(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211154856.5 (22)申请日 2022.09.22 (65)同一申请的已公布的文献号 申请公布号 CN 115249245 A (43)申请公布日 2022.10.28 (73)专利权人 深圳华声医疗技 术股份有限公司 地址 518000 广东省深圳市南 山区桃源街 道平山民企科技园6 栋5楼 (72)发明人 芦振寰　 (74)专利代理 机构 广东普润知识产权代理有限 公司 44804 专利代理师 寇闯 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 17/00(2006.01) G06V 10/74(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114581499 A,2022.06.03 CN 112084936 A,2020.12.15 CN 112419303 A,2021.02.26 CN 109478325 A,2019.0 3.15 US 201710 3532 A1,2017.04.13 US 20193782 91 A1,2019.12.12 CN 10740 3446 A,2017.1 1.28 CN 10740 3446 A,2017.1 1.28 CN 115063499 A,2022.09.16 CN 114693552 A,202 2.07.01 CN 114947951 A,202 2.08.30 CN 115019185 A,202 2.09.06 CN 112132805 A,2020.12.25 芦振寰.基于深度学习的端到端心电自动分 类方法研究与实现. 《中国优秀硕士学位 论文全 文数据库医药卫 生科技辑》 .2019,(第07期), 审查员 高婕 (54)发明名称 超声成像参数优化方法、 装置、 计算机设备 及存储介质 (57)摘要 本发明公开一种超声成像参数优化方法、 装 置、 计算机设备及存储介质。 该方法包括： 获取当 前优化任务， 基于当前优化任务， 确定目标动作 空间； 采用基于目标动作空间构建的原始超声成 像参数优化模 型， 对当前优化任务对应的当前状 态数据进行处理， 获取调整参数值； 基于调整参 数值， 控制成像设备采集第一超声图像， 接收成 像设备反馈的第一超声图像； 基于第一超声图像 进行模型评估， 获取模型评估结果； 若模型未收 敛， 则采用第一超声图像和调整参数值， 更新当 前状态数据； 若模型已收敛， 则将原始超声成像 参数优化模 型， 确定为目标超声成像参数优化模型。 该方法采用机器学习手段替代人工优化， 节 省超声成像参数优化成本， 提高超声成像参数优 化的效率。 权利要求书4页 说明书16页 附图4页 CN 115249245 B 2022.12.23 CN 115249245 B 1.一种超声成像参数优化方法， 其特 征在于， 包括： 获取当前优化任务， 基于所述当前优化任务， 确定目标动作空间； 采用基于所述目标动作空间构建的原始超声成像参数优化模型， 对所述当前优化任务 对应的当前状态数据进行处 理， 获取调整参数值； 基于所述调整参数值， 控制成像设备采集第一超声图像， 接收所述成像设备反馈的第 一超声图像； 基于所述第 一超声图像进行模型评估， 获取当前奖励值； 根据 所述当前奖励值， 获取模 型评估结果； 若所述模型评估结果为模型未收敛， 则采用所述第一超声图像和所述调整参数值， 更 新所述当前状态数据； 若所述模型评估结果为模型已收敛， 则将所述原始超声成像参数优化模型， 确定为目 标超声成像参数优化模型； 其中， 所述基于所述第一超声图像进行模型评估， 获取当前奖励值， 包括： 对所述第一 超声图像进行质量检测， 获取实测噪声值、 实测分辨率和实测对比度； 对所述实测噪声值、 所述实测分辨率和所述实测对比度进行标准化处理， 获取标准噪声值、 标准分辨率和标准 对比度； 基于所述标准噪声值、 所述标准分辨 率和所述标准对比度， 获取当前 奖励值。 2.如权利要求1所述的超声成像参数优化方法， 其特征在于， 所述基于所述当前优化任 务， 确定目标动作空间， 包括： 基于所述当前优化任务， 获取当前优化参数对应的参数数量和参数值粒度， 所述参数 值粒度为进行 人工优化时， 对当前优化 参数进行调整的间隔大小； 若所述参数数量小于预设数量， 且所述参数值粒度大于预设粒度， 则确定所述目标动 作空间为离 散动作空间； 若所述参数数量不小于预设数量， 或者所述参数值粒度不大于预设粒度， 则确定所述 目标动作空间为连续动作空间。 3.如权利要求1所述的超声成像参数优化方法， 其特征在于， 所述当前状态数据包括当 前超声图像； 所述采用基于所述目标动作空间构建的原始超声成像参数优化模型， 对所述当前优化 任务对应的当前状态数据进行处 理， 获取调整参数值， 包括： 对所述当前超声图像进行 特征提取， 获取当前图像特 征； 采用所述原始超声成像参数优化模型中的演员网络， 对所述当前图像特征进行处理， 获取推荐动作； 采用所述原始超声成像参数优化模型中的评论家网络， 对所述当前图像特征进行处 理， 获取评估价 值； 基于所述推荐动作和所述评估价 值， 确定调整参数值。 4.如权利要求1所述的超声成像参数优化方法， 其特征在于， 所述根据所述当前奖励 值， 获取模型评估结果， 包括： 若所述当前 奖励值未达 到预设奖励值， 则确定所述模型评估结果 为模型未收敛； 若所述当前 奖励值达 到预设奖励值， 则确定所述模型评估结果 为模型已收敛。 5.如权利要求1所述的超声成像参数优化方法， 其特征在于， 所述当前状态数据还包括权　利　要　求　书 1/4 页 2 CN 115249245 B 2对所述第一超声图像进行优化后的第二超声图像； 所述基于所述第一超声图像进行模型评估， 获取当前 奖励值， 包括： 对所述第一超声图像和所述第 二超声图像进行特征提取， 获取第 一图像特征和第 二图 像特征； 对所述第一图像特征和所述第 二图像特征进行差异计算， 获取峰值信噪比和结构相似 度； 根据所述第一图像特征、 所述第 二图像特征、 所述峰值信噪比和所述结构相似度， 获取 当前奖励值。 6.如权利要求5所述的超声成像参数优化方法， 其特征在于， 所述根据 所述第一图像特 征、 所述第二图像特 征、 所述峰值信噪比和所述结构相似度， 获取当前 奖励值， 包括： 对所述第一图像特征和所述第 二图像特征进行降维处理， 获取第 一降维特征和第 二降 维特征； 根据所述第一降维特 征和所述第二降维特 征， 确定目标 特征差值； 对所述目标特征差值、 所述峰值信噪 比和所述结构相似度进行加权处理， 获取当前奖 励值。 7.如权利要求1所述的超声成像参数优化方法， 其特征在于， 在所述确定所述模型评估 结果为模型未收敛之后， 所述超声成像参数优化方法还 包括： 对所述当前 奖励值进行重映射， 获取重映射奖励值； 根据所述重映射奖励值和正则项奖励值， 获取更新奖励值， 基于所述更新奖励值， 调整 所述原始超声成像参数优化模型的神经网络参数。 8.一种超声成像参数优化装置， 其特 征在于， 包括： 目标动作空间确定模块， 用于获取当前优化任务， 基于所述当前优化任务， 确定目标动 作空间； 调整参数值获取模块， 用于采用基于所述目标动作空间构建的原始超声成像参数优化 模型， 对所述当前优化任务对应的当前状态数据进行处 理， 获取调整参数值； 第一超声图像接收模块， 用于基于所述调整参数值， 控制成像设备采集第 一超声图像， 接收所述成像设备反馈的第一超声图像； 模型评估结果获取模块， 用于基于所述第一超声图像进行模型评估， 获取当前奖励值； 根据所述当前 奖励值， 获取模型评估结果； 当前状态数据更新模块， 用于若所述模型评估结果为模型未收敛， 则采用所述第一超 声图像和所述调整参数值， 更新所述当前状态数据； 目标优化模型获取模块， 用于若所述模型评估结果为模型已收敛， 则将所述原始超声 成像参数优化模型， 确定为目标超声成像参数优化模型； 所述模型评估结果获取模块包括当前奖励值获取子模块， 所述当前奖励值获取子模 块， 包括： 质量检测单元， 用于对所述第 一超声图像进行质量检测， 获取实测噪声值、 实测分辨率 和实测对比度； 标准化处理单元， 用于对所述实测噪声值、 所述实测分辨率和所述实测对比度进行标 准化处理， 获取标准噪声值、 标准分辨 率和标准对比度；权　利　要　求　书 2/4 页 3 CN 115249245 B 3