阅读说明：本技术 一种基于人工智能的颈动脉斑块探测仪及评估方法 (Carotid plaque detector based on artificial intelligence and evaluation method ) 是由 张红珍 杨少玲 刘翔 赵坤 王凤翎 于 2021-07-14 设计创作，主要内容包括：本发明公开了一种基于人工智能的颈动脉斑块探测仪及评估方法,包括安装座和智能分析诊断仪以及四个步骤,安装座用于对智能分析诊断仪进行固定支撑,智能分析诊断仪固定安装在安装座上；本方案,通过深度学习的智能分析诊断仪,能够将智能分析诊断仪运用于颈动脉超声检查或颈动脉超声体检中,用于快速诊断颈动脉易损斑块,并且评估斑块的易损性,该基于人工智能的颈动脉斑块探测仪,可提高相对落后基层医疗单位的诊疗水平,平衡医疗资源,及时有效的为临床预警患者脑卒中的可能性,减低致死率和致残率,该基于人工智能的颈动脉斑块探测仪配备了导航系统,可精准定位指导临床医师进行颈动脉内膜剥脱术的治疗,减少患者不必要的损伤及并发症。(The invention discloses a carotid plaque detecting instrument and an evaluation method based on artificial intelligence, which comprises a mounting seat, an intelligent analysis and diagnosis instrument and four steps, wherein the mounting seat is used for fixedly supporting the intelligent analysis and diagnosis instrument, and the intelligent analysis and diagnosis instrument is fixedly arranged on the mounting seat; this scheme, intelligent analysis diagnostic instrument through degree of depth study, can apply to intelligent analysis diagnostic instrument in carotid ultrasonic examination or carotid ultrasonic physical examination, be used for diagnosing the vulnerable plaque of carotid fast, and assess the vulnerability of plaque, this carotid plaque detection instrument based on artificial intelligence, can improve the level of diagnosing of relative laggard primary medical unit, balance medical resources, in time effectual for clinical early warning patient's cerebral apoplexy's possibility, reduce lethality rate and disability rate, this carotid plaque detection instrument based on artificial intelligence has been equipped with navigation, can accurate location guide clinician to carry out the treatment of carotid intimal stripping, reduce patient unnecessary damage and complication.)

一种基于人工智能的颈动脉斑块探测仪及评估方法

技术领域

本发明涉及医疗

技术领域

，具体为一种基于人工智能的颈动脉斑块探测仪及评估方法。

背景技术

颈动脉斑块是颈动脉粥样硬化的表现，好发于颈总动脉分叉处，目前认为与老年人缺血性脑卒中的发生密切相关。其引起缺血性脑卒中的机制可能为：斑块增大致颈动脉管径狭窄引起颅内低灌注及斑块脱落形成栓子，导致颅内动脉栓塞。临床上，通过对颈动脉的狭窄程度及斑块的形态学测定，来对颈动脉斑块进行评价，判断其危害性。

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”。卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求。

现有的颈动脉斑块评估系统及评估方法，诊断速度较慢，精准度不足，同时不能够评估斑块的易损性，无法确定斑块的大小、形状、回声分布和位置，不能够对斑块进行精准“靶向”定位。

发明内容

本发明的目的在于提供一种基于人工智能的颈动脉斑块探测仪及评估方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的颈动脉斑块探测仪，包括：安装座和智能分析诊断仪；

其中，所述安装座用于对智能分析诊断仪进行固定支撑；

其中，所述智能分析诊断仪固定安装在安装座上，所述智能分析诊断仪用于快速诊断颈动脉易损斑块，并且评估斑块的易损性。

通过采用上述技术方案，将人工智能诊断仪器运用于颈动脉超声检查或颈动脉超声体检中，用于快速诊断颈动脉易损斑块，并且评估斑块的易损性。

优选的，所述智能分析诊断仪包括外壳、音响和显示屏，所述外壳固定安装在安装座的顶部，所述显示屏嵌设安装在外壳的前侧，所述音响固定安装在外壳的一侧，所述音响靠近外壳的一端伸入外壳。

通过采用上述技术方案，显示屏用于显示颈动脉斑块的大小、形状、回声分布和位置，音响用于语音报警。

优选的，所述外壳的内腔固定安装有PCB基板，所述PCB基板的前侧固定安装有信号处理器、中央处理器和储存器，所述中央处理器位于PCB基板的中部，所述信号处理器位于中央处理器的一侧，所述储存器位于中央处理器的底部。

通过采用上述技术方案，储存器用于承载卷积神经网络深度学习智能诊断系统，中央处理器用于数据处理和发送控制命令，信号处理器用于将超声波信号转换为数字信号。

优选的，所述PCB基板的一侧固定安装有接口。

通过采用上述技术方案，接口用于与B超机进行电连接。

优选的，所述显示屏的电性输入端与中央处理器的电性输出端电性连接，所述音响的电性输入端与中央处理器的电性输出端电性连接。

优选的，所述信号处理器的电性输出端與中央处理器的电性输入端电性连接，所述储存器的电性端与中央处理器的电性端双向电性连接。

优选的，所述信号处理器的电性输入端与接口的电性输出端电性连接。

优选的，所述储存器内安装有卷积神经网络深度学习智能诊断系统。

本发明还提出一种颈动脉斑块的易损性评估方法，利用上述任一项所述的基于人工智能的颈动脉斑块探测仪对颈动脉斑块的易损性进行评估，其步骤如下：

S1、将该颈动脉斑块评估系统通过导线使接口与B超机连接，然后开启B超机；

S2、采集B超机的超声数据，传输至信号处理器，信号处理器将数据转换为数字信号，然后传输至中央处理器，经过中央处理器处理后将数字信号转换为视频信号传输至显示屏进行显示；

S3、通过中央处理器调用安装在储存器内的卷积神经网络深度学习智能诊断系统将S3中的视频信号进行分析、诊断、分类和预警，然后中央处理器将处理结果输送至显示屏进行参考提示；

S4、启动导航系统，指导外科医生进行精准定位手术操作。

优选的，所述S4中的导航系统包括驱动平台和安装在驱动平台顶部的激光定位灯，所述驱动平台上设置有横向驱动轨道和纵向驱动轨道，所述激光定位灯垂直设置在驱动平台顶部，所述驱动平台和激光定位灯的电性输入端均与中央处理器的电性输出端电性连接。

与现有技术相比，本发明的有益效果是：

本发明通过深度学习的智能分析诊断仪，能够将智能分析诊断仪运用于颈动脉超声检查或颈动脉超声体检中，用于快速诊断颈动脉易损斑块，并且评估斑块的易损性，该基于人工智能的颈动脉斑块探测仪，可提高相对落后基层医疗单位的诊疗水平，平衡医疗资源，及时有效的为临床预警患者脑卒中的可能性，减低致死率和致残率，该基于人工智能的颈动脉斑块探测仪配备了导航系统，可精准定位指导临床医师进行颈动脉内膜剥脱术的治疗，减少患者不必要的损伤及并发症。

附图说明

图1为本发明的智能分析诊断仪的结构示意图；

图2为本发明的智能分析诊断仪的剖面结构示意图；

图3为本发明的系统原理图；

图4为本发明的方法流程图。

图中：1、安装座；2、智能分析诊断仪；21、外壳；22、PCB基板；23、接口；24、信号处理器；25、中央处理器；26、音响；27、储存器；28、显示屏。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图4，本发明提供一种技术方案：

如图1和图2所示，一种基于人工智能的颈动脉斑块探测仪及评估方法，包括：安装座1和智能分析诊断仪2；

其中，安装座1用于对智能分析诊断仪2进行固定支撑；

其中，智能分析诊断仪2固定安装在安装座1上，智能分析诊断仪2用于快速诊断颈动脉易损斑块，并且评估斑块的易损性。

将人工智能诊断仪器运用于颈动脉超声检查或颈动脉超声体检中，用于快速诊断颈动脉易损斑块，并且评估斑块的易损性。

具体的，智能分析诊断仪2包括外壳21、音响26和显示屏28，外壳21固定安装在安装座1的顶部，显示屏28嵌设安装在外壳21的前侧，音响26固定安装在外壳21的一侧，音响26靠近外壳21的一端伸入外壳21，显示屏28的电性输入端与中央处理器25的电性输出端电性连接，音响26的电性输入端与中央处理器25的电性输出端电性连接，显示屏28用于显示颈动脉斑块的大小、形状、回声分布和位置，音响26用于语音报警。

具体的，外壳21的内腔固定安装有PCB基板22，PCB基板22的前侧固定安装有信号处理器24、中央处理器25和储存器27，储存器27内安装有卷积神经网络深度学习智能诊断系统，中央处理器25的型号为为AMD-R7-5800X，中央处理器25位于PCB基板22的中部，信号处理器24位于中央处理器25的一侧，储存器27位于中央处理器25的底部，信号处理器24的电性输出端與中央处理器25的电性输入端电性连接，储存器27的电性端与中央处理器25的电性端双向电性连接，储存器27用于承载卷积神经网络深度学习智能诊断系统，中央处理器25用于数据处理和发送控制命令，信号处理器24用于将超声波信号转换为数字信号。

具体的，PCB基板22的一侧固定安装有接口23，信号处理器24的电性输入端与接口23的电性输出端电性连接，接口23用于与B超机进行电连接。

本发明还提出一种颈动脉斑块的易损性评估方法，利用上述任一项所述的基于人工智能的颈动脉斑块探测仪对颈动脉斑块的易损性进行评估，具体步骤如下：

S1、将该颈动脉斑块评估系统通过导线使接口23与B超机连接，然后开启B超机；

S2、采集B超机的超声数据，传输至信号处理器24，信号处理器24将数据转换为数字信号，然后传输至中央处理器25，经过中央处理器25处理后将数字信号转换为视频信号传输至显示屏28进行显示；

S3、通过中央处理器25调用安装在储存器27内的卷积神经网络深度学习智能诊断系统将S3中的视频信号进行分析、诊断、分类和预警，然后中央处理器25将处理结果输送至显示屏28进行参考提示；

S4、启动导航系统，指导外科医生进行精准定位手术操作。

S4中的导航系统包括驱动平台和安装在驱动平台顶部的激光定位灯，驱动平台上设置有横向驱动轨道和纵向驱动轨道，激光定位灯垂直设置在驱动平台顶部，驱动平台和激光定位灯的电性输入端均与中央处理器25的电性输出端电性连接。

综上，通过深度学习的智能分析诊断仪2，能够将智能分析诊断仪2运用于颈动脉超声检查或颈动脉超声体检中，用于快速诊断颈动脉易损斑块，并且评估斑块的易损性，该基于人工智能的颈动脉斑块探测仪，可提高相对落后基层医疗单位的诊疗水平，平衡医疗资源，及时有效的为临床预警患者脑卒中的可能性，减低致死率和致残率，该基于人工智能的颈动脉斑块探测仪配备了导航系统，可精准定位指导临床医师进行颈动脉内膜剥脱术的治疗，减少患者不必要的损伤及并发症。

本发明中未涉及部分均与现有技术相同或可采用现有技术加以实现。尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。