超声扫查自动工作流产品系统

在传统超声手动扫查场景之外，提供AI功能，优化扫查工作流，提供标准统一的扫查结果，提高扫查效率

1. 传统工作流模块（扫查，患者，成像，测量，注释，报告，回顾，存图），支持医师手动扫查切面，测量某些指标，存储结果，输出报告
2. AI增强模块（智能降噪模块自动调节成像参数优化图像，自动测量算法优化复杂的测量工作流）
3. 简易工作流模块，用户仍然工作在传统工作流下，后台跑切面识别，质量评价，自动测量等算法链路，医生可以随时打断工作流，适用于自定义扫查场景
4. 自动工作流模块，配置标准的扫查协议，用户集中完成单个或多个临床场景的全套切面扫查，主界面显示扫查进度、提示等

1. 心脏、妇产、腹部、颈动脉等多个临床场景下图像自动测量算法和工具的开发，主要包括传统图像算法、AI 图像分割算法，产出专利两篇，CN116999053A CN119423819A 。
a. 心脏轮廓编辑算法，支持左心房、左心室的轮廓初始化、多点编辑和描迹功能
b. 颈动脉内中膜厚度测量算法，传入ROI，计算区域内的内中膜厚度判断血管风险
c. 胎儿丘脑切面、胎儿小脑切面、妇科盆底的解剖结构分割和关键点检测，后处理计算临床测量指标
2. 参与内部AI训练框架开发、主导推理引擎、算法库和部署平台的开发：
a. 基于Pytorch的超声医学图像训练平台，整合了Unet系列，Transform系列的backbone和分割检测头。
b. 从零构建支持TensorRT、OpenVINO、MNN的跨平台推理引擎，根据配置文件映射输入输出节点、支持多输入多输出。
c. 参考opencv打造了超声图像后处理算法库USCV，提供方便的图像处理工具以及风格统一的函数接口，算法参数可配置，极大地提高了算法开发调试的效率。
d. 打造了算法开发部署平台SDK，算法作为独立插件运行在部署平台上，提升5倍以上算法上线速度。对外提供线程安全的推理接口，保证不同算法的并行，以及相同算法（有状态）的串行。
3. 主导算法调用全链路迭代：
a. 早期算法作为动态库耦合在主程序的测量模块之中，算法直接获取数据的裸指针，图像错误或者算法异常会导致主程序崩溃，使用异常会导致测量模块某些堆栈状态不对，随将其和测量模块解耦，成独立的算法模块。
b. 将算法部署到微服务中，使用grpc通信，解决了二维图像的崩溃问题，但是引入了34D图像数据传输耗时问题以及维护成本。
c. 算法做成独立App，使用统一消息接口进行通信，通过共享内存获取实时和3D数据，保证系统性能。