CN120236148A 一种超声波图像诊断系统及方法 （福建医科大学附属第一医院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120236148A(43)申请公布日2025.07.01

(21)申请号202510705770.4

(22)申请日2025.05.29

(71)申请人福建医科大学附属第一医院

地址350004福建省福州市台江区茶中路

20号

(72)发明人刘晖刘灿斌陈婉莲

(74)专利代理机构嘉兴亮典知识产权代理有限公司33521

专利代理师顾传虎

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

G16H50/20(2018.01)

G16H30/40(2018.01)

权利要求书3页说明书11页附图1页

(54)发明名称

一种超声波图像诊断系统及方法

(57)摘要

CN120236148A本发明涉及声波测量技术领域，具体为一种超声波图像诊断系统及方法，本发明中，通过深度神经网络使反射特征与组织特性间的匹配具有自适应学习能力，在信号分类上提高了针对性识别效果，基于反射特征的判定结果，对组织区域进行边界分区时，使用灰度极差、梯度方向与纹理连续性三项参数组合判断边缘结构，避免因单一指标判断引发的轮廓模糊，通过提取灰度分布中心、幅度变化轨迹与边缘面积连续变化序列，并通过将区域定位结果输入支持向量机，根据形态结构量化特征与历史良恶性特征数据的边界分类对比，实现病变性质的准确识别，在图

CN120236148A

信号识别模块

信号识别模块

组织分析模块

图像处理模块

异常检测模块

诊断决策模块

CN120236148A权利要求书1/3页

2

1.一种超声波图像诊断系统，其特征在于，所述系统包括：

信号识别模块：通过传感器获取超声波回波信号，进行信号反射特征提取，通过时频分析，获取频率、幅度、相位数据，并对反射信号进行时间-频率分布计算，采用深度神经网络，与已知的组织特征进行比对，判断信号属于正常组织和病变区域，生成信号分类结果；

组织分析模块：基于所述信号分类结果，通过比较频率、幅度、相位变化，筛选出符合生理组织特征的反射模式，执行区域匹配判断，提取符合反射模式的组织区域，生成优化组织分类结果；

图像处理模块：基于所述优化组织分类结果，采用多尺度卷积神经网络，对目标区域进行对比度调整，通过自适应对比度增强提升组织边界对比度，并对病变区域进行细节增强，提升区域显示效果，生成处理后图像；

异常检测模块：基于所述处理后图像，分析信号的时间序列，提取信号变化特征，通过孤立森林方法识别异常信号，进行异常区域识别，生成异常检测结果；

诊断决策模块：基于所述异常检测结果和处理后图像，采用支持向量机，通过区域分类比较，判断图像中是否包含良性病变和恶性病变，对病变区域进行形态特征分析，结合历史数据对比，执行诊断结果确认，生成病变诊断结果。

2.根据权利要求1所述的超声波图像诊断系统，其特征在于，所述信号识别模块包括：

信号提取子模块：通过传感器获取超声波回波信号，对回波信号进行时频分析，将接收到的超声波回波信号进行傅里叶变换，提取信号在不同时间点上的频率分布特征和各频率成分在时间轴上的能量分布情况，并提取频率、幅度、相位信息，计算信号的时间-频率分布，根据时间窗对信号进行分段分析，设定滑动的时间窗长度，将连续的回波信号序列划分为多个相邻的时间片段，同时对每个时间段独立计算频率、幅度和相位参数，形成对应的局部特征向量，并得到各段的频率、幅度、相位特征，生成反射特征数据；

特征匹配子模块：基于所述反射特征数据，对比各段信号的频率、幅度、相位特征与已知的生理组织特征，根据特征相似度选择匹配区域，执行特征比对和筛选，得到符合生理组织特征的反射模式，生成组织反射特征匹配结果；

分类判断子模块：基于所述组织反射特征匹配结果，采用深度神经网络，判断信号的匹配区域是否属于正常组织和病变区域，依据阈值进行类别划分，生成信号分类结果。

3.根据权利要求2所述的超声波图像诊断系统，其特征在于，所述深度神经网络，按照公式：

P=σ(W?x?+W?x?+W?x?+W?x?+b)其中：P表示分类概率，代表信号区域为病变区域的可能性，σ表示sigmoid激活函数，W?表示第一个权重系数，W?表示第二个权重系数，W?表示第三个权重系数，