一种小型嵌入式人工智能超声影像智能分析模块化装置

技术领域

本发明涉及医学影像智能处理技术领域，更具体的说是涉及一种小型嵌入式人工智能超声影像智能分析模块化装置。

背景技术

目前，在医学影像检查和诊断技术中，超声影像因具有安全、无创、无辐射、便捷和成本低等特征，已被广泛应用于临床诊断中，人工智能技术也越来越多的被成功应用于医学影像辅助检查和辅助诊断，医学影像AI人工智能辅助诊断就是利用临床专家标注过的大批量数据进行学习，能够传承专家的经验，在短期内达到甚至超过经验丰富的医生对应的医治水平。

但是，现有的智能超声影像设备功耗高、体积大，大多为大型或台式设备，主要由于设备内的运算处理硬件限制，比如AI图像卡等，其功耗和体积通常比较大，只能部署到大型或台式超声设备内，且应用过程中核心硬件的通用性较差，无法对接和集成到各类超声影像设备和影像工作站中，导致现有的超声影像设备和影像工作站难以便捷的实现智能升级和智能扩展。

因此，如何提供一种体积小、通用性强、可靠性高的人工智能超声影像智能分析装置是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种小型嵌入式人工智能超声影像智能分析模块化装置，有效解决了现有的智能超声影像设备内运算处理硬件功耗高、体积大、通用性差等问题。

为了实现上述目的，本发明采用如下技术方案：

一种小型嵌入式人工智能超声影像智能分析模块化装置，包括：AI运算和处理模块以及接口控制模块，所述接口控制模块的一端与所述AI运算和处理模块电连接，所述接口控制模块的另一端与外接设备电连接；

所述接口控制模块包括硬件载板、通信接口以及电压转换单元，所述通信接口和所述电压转换单元均设于所述硬件载板上，所述通信接口用于将外接设备与所述AI运算和处理模块连接，所述电压转换单元用于将电源电压转换处理后接入所述AI运算和处理模块。

进一步地，所述AI运算和处理模块包括图像处理器(即GPU/NPU)、中央处理器(即CPU)、内存单元以及本地电源管理单元，所述图像处理器、所述内存单元和所述本地电源管理单元均与所述中央处理器电连接；

所述通信接口将接收的超声影像数据传送至所述中央处理器，所述中央处理器对超声影像数据进行预处理，并将预处理后的超声影像数据传送至图像处理器，所述图像处理器对预处理后的超声影像数据进行人工智能分析，所述内存单元用于存储所述中央处理器和所述图像处理器接收以及生成的数据，所述本地电源管理单元用于对所述AI运算和处理模块的供电进行管理。

进一步地，所述图像处理器内预先构建和部署有人工智能神经网络，所述人工智能神经网络通过其内部署的AI神经网络算法模型对超声影像中的目标物(疑似病变或异物)进行快速识别，所述图像处理器将所述目标物的形状和位置信息发送至所述中央处理器，所述中央处理器对目标物进行勾画和显示处理。

进一步地，所述人工智能神经网络还通过其内部署的AI神经网络算法模型对指定超声影像或图像目标物进行智能辅助诊断分析。

本发明中图像处理器通过其内部部署的人工智能神经网络可以实现对超声影像的智能分析，识别超声影像中的目标物，进而配合中央处理器对目标物进行勾画和显示，将超声影像中疑似病变或异物位置清楚的展示给医护人员或患者，同时还可以辅助医护人员对超声影像进行智能诊断分析。

进一步地，所述内存单元包括eMMC内存芯片和LPDDR内存芯片。上述的两个内存芯片均具有低功耗和小体积的特点，可以有效降低整个装置的体积，便携性能更优。

进一步地，所述通信接口包括AI运算和处理单元接口、USB接口、网口、HDMI接口、PCIE接口、无线扩展接口、GPIO接口、Debug接口以及测试接口。

上述接口的设置，可以满足多种外接设备的接入需求，便于将装置与传统的超声影像设备结合应用，从而提高了装置的通用性。

进一步地，所述接口控制模块为六层两阶的硬件PCBA。整个接口控制模块集成硬件载板、接口转换、电源管理等功能，为一块成型的接口板。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种小型嵌入式人工智能超声影像智能分析模块化装置，该装置将已有的AI神经网络算法模型部署和固化到一个小型、低功耗的AI运算和处理模块中，配合接口控制模块，可以方便灵活的对接和集成到各类超声影像设备和影像工作站中，从而实现超声影像设备的智能升级和智能扩展，有效提升超声检查工作效率的同时，也提高了诊断准确率，装置运行可靠性更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种小型嵌入式人工智能超声影像智能分析模块化装置的整体结构架构示意图；

图2为本发明实施例中接口控制模块的结构架构示意图；

图3为本发明实施例中AI运算和处理模块的结构架构示意图；

图4为本发明实施例中接口控制模块的电路原理示意图。

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。

参见附图1和图2，本发明实施例公开了一种小型嵌入式人工智能超声影像智能分析模块化装置，包括：AI运算和处理模块1以及接口控制模块2，接口控制模块2的一端与AI运算和处理模块1电连接，接口控制模块2的另一端与外接设备电连接；

接口控制模块2包括硬件载板201、通信接口202以及电压转换单元203，通信接口202和电压转换单元203均设于硬件载板201上，通信接口202用于将外接设备与AI运算和处理模块1连接，电压转换单元203用于将电源电压转换处理后接入AI运算和处理模块1。

具体地，参见附图3，AI运算和处理模块1包括图像处理器101、中央处理器102、内存单元103以及本地电源管理单元104，图像处理器101、内存单元103和本地电源管理单元104均与中央处理器102电连接；

通信接口202将接收的超声影像数据传送给中央处理器102进行预处理，中央处理器102将预处理后的影像数据传送给图像处理器101进行人工智能分析，该图像处理器101内预先构建和部署了人工智能神经网络，根据所部署的人工智能神经网络中的AI神经网络算法模型实现超声影像目标物(疑似病变或异物)的快速识别、勾画和智能辅助诊断分析；

一方面，通过人工智能神经网络对超声影像中的目标物进行动态或静态识别，图像处理器101将目标物的形状和位置信息发送至中央处理器102，中央处理器102对目标物进行勾画和显示处理；另一方面，人工智能神经网络还通过其内部署的AI神经网络算法模型对指定的超声影像或图像目标物进行智能辅助诊断分析，并将分析结果传送至中央处理器102做进一步处理。

内存单元103用于存储中央处理器102和图像处理器101接收以及生成的数据，本地电源管理单元104用于对AI运算和处理模块1的供电进行管理。

在本实施例中，整个装置中软件系统为Linux系统或者Ubanto系统，并配置和部署了专用于超声影像(可以是乳腺影像)智能识别和图像辅助诊断分析的人工智能神经网络，网络中的AI神经网络算法模型是经过大数据训练和优化后得到的，该神经网络用于实现超声影像视频和数据的智能动态识别、图像智能分析和辅助诊断。

本实施例中图像处理器101内所部署的人工智能神经网络，其功能具体通过内部部署的AI神经网络算法模型来执行。

具体地，专用于超声影像(比如乳腺影像)智能识别和图像辅助诊断分析的AI神经网络算法模型，其功能主要包括：

1)实现乳腺超声动态影像中疑似病变或异物的快速动态识别；

2)实现对一张和若干张乳腺超声静态图像的智能分析用于辅助诊断。

上述功能的实现过程可以使用现有的超声影像智能诊断分析方法完成，比如申请公布号为CN 111243730 A，名称为一种基于乳腺超声影像的乳腺病灶智能分析方法及系统的发明专利申请中公开的方案。

具体地，内存单元103包括eMMC内存芯片和LPDDR内存芯片。其中：

eMMC(embedded Multi Media Card，嵌入式的多媒体存储卡)是在NAND闪存芯片的基础上，额外集成了主控制器，并将二者“打包”封装成一颗BGA芯片，从而大幅降低多芯片的空间占用和布线难度问题，实现设备体积的减小。

LPDDR(即Low Power Double Data Rate SDRAM)是DDR的一种，又称为mDDR(即Mobile DDR SDRAM),英文直译为低功耗双重数据比率，也就是实现低功耗指定的内存同其他设备的数据交换标准，以低功耗和小体积著称，专门用于移动式电子产品。

在本实施例中，接口控制模块2为六层两阶的硬件PCBA，参见附图4，通信接口202包括AI运算和处理单元接口、若干USB2.x/3.x接口、网口、HDMI接口、PCIE接口、无线扩展接口、GPIO接口、用于测试与调试用的Debug接口和测试接口。电源管理单元203可以将7-9V的输入电压转换为AI运算和处理模块所需的5V和3.3V稳压电源及Reset键。

综上所述，本发明的特点在于将具有较强的边缘计算能力和较低功耗的嵌入式AI智能系统以模块形式灵活嵌入到各类超声影像设备和影像工作站中，使其智能化，从而提升工作效率的同时，提高诊断准确率，降低误诊率。

本发明实施例公开的小型嵌入式人工智能超声影像智能分析模块化装置，通过将嵌入式人工智能模块和传统超声影像设备相结合，实现超声影像设备的智能化升级。解决了现有的方案中便携式超声设备通常受到功耗、体积和成本的限制，而目前常见的AI硬件方案，例如AI图像卡等，其功耗和面积通常较大，通常只能部署到大型或台式超声设备内等问题，通过与本发明提供的上述装置相结合，方便实现便携式智能超声设备。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。