[发明专利]基于云计算的超声图像处理方法和超声系统

说明书

本发明公开了一种基于云计算的超声图像处理方法和超声系统，所述基于云计算的超声图像处理方法包括：在超声收发终端和高可用性的第一网络均可用时，通过第一网络建立超声收发终端与显示交互终端的直连；在云端处理系统和第二网络均可用时，将超声图像数据通过云端连接路径上传至云端处理系统进行图像处理，将处理完成的超声图像数据通过第二网络发送至显示交互终端中展示；云端连接路径为超声收发终端与云端处理系统之间的唯一通信连接路径；在云端处理系统和第二网络中至少一个不可用时，将超声图像数据通过第一网络发送至显示交互终端进行图像处理并展示。本发明超声系统不仅成本功耗低且便携性强，还保证了良好的图像性能以及可用性。

技术领域

本发明涉及超声图像数据处理领域，尤其涉及一种基于云计算的超声图像处理方法和超声系统。

背景技术

超声成像诊断是一种不会对人体产生副作用的检查，且超声诊断成本低，具有便利性、广泛性与实时性等优点，因此，通过超声系统进行超声诊断成为医院必备的诊断病灶的利器。

目前，超声系统实时生成超声图像的过程，由模拟部分和数字部分组成，超声系统成像的功能和性能，由模拟部分和数字部分共同决定；其中，模拟部分负责超声波的发射和接收，决定了信号质量，信号质量越高，信息量越大，对数字部分的处理能力要求越高；数字部分包含信号处理和图像处理，数字部分的处理能力越高，所能支持的功能也会越丰富。超声系统中，只有模拟发射和接收部分是专用系统，而数字部分其实是通用的计算系统，比如FPGA(Field Programmable Gate Array：现场可编程逻辑门阵列)、DSP(数字信号处理：Digital Signal Process)、CPU(中央处理器，Central Processing Unit)、GPU(图形处理器:Graphics Processing Unit)来实现；且数字部分中的信号处理多为FPGA实现，图像处理多为软件(CPU+GPU)实现。

现有技术中，超声系统通常设计为独立系统，在基于大数据的深度学习流行起来之后，独立系统中的超声系统的数字部分处理已明显成为了瓶颈。目前所使用的大部分超声系统通常复杂笨重，因此只能设置在固定地点供使用；但随着超声可视化技术的发展，超声系统逐渐不再仅用于超声科这样的固定环境，更多地用在了户外急救、重症、麻醉、手术室等环境中。因此，临床场景下的超声系统被当作临床医生的视诊仪，对超声设备的便携性和可靠性要求大大提高。

基于上述需求出现了便携式的超声系统，但其受到电池、功率、散热等设计约束，无法支持诸如4D、平面波、超声标准面智能识别等高级超声成像方式的实现；且现有便携式超声系统成本偏高，在成本、功耗、体积受限的情况下，图像性能还无法满足广泛的临床需求。也即，由于用于图像处理的CPU、GPU在超声数字处理中的占比越来越高，性能要求也越来越高，功耗占比也越来越大；虽然移动设备芯片的处理能力也在逐渐加强，但便携超声系统的数字处理能力仍然受到了限制(不同超声系统由于硬件资源的差异，在基本相同的处理流程下，在不同的设备上的处理数据量，例如32通道、44通道、全通道等等，与算法复杂度一定有非常大的区别)，因此，便携式超声系统(包括无线探头)，大多受到硬件条件的限制，在算法复杂度上做出了让步，更多采用了低通道设计，这大大限制了便携超声系统的可使用范围。

并且，随着以深度学习为代表的算法进步，对算力的要求越来越高，超声系统后端的数字部分架构变化也越来越剧烈，甚至未来后端可能出现NPU(网络处理器：Neural-network Processing Unit)计算载体。