一种基于超声技术实现颅内压的测量方法及系统

本发明涉及超声，尤其涉及一种基于超声技术实现颅内压的测量方法及系统。

背景技术：

1、超声技术是一种非侵入性的成像技术，通过声波在人体组织中的传播和反射来生成图像或进行测量，在医学领域，超声技术被广泛应用于心血管、妇产科、肝脏等多个领域，并且在近年来也开始探索其在颅内压测量方面的应用。

2、现有的颅内压测量技术是通过脑电图提供一定程度上的颅内压信息，通过大脑电活动的变化来推断颅内压的情况。实际应用中，脑电图不能直接测量颅内压值，而是通过观察大脑电活动的变化来间接推断颅内压的情况，而间接性可能导致推断结果的不确定性和误差，从而对进行颅内压的测量时的准确度较低。

技术实现思路

1、本发明提供一种基于超声技术实现颅内压的测量方法及系统，其主要目的在于解决进行颅内压的测量时的准确度较低的问题。

2、为实现上述目的，本发明提供的一种基于超声技术实现颅内压的测量方法，包括：

3、采集颅压内的声波信号数据，对所述声波信号数据进行数据增强处理，得到声波信号增强数据；

4、提取所述声波信号增强数据的声波信号特征数据，根据预设的特征数据算法对所述声波信号特征数据进行数据筛选，得到声波信号筛选数据；

5、对所述声波信号筛选数据进行检测，得到颅内压的测量数据；

6、将所述测量数据与预设的实际颅内压数据进行误差分析，得到测量误差数据，根据所述测量误差数据生成测量数据反馈语义；

7、根据预设的检测阈值确定颅内压的检测数据，根据所述测量数据反馈语义及所述检测数据计算颅内压的最佳测量数据。

8、可选地，所述采集颅压内的声波信号数据，包括：

9、获取颅压内的扫描区域及扫描深度；

10、根据所述扫描区域及所述扫描深度确定颅压内的数据定位位置；

11、通过预设的超声算法配置超声采集参数；

12、按照所述超声采集参数对所述数据定位位置进行数据采集，得到声波信号数据。

13、可选地，所述对所述声波信号数据进行数据增强处理，得到声波信号增强数据，包括：

14、利用预设的滤波算法对所述声波信号数据进行噪音去除，得到第一声波信号数据；

15、对所述第一声波信号数据进行信号调整，得到第二声波信号数据；

16、对所述第二声波信号数据进行平滑处理，得到第三声波信号数据；

17、对所述第三声波信号数据进行校正处理，得到声波信号增强数据。

18、可选地，所述提取所述声波信号增强数据的声波信号特征数据，包括：

19、提取所述声波信号增强数据的时域特征及频域特征；

20、提取所述声波信号增强数据的统计特征及形态特征；

21、利用如下预设的多维特征算法将所述时域特征、所述频域特征、所述统计特征及所述形态特征进行特征融合，得到声波信号特征数据：

22、f＝{χ1p1,χ2p2,χ3p3,χ4p4}

23、其中，f为所述声波信号特征数据，χ1为所述时域特征的时域权重，p1为所述时域特征，χ2为所述频域特征的频域权重，p2为所述频域特征，χ3为所述统计特征的统计权重，p3为所述统计特征，χ4为所述形态特征的形态权重，p4为所述形态特征。

24、可选地，所述对所述声波信号特征数据进行数据筛选，得到声波信号筛选数据，包括：

25、根据如下预设的特征数据算法将所述声波信号特征数据与预设的声波信号特征阈值数据进行比对，得到数据比对符号值：

26、

27、其中，q为所述数据比对符号值，pi为声波信号特征数据中第i个特征的特征值，wi为声波信号特征阈值数据中第i个特征的特征值；

28、根据所述数据比对符号值生成数据符号序列；

29、根据预设的目标数值数量对所述数据符号序列进行筛选，得到声波信号筛选数据。

30、可选地，所述对所述声波信号筛选数据进行检测，得到颅内压的测量数据，包括：

31、将所述声波信号筛选数据进行向量转换，得到声波信号向量；

32、利用预先训练的深度学习模型的特征层提取所述声波信号向量对应的全局信号特征；

33、将所述全局信号特征输入至所述预先训练的深度学习模型的输出层中，输出颅内压的测量数据。

34、可选地，所述将所述测量数据与预设的实际颅内压数据进行误差分析，得到测量误差数据，包括：

35、根据预设的实际颅内压数据确定所述测量数据的测量数据区间；

36、根据所述测量数据区间对所述测量数据进行误差分析，得到测量误差数据，其中测量误差数据计算公式为：

37、

38、其中，r为所述测量误差数据，c为所述测量数据，xk为所述测量数据区间中第k个实际颅内压数据，n个区间数据数量。

39、可选地，所述根据所述测量误差数据生成测量数据反馈语义，包括：

40、根据所述测量误差数据及预设的测量误差阈值确定反馈信息类型；

41、根据所述反馈信息类型生成反馈语句模板；

42、按照所述反馈语句模板生成测量数据反馈语义。

43、可选地，所述根据所述测量数据反馈语义及所述检测数据计算颅内压的最佳测量数据，包括：

44、根据所述测量数据反馈语义确定颅内压的目标测量数据；

45、将所述目标测量数据与所述检测数据进行均值计算，得到颅内压的最佳测量数据。

46、为了解决上述问题，本发明还提供一种基于超声技术实现颅内压的测量系统，所述系统包括：

47、声波信号数据增强模块，用于采集颅压内的声波信号数据，对所述声波信号数据进行数据增强处理，得到声波信号增强数据；

48、声波信号特征数据模块，用于提取所述声波信号增强数据的声波信号特征数据，对所述声波信号特征数据进行数据筛选，得到声波信号筛选数据；

49、声波信号筛选数据模块，用于对所述声波信号筛选数据进行检测，得到颅内压的测量数据；

50、测量数据反馈语义生成模块，用于将所述测量数据与预设的实际颅内压数据进行误差分析，得到测量误差数据，根据所述测量误差数据生成测量数据反馈语义；

51、最佳测量数据计算模块，用于根据预设的检测阈值确定颅内压的检测数据，根据所述测量数据反馈语义及所述检测数据计算颅内压的最佳测量数据。

52、本发明实施例通过通过超声算法采集颅内声波信号数据，有利于提供准确的输入，进而对数据进行增强处理，从而改善数据质量，增强信号特征，有助于后续特征提取和检测的准确性；从声波信号中提取出有用的特征信息，有利于揭示数据的潜在规律，通过数据筛选去除无用信息，减少噪音干扰，提高后续处理的效率和准确性；通过预先训练的深度学习模型检测颅内压数据，有利于提高颅内压测量的准确性和稳定性；通过与实际数据进行比对和误差分析，可以评估测量结果的准确性和可靠性，为后续改进提供参考；结合多次测量值及数据反馈语义，得到更加准确地颅内压测量数据。因此本发明提出的基于超声技术实现颅内压的测量方法及系统，可以解决进行颅内压的测量时的准确度较低的问题。