本發(fā)明涉及圖像處理，具體為一種基于人工智能的超聲圖像檢查報告生成方法及系統(tǒng)。

背景技術(shù)：

1、隨著超聲圖像解讀任務(wù)的復(fù)雜化和專業(yè)化程度不斷提高，用戶對超聲圖像報告的檢測精準(zhǔn)度和效率要求也越來越高，采用人工智能圖像識別生成超聲圖像報告作為醫(yī)師診斷和治療的輔助工具的需求也越來越強(qiáng)烈。

2、現(xiàn)有技術(shù)如中國專利申請cn112529857a，該發(fā)明通過將圖像輸入目標(biāo)檢測模型中，預(yù)測器官區(qū)域的位置信息，并提取出器官區(qū)域部分的特征編碼；同時將提取到的特征編碼輸入到語言生成模型中，通過語言生成模型對不同時刻的特征進(jìn)行解碼編碼并生成單詞，最后將生成的單詞組成一個句子序列即為最終輸出的診斷報告，但由于忽略了圖像本身的質(zhì)量問題，會造成報告生成存在誤差，具有很大的局限性。

技術(shù)實現(xiàn)思路

1、（一）解決的技術(shù)問題

2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于人工智能的超聲圖像檢查報告生成方法及系統(tǒng)，具備高效、準(zhǔn)確等優(yōu)點，解決了超聲圖像報告的檢測精準(zhǔn)度和效率不足的問題。

3、（二）技術(shù)方案

4、為解決上述超聲圖像報告的檢測精準(zhǔn)度和效率不足的技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

5、本實施例公開一種基于人工智能的超聲圖像檢查報告生成方法，具體包括以下步驟：

6、s1、收集歷史超聲圖像和歷史超聲圖像報告數(shù)據(jù)構(gòu)建訓(xùn)練集，并基于收集的歷史超聲圖像和歷史超聲圖像報告數(shù)據(jù)建立超聲圖像報告標(biāo)準(zhǔn)；

7、s2、對訓(xùn)練集中的歷史超聲圖像進(jìn)行處理，得到處理后的歷史超聲圖像；

8、s3、通過特征提取算法對處理后的歷史超聲圖像進(jìn)行特征提取，得到處理后的歷史超聲圖像的特征并保存；

9、s4、實時收集超聲圖像并進(jìn)行處理，通過特征提取算法對處理后的實時收集的超聲圖像進(jìn)行特征提??；

10、s5、將實時提取的特征與歷史超聲圖像的特征進(jìn)行對比，基于對比結(jié)果對實時提取的特征對應(yīng)的超聲圖像進(jìn)行處理，確定實時收集的超聲圖像的類型；

11、s6、確定實時收集的超聲圖像的類型后，基于建立的超聲圖像報告標(biāo)準(zhǔn)和處理后的實時收集的超聲圖像進(jìn)行特征提取生成超聲報告。

12、本發(fā)明通過收集歷史超聲圖像構(gòu)建訓(xùn)練集并建立超聲圖像報告標(biāo)準(zhǔn)，同時通過對訓(xùn)練集中的歷史超聲圖像進(jìn)行處理，通過使用特征提取算法對收集到的歷史超聲圖像和實時收集的超聲圖像進(jìn)行特征提取并對比的方式，確定實時收集的超聲圖像的類型，提高了超聲圖像檢查的效率和準(zhǔn)確性。

13、優(yōu)選的，所述基于收集的歷史超聲圖像和歷史超聲圖像報告數(shù)據(jù)建立超聲圖像報告標(biāo)準(zhǔn)包括以下步驟：

14、設(shè)定超聲圖像報告標(biāo)準(zhǔn)僅包含姓名、性別、超聲圖像類型和超聲圖像分析，且不可缺失。

15、本發(fā)明通過基于收集的歷史超聲圖像和歷史超聲圖像報告數(shù)據(jù)建立超聲圖像報告標(biāo)準(zhǔn)，確定超聲圖像報告標(biāo)準(zhǔn)中各項參數(shù)，保證了超聲圖像報告標(biāo)準(zhǔn)性。

16、優(yōu)選地，所述對訓(xùn)練集中的歷史超聲圖像進(jìn)行處理，得到處理后的歷史超聲圖像包括以下步驟：

17、s21、通過均值濾波算法對訓(xùn)練集中的歷史超聲圖像進(jìn)行過濾，得到過濾后的歷史超聲圖像；

18、s22、通過圖像擬合算法對過濾后的歷史超聲圖像中的像素點進(jìn)行擬合，得到處理后的歷史超聲圖像。

19、優(yōu)選地，所述通過均值濾波算法對訓(xùn)練集中的歷史超聲圖像進(jìn)行過濾，得到過濾后的歷史超聲圖像包括以下步驟：

20、s211、設(shè)定一個窗口，窗口內(nèi)包含待處理的歷史超聲圖像像素以及歷史超聲圖像像素周圍鄰域；

21、s212、對于窗口中的每個像素，計算空間域權(quán)重和灰度值權(quán)重的乘積，作為該像素的權(quán)重；

22、像素權(quán)重計算公式如下所示：

23、；

24、；

25、；

26、其中，表示空間域權(quán)重，表示灰度值權(quán)重，表示像素權(quán)重，表示自然對數(shù)，表示像素值，表示像素坐標(biāo)，表示鄰域像素，表示鄰域坐標(biāo)，表示高斯函數(shù)參數(shù)；

27、s213、分別計算每個像素的權(quán)重；

28、s214、將每個像素的權(quán)重乘以其對應(yīng)的像素值，并對所有像素的加權(quán)值求和；

29、s215、將加權(quán)和除以權(quán)重總和，得到過濾后的歷史超聲圖像。

30、優(yōu)選地，通過圖像擬合算法對過濾后的歷史超聲圖像中的像素點進(jìn)行擬合，得到處理后的歷史超聲圖像包括以下步驟：

31、s221、隨機(jī)選取過濾后的歷史超聲圖像中的m個像素點；

32、s222、對選取的m個像素點進(jìn)行擬合，構(gòu)建擬合輪廓；

33、s223、計算選取過濾后的歷史超聲圖像中其他像素點到擬合輪廓的距離，設(shè)定距離閾值，當(dāng)選取過濾后的歷史超聲圖像中其他像素點到擬合輪廓的距離小于設(shè)定的距離閾值，設(shè)定像素點為內(nèi)點，當(dāng)選取過濾后的歷史超聲圖像中其他像素點到擬合輪廓的距離大于或等于設(shè)定的距離閾值，設(shè)定為噪聲點，統(tǒng)計內(nèi)點個數(shù)；

34、s224、重復(fù)步驟s221-s223，選擇內(nèi)點數(shù)最多的輪廓；

35、s225、設(shè)定內(nèi)點數(shù)最多的輪廓為過濾后的歷史超聲圖像，設(shè)定過濾后的歷史超聲圖像為處理后的歷史超聲圖像。

36、本發(fā)明通過使用均值濾波算法的方式對歷史超聲圖像進(jìn)行圖像過濾，并通過圖像擬合算法對過濾后的歷史超聲圖像進(jìn)行處理，通過圖像擬合算法對歷史超聲圖像中的像素點進(jìn)行擬合，完成對歷史超聲圖像的處理，保證了歷史超聲圖像處理的準(zhǔn)確性。

37、優(yōu)選地，通過特征提取算法對處理后的歷史超聲圖像進(jìn)行特征提取，得到處理后的歷史超聲圖像的特征并保存包括以下步驟：

38、s31、將處理后的歷史超聲圖像劃分為16×16的圖像數(shù)據(jù)塊，并將劃分后的圖像數(shù)據(jù)塊輸入卷積神經(jīng)網(wǎng)絡(luò)；

39、s32、通過卷積神經(jīng)網(wǎng)絡(luò)對劃分后的圖像數(shù)據(jù)塊進(jìn)行特征提取；

40、通過卷積神經(jīng)網(wǎng)絡(luò)對劃分后的圖像數(shù)據(jù)塊進(jìn)行特征提取包括以下步驟：

41、設(shè)定卷積神經(jīng)網(wǎng)絡(luò)包括：輸入層、卷積層、池化層以及全連接層；

42、s321、將處理后的歷史超聲圖像劃分后的圖像數(shù)據(jù)塊輸入至神經(jīng)網(wǎng)絡(luò)的輸入層；

43、s322、輸入層在接收到處理后的歷史超聲圖像劃分后的圖像數(shù)據(jù)塊后，將接收到的圖像數(shù)據(jù)塊傳輸至卷積層，卷積層通過卷積操作提取圖像數(shù)據(jù)塊中的局部特征；

44、s323、卷積層提取圖像數(shù)據(jù)塊中的局部特征后，通過池化層對提取到的圖像數(shù)據(jù)塊中的局部特征進(jìn)行處理，通過池化層對特征進(jìn)行下采樣，減少數(shù)據(jù)維度；

45、s324、通過不斷的卷積和池化對分圖像數(shù)據(jù)塊進(jìn)行特征提取，直至提取特征收斂，卷積停止，將提取到的特征匯總輸入至全連接層；

46、s325、全連接層將提取到的特征進(jìn)行整合，輸出最終的特征提取結(jié)果；

47、所述卷積操作公式如下所示：

48、

49、其中，表示輸入的圖像數(shù)據(jù)塊，表示對應(yīng)卷積核的權(quán)值， b表示偏置值， f表示輸出特征；

50、s33、將每個圖像數(shù)據(jù)塊中的特征提取結(jié)果連接組成一個特征向量，并將所有處理后的歷史超聲圖像的特征向量進(jìn)行保存；

51、設(shè)定特征向量為超聲圖像特征的表現(xiàn)形式。

52、本發(fā)明通過使用特征提取算法，通過對歷史超聲圖像進(jìn)行劃分，并對劃分后的歷史超聲圖像輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，并將提取到的特征進(jìn)行整合，實現(xiàn)了對所有處理后的歷史超聲圖像的特征向量的提取，提高了超聲圖像特征向量提取的準(zhǔn)確性。

53、優(yōu)選地，所述基于對比結(jié)果對實時提取的特征對應(yīng)的超聲圖像進(jìn)行處理，確定實時收集的超聲圖像的類型包括以下步驟：

54、通過相似度計算公式將實時提取的特征與歷史超聲圖像的特征進(jìn)行對比；

55、相似度計算公式如下所示：

56、；

57、其中，表示特征向量和特征向量之間的相似度值，表示實時提取超聲圖像的特征向量，表示歷史超聲圖像的特征向量；

58、設(shè)定相似度閾值，當(dāng)計算得到的相似度小于設(shè)定的閾值時，表示實時收集的超聲圖像與歷史超聲圖像不相似；當(dāng)計算得到的相似度大于等于設(shè)定的閾值時，表示實時收集的超聲圖像與歷史超聲圖像相似，兩超聲圖像為同一類型。

59、本發(fā)明通過使用相似度計算公式實時提取的特征與歷史超聲圖像的特征進(jìn)行對比，同時通過設(shè)置相似度閾值的方式實現(xiàn)對實時收集超聲圖像類型的確定，保證了超聲圖像檢查報告生成的準(zhǔn)確性。

60、優(yōu)選的，所述確定實時收集的超聲圖像的類型后，基于建立的超聲圖像報告標(biāo)準(zhǔn)和處理后的實時收集的超聲圖像進(jìn)行特征提取生成超聲報告包括以下步驟：

61、提取歷史超聲圖像報告數(shù)據(jù)中超聲圖像分析的關(guān)鍵詞，同時將提取出的關(guān)鍵詞在維基百科的詞條中進(jìn)行匹配，通過使用維基百科知識庫的文檔連接信息圖和分類結(jié)構(gòu)圖，對關(guān)鍵詞進(jìn)行語義相關(guān)度計算，并基于語義相關(guān)度計算結(jié)果構(gòu)建當(dāng)前提取超聲圖像分析中的關(guān)鍵詞集合；

62、所述語義相關(guān)度計算結(jié)果包括提取出的關(guān)鍵詞與維基百科的詞條的語義相關(guān)度；

63、語義相關(guān)度計算如下所示：

64、

65、其中，表示提取出的關(guān)鍵詞與維基百科的詞條的語義相關(guān)度值，表示第i個超聲圖像分析中的第j個關(guān)鍵詞，表示維基百科中的第一個詞條，表示第i個超聲圖像分析中的第j個關(guān)鍵詞在分類結(jié)構(gòu)圖上的概念節(jié)點的廣度優(yōu)先遍歷路徑信息，表示維基百科中的第一個詞條在分類結(jié)構(gòu)圖上的概念節(jié)點的廣度優(yōu)先遍歷路徑信息，表示關(guān)鍵詞與維基百科中詞條在分類結(jié)構(gòu)圖上的概念節(jié)點最近公共根節(jié)點，表示第i個超聲圖像分析中的第j個關(guān)鍵詞在分類結(jié)構(gòu)圖上的概念節(jié)點的深度信息，表示維基百科中的第一個詞條在分類結(jié)構(gòu)圖上的概念節(jié)點的深度信息；

66、將提取的超聲圖像分析中的關(guān)鍵詞作為超聲圖像報告標(biāo)準(zhǔn)中的數(shù)據(jù)，并和實時收集的超聲圖像進(jìn)行組合生成超聲報告。

67、本發(fā)明通過使用維基百科知識庫的文檔連接信息圖和分類結(jié)構(gòu)圖，對關(guān)鍵詞進(jìn)行語義相關(guān)度計算，并基于語義相關(guān)度計算結(jié)果構(gòu)建當(dāng)前提取超聲圖像分析中的關(guān)鍵詞集合，并將提取的超聲圖像分析中的關(guān)鍵詞作為超聲圖像報告標(biāo)準(zhǔn)中的數(shù)據(jù)，和實時收集的超聲圖像進(jìn)行組合生成超聲報告，提高了超聲報告生成的效率。

68、本實施例還公開一種基于人工智能的超聲圖像檢查報告生成系統(tǒng)，包括：數(shù)據(jù)收集模塊、數(shù)據(jù)庫、數(shù)據(jù)處理模塊、特征提取模塊以及報告生成模塊；

69、所述數(shù)據(jù)收集模塊用于收集超聲圖像并將收集到的超聲圖像傳輸至數(shù)據(jù)庫；

70、所述數(shù)據(jù)庫用于保存收集到的超聲圖像；

71、所述數(shù)據(jù)處理模塊用于對數(shù)據(jù)庫中保存的超聲圖像進(jìn)行處理；

72、所述特征提取模塊用于對分類后的超聲圖像進(jìn)行特征提??；

73、所述報告生成模塊用于對超聲圖像進(jìn)行分析和對比，并生成超聲圖像報告。

74、（三）有益效果

75、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于人工智能的超聲圖像檢查報告生成方法及系統(tǒng)，具備以下有益效果：

76、1、該發(fā)明通過收集歷史超聲圖像構(gòu)建訓(xùn)練集并建立超聲圖像報告標(biāo)準(zhǔn)，同時通過對訓(xùn)練集中的歷史超聲圖像進(jìn)行處理，通過使用特征提取算法對收集到的歷史超聲圖像和實時收集的超聲圖像進(jìn)行特征提取并對比的方式，確定實時收集的超聲圖像的類型，提高了超聲圖像檢查的效率和準(zhǔn)確性。

77、2、本發(fā)明基于收集的歷史超聲圖像和歷史超聲圖像報告數(shù)據(jù)建立超聲圖像報告標(biāo)準(zhǔn)，確定超聲圖像報告標(biāo)準(zhǔn)中各項參數(shù)，保證了超聲圖像報告標(biāo)準(zhǔn)性。

78、3、該發(fā)明通過使用均值濾波算法的方式對歷史超聲圖像進(jìn)行圖像過濾，并通過圖像擬合算法對過濾后的歷史超聲圖像進(jìn)行處理，通過圖像擬合算法對歷史超聲圖像中的像素點進(jìn)行擬合，完成對歷史超聲圖像的處理，保證了歷史超聲圖像處理的準(zhǔn)確性。

79、4、該發(fā)明通過使用特征提取算法，通過對歷史超聲圖像進(jìn)行劃分，并對劃分后的歷史超聲圖像輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，并將提取到的特征進(jìn)行整合，實現(xiàn)了對所有處理后的歷史超聲圖像的特征向量的提取，提高了超聲圖像特征向量提取的準(zhǔn)確性。

80、5、該發(fā)明通過使用相似度計算公式實時提取的特征與歷史超聲圖像的特征進(jìn)行對比，同時通過設(shè)置相似度閾值的方式實現(xiàn)對實時收集超聲圖像類型的確定，保證了超聲圖像檢查報告生成的準(zhǔn)確性。

81、6、該發(fā)明通過使用維基百科知識庫的文檔連接信息圖和分類結(jié)構(gòu)圖，對關(guān)鍵詞進(jìn)行語義相關(guān)度計算，并基于語義相關(guān)度計算結(jié)果構(gòu)建當(dāng)前提取超聲圖像分析中的關(guān)鍵詞集合，并將提取的超聲圖像分析中的關(guān)鍵詞作為超聲圖像報告標(biāo)準(zhǔn)中的數(shù)據(jù)，和實時收集的超聲圖像進(jìn)行組合生成超聲報告，提高了超聲報告生成的效率，將得到的報告提供給醫(yī)師參考使用，作為醫(yī)生的輔助工具，提高醫(yī)師的效率和診斷的準(zhǔn)確性。