1.一种肺冲击伤伤情现场快速超声评估方法,其特征在于,包括如下步骤:
通过手持超声探头分别对各个肺区进行依次扫查,获取超声图像视频流,并传输给主机;
主机将获取的超声图像视频流输入给人工智能模型,所述人工智能模型根据输入的超声图像视频流进行动态估分,在扫查完各个肺区后分别记录各个肺区的最大得分值,肺区的最大得分值表示该肺区的最重损伤;
对每个肺区的最大得分值相加计算整个肺损伤的超声总分。
2.根据权利要求1所述的肺冲击伤伤情现场快速超声评估方法,其特征在于:人工智能模型的构建方法,包括:
获取手持超声探头采集的正常/肺损伤图像,对获取的正常/肺损伤图像进行分数标注,作为训练、测试人工智能模型的训练数据样本、测试数据样本;
开发人工智能模型,利用训练数据样本和测试数据样本训练人工智能模型,使该人工智能模型以超声图像为输入,输出估分结果。
3.根据权利要求2所述的肺冲击伤伤情现场快速超声评估方法,其特征在于:所述人工智能模型采用深度卷积神经网络模型,深度卷积神经网络包括依次设置的输入卷积层、多个逆残差卷积层、1x1卷积层、均值池化层、1x1卷积层、全连接层、softmax层。
4.根据权利要求1所述的肺冲击伤伤情现场快速超声评估方法,其特征在于:所述主机用于将分析结果通过网络传输至云端控制中心,用于留存分析结果。
5.根据权利要求1所述的肺冲击伤伤情现场快速超声评估方法,其特征在于:所述主机用于将扫查的视频流上传给云端控制中心,并将其分解作为输入数据重新训练云端模型。
6.一种肺冲击伤伤情现场快速超声评估设备,其特征在于:包括手持超声探头、主机,所述手持超声探头用于获取各个肺区的超声图像数据,并传输给主机,所述主机设有人工智能模型,所述主机用于将超声图像数据传递给人工智能模型,所述人工智能模型用于接受各个肺区的超声图像数据进行动态评分,并输出各个肺区的评分,所述主机用于保存各个肺区的最大得分值,并将所有肺区的最大分值进行求和,以及将评分结果显示于显示单元上;所述主机用于将超声视频图像显示于显示单元上。
7.根据权利要求6所述的肺冲击伤伤情现场快速超声评估设备,其特征在于:所述主机用于将分析结果通过网络传输至云端控制中心,用于留存分析结果。
8.根据权利要求6所述的肺冲击伤伤情现场快速超声评估设备,其特征在于:主机采用移动设备。
9.根据权利要求8所述的肺冲击伤伤情现场快速超声评估设备,其特征在于:所述移动设备包括手机或平板。