via a network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种超声人工智能辅助诊断方法及装置,所述方法包括:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码后对获取到的图像进行人工智能处理,即对病灶进行分类、检出和分割,并将处理结果绘制到图像上,然后将未进行人工智能处理的原始图像和进行人工智能处理后的图像编码成视频流,发送到客户端进行显示;所述超声ai主机获取超声设备根据所述冻结视频操作生成并保存的dicom图像,通过ai模型对dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将处理结果绘制到图像上,然后将图像发送到客户端进行显示。
Description
技术领域
本发明涉及超声人工智能领域技术领域,尤其是涉及一种超声人工智能辅助诊断方法及装置。
背景技术
DICOM(Digital Imaging and Communications in Medicine)即医学数字成像和通信,是医学图像和相关信息的国际标准。它定义了质量能满足临床需要的可用于数据交换的医学图像格式。
超声影像检查以其检查无创性、影像实时获取、没有已知副作用等优点而受到广泛应用。然而,超声诊断技术的良莠不齐成为其应用和发展的阻碍。因此,简化超声检查,实现辅助诊断、定制个性化工作流、等需求日益凸显。
目前我国超声诊断需求旺盛、分级诊疗成为医改中的重中之重,但同时仍存在医疗资源分配不均衡、基层医师专业能力有很大提升空间等问题。因此,超声设备的智能化,于医院,可以获得更多的资源共享以及技术支持,***性地降低成本;与医生,可以提高阅片效率、降低误诊的概率、获得诊断辅助;于患者,可以获得更精准的诊断建议以及个性化治疗方案建议。但超声影像大多是依靠医生采集的不同切面的动态图像进行诊断的,对超声医生个人的操作技术水平要求比较高,同一个病变,不同医生的手法、切面、仪器调节、经验不同,得出的诊断检查结果也许就不一样。相较于CT、MRI等放射检查,健康人群或者亚健康人群选择使用无创、无辐射的超声检查做初步检查是首要选择,这必将促使超声设备市场和超声诊断次数的不断增加,医生的工作压力也随之增加。
发明内容
本发明的目的在于提供一种超声人工智能辅助诊断方法及装置,旨在解决上述问题。
本发明提供一种超声人工智能辅助诊断方法,包括:
动态视频流检查:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取每帧图像,对图像进行人工智能处理,即对病灶进行分类、检出和分割,并将处理结果绘制到图像上,然后将未进行人工智能处理的原始图像和进行人工智能处理后的图像编码成视频流,将所述视频流发送到客户端进行显示;
静态图像检查:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的医学数字成像和通信dicom图像,通过所述ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将处理结果绘制到图像上,将进行了所述人工智能处理后的图像发送到客户端进行显示。
本发明提供一种超声人工智能辅助诊断装置,包括:
动态视频流检查模块:用于超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取每帧图像,对图像进行人工智能处理,即对病灶进行分类、检出和分割,并将处理结果绘制到图像上,然后将未进行人工智能处理的原始图像和进行人工智能处理后的图像编码成视频流,将所述视频流发送到客户端进行显示;
静态图像检查模块:用于所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的医学数字成像和通信dicom图像,通过所述ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将处理结果绘制到图像上,将进行了所述人工智能处理后的图像发送到客户端进行显示。
本发明实施例还提供一种超声人工智能辅助诊断设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述一种超声人工智能辅助诊断方法的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现上述一种超声人工智能辅助诊断方法的步骤。
采用本发明实施例,将超声设备通过网线直接连接到超声ai主机中,超声ai主机和超声设备不通过网线连接医院网络,相当于完全隔离的环境,因此不会存在网络安全问题;本发明实施例提供的方法和装置还可以融入到医生正常的工作流程中,简化医生操作流程,辅助医生诊断,静态图片检查时还可以根据图像的像素计算出病灶的长度参数,准确的测量距离。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种超声人工智能辅助诊断方法的流程图;
图2是本发明实施例的一种超声人工智能辅助诊断***的工作流程图;
图3是本发明实施例的一种超声人工智能辅助诊断方法的物理架构示意图;
图4是本发明实施例的一种超声人工智能辅助诊断装置示意图;
图5是本发明实施例的一种超声人工智能辅助诊断设备示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、 “第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种超声人工智能辅助诊断方法,图1是本发明实施例的超声人工智能辅助诊断方法的流程图,如图1所示,根据本发明实施例的一种超声人工智能辅助诊断方法具体包括:
步骤101,动态视频流检查:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取到视频流每一帧单帧图像,然后根据***硬件的可用资源来间隔一定数量的图像帧进行抽帧得到抽帧图像,对抽帧图像进行人工智能处理,即对病灶进行分类、检出和分割,并将人工智能处理的结果,即病灶区域坐标点和良恶属性绘制到抽帧图像上,然后将未抽帧图像,即未进行人工智能处理的原始图像和进行人工智能处理后的抽帧图像编码成视频流,最后将绘制有人工智能处理结果的视频流发送到客户端进行显示;
步骤102,静态图像检查:超声ai主机获取到在用户进行冻结视频流操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像,通过ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将人工智能处理结果,即病灶区域坐标点和良恶属性绘制到dicom图像上,最后将进行了所述人工智能处理并绘制有人工智能处理结果的dicom图像发送到客户端进行显示。
如图3所示,超声ai主机只与超声设备通过一根网线直连方式联通,不连接其他网络,所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像具体包括:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备基于所述冻结视频操作生成并保存的,并根据配置好所述超声ai主机的网络协议IP地址,端口port,aet信息自动发送的dicom图像。
在进行诊断时,首先根据上述动态视频检查步骤通过动态视频流检查查找是否有结节,当ai模型检测到结节位置和属性后,再根据上述静态图像检查步骤截取静态图像通过对静态图片的放大,测量病灶大小等操作进行进一步分析,ai模型进行的人工智能处理也会给出更详细的识别结果。
测量病灶大小时,如果明确了超声图像的分辨率,根据病灶的长和宽所占的像素、x轴间距和y轴间距,便可以计算出病灶的准确尺寸:
当一张超声图像按1920*1080分辨率计算,则由1920列,1080行像素组成的二维矩阵,如果病灶长占100像素,宽占50像素,Physical Delta X为0.005cm,Physical Delta Y为0.005cm,则长为0.5cm,宽为0.25cm,其中Physical Delta X表示的是x轴间距,PhysicalDelta Y表示的是y轴间距。
以下结合附图,对本发明实施例的上述技术方案进行详细说明。
如图2所示,整个***的工作流程分为两部分:
进行动态视频流检查时,超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取到视频流每一帧单帧图像,然后根据***硬件的可用资源来间隔一定数量的图像帧进行抽帧得到抽帧图像,对抽帧图像进行人工智能处理,即对病灶进行分类、检出和分割,并将人工智能处理的结果,即病灶区域坐标点和良恶属性绘制到抽帧图像上,然后将未抽帧图像,即未进行人工智能处理的原始图像和进行人工智能处理后的抽帧图像编码成视频流,最后将绘制有人工智能处理结果的视频流发送到客户端进行显示。
进行静态图片检查时,医生通过观察通过超声设备获取的视频流,发现可疑病灶后冻结视频生成dicom图像,超声设备保存冻结的dicom图像后将图像自动发送到对应的超声ai设备,ai设备通过ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将人工智能处理结果,即病灶区域坐标点和良恶属性绘制到dicom图像上,最后将进行了所述人工智能处理并绘制有人工智能处理结果的dicom图像发送到客户端进行显示。
处理完成后,医生可以通过对静态图片的放大、缩小、测量病灶大小等操作进一步观察分析图像,然后根据经验并结合人工智能分析结果做出检查报告。
综上所述,采用本发明实施例,将超声设备通过网线直接连接到超声ai主机中,超声ai主机和超声设备不通过网线连接医院网络,相当于完全隔离的环境,因此不会存在网络安全问题;本发明实施例提供的方法和装置还可以融入到医生正常的工作流程中,简化医生操作流程,辅助医生诊断,静态图片检查时还可以根据图像的像素计算出病灶的长度参数,准确的测量距离。
***实施例
根据本发明实施例,提供了一种超声人工智能辅助诊断装置,图4是本发明实施例的超声人工智能辅助诊断装置的示意图,如图4所示,根据本发明实施例的超声人工智能辅助诊断方法具体包括:
动态视频流检查模块40:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取到视频流每一帧单帧图像,然后根据***硬件的可用资源来间隔一定数量的图像帧进行抽帧得到抽帧图像,对抽帧图像进行人工智能处理,即对病灶进行分类、检出和分割,并将人工智能处理的结果,即病灶区域坐标点和良恶属性绘制到抽帧图像上,然后将未抽帧图像,即未进行人工智能处理的原始图像和进行人工智能处理后的抽帧图像编码成视频流,最后将绘制有人工智能处理结果的视频流发送到客户端进行显示;
静态图像检查模块42:超声ai主机获取到在用户进行冻结视频流操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像,通过ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将人工智能处理结果,即病灶区域坐标点和良恶属性绘制到dicom图像上,最后将进行了所述人工智能处理并绘制有人工智能处理结果的dicom图像发送到客户端进行显示。
如图3所示,超声ai主机只与超声设备通过一根网线直连方式联通,不连接其他网络,所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像具体包括:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备基于所述冻结视频操作生成并保存的,并根据配置好所述超声ai主机的网络协议IP地址,端口port,aet信息自动发送的dicom图像。
进行诊断时,首先根据上述动态视频检查步骤通过动态视频流检查查找是否有结节,当ai模型检测到结节位置和属性后,再根据上述静态图像检查步骤截取静态图像通过对静态图片的放大,测量病灶大小等操作进行进一步分析,ai模型进行的人工智能处理也会给出更详细的识别结果。
测量病灶大小时,如果明确了超声图像的分辨率,根据病灶的长和宽所占的像素、x轴间距和y轴间距,便可以计算出病灶的准确尺寸。
本发明实施例是与上述方法实施例对应的***实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
装置实施例一
本发明实施例提供一种超声人工智能辅助诊断设备,如图5所示,包括:存储器50、处理器52及存储在所述存储器50上并可在所述处理器53上运行的计算机程序,所述计算机程序被所述处理器42执行时实现如下方法步骤:
动态视频流检查:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取到视频流每一帧单帧图像,然后根据***硬件的可用资源来间隔一定数量的图像帧进行抽帧得到抽帧图像,对抽帧图像进行人工智能处理,即对病灶进行分类、检出和分割,并将人工智能处理的结果,即病灶区域坐标点和良恶属性绘制到抽帧图像上,然后将未抽帧图像,即未进行人工智能处理的原始图像和进行人工智能处理后的抽帧图像编码成视频流,最后将绘制有人工智能处理结果的视频流发送到客户端进行显示;
静态图像检查:超声ai主机获取到在用户进行冻结视频流操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像,通过ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将人工智能处理结果,即病灶区域坐标点和良恶属性绘制到dicom图像上,最后将进行了所述人工智能处理并绘制有人工智能处理结果的dicom图像发送到客户端进行显示。
如图2所示,超声ai主机只与超声设备通过一根网线直连方式联通,不连接其他网络,所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像具体包括:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备基于所述冻结视频操作生成并保存的,并根据配置好所述超声ai主机的网络协议IP地址,端口port,aet信息自动发送的dicom图像。
装置实施例二
本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传输的实现程序,所述程序被处理器52执行时实现如下方法步骤:
动态视频流检查:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取到视频流每一帧单帧图像,然后根据***硬件的可用资源来间隔一定数量的图像帧进行抽帧得到抽帧图像,对抽帧图像进行人工智能处理,即对病灶进行分类、检出和分割,并将人工智能处理的结果,即病灶区域坐标点和良恶属性绘制到抽帧图像上,然后将未抽帧图像,即未进行人工智能处理的原始图像和进行人工智能处理后的抽帧图像编码成视频流,最后将绘制有人工智能处理结果的视频流发送到客户端进行显示;
静态图像检查:超声ai主机获取到在用户进行冻结视频流操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像,通过ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将人工智能处理结果,即病灶区域坐标点和良恶属性绘制到dicom图像上,最后将进行了所述人工智能处理并绘制有人工智能处理结果的dicom图像发送到客户端进行显示。
如图2所示,超声ai主机只与超声设备通过一根网线直连方式联通,不连接其他网络,所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像具体包括:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备基于所述冻结视频操作生成并保存的,并根据配置好所述超声ai主机的网络协议IP地址,端口port,aet信息自动发送的dicom图像。
综上所述,采用本发明实施例,将超声设备通过网线直接连接到超声ai主机中,超声ai主机和超声设备不通过网线连接医院网络,相当于完全隔离的环境,因此不会存在网络安全问题;本发明实施例提供的方法和装置还可以融入到医生正常的工作流程中,简化医生操作流程,辅助医生诊断,静态图片检查时还可以根据图像的像素计算出病灶的长度参数,准确的测量距离。
本实施例所述计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种超声人工智能辅助诊断方法,其特征在于,包括:
动态视频流检查:超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取每帧图像,对图像进行人工智能处理,即对病灶进行分类、检出和分割,并将处理结果绘制到图像上,然后将未进行人工智能处理的原始图像和进行人工智能处理后的图像编码成视频流,将所述视频流发送到客户端进行显示;
静态图像检查:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的医学数字成像和通信dicom图像,通过所述ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将处理结果绘制到图像上,将进行了所述人工智能处理后的图像发送到客户端进行显示。
2.根据权利要求1所述的一种超声人工智能辅助诊断方法,其特征在于,对图像进行人工智能处理之前,所述方法进一步包括:
对获取的每帧图像,按***硬件可用资源来间隔一定数量的图像帧进行抽帧,得到抽帧图像;
对图像进行人工智能处理具体包括:
对抽帧图像进行人工智能处理。
3.根据权利要求1所述的一种超声人工智能辅助诊断方法,其特征在于,所述超声ai主机与所述超声设备通过一根网线直连方式联通;
所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像具体包括:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备基于所述冻结视频操作生成并保存的,并根据配置好所述超声ai主机的网络协议IP地址,端口port,应用实体标题aet信息自动发送的dicom图像。
4.一种超声人工智能辅助诊断装置,其特征在于,包括:
动态视频检查模块:用于超声ai主机通过视频采集卡获取到超声设备的动态视频流后,通过ai模型对所述动态视频流解码,获取每帧图像,对图像进行人工智能处理,即对病灶进行分类、检出和分割,并将处理结果绘制到图像上,然后将未进行人工智能处理的原始图像和进行人工智能处理后的图像编码成视频流,将所述视频流发送到客户端进行显示;
静态图像检查模块:用于所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的医学数字成像和通信dicom图像,通过所述ai模型对所述dicom图像进行人工智能处理,即对可疑病灶进行分类、检出和分割,将处理结果绘制到图像上,将进行了所述人工智能处理后的图像发送到客户端进行显示。
5.根据权利要求4所述的一种超声人工智能辅助诊断装置,其特征在于,所述动态视频检查模块和静态图像检查模块对图像进行人工智能处理之前的操作进一步包括:
对获取的每帧图像,按***硬件可用资源来间隔一定数量的图像帧进行抽帧,得到抽帧图像;
对图像进行人工智能处理具体包括:
对抽帧图像进行人工智能处理。
6.根据权利要求4所述的一种超声人工智能辅助诊断装置,其特征在于,所述超声ai主机与所述超声设备通过一根网线直连方式联通,所述超声ai主机获取在用户进行冻结视频操作时所述超声设备根据所述冻结视频操作生成并保存的dicom图像具体包括:所述超声ai主机获取在用户进行冻结视频操作时所述超声设备基于所述冻结视频操作生成并保存的,并根据配置好所述超声ai主机的网络协议IP地址,端口port,aet信息自动发送的dicom图像。
7.一种超声人工智能辅助诊断设备其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的超声人工智能辅助诊断方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至3中任一项所述的超声人工智能辅助诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621358.8A CN112641466A (zh) | 2020-12-31 | 2020-12-31 | 一种超声人工智能辅助诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621358.8A CN112641466A (zh) | 2020-12-31 | 2020-12-31 | 一种超声人工智能辅助诊断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112641466A true CN112641466A (zh) | 2021-04-13 |
Family
ID=75367369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011621358.8A Pending CN112641466A (zh) | 2020-12-31 | 2020-12-31 | 一种超声人工智能辅助诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112641466A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536964A (zh) * | 2021-06-25 | 2021-10-22 | 合肥合滨智能机器人有限公司 | 一种超声视频的分类提取方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008125808A (ja) * | 2006-11-21 | 2008-06-05 | Shimadzu Corp | 超音波診断装置 |
CN108665456A (zh) * | 2018-05-15 | 2018-10-16 | 广州尚医网信息技术有限公司 | 基于人工智能的乳腺超声病灶区域实时标注的方法及*** |
CN109727243A (zh) * | 2018-12-29 | 2019-05-07 | 无锡祥生医疗科技股份有限公司 | 乳腺超声图像识别分析方法及*** |
CN109846513A (zh) * | 2018-12-18 | 2019-06-07 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法、***和图像测量方法、处理***及介质 |
CN110648333A (zh) * | 2019-09-18 | 2020-01-03 | 山东大学 | 基于中智学理论的乳腺超声视频图像实时分割*** |
CN111227864A (zh) * | 2020-01-12 | 2020-06-05 | 刘涛 | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 |
CN111310851A (zh) * | 2020-03-03 | 2020-06-19 | 四川大学华西第二医院 | 一种人工智能超声辅助***及其应用 |
CN111754485A (zh) * | 2020-06-24 | 2020-10-09 | 成都市温江区人民医院 | 一种用于肝脏的人工智能超声辅助*** |
CN112002407A (zh) * | 2020-07-17 | 2020-11-27 | 上海大学 | 一种基于超声视频的乳腺癌诊断装置及其方法 |
-
2020
- 2020-12-31 CN CN202011621358.8A patent/CN112641466A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008125808A (ja) * | 2006-11-21 | 2008-06-05 | Shimadzu Corp | 超音波診断装置 |
CN108665456A (zh) * | 2018-05-15 | 2018-10-16 | 广州尚医网信息技术有限公司 | 基于人工智能的乳腺超声病灶区域实时标注的方法及*** |
CN109846513A (zh) * | 2018-12-18 | 2019-06-07 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法、***和图像测量方法、处理***及介质 |
CN109727243A (zh) * | 2018-12-29 | 2019-05-07 | 无锡祥生医疗科技股份有限公司 | 乳腺超声图像识别分析方法及*** |
CN110648333A (zh) * | 2019-09-18 | 2020-01-03 | 山东大学 | 基于中智学理论的乳腺超声视频图像实时分割*** |
CN111227864A (zh) * | 2020-01-12 | 2020-06-05 | 刘涛 | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 |
CN111310851A (zh) * | 2020-03-03 | 2020-06-19 | 四川大学华西第二医院 | 一种人工智能超声辅助***及其应用 |
CN111754485A (zh) * | 2020-06-24 | 2020-10-09 | 成都市温江区人民医院 | 一种用于肝脏的人工智能超声辅助*** |
CN112002407A (zh) * | 2020-07-17 | 2020-11-27 | 上海大学 | 一种基于超声视频的乳腺癌诊断装置及其方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536964A (zh) * | 2021-06-25 | 2021-10-22 | 合肥合滨智能机器人有限公司 | 一种超声视频的分类提取方法 |
CN113536964B (zh) * | 2021-06-25 | 2023-09-26 | 合肥合滨智能机器人有限公司 | 一种超声视频的分类提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220222932A1 (en) | Training method and apparatus for image region segmentation model, and image region segmentation method and apparatus | |
US8369585B2 (en) | Automatic classification of information in images | |
KR20190105210A (ko) | 통합 의료 진단 서비스 제공 시스템 및 그 방법 | |
CN111161848B (zh) | Ct图像的病灶标注方法及装置、存储介质 | |
US20120287131A1 (en) | Image processing apparatus and image registration method | |
CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
JP7187244B2 (ja) | 医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
US11669960B2 (en) | Learning system, method, and program | |
US11468659B2 (en) | Learning support device, learning support method, learning support program, region-of-interest discrimination device, region-of-interest discrimination method, region-of-interest discrimination program, and learned model | |
CN111462100A (zh) | 基于新型冠状病毒肺炎ct检测的检测设备及其使用方法 | |
KR101050769B1 (ko) | 의료영상 처리 시스템 및 처리 방법 | |
JP2020171687A (ja) | 3d解剖学的ボリュームをその2dスライスの位置特定に基づいて処理するシステムおよび方法 | |
JP2018175864A (ja) | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム | |
EP3758602A1 (en) | Neural network classification of osteolysis and synovitis near metal implants | |
CN113920114B (zh) | 图像处理方法、装置、计算机设备、存储介质及程序产品 | |
CN112862752A (zh) | 一种图像处理显示方法、***电子设备及存储介质 | |
CN112641466A (zh) | 一种超声人工智能辅助诊断方法及装置 | |
CN111918611A (zh) | 胸部x线图像的异常显示控制方法、异常显示控制程序、异常显示控制装置以及服务器装置 | |
CN110738639B (zh) | 医学图像检测结果的展示方法、装置、设备及存储介质 | |
JP2005278991A (ja) | 遠隔画像読影サービスシステム | |
CN114708283A (zh) | 图像目标的分割方法、装置、电子设备及存储介质 | |
CN112669938B (zh) | 颅脑医学影像中脑内分片电极的方位识别方法及设备 | |
CN114820483A (zh) | 图像检测方法、装置及计算机设备 | |
CN113096093A (zh) | 一种ct图像结石数量和体积的计算方法、***及装置 | |
Kesavamurthy et al. | Pattern Classification using imaging techniques for Infarct and Hemorrhage Identification in the Human Brain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210413 |
|
RJ01 | Rejection of invention patent application after publication |