基于深度学习的室壁运动异常超声处理方法、系统和设备

    公开(公告)号:CN111508004A

    公开(公告)日:2020-08-07

    申请号:CN202010353367.7

    申请日:2020-04-29

    IPC分类号: G06T7/246 G06K9/62 A61B8/08

    摘要: 申请公开了基于深度学习的室壁运动异常超声处理方法、系统和设备。所述方法包括:识别超声心动图中的二维切面视频;自动勾画所述二维切面视频中的每一帧图像的心内膜轮廓,并确定每个节段的位置;追踪二维切面图像中的每一帧图像的心肌部位斑点的运动,计算得出各个节段心肌的应变曲线;根据所述各个节段心肌的应变曲线,构造各个节段正常状态下的应变模型;将待测超声样本输入至各个节段的应变模型,比较待测超声样本和所述应变模型的拟合程度。本申请的上述方法、系统和设备排除了人为主观因素的干扰,减少心脏超声判读的个体间差异和个体内差异,提高识别结果的准确性和一致性。

    一种超声造影剂机械推注装置
    3.
    发明公开

    公开(公告)号:CN117771467A

    公开(公告)日:2024-03-29

    申请号:CN202311618860.7

    申请日:2023-11-30

    摘要: 本发明公开了一种超声造影剂机械推注装置,属于医疗器械技术领域。该机械推注装置包括外壳体,外壳体内贯穿固设有超声造影剂针筒和生理盐水针筒,超声造影剂针筒和生理盐水针筒的前端可拆卸连接有同一个针头组件,且超声造影剂针筒内密封活动连接有第一推杆件,生理盐水针筒内密封活动连接有第二推杆件;外壳体内安装有驱动电机,驱动电机的输出端通过调速机构连接有第一转轴和第二转轴,第一转轴与第一推杆件连接,第二转轴与第二推杆件连接,所述调速机构同步调节第一转轴和第二转轴的以不同的速度进行转动。本发明可以同步控制超声造影剂和生理盐水的抽取速度和推注速度,而且可以对超声造影剂和生理盐水的比例进行精确的控制。

    基于人工智能的超声心动图自动预测识别方法及系统

    公开(公告)号:CN111493935B

    公开(公告)日:2021-01-15

    申请号:CN202010353559.8

    申请日:2020-04-29

    IPC分类号: A61B8/08 A61B8/00

    摘要: 本申请公开了基于人工智能的超声心动图自动预测识别方法及系统,所述方法包括:获取检测对象的超声心动图的至少一个切面的彩色多普勒视频;提取所述彩色多普勒视频中的每一视频帧,并将每一视频帧输入至训练好的卷积神经网络,以获得对应每一视频帧的N维特征向量;将所述每一视频帧的N维特征向量通过注意力模块生成对应每一视频帧的权重;利用所述权重计算每一视频帧的N维特征向量的加权和,以获得所述彩色多普勒视频的整体特征表示;基于所述整体特征表示,计算获得含有预识别图像特征的预测值。通过上述方法能够准确预测超声心动图中是否存在待识别的图像特征。

    基于深度学习的室壁运动异常超声处理方法、系统和设备

    公开(公告)号:CN111508004B

    公开(公告)日:2021-01-15

    申请号:CN202010353367.7

    申请日:2020-04-29

    IPC分类号: G06T7/246 G06K9/62 A61B8/08

    摘要: 申请公开了基于深度学习的室壁运动异常超声处理方法、系统和设备。所述方法包括:识别超声心动图中的二维切面视频;自动勾画所述二维切面视频中的每一帧图像的心内膜轮廓,并确定每个节段的位置;追踪二维切面图像中的每一帧图像的心肌部位斑点的运动,计算得出各个节段心肌的应变曲线;根据所述各个节段心肌的应变曲线,构造各个节段正常状态下的应变模型;将待测超声样本输入至各个节段的应变模型,比较待测超声样本和所述应变模型的拟合程度。本申请的上述方法、系统和设备排除了人为主观因素的干扰,减少心脏超声判读的个体间差异和个体内差异,提高识别结果的准确性和一致性。

    基于人工智能的二尖瓣瓣口面积检测方法、系统和设备

    公开(公告)号:CN111275755B

    公开(公告)日:2020-09-15

    申请号:CN202010351544.8

    申请日:2020-04-28

    IPC分类号: G06T7/62 A61B5/107

    摘要: 本申请公开了基于人工智能的二尖瓣瓣口面积检测方法、系统和设备,所述方法包括:获取检测对象的超声心动图中反映二尖瓣结构的二维切面视频;将所述二维切面视频输入至训练好的深度学习分类模型中,获取所述二维切面视频含有二尖瓣狭窄图像特征的预测值;若所述预测值满足预设条件,则将该检测对象的心尖四腔心二尖瓣连续多普勒频谱切面图像输入图像分割网络模型,获取该切面图像对应的频谱波形图;根据所述频谱波形图预测二尖瓣瓣口面积。本申请的上述方法、系统和设备大大提高了超声检测的准确性和一致性。

    基于人工智能的二尖瓣瓣口面积检测方法、系统和设备

    公开(公告)号:CN111275755A

    公开(公告)日:2020-06-12

    申请号:CN202010351544.8

    申请日:2020-04-28

    IPC分类号: G06T7/62 A61B5/107

    摘要: 本申请公开了基于人工智能的二尖瓣瓣口面积检测方法、系统和设备,所述方法包括:获取检测对象的超声心动图中反映二尖瓣结构的二维切面视频;将所述二维切面视频输入至训练好的深度学习分类模型中,获取所述二维切面视频含有二尖瓣狭窄图像特征的预测值;若所述预测值满足预设条件,则将该检测对象的心尖四腔心二尖瓣连续多普勒频谱切面图像输入图像分割网络模型,获取该切面图像对应的频谱波形图;根据所述频谱波形图预测二尖瓣瓣口面积。本申请的上述方法、系统和设备大大提高了超声检测的准确性和一致性。