[发明专利]温升模型校准方法、装置、超声成像设备及存储介质

权利要求书

1.一种温升模型校准方法，其特征在于，包括：

基于温升测试装置获取待测超声成像系统的温升数据集；

构建所述待测超声成像系统的初始温升深度学习模型；

基于所述温升数据集对所述初始温升深度学习模型进行校准，获得目标温升深度学习模型。

2.根据权利要求1所述的温升模型校准方法，其特征在于，所述温升数据集包括所述待测超声成像系统的多组系统参数以及所述多组系统参数对应的多组温升值；所述待测超声成像系统包括主机以及与所述主机连接的探头；所述温升测试装置包括用于感测所述探头温度的温度感应器件以及与所述温度感应器件连接，且用于采集所述温度感应器件温度的温度采集器件；

所述基于温升测试装置获取待测超声成像系统的温升数据集，包括：

基于所述温度感应器件和所述温度采集器件采集所述探头处于未工作状态时的多组初始温度值；

获取所述多组系统参数，并基于所述温度感应器件和所述温度采集器件采集所述探头在所述多组系统参数控制下工作预设时间段后的多组最大温度值；

基于所述多组初始温度值和所述多组最大温度值确定所述多组温升值。

3.根据权利要求2所述的温升模型校准方法，其特征在于，所述温升数据集包括第一组温升数据，所述第一组温升数据包括第一系统参数以及与所述第一系统参数对应的第一初始温度值；

在所述基于所述温升数据集对所述初始温升深度学习模型进行校准之前，还包括：

判断所述第一初始温度值是否小于预设温度值；

当所述第一初始温度值大于或等于所述预设温度值时，从所述温升数据集中剔除所述第一组温升数据。

4.根据权利要求1所述的温升模型校准方法，其特征在于，所述基于所述温升数据集对所述初始温升深度学习模型进行校准，获得目标温升深度学习模型，包括：

从所述温升数据集中选取温升训练集，所述温升训练集包括多组温升训练数据，所述温升训练数据中包括训练温升值；

确定所述初始温升深度学习模型的初始模型参数；

将所述温升训练数据输入至所述初始温升深度学习模型中，获得预测温升值；

基于预设的损失函数、所述训练温升值和所述预测温升值确定损失值；

判断所述损失值是否小于预设损失值，当所述损失值小于所述预设损失值时，所述初始温升深度学习模型为所述目标温升深度学习模型；当所述损失值大于或等于所述预设损失值时，则调整所述初始模型参数，继续校准。

5.根据权利要求4所述的温升模型校准方法，其特征在于，在所述基于所述温升数据集对所述初始温升深度学习模型进行校准，获得目标温升深度学习模型之后，还包括：

从所述温升数据集中选取温升验证集，所述温升验证集包括至少一组温升验证数据，所述温升验证数据中包括验证温升值；

将所述温升验证数据输入至所述目标温升深度学习模型中，获得待验证温升值；

判断所述待验证温升值与所述验证温升值的温升差值是否小于预设差值，当所述温升差值小于所述预设差值时，所述目标温升深度学习模型验证通过；当所述温升差值大于或等于所述预设差值时，基于所述温升训练集重新对所述初始温升深度学习模型进行校准。

6.根据权利要求1所述的温升模型校准方法，其特征在于，所述温升模型校准方法，还包括：

获取所述待测超声成像系统的历史温升数据集；

基于所述温升数据集和所述历史温升数据集对所述初始温升深度学习模型进行校准，获得所述目标温升深度学习模型。

7.根据权利要求1所述的温升模型校准方法，其特征在于，所述温升模型校准方法还包括：

获取所述待测超声成像系统的待评估系统参数；

基于所述待评估系统参数和所述目标温升深度学习模型获得所述待测超声成像系统的待评估温升值；

基于所述待评估温升值和评价指标生成温升评估报告。