1.本发明涉及幼儿健保领域，具体为一种基于超声图像的幼年特发性关节炎识别方法、装置、终端。
背景技术：2.幼年特发性关节炎(juvenile idiopathic arthritis,jia)是儿童时期最常见的自身免疫性疾病，需要长期慢病管理，是后天致畸致盲的首要原因。目前，幼年特发性关节炎疾病活动评分系统(juvenile arthritis disease a超声ivity score，jadas)是世界广泛应用的疾病活动评分方法，是基于患儿或家长的自我评估，实验室炎症非特异性指标的综合疾病活动评分方法，但存在年幼患儿描述症状不客观、不准确、不特异等不足之处。因此在jia的病情评估、治疗和随访中亟待建立一种客观、特异和准确的疾病活动程度的评分方法。
3.随着肌骨超声(musculoskeletalultrasonography,msus)的发展，近年来已开始应用于成人各种关节病变的诊断和随访。具有实时性、无创性、操作简单和无放射线辐射等优势，越来越受到青睐，应用于早期发现关节病变，监测疾病发展，评估治疗效果。但是由于儿童生长发育的特殊性，不同年龄阶段msus的影像是发展变化的，目前尚无正常儿童msus各关节软骨厚度正常值及标准切面图谱。国内外也鲜有儿童msus的研究报道，限制了其在jia的应用。此外，成人关节病变和儿童jia受累关节不尽相同，病变各有特点，不能照搬成人msus的标准直接用于儿童，需要研究儿童特色的msus。
4.现有技术中，一般是医护人员在进行超声检查时，根据自己的临床经验知识，手动点击或按键来筛查出符合需求的超声切面图像，并且需要医护人员自己去判断识别超声切面图像中的组织器官，以进行标注或测量。这样的方式需要医护人员自己判断，并需要手动反复确认或调整，效率较低，而且有可能引入主观错误，降低检查过程的准确性。
技术实现要素：5.为了解决以上的技术问题，本技术提供一种基于超声图像的幼年特发性关节炎识别方法、装置、终端。
6.为了达到上述目的，本技术实施例采用的技术方案如下：
7.第一方面，基于超声图像的幼年特发性关节炎识别方法，应用于服务器，所述方法包括：从多个来源获取标准多个标准超声图像，基于多个所述标准超声图像建立标准超声图像数据库；基于所述超声图像数据库建立超声图像识别模型；基于所述超声图像识别模型对待识别超声图像进行识别，得到识别结果。
8.在第一方面的第一种可实现方式中，从至少两个来源获取标准超声图像，基于至少两个所述标准超声图像建立标准超声图像数据库，包括以下方法：基于不同症像对多个所述标准超声图像进行分割，得到症像图像；提取所述症像图像的第一特征和第二特征，所述第一特征为所述症像图像的图像特征，所述第二特征为所述症像图像的向量特征；基于
所述图像特征和所述向量特征建立所述标准超声图像数据库。
9.结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，基于所述图像特征和所述向量特征建立所述标准超声图像数据库，包括以下方法：将所述症像图像的图像特征存储为键，将所述图像特征对应的向量特征存储为对应的值，以建立所述标准超声图像数据库。
10.结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，基于不同症像对至少两个所述标准超声图像进行分割，得到症像图像，包括以下方法：将至少一个所述标准超声图像输入已训练的图像分割模型，得到所述标准超声图像的图像分割结果；其中，所述图像分割模型通过以下方式训练获得：以模拟超声图像作为训练集进行预训练，得到初始分割模型，所述模拟超声图像是根据电子计算机断层扫描超声图像合成的超声图像；采用迁移学习的方法，以样本超声图像作为训练集，继续对所述初始分割模型进行训练，得到所述图像分割模型，所述样本超声图像是预采集的作为训练样本的超声图像。
11.结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，以模拟超声图像作为训练集进行预训练，得到初始分割模型，包括以下方法：基于症像对所述模拟超声图像进行标注，得到配置有标注点的模拟超声图像，以配置有标注点的模拟超声图像作为训练集进行预训练，得到初始分割模型。
12.结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述模拟超声图像通过以下方式合成：获取预采集的超声图像数据集；对所述超声图像数据集进行预处理操作，得到目标图像；将所述目标超声图像输入预训练的循环生成对抗网络，以合成所述模拟超声图像。
13.结合第一方面的第二种可能的实现方式，在第六种可能的实现方式中，基于所述超声图像数据库建立超声图像识别模型，包括以下方法：基于多个所述标准超声数据库中的向量特征建立向量特征阈值；将向量特征阈值与图像特征建立对应关系；基于对应关系建立超声图像识别模型。
14.结合第一方面的第六种可能的实现方式，在第七种可能的实现方式中，基于所述超声图像识别模型对待识别超声图像进行识别，得到识别结果，包括以下方法：基于症像提取所述待识别超声图像中的待识别特征；基于超声图像识别模型对待识别特征进行识别，得到识别结果；其中，针对超声图像识别模型对待识别特征进行识别，得到识别结果，包括以下方法：将所述超声图像识别模型中的向量特征的向量特征阈值与待识别特征中的向量特征进行比对，得到识别结果。
15.第二方面，本技术实施例还提供一种基于超声图像的幼年特发性关节炎识别装置，应用于服务器，包括：标准超声图像数据库建立模块，基于从多个来源获取标准多个标准超声图像并建立标准超声图像数据库；超声图像识别模型建立模块，基于所述超声图像数据库建立超声图像识别模型；识别结果获取模块，基于所述超声图像识别模型对待识别超声图像进行识别。
16.第三方面，本技术实施例提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求第一方面中任一种可实现方式中的基于超声图像的幼年特发性关节炎识别方法。
17.本技术实施例提供的技术方案中，将症像所对应的超声图像特征进行整合和建立并设置超声图像数据库，基于超声图像数据库建立对应的超声图像识别模型，通过超声图像识别模型对待识别超声图像进行识别，基于建立的判断规则实现超声图像对应异常情况的确定。
附图说明
18.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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技术的一些实施例，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，还可以根据这些附图获得其他的附图。
19.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
20.图1是本技术实施例提供的装置方框示意图。
21.图2是根据本技术的一些实施例所示的基于超声图像的幼年特发性关节炎识别方法的流程图。
具体实施方式
22.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
23.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本技术。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本技术的方面。
24.本技术中使用流程图说明根据本技术的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
25.幼年特发性关节炎(juvenile idiopathic arthritis,jia)是儿童时期最常见的自身免疫性疾病，是导致儿童关节慢性疼痛重要原因，未有效治疗并发关节、眼部并发症，是后天导致儿童关节畸形和失明的首要原因，严重影响儿童身心健康。jia作为儿童风湿免疫专科重要的慢病，需要长期随访和管理，需要依赖切实可靠、方便易行的疾病活动度评估方法。目前，幼年特发性关节炎疾病活动评分系统(juvenile arthritis disease a超声ivity score，jadas)是世界广泛应用的jia疾病活动评分方法，是基于患儿或家长的自我评估，实验室炎症非特异性指标的综合疾病活动评分方法，但存在年幼患儿描述症状不客观、不准确、检测方法不特异等不足之处，因此在jia的病情评估、治疗和随访中亟待建立一种客观、特异和准确的疾病活动程度的评分方法。
26.jia以关节局部炎症病变为特征，局部影像学检查结果能客观反映病情程度。肌骨超声(musculoskeletal ultrasonography,msus)对于关节炎症的早期诊断，评价、随访疾病的活动度以及监测治疗反应有非常重要的临床价值，比x片能更早发现关节病变，无需镇静，无射线辐射，相对于mri价格更便宜，患儿及家长易于接受，可反复多次检查，这些优势使msus在关节炎疾病病情评估中显示巨大的潜力。
27.本技术实施例提供的技术方案，主要基于超声图像对进行幼年特发性关节炎识别，通过计算机处理技术实现超声图像中的患病情况的获得。
28.本技术实施例提供一种终端设备，该终端设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其中处理器执行基于超声图像的幼年特发性关节炎识别方法，对幼年特发性关节炎进行识别判断。
29.在本实施例中，该终端可以为服务器，针对于服务器的物理结构，包括存储器、处理器和通信单元。存储器、处理器以及通信单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器用于存储特定的信息和程序，通信单元用于将处理后的信息进行发送至对应的用户端。
30.本实施例将存储模块划分为两个存储区域，其中一个存储区为程序存储单元，另一个存储区域为数据存储单元。程序存储单元相当于固件区，该区域的读写权限设置为只读模式，其内存储的数据不可擦除和更改。而数据存储单元中的数据可以进行擦除或读写，当数据存储区域的容量已满时，新写入的数据会对最早期的历史数据进行覆盖。
31.其中，存储器可以是，但不限于，随机存取存储器(randomaccess memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(ele超声ric erasable programmable read-only memory，eeprom)等。
32.处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(dsp))、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
33.参阅图2，在本实施例中，针对于运行的基于超声图像的幼年特发性关节炎识别方法，包括以下具体的方法：
34.步骤s100.从多个来源获取标准多个标准超声图像，基于多个标准超声图像建立标准超声图像数据库。
35.在本实施例中，因为针对于幼儿特发性关节炎在临床上可以在多种超声图像中进行表现，例如：内侧副韧带图像、关节软骨图像、骨侵蚀图像、骨耻滑囊图像等图像。所以在本实施例中的标准超声图像种包括多种类型所对应的多个标准超声图像。
36.步骤s200.基于超声图像数据库建立超声图像识别模型。
37.步骤s300.基于超声图像识别模型对待识别超声图像进行识别，得到识别结果。
38.在本实施例中，针对于步骤s100，包括以下的方法：
39.步骤s110.基于不同症像对多个标准超声图像进行分割，得到症像图像。
40.步骤s120.提取症像图像的第一特征和第二特征，其中第一特征为症像图像的图像特征，第二特征为症像图像的向量特征。在本实施例中，图像特征用于表征图像性质，向量特征用于表征具体数值。
41.步骤s130.基于图像特征和向量特征建立标准超声图像数据库。
42.针对于步骤s130，还包括以下方法：
43.步骤s131.基于不同症像对多个标准超声图像进行分割，得到症像图像。
44.在本实施例中，针对此过程包括以下方法：
45.将至少一个标准超声图像输入已训练的图像分割模型，得到标准超声图像的图像分割结果。
46.其中，图像分割模型通过以下方式训练获得：
47.以模拟超声图像作为训练集进行预训练，得到初始分割模型，所述模拟超声图像是根据电子计算机断层扫描超声图像合成的超声图像。
48.采用迁移学习的方法，以样本超声图像作为训练集，继续对初始分割模型进行训练，得到所述图像分割模型，所述样本超声图像是预采集的作为训练样本的超声图像。
49.在本实施例中，以模拟超声图像作为训练集进行预训练，得到初始分割模型，包括以下方法：基于症像对所述模拟超声图像进行标注，得到配置有标注点的模拟超声图像，以配置有标注点的模拟超声图像作为训练集进行预训练，得到初始分割模型。在本实施例中，标注点为图像标注过程常用的手段，在本实施例中不进行累述。
50.在本实施例中，针对于模拟超声图像通过以下方式合成：
51.获取预采集的超声图像数据集。
52.对超声图像数据集进行预处理操作，得到目标图像。
53.将目标超声图像输入预训练的循环生成对抗网络，以合成所述模拟超声图像。在本实施例中，循环生成对抗网络为常用机器学习技术，在本实施例中不进行累述。
54.步骤s132.提取症像图像的第一特征和第二特征，第一特征为症像图像的图像特征，第二特征为症像图像的向量特征。
55.步骤s133.基于图像特征和向量特征建立标准超声图像数据库
56.在本实施例中，针对于步骤s133，具体为：将症像图像的图像特征存储为键，将图像特征对应的向量特征存储为对应的值，以建立标准超声图像数据库。
57.在本实施例提供的标准超声图像数据库中，键与值相对应设置，即在进行查询过程中，可以通过键查询到对应的值。在进行后续增加数据量时，可以通过键进行对应值的输入。而针对于本实施例中，进行处理的载体为计算机，则可以通过计算机获取键即图像特征以及对应的值进行存储至标准超声图像数据库中对应的区域内。
58.在本实施例中，针对于步骤s200.基于超声图像数据库建立超声图像识别模型，具体包括以下方法：
59.步骤s210.基于多个标准超声数据库中的向量特征建立向量特征阈值。
60.步骤s220.将向量特征阈值与图像特征建立对应关系。
61.步骤s230.基于对应关系建立超声图像识别模型。
62.在本实施例中，向量特征的特征阈值基于多个标准超声图像中的多个向量特征进行获得，并且基于获取的标准超声图像的数量，其阈值范围越大。在其他实施例中，还可以基于临床医学的数据进行阈值的确定。
63.在本实施例中，针对于识别结果包括异常和非异常即患病和非患病，当识别结果在阈值范围内时则识别结果为非患病，当识别结果在阈值范围外时则识别结果为患病。并且，基于图像特征和向量特征的具体数值进行患病位置以及患病程度的获得。
64.并且，参阅图1，在本实施例例中配置有一种装置，用于执行上述的方法，包括：标准超声图像数据库建立模块，基于从多个来源获取标准多个标准超声图像并建立标准超声图像数据库。超声图像识别模型建立模块，基于所述超声图像数据库建立超声图像识别模型。识别结果获取模块，基于所述超声图像识别模型对待识别超声图像进行识别。
65.本技术实施例提供的技术方案中，将症像所对应的超声图像特征进行整合和建立并设置超声图像数据库，基于超声图像数据库建立对应的超声图像识别模型，通过超声图像识别模型对待识别超声图像进行识别，基于建立的判断规则实现超声图像对应异常情况的确定。
66.需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些阈值、系数等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0.1～1，又例如1～10，再例如50～100，在此均不作限定。
67.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及偏好标签的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“示例”、“目标”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“集合”、“列表”等，也可以根据前后文进行毫无疑义地推导和确定。
68.本技术实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本技术所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
69.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可以对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
70.同时，本技术使用了特定术语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
71.另外，本领域普通技术人员可以理解的是，本技术的各个方面可以通过若干具有
可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本技术的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
72.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、rf、或类似介质、或任何上述介质的组合。
73.本技术各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net，python等，或类似的常规程序编程语言，如"c"编程语言，visual basic，fortran 2003，perl，cobol 2002，php，abap，动态编程语言如python，ruby和groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
74.此外，除非申请专利范围中明确说明，本技术所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
75.同样应当理解的是，为了简化本技术揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
技术特征：1.基于超声图像的幼年特发性关节炎识别方法，其特征在于，应用于服务器，所述方法包括：从多个来源获取标准多个标准超声图像，基于多个所述标准超声图像建立标准超声图像数据库；基于所述超声图像数据库建立超声图像识别模型；基于所述超声图像识别模型对待识别超声图像进行识别，得到识别结果。2.根据权利要求1所述的基于超声图像的幼年特发性关节炎识别方法，其特征在于，从至少两个来源获取标准超声图像，基于至少两个所述标准超声图像建立标准超声图像数据库，包括以下方法：基于不同症像对多个所述标准超声图像进行分割，得到症像图像；提取所述症像图像的第一特征和第二特征，所述第一特征为所述症像图像的图像特征，所述第二特征为所述症像图像的向量特征；基于所述图像特征和所述向量特征建立所述标准超声图像数据库。3.根据权利要求2所述的基于超声图像的幼年特发性关节炎识别方法，其特征在于，基于所述图像特征和所述向量特征建立所述标准超声图像数据库，包括以下方法：将所述症像图像的图像特征存储为键，将所述图像特征对应的向量特征存储为对应的值，以建立所述标准超声图像数据库。4.根据权利要求2所述基于超声图像的幼年特发性关节炎识别方法，其特征在于，基于不同症像对至少两个所述标准超声图像进行分割，得到症像图像，包括以下方法：将至少一个所述标准超声图像输入已训练的图像分割模型，得到所述标准超声图像的图像分割结果；其中，所述图像分割模型通过以下方式训练获得：以模拟超声图像作为训练集进行预训练，得到初始分割模型，所述模拟超声图像是根据电子计算机断层扫描超声图像合成的超声图像；采用迁移学习的方法，以样本超声图像作为训练集，继续对所述初始分割模型进行训练，得到所述图像分割模型，所述样本超声图像是预采集的作为训练样本的超声图像。5.根据权利要求4所述的基于超声图像的幼年特发性关节炎识别方法，其特征在于，以模拟超声图像作为训练集进行预训练，得到初始分割模型，包括以下方法：基于症像对所述模拟超声图像进行标注，得到配置有标注点的模拟超声图像，以配置有标注点的模拟超声图像作为训练集进行预训练，得到初始分割模型。6.根据权利要求5所述的基于超声图像的幼年特发性关节炎识别方法，其特征在于，所述模拟超声图像通过以下方式合成：获取预采集的超声图像数据集；对所述超声图像数据集进行预处理操作，得到目标图像；将所述目标超声图像输入预训练的循环生成对抗网络，以合成所述模拟超声图像。7.根据权利要求3所述的基于超声图像的幼年特发性关节炎识别方法，其特征在于，基于所述超声图像数据库建立超声图像识别模型，包括以下方法：基于多个所述标准超声数据库中的向量特征建立向量特征阈值；将向量特征阈值与图像特征建立对应关系；
基于对应关系建立超声图像识别模型。8.根据权利要求7所述的基于超声图像的幼年特发性关节炎识别方法，其特征在于，基于所述超声图像识别模型对待识别超声图像进行识别，得到识别结果，包括以下方法：基于症像提取所述待识别超声图像中的待识别特征；基于超声图像识别模型对待识别特征进行识别，得到识别结果；其中，针对超声图像识别模型对待识别特征进行识别，得到识别结果，包括以下方法：将所述超声图像识别模型中的向量特征的向量特征阈值与待识别特征中的向量特征进行比对，得到识别结果。9.基于超声图像的幼年特发性关节炎识别装置，应用于服务器，其特征在于，包括：标准超声图像数据库建立模块，基于从多个来源获取标准多个标准超声图像并建立标准超声图像数据库；超声图像识别模型建立模块，基于所述超声图像数据库建立超声图像识别模型；识别结果获取模块，基于所述超声图像识别模型对待识别超声图像进行识别。10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的基于超声图像的幼年特发性关节炎识别方法。
技术总结本发明涉及幼儿健保领域，具体为一种基于超声图像的幼年特发性关节炎识别方法、装置、终端；方法包括：从多个来源获取标准多个标准超声图像，基于多个标准超声图像建立标准超声图像数据库；基于超声图像数据库建立超声图像识别模型；基于超声图像识别模型对待识别超声图像进行识别，得到识别结果；本申请实施例提供的技术方案中，将症像所对应的超声图像特征进行整合和建立并设置超声图像数据库，基于超声图像数据库建立对应的超声图像识别模型，通过超声图像识别模型对待识别超声图像进行识别，基于建立的判断规则实现超声图像对应异常情况的确定。情况的确定。情况的确定。
技术研发人员：周娟
受保护的技术使用者：周娟
技术研发日：2022.08.05
技术公布日：2022/12/1
