(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210565807.4 (22)申请日 2022.05.23 (71)申请人 中国科学院深圳先进技 术研究院 地址 518000 广东省深圳市南 山区深圳大 学城学苑大道1068号 申请人 深圳市博为医疗机 器人有限公司 (72)发明人 宋钰鑫　胡颖　赵保亮　张朋　 何玉成　靳海洋　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 张菁华 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/40(2022.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 超声图像的质量评估方法、 模 型训练方法及 电子设备 (57)摘要 本申请公开了一种超声图像的质 量评估方 法、 模型训练方法及电子设备， 属于图像处理技 术领域。 该方法包括： 获取目标部位的目标超声 图像， 目标超声图像是通过超声扫描设备的超声 探头对目标部位进行探测得到； 通过目标图像评 估模型对目标超声图像进行质量评估， 目标图像 评估模型能够评估任意一个超声图像的质量； 其 中， 目标图像评估模型是基于训练样本集合对第 一图像评估模 型进行迭代训练得到， 训练样本集 合包括至少一个图像组， 每个图像组包括质量不 同的多个样 本超声图像， 每个样 本超声图像标注 有经医务人员质量评估后的评估信息。 本申请实 施例中， 目标图像评估模型可以学习医务人员对 超声图像的质量评估 标准， 从而提高了质量评估 的准确性。 权利要求书2页 说明书17页 附图6页 CN 114913159 A 2022.08.16 CN 114913159 A 1.一种超声图像的质量评估方法， 其特 征在于， 所述方法包括： 获取目标部位的目标超声图像， 所述目标超声图像是通过超声扫描设备的超声探头对 所述目标部位进行探测得到； 通过目标图像评估模型对所述目标超声图像进行质量评估， 所述目标图像评估模型能 够评估任意一个超声图像的质量； 其中， 所述目标图像评估模型是基于训练样本集合对第 一图像评估模型进行迭代训练 得到， 所述训练样本集合包括至少一个图像组， 每个图像组包括质量不同的多个样本超声 图像， 每个样本超声图像标注有经医务人员质量评估后的评估信息 。 2.一种模型训练方法， 其特 征在于， 所述方法包括： 获取训练样本集合， 所述训练样本集合包括至少一个图像组， 每个图像组包括质量不 同的多个样本超声图像， 每 个样本超声图像标注有经医务人员质量评估后的评估信息； 基于所述训练样本集 合对第一图像评估 模型进行迭代训练， 得到第二图像评估 模型； 若当前满足迭代训练结束条件， 则基于所述第二图像评估模型确定目标图像评估模 型， 所述目标图像评估 模型能够评估 任意一个超声图像的质量。 3.如权利要求2所述的方法， 其特 征在于， 所述获取训练样本集 合， 包括： 获取多个样本超声图像， 所述多个样本超声图像中包括质量 不同的多类超声图像； 按照所述多个样本超声图像中的各类样本超声图像的数量， 对所述各类样本超声图像 赋予对应的权重， 所述各类样本超声图像的数量与所述各类样本超声图像对应的权重呈负 相关； 基于所述各类样本超声图像对应的权 重， 从所述多个样本超声图像中进行图像采样； 在采样的数量达到数量阈值的情况下， 将所述数量阈值个采样得到的样本超声图像组 合为一个图像组； 重复进行图像采样过程， 直至对所述多个样本超声图像采样完毕， 得到所述至少一个 图像组。 4.如权利要求3所述的方法， 其特征在于， 所述基于所述各类样本超声图像对应的权 重， 从所述多个样本超声图像中进行图像采样， 包括： 根据所述各类样本超声图像对应的权重， 确定从所述各类样本超声图像中进行采样的 采样数量， 所述各类样本超声图像对应的权重与所述各类样本超声图像对应的采样数量呈 正相关； 按照所述各类样本超声图像对应的采样数量， 从所述各类样本超声图像中进行图像采 样。 5.如权利要求2 ‑4中任一项所述的方法， 其特征在于， 所述若当前满足迭代训练结束条 件， 则基于所述第二图像评估 模型确定目标图像评估 模型， 包括： 若当前满足所述迭代训练结束条件， 则通过所述第二图像评估模型， 对测试超声图像 进行质量评估， 得到测试评估结果； 若所述测试评估结果与参考评估结果之间的相似度 大于或等于相似度阈值， 则将所述 第二图像评估模型确定为所述目标图像评估模 型， 所述参考评估结果为医务人员对所述测 试超声图像的质量评估结果。 6.如权利要求2所述的方法， 其特征在于， 所述第 一图像评估模型中包括特征提取模型权　利　要　求　书 1/2 页 2 CN 114913159 A 2和分类器； 所述基于所述训练样本集合对第一图像评估模型进行迭代训练， 得到第二图像 评估模型， 包括： 基于所述训练样本集合， 对所述第一图像评估模型进行前向计算， 以确定所述第一图 像评估模型的第一损失值； 基于所述第一损失值， 通过反向传递的方式更新所述分类 器的模型参数； 基于所述训练样本集合， 再次对所述第一图像评估模型进行前向计算， 以确定所述第 一图像评估 模型的第二损失值； 基于所述第 二损失值， 通过反 向传递的方式更新所述特征提取模型的模型参数和所述 分类器的模型参数； 若当前不满足所述迭代训练结束条件， 则返回至所述基于所述训练样本集合， 对所述 第一图像评估模型进行前向计算， 以确定所述第一图像评估模型 的第一损失值的操作， 直 至当前满足所述迭代训练结束条件， 结束迭代训练， 得到所述第二图像评估 模型。 7.如权利要求6所述的方法， 其特征在于， 所述基于所述训练样本集合， 对所述第一图 像评估模型进行 前向计算， 以确定所述第一图像评估 模型的第一损失值， 包括： 将所述训练样本集 合中任意 一个图像组输入至所述第一图像评估 模型中； 通过所述第 一图像评估模型对所述任意一个图像组进行处理， 得到所述任意一个图像 组中每个样本超声图像对应的质量预测值， 所述质量预测值用于指示所述第一图像评估模 型对对应的样本超声图像进行质量评估的评估结果； 通过目标损失函数基于所述任意一个图像组中每个样本超声图像对应的质量预测值， 确定所述第一损失值。 8.如权利要求5所述的方法， 其特征在于， 所述若所述测试评估结果与参考评估结果之 间的相似度大于或等于相似度阈值， 则将所述第二图像评估模型确定为所述目标图像评估 模型之前， 还 包括： 确定所述测试评估结果与参 考评估结果之间的相关系数； 在所述相关系数的绝对值大于或等于系数阈值的情况下， 确定所述测试评估结果与 所 述参考评估结果之间的相似度大于或等于所述相似度阈值。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1所述 的方法。 10.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求2 ‑8任 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114913159 A 3