基于深度学习的胎儿超声图像识别方法及系统
基本信息
| 申请号 | CN201910032226.2 | 申请日 | - |
| 公开（公告）号 | CN110634125A | 公开（公告）日 | 2019-12-31 |
| 申请公布号 | CN110634125A | 申请公布日 | 2019-12-31 |
| 分类号 | G06T7/00（2017.01）; G06T7/11（2017.01）; G06K9/32（2006.01）; G06K9/62（2006.01）; G16H30/40（2018.01）; G16H50/20（2018.01） | 分类 | 计算；推算；计数; |
| 发明人 | 谢红宁; 汪南; 梁喆; 冼建波; 毛明春 | 申请（专利权）人 | 广州爱孕记信息科技有限公司 |
| 代理机构 | 广州三环专利商标代理有限公司 | 代理人 | 广州爱孕记信息科技有限公司; 汪南 |
| 地址 | 510000 广东省广州市越秀区中山六路2号1601自编1605室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的胎儿超声图像识别方法及系统，该方法包括超声设备检测并根据打印操作控制指令向数据终端发送胎儿的超声参数信息；数据终端接收并发送该超声参数信息至云端服务器；云端服务器接收并基于预先确定的图像分割模型对超声静态图像执行分割操作，得到分割子图像，以及将该分割子图像输入预先确定的图像分类模型，得到分类模型结果；云端服务器将该分类模型结果发送至主控设备；主控设备接收并输出该分类模型结果。实施本发明能够通过将深度学习应用于胎儿超声图像的检查，不仅能够提高胎儿超声图像的识别效率以及准确度，还能够降低医生误判的风险，以及减少医生的工作强度，提升孕妇和医生的体验感。 |
