CN116168845B - 一种图像数据处理协同运动系统 - Google Patents
一种图像数据处理协同运动系统 Download PDFInfo
- Publication number
- CN116168845B CN116168845B CN202310436884.4A CN202310436884A CN116168845B CN 116168845 B CN116168845 B CN 116168845B CN 202310436884 A CN202310436884 A CN 202310436884A CN 116168845 B CN116168845 B CN 116168845B
- Authority
- CN
- China
- Prior art keywords
- patient
- operated
- focus
- laser
- medical robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B18/18—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves
- A61B18/20—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves using laser
- A61B18/22—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves using laser the beam being directed along or through a flexible conduit, e.g. an optical fibre; Couplings or hand-pieces therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/25—User interfaces for surgical systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00315—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for treatment of particular body parts
- A61B2018/00452—Skin
- A61B2018/0047—Upper parts of the skin, e.g. skin peeling or treatment of wrinkles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00636—Sensing and controlling the application of energy
- A61B2018/00642—Sensing and controlling the application of energy with feedback, i.e. closed loop control
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00636—Sensing and controlling the application of energy
- A61B2018/00696—Controlled or regulated parameters
- A61B2018/00702—Power or energy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00636—Sensing and controlling the application of energy
- A61B2018/00904—Automatic detection of target tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2055—Optical tracking systems
- A61B2034/2057—Details of tracking cameras
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/25—User interfaces for surgical systems
- A61B2034/254—User interfaces for surgical systems being adapted depending on the stage of the surgical procedure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/25—User interfaces for surgical systems
- A61B2034/256—User interfaces for surgical systems having a database of accessory information, e.g. including context sensitive help or scientific articles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及图像数据处理分析技术领域,具体公开一种图像数据处理协同运动系统,包括信息获取模块、图像采集模块、病理确定模块、参数筛选模块和患者数据库,通过通过提取出待手术病患对应的基本信息并根据激光医疗机器人自带的双目摄像机,对待手术病患进行病理图像采集进而完成对待手术病患进行病理分析,从而筛选得出激光医疗机器人对应的治疗参数,避免导致异常区域分类存在一定程度的识别错误概率,避免激光加热处理效果产生差异,在一定程度上提高了治疗精度,有效的减少对周围正常组织的损伤,从而提高了手术的成功率和手术效率,进而避免因误差而造成的手术失败,同时还能有效的减少医生心理压力。
Description
技术领域
本发明涉及图像数据处理分析技术领域,尤其涉及一种图像数据处理协同运动系统。
背景技术
浅表病变处于人体体表和皮下浅层区域,是威胁人类健康的一大类疾病,现有的浅表病变治疗方式治疗精度低,疾病治疗机器人化是提高医疗处置水平的方法之一,也是现代医学的总体发展趋势之一,因此,浅表病变治疗的激光医疗机器人系统具有重要的临床价值。
目前,手工操作医疗仪器是浅表病变治疗的主要方式,治疗效果无法百分百保证,易导致疾病复发,具有一定的局限性,很显然,当前对于激光医疗机器人协同分析还存在以下问题:
1、当前没有对激光医疗机器人对应激光治疗参数进行筛选,在一定程度上降低了治疗精度,无法有效的减少对周围正常组织的损伤,从而无法提高手术的成功率和手术效率,无法避免因误差而造成的手术失败,同时无法为医生提供辅助指导,不能替医生承担手术过程中的部分工作,无法减少医生心理压力。
2、浅表病变手术治疗目前仍处于人工进行手术操作,可能因操作人的经验不足,导致异常区域分类存在一定程度的识别错误概率,因而存在激光加热失误的可能,进而使得激光加热处理效果有差异。
3、光纤长时间使用会导致大颗粒杂质堵塞滤芯,使得烟雾消除的质量降低,增加了工作人员更换清洗滤芯的频率,且滤芯的清洗工作较为繁琐,一定程度上增加了工作人员的工作量,无法在一定程度上呈现出智能化。
发明内容
本发明针对现有技术的不足,提供了一种图像数据处理协同运动系统。
本发明通过以下技术手段实现解决上述技术问题的:一种图像数据处理协同运动系统,包括信息获取模块、图像采集模块、病理确定模块、参数筛选模块和患者数据库;
所述信息获取模块,用于根据患者数据库中存储各浅表病患对应的基本信息从中提取出待手术病患对应的基本信息;
所述图像采集模块,用于根据激光医疗机器人自带的双目摄像机,进而对待手术病患进行病理图像采集;
所述病理确定模块,用于根据待手术病患对应的基本信息,从中提取出待手术病患对应的各病灶部位对应的诊断信息,进而对待手术病患进行病理分析;
所述参数筛选模块,用于根据待手术病患对应的病理分析结果,从而筛选得出激光医疗机器人对应的治疗参数;
所述患者数据库,用于存储各浅表病患对应的基本信息和就诊信息、待手术病患各次就诊对应的各张人体轮廓图和各部位皮肤耐受等级对应的人体对应部位名称,还用于存储各激光照射功率的单位时间内的激光参考输出功率值和各治疗难度等级对应疾病名称集合。
优选地,所述待手术病患对应的基本信息包括姓名、年龄、性别、疾病史、病灶部位及各病灶部位对应的诊断信息,其中,各病灶部位对应的诊断信息包括疾病诊断名称和病灶面积。
优选地,所述对待手术病患进行病理图像采集,具体病理图像采集过程如下:
从患者数据库中提取出待手术病患各次就诊对应的各张人体轮廓图,进而构建得出待手术病患对应的人体三维模型图,并从患者数据库中存储的各浅表病患对应的就诊信息中筛选出待手术患者对应的就诊信息,进而从中提取出待手术病患对应的病灶部位,并根据待手术病患对应的疾病部位并将其导入待手术病患对应的人体三维模型图中,并将待手术病患对应的人体三维模型图输入至激光医疗机器人中。
优选地,所述对待手术病患进行病理分析,具体病理分析过程如下:
根据激光医疗机器人自带的双目摄像机,进而计算得出激光医疗机器人对应与待手术病患各病灶部位的距离;
根据待手术病患对应的基本信息,从中提取出待手术病患对应的各病灶部位对应的诊断信息,进而计算得出待手术病患对应各病灶部位的病变等级,并将待手术病患对应各病灶部位的病变等级传输至激光医疗机器人中。
作为本发明的进一步改进,计算得出激光医疗机器人对应与待手术病患各病灶部位的距离,具体计算过程如下:
根据患者数据库存储的激光医疗机器人对应双目摄像机的焦距及左右两相机的中心距;
同时获取激光医疗机器人对应双目摄像机的左右两相机的中心点和待手术病患各病灶部位中心点,并将激光医疗机器人对应双目摄像机的左右两相机的中心点和待手术病患各病灶部位中心点同时导入直角坐标系中,即可得到激光医疗机器人对应双目摄像机的左右两相机的中心点到待手术病患各病灶部位中心点的距离,并将其分别记为和/>,i表示为各病灶部位对应的编号,/>;
利用计算公式,计算得出激光医疗机器人对应与待手术病患各病灶部位的距离/>,其中,/>和/>分别表示为激光医疗机器人对应双目摄像机的焦距和左右两相机的中心距。
优选地,所述计算得出待手术病患对应各病灶部位对应的病变等级,具体计算过程如下:
根据待手术病患对应的各病灶部位对应的诊断信息,从中提取出待手术病患各病灶部位对应的疾病诊断名称和病灶面积;
将待手术病患各病灶部位对应的疾病诊断名称与患者数据库存储的各治疗难度等级对应疾病名称集合进行比对,由此得到待手术病患各病灶部位对应的治疗难度等级,将其标记为,i表示为各病灶部位对应的编号,/>;
进而利用计算公式,计算得出待手术病患对应各病灶部位的病变评估系数/>,其中,/>表示为待手术病患第i个病灶部位对应的病灶面积,/>表示为预定义的参考病灶面积,e表示为自然常数,b1和b2分别表示为设定的病灶部位治疗难度等级和病灶面积对应的权重因子;
将待手术病患对应各病灶部位的病变评估系数与设定的各病变等级对应的病变评估系数区间进行比对,若待手术病患对应某病灶部位的病变评估系数在设定的某病变等级对应的病变评估系数区间内,则判定待手术病患对应该病灶部位为对应该病变等级,由此得到待手术病患对应各病灶部位的病变等级。
优选地,所述参数筛选模块具体包括激光功率筛选单元、照射时间筛选单元和照射光斑筛选单元。
优选地,所述激光功率筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
A1、根据待手术病患对应的人体三维模型图,从中得出待手术病患各病灶部位对应的各人体对应部位名称,并将待手术病患各病灶部位对应的各人体对应部位名称与患者数据库存储的各部位皮肤耐受等级对应的人体对应部位名称进行比对,由此得到待手术病患各病灶部位对应的部位皮肤耐受等级;
A2、通过激光医疗机器人布设的深度传感器进而对待手术病患各病灶部位进行结构光扫描,进而得到待手术病患各病灶部位对应的表面三维轮廓图以及深度,通过计算得出待手术病患各病灶部位对应的激光治疗范围评估系数;
A3、根据待手术病患对应的人体三维模型图,计算得出待手术病患各病灶部位对应的皮肤平整系数;
A4、根据待手术病患各病灶部位对应的部位皮肤耐受等级、激光治疗范围评估系数和皮肤平整系数,计算得出待手术病患各病灶部位对应的皮肤功率适应系数,进而从中筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的激光治疗范围评估系数,具体计算过程如下:
A2-1、根据待手术病患各病灶部位对应的表面三维轮廓图,即可得出待手术病患各病灶部位对应的表面面积,并将其记为;
A2-2、进而利用计算公式,计算得出待手术病患各病灶部位对应的激光治疗范围评估系数/>,其中,d1和d2分别表示为设定的表面面积和深度对应的影响因子,/>分别表示为设定的激光治疗范围对应的参考表面面积和参考深度,/>表示为待手术病患第i个病灶部位对应的深度。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的皮肤平整系数,具体计算过程如下:
A3-1、根据待手术病患对应的人体三维模型图,进而从中提取出待手术病患各病灶部位对应的图像,并将待手术病患各病灶部位对应的图像进行滤波处理,进而得出待手术病患各病灶部位对应的凸起数目、各凸起处对应的体积、凹陷数目和各凹陷处对应的体积;
A3-2、将各凸起处对应的体积进行相互比对,由此得出待手术病患各病灶部位对应的最大凸起体积,将其标记为,并将各凹陷处对应的体积进行相互比对,由此得出待手术病患各病灶部位对应的最大凹陷体积,将其标记为/>;
A3-3、依据分析公式,计算得出待手术病患各病灶部位对应的皮肤平整系数/>,其中,/>分别表示为待手术病患第i个病灶部位对应的数目、凹陷数目,/>分别表示为设定的参考数目、参考数目,/>分别表示为设定的许可凸起体积、许可凹陷体积,a1、a2、a3和a4分别表示为设定的凸起数目、凸起体积、凹陷数目和凹陷体积对应的权重因子。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的皮肤功率适应系数,具体计算公式如下:
利用计算公式,计算得出待手术病患各病灶部位对应的皮肤功率适应系数/>,其中,/>表示为待手术病患第i个病灶部位对应的部位皮肤耐受等级,/>分别表示为设定的部位皮肤耐受等级、激光治疗范围评估系数、皮肤平整系数对应的系数因子,/>分别表示为设定的参考激光治疗范围评估系数、参考皮肤平整系数。
作为本发明的进一步改进,筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率,具体筛选过程如下:
将待手术病患各病灶部位对应的皮肤功率适应系数与预定义的各激光照射功率对应的皮肤功率适应系数区间进行比对,若待手术病患某病灶部位对应的皮肤功率适应系数在预定义的某激光照射功率对应的皮肤功率适应系数区间内,则判定待手术病患该病灶部位为对应激光照射功率,由此筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率。
优选地,所述照射时间筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
B1、根据激光医疗机器人对应待手术病患各病灶部位的激光照射功率,根据患者数据库存储的各激光照射功率的单位时间内的激光参考输出功率值中提取出激光医疗机器人对应待手术病患各病灶部位的激光照射功率的单位时间内的激光输出功率值;
B2、根据待手术病患各病灶部位对应的表面三维轮廓图以及深度,计算得出待手术病患各病灶部位对应的激光总能量需值;
B3、根据激光医疗机器人对应待手术病患各病灶部位的单位时间内的激光输出功率值和待手术病患各病灶部位对应的激光总能量需值,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的激光总能量需值,具体计算过程如下:
根据待手术病患各病灶部位对应的表面三维轮廓图,即可得出待手术病患各病灶部位对应的表面面积,进而利用计算公式,计算得出待手术病患各病灶部位对应的激光总能量需值/>,其中,NL表示为设定的参考体积对应的所需能量值。
作为本发明的进一步改进,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间,具体计算公式如下:
依据分析公式,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间/>,其中,/>表示为激光医疗机器人对应待手术病患第i个病灶部位的激光照射功率的单位时间内的激光输出功率值。
优选地,所述照射光斑筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
C1、根据激光医疗机器人对应待手术病患各病灶部位的激光照射时间和待手术病患各病灶部位对应的表面三维轮廓图以及深度,进而通过计算得出待手术病患各病灶部位对应的预计产生烟雾量;
C2、并通过待手术病患各病灶部位对应的预计产生烟雾量,从而筛选出待手术病患各病灶部位对应的光纤直径。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的预计产生烟雾量,具体计算过程如下:
利用计算公式,计算得出待手术病患各病灶部位对应的预计产生烟雾量/>,其中,/>分别表示为单位激光照射时间和单位激光照射体积对应的参考产生烟雾量,/>分别表示为设定的激光照射时间和激光照射体积对应的影响权重。
作为本发明的进一步改进,筛选出待手术病患各病灶部位对应的光纤直径,具体筛选过程如下:
根据待手术病患各病灶部位对应的表面三维轮廓图,进而在待手术病患各病灶部位对应的表面三维轮廓图内部中构建出面积最大的矩形,进而获取待手术病患各病灶部位对应表面三维轮廓图内部中面积最大的矩形的最短边长;
进而利用计算公式,计算得出待手术病患各病灶部位对应的光纤直径/>,其中,/>表示为手术病患第i个病灶部位对应表面三维轮廓图内部中面积最大的矩形的最短边长,/>表示为设定的参考烟雾量对应产生的细小颗粒。
本发明的有益效果:
(1)本发明提供的一种图像数据处理协同运动系统,通过提取出待手术病患对应的基本信息并根据激光医疗机器人自带的双目摄像机,对待手术病患进行病理图像采集进而完成对待手术病患进行病理分析,从而筛选得出激光医疗机器人对应的治疗参数,在一定程度上解决了对于浅表病变手术操作还存在一定局限性的问题,避免导致异常区域分类存在一定程度的识别错误概率,避免激光加热处理效果产生差异。
(2)本发明实施例通过对激光医疗机器人对应激光治疗参数进行筛选,在一定程度上提高了治疗精度,有效的减少对周围正常组织的损伤,从而提高了手术的成功率和手术效率,进而避免因误差而造成的手术失败,同时还能为医生提供辅助指导,替医生承担手术过程中的部分工作,进而减少医生心理压力。
(3)本发明实施例避免了烟雾消除的质量降低,有效地减少了工作人员更换清洗滤芯的频率,在一定程度上呈现出智能化。
附图说明
图1为本发明的系统模块连接结构示意图。
图2为本发明的构建面积最大矩形示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
请参阅图1所示,一种图像数据处理协同运动系统,包括信息获取模块、图像采集模块、病理确定模块、参数筛选模块和患者数据库。
所述图像采集模块与信息获取模块和病理确定模块连接,参数筛选模块与病理确定模块连接,患者数据库与信息获取模块、病理确定模块和参数筛选模块连接。
所述信息获取模块,用于根据患者数据库中存储各浅表病患对应的基本信息从中提取出待手术病患对应的基本信息。
在一种可能的实施方式中,所述待手术病患对应的基本信息包括姓名、年龄、性别、疾病史、病灶部位及各病灶部位对应的诊断信息,其中,各病灶部位对应的诊断信息包括疾病诊断名称和病灶面积。
所述图像采集模块,用于根据激光医疗机器人自带的双目摄像机,进而对待手术病患进行病理图像采集。
在一种可能的实施方式中,所述对待手术病患进行病理图像采集,具体病理图像采集过程如下:
从患者数据库中提取出待手术病患各次就诊对应的各张人体轮廓图,进而构建得出待手术病患对应的人体三维模型图,并从患者数据库中存储的各浅表病患对应的就诊信息中筛选出待手术患者对应的就诊信息,进而从中提取出待手术病患对应的病灶部位,并根据待手术病患对应的疾病部位并将其导入待手术病患对应的人体三维模型图中,并将待手术病患对应的人体三维模型图输入至激光医疗机器人中。
在一个具体的实施例中,构建得出待手术病患对应的人体三维模型图,具体构建过程如下:根据待手术病患各次就诊对应的各张人体轮廓图,从中提取出待手术病患对应的正面人体轮廓图,并依据待手术病患对应的正面人体轮廓图进行构建初步人体三维模型图,进而依据待手术病患各次就诊对应的各张人体轮廓图对初步人体三维模型图进行细节构建。
在另一个具体的实施例中,待手术病患对应的正面人体轮廓图具体识别过程如下:
将待手术病患各次就诊对应的各张人体轮廓图进行汇总统计,得到待手术病患对应的各张人体轮廓图,从中识别出待手术病患对应的各张人体轮廓图的脸部面积和躯干面积,进而利用计算公式,计算得出待手术病患对应各人体轮廓图的脸部出现占比/>,其中,c表示为各张人体轮廓图对应的面积,/>,/>表示为待手术病患对应第c张人体轮廓图的脸部面积,/>表示为待手术病患对应第c张人体轮廓图的躯干面积;
并将待手术病患对应各人体轮廓图的脸部出现占比按照降序排列,并从中筛选出脸部出现占比排列第一的人体轮廓图作为待手术病患对应的正面人体轮廓图。
所述病理确定模块,用于根据待手术病患对应的基本信息,从中提取出待手术病患对应的各病灶部位对应的诊断信息,进而对待手术病患进行病理分析。
在一种可能的实施方式中,所述对待手术病患进行病理分析,具体病理分析过程如下:
根据激光医疗机器人自带的双目摄像机,进而计算得出激光医疗机器人对应与待手术病患各病灶部位的距离;
根据待手术病患对应的基本信息,从中提取出待手术病患对应的各病灶部位对应的诊断信息,进而计算得出待手术病患对应各病灶部位的病变等级,并将待手术病患对应各病灶部位的病变等级传输至激光医疗机器人中。
作为本发明的进一步改进,计算得出激光医疗机器人对应与待手术病患各病灶部位的距离,具体计算过程如下:
根据患者数据库存储的激光医疗机器人对应双目摄像机的焦距及左右两相机的中心距;
同时获取激光医疗机器人对应双目摄像机的左右两相机的中心点和待手术病患各病灶部位中心点,并将激光医疗机器人对应双目摄像机的左右两相机的中心点和待手术病患各病灶部位中心点同时导入直角坐标系中,即可得到激光医疗机器人对应双目摄像机的左右两相机的中心点到待手术病患各病灶部位中心点的距离,并将其分别记为和/>,i表示为各病灶部位对应的编号,/>;
利用计算公式,计算得出激光医疗机器人对应与待手术病患各病灶部位的距离/>,其中,/>和/>分别表示为激光医疗机器人对应双目摄像机的焦距和左右两相机的中心距。
在一种可能的实施方式中,所述计算得出待手术病患对应各病灶部位对应的病变等级,具体计算过程如下:
根据待手术病患对应的各病灶部位对应的诊断信息,从中提取出待手术病患各病灶部位对应的疾病诊断名称和病灶面积;
将待手术病患各病灶部位对应的疾病诊断名称与患者数据库存储的各治疗难度等级对应疾病名称集合进行比对,由此得到待手术病患各病灶部位对应的治疗难度等级,将其标记为,i表示为各病灶部位对应的编号,/>;
进而利用计算公式,计算得出待手术病患对应各病灶部位的病变评估系数/>,其中,/>表示为待手术病患第i个病灶部位对应的病灶面积,/>表示为预定义的参考病灶面积,e表示为自然常数,b1和b2分别表示为设定的病灶部位治疗难度等级和病灶面积对应的权重因子;
将待手术病患对应各病灶部位的病变评估系数与设定的各病变等级对应的病变评估系数区间进行比对,若待手术病患对应某病灶部位的病变评估系数在设定的某病变等级对应的病变评估系数区间内,则判定待手术病患对应该病灶部位为对应该病变等级,由此得到待手术病患对应各病灶部位的病变等级。
在一个具体的实施例中,由此得到待手术病患各病灶部位对应的治疗难度等级,具体得到过程如下:
将待手术病患各病灶部位对应的疾病诊断名称与患者数据库存储的各治疗难度等级对应疾病名称集合进行比对,若待手术病患某病灶部位对应的疾病诊断名称存在患者数据库存储的某治疗难度等级对应疾病名称集合中,则判定待手术病患该病灶部位对应的疾病诊断名称为对应该治疗难度等级,由此得到待手术病患各病灶部位对应的治疗难度等级。
所述参数筛选模块,用于根据待手术病患对应的病理分析结果,从而筛选得出激光医疗机器人对应的治疗参数。
在一种可能的实施方式中,所述参数筛选模块具体包括激光功率筛选单元、照射时间筛选单元和照射光斑筛选单元。
在一种可能的实施方式中,所述激光功率筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
A1、根据待手术病患对应的人体三维模型图,从中得出待手术病患各病灶部位对应的各人体对应部位名称,并将待手术病患各病灶部位对应的各人体对应部位名称与患者数据库存储的各部位皮肤耐受等级对应的人体对应部位名称进行比对,由此得到待手术病患各病灶部位对应的部位皮肤耐受等级;
在一个具体的实施例中,各人体对应部位名称包括但不限于头颈部、上肢部和下肢部。
A2、通过激光医疗机器人布设的深度传感器进而对待手术病患各病灶部位进行结构光扫描,进而得到待手术病患各病灶部位对应的表面三维轮廓图以及深度,通过计算得出待手术病患各病灶部位对应的激光治疗范围评估系数;
A3、根据待手术病患对应的人体三维模型图,计算得出待手术病患各病灶部位对应的皮肤平整系数;
A4、根据待手术病患各病灶部位对应的部位皮肤耐受等级、激光治疗范围评估系数和皮肤平整系数,计算得出待手术病患各病灶部位对应的皮肤功率适应系数,进而从中筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的激光治疗范围评估系数,具体计算过程如下:
A2-1、根据待手术病患各病灶部位对应的表面三维轮廓图,即可得出待手术病患各病灶部位对应的表面面积,并将其记为;
A2-2、进而利用计算公式,计算得出待手术病患各病灶部位对应的激光治疗范围评估系数/>,其中,d1和d2分别表示为设定的表面面积和深度对应的影响因子,/>分别表示为设定的激光治疗范围对应的参考表面面积和参考深度,/>表示为待手术病患第i个病灶部位对应的深度。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的皮肤平整系数,具体计算过程如下:
A3-1、根据待手术病患对应的人体三维模型图,进而从中提取出待手术病患各病灶部位对应的图像,并将待手术病患各病灶部位对应的图像进行滤波处理,进而得出待手术病患各病灶部位对应的凸起数目、各凸起处对应的体积、凹陷数目和各凹陷处对应的体积;
A3-2、将各凸起处对应的体积进行相互比对,由此得出待手术病患各病灶部位对应的最大凸起体积,将其标记为,并将各凹陷处对应的体积进行相互比对,由此得出待手术病患各病灶部位对应的最大凹陷体积,将其标记为/>;
A3-3、依据分析公式,计算得出待手术病患各病灶部位对应的皮肤平整系数/>,其中,/>分别表示为待手术病患第i个病灶部位对应的数目、凹陷数目,/>分别表示为设定的参考数目、参考数目,/>分别表示为设定的许可凸起体积、许可凹陷体积,a1、a2、a3和a4分别表示为设定的凸起数目、凸起体积、凹陷数目和凹陷体积对应的权重因子。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的皮肤功率适应系数,具体计算公式如下:
利用计算公式,计算得出待手术病患各病灶部位对应的皮肤功率适应系数/>,其中,/>表示为待手术病患第i个病灶部位对应的部位皮肤耐受等级,/>分别表示为设定的部位皮肤耐受等级、激光治疗范围评估系数、皮肤平整系数对应的系数因子,/>分别表示为设定的参考激光治疗范围评估系数、参考皮肤平整系数。
作为本发明的进一步改进,筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率,具体筛选过程如下:
将待手术病患各病灶部位对应的皮肤功率适应系数与预定义的各激光照射功率对应的皮肤功率适应系数区间进行比对,若待手术病患某病灶部位对应的皮肤功率适应系数在预定义的某激光照射功率对应的皮肤功率适应系数区间内,则判定待手术病患该病灶部位为对应激光照射功率,由此筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率。
在一种可能的实施方式中,所述照射时间筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
B1、根据激光医疗机器人对应待手术病患各病灶部位的激光照射功率,根据患者数据库存储的各激光照射功率的单位时间内的激光参考输出功率值中提取出激光医疗机器人对应待手术病患各病灶部位的激光照射功率的单位时间内的激光输出功率值;
B2、根据待手术病患各病灶部位对应的表面三维轮廓图以及深度,计算得出待手术病患各病灶部位对应的激光总能量需值;
B3、根据激光医疗机器人对应待手术病患各病灶部位的单位时间内的激光输出功率值和待手术病患各病灶部位对应的激光总能量需值,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的激光总能量需值,具体计算过程如下:
根据待手术病患各病灶部位对应的表面三维轮廓图,即可得出待手术病患各病灶部位对应的表面面积,进而利用计算公式,计算得出待手术病患各病灶部位对应的激光总能量需值/>,其中,NL表示为设定的参考体积对应的所需能量值。
作为本发明的进一步改进,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间,具体计算公式如下:
依据分析公式,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间/>,其中,/>表示为激光医疗机器人对应待手术病患第i个病灶部位的激光照射功率的单位时间内的激光输出功率值。
在一种可能的实施方式中,所述照射光斑筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
C1、根据激光医疗机器人对应待手术病患各病灶部位的激光照射时间和待手术病患各病灶部位对应的表面三维轮廓图以及深度,进而通过计算得出待手术病患各病灶部位对应的预计产生烟雾量;
C2、并通过待手术病患各病灶部位对应的预计产生烟雾量,从而筛选出待手术病患各病灶部位对应的光纤直径。
作为本发明的进一步改进,计算得出待手术病患各病灶部位对应的预计产生烟雾量,具体计算过程如下:
利用计算公式,计算得出待手术病患各病灶部位对应的预计产生烟雾量/>,其中,/>分别表示为单位激光照射时间和单位激光照射体积对应的参考产生烟雾量,/>分别表示为设定的激光照射时间和激光照射体积对应的影响权重。
请参阅图2,作为本发明的进一步改进,筛选出待手术病患各病灶部位对应的光纤直径,具体筛选过程如下:
根据待手术病患各病灶部位对应的表面三维轮廓图,进而在待手术病患各病灶部位对应的表面三维轮廓图内部中构建出面积最大的矩形,进而获取待手术病患各病灶部位对应表面三维轮廓图内部中面积最大的矩形的最短边长;
进而利用计算公式,计算得出待手术病患各病灶部位对应的光纤直径/>,其中,/>表示为手术病患第i个病灶部位对应表面三维轮廓图内部中面积最大的矩形的最短边长,/>表示为设定的参考烟雾量对应产生的细小颗粒。
本发明实施例通过对激光医疗机器人对应激光治疗参数进行筛选,在一定程度上提高了治疗精度,有效的减少对周围正常组织的损伤,从而提高了手术的成功率和手术效率,进而避免因误差而造成的手术失败,同时还能为医生提供辅助指导,替医生承担手术过程中的部分工作,进而减少医生心理压力。
本发明实施例避免了烟雾消除的质量降低,有效地减少了工作人员更换清洗滤芯的频率,在一定程度上呈现出智能化。
所述患者数据库,用于存储各浅表病患对应的基本信息和就诊信息、待手术病患各次就诊对应的各张人体轮廓图和各部位皮肤耐受等级对应的人体对应部位名称,还用于存储各激光照射功率的单位时间内的激光参考输出功率值和各治疗难度等级对应疾病名称集合。
本发明实施例通过提取出待手术病患对应的基本信息并根据激光医疗机器人自带的双目摄像机,对待手术病患进行病理图像采集进而完成对待手术病患进行病理分析,从而筛选得出激光医疗机器人对应的治疗参数,避免导致异常区域分类存在一定程度的识别错误概率,避免激光加热处理效果产生差异。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种图像数据处理协同运动系统,其特征在于:该系统包括信息获取模块、图像采集模块、病理确定模块、参数筛选模块和患者数据库;
所述信息获取模块,用于根据患者数据库中存储各浅表病患对应的基本信息从中提取出待手术病患对应的基本信息;
所述图像采集模块,用于根据激光医疗机器人自带的双目摄像机,进而对待手术病患进行病理图像采集;
所述病理确定模块,用于根据待手术病患对应的基本信息,从中提取出待手术病患对应的各病灶部位对应的诊断信息,进而对待手术病患进行病理分析,具体分析过程如下:
从待手术病患对应的基本信息中提取出待手术病患各病灶部位对应的疾病诊断名称和病灶面积;
将待手术病患各病灶部位对应的疾病诊断名称与患者数据库存储的各治疗难度等级对应疾病名称集合进行比对,由此得到待手术病患各病灶部位对应的治疗难度等级,将其标记为,i表示为各病灶部位对应的编号,/>;
进而利用计算公式,计算得出待手术病患对应各病灶部位的病变评估系数/>,其中,/>表示为待手术病患第i个病灶部位对应的病灶面积,/>表示为预定义的参考病灶面积,e表示为自然常数,b1和b2分别表示为设定的病灶部位治疗难度等级和病灶面积对应的权重因子;
将待手术病患对应各病灶部位的病变评估系数与设定的各病变等级对应的病变评估系数区间进行比对,若待手术病患对应某病灶部位的病变评估系数在设定的某病变等级对应的病变评估系数区间内,则判定待手术病患对应该病灶部位为对应该病变等级,由此得到待手术病患对应各病灶部位的病变等级,并将待手术病患对应各病灶部位的病变等级传输至激光医疗机器人中;
所述参数筛选模块,用于根据待手术病患对应的病理分析结果,从而筛选得出激光医疗机器人对应的治疗参数;
所述患者数据库,用于存储各浅表病患对应的基本信息和就诊信息、待手术病患各次就诊对应的各张人体轮廓图和各部位皮肤耐受等级对应的人体对应部位名称,还用于存储各激光照射功率的单位时间内的激光参考输出功率值和各治疗难度等级对应疾病名称集合。
2.根据权利要求1所述的一种图像数据处理协同运动系统,其特征在于,所述待手术病患对应的基本信息包括姓名、年龄、性别、疾病史、病灶部位及各病灶部位对应的诊断信息,其中,各病灶部位对应的诊断信息包括疾病诊断名称和病灶面积。
3.根据权利要求2所述的一种图像数据处理协同运动系统,其特征在于,所述对待手术病患进行病理图像采集,具体病理图像采集过程如下:
从患者数据库中提取出待手术病患各次就诊对应的各张人体轮廓图,进而构建得出待手术病患对应的人体三维模型图,并从患者数据库中存储的各浅表病患对应的就诊信息中筛选出待手术患者对应的就诊信息,进而从中提取出待手术病患对应的病灶部位,并根据待手术病患对应的疾病部位并将其导入待手术病患对应的人体三维模型图中,并将待手术病患对应的人体三维模型图输入至激光医疗机器人中。
4.根据权利要求1所述的一种图像数据处理协同运动系统,其特征在于,所述对待手术病患进行病理分析,具体病理分析过程还包括如下:
根据激光医疗机器人自带的双目摄像机,进而计算得出激光医疗机器人对应与待手术病患各病灶部位的距离。
5.根据权利要求1所述的一种图像数据处理协同运动系统,其特征在于,所述参数筛选模块具体包括激光功率筛选单元、照射时间筛选单元和照射光斑筛选单元。
6.根据权利要求5所述的一种图像数据处理协同运动系统,其特征在于,所述激光功率筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
A1、根据待手术病患对应的人体三维模型图,从中得出待手术病患各病灶部位对应的各人体对应部位名称,并将待手术病患各病灶部位对应的各人体对应部位名称与患者数据库存储的各部位皮肤耐受等级对应的人体对应部位名称进行比对,由此得到待手术病患各病灶部位对应的部位皮肤耐受等级;
A2、通过激光医疗机器人布设的深度传感器进而对待手术病患各病灶部位进行结构光扫描,进而得到待手术病患各病灶部位对应的表面三维轮廓图以及深度,通过计算得出待手术病患各病灶部位对应的激光治疗范围评估系数;
A3、根据待手术病患对应的人体三维模型图,计算得出待手术病患各病灶部位对应的皮肤平整系数;
A4、根据待手术病患各病灶部位对应的部位皮肤耐受等级、激光治疗范围评估系数和皮肤平整系数,计算得出待手术病患各病灶部位对应的皮肤功率适应系数,进而从中筛选得出激光医疗机器人对应待手术病患各病灶部位的激光照射功率。
7.根据权利要求6所述的一种图像数据处理协同运动系统,其特征在于,所述照射时间筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
B1、根据激光医疗机器人对应待手术病患各病灶部位的激光照射功率,根据患者数据库存储的各激光照射功率的单位时间内的激光参考输出功率值中提取出激光医疗机器人对应待手术病患各病灶部位的激光照射功率的单位时间内的激光输出功率值;
B2、根据待手术病患各病灶部位对应的表面三维轮廓图以及深度,计算得出待手术病患各病灶部位对应的激光总能量需值;
B3、根据激光医疗机器人对应待手术病患各病灶部位的单位时间内的激光输出功率值和待手术病患各病灶部位对应的激光总能量需值,计算得出激光医疗机器人对应待手术病患各病灶部位的激光照射时间。
8.根据权利要求7所述的一种图像数据处理协同运动系统,其特征在于,所述照射光斑筛选单元中筛选得出激光医疗机器人对应的治疗参数,其具体分析过程包括以下步骤:
C1、根据激光医疗机器人对应待手术病患各病灶部位的激光照射时间和待手术病患各病灶部位对应的表面三维轮廓图以及深度,进而通过计算得出待手术病患各病灶部位对应的预计产生烟雾量;
C2、并通过待手术病患各病灶部位对应的预计产生烟雾量,从而筛选出待手术病患各病灶部位对应的光纤直径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310436884.4A CN116168845B (zh) | 2023-04-23 | 2023-04-23 | 一种图像数据处理协同运动系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310436884.4A CN116168845B (zh) | 2023-04-23 | 2023-04-23 | 一种图像数据处理协同运动系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168845A CN116168845A (zh) | 2023-05-26 |
CN116168845B true CN116168845B (zh) | 2023-07-25 |
Family
ID=86413488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310436884.4A Active CN116168845B (zh) | 2023-04-23 | 2023-04-23 | 一种图像数据处理协同运动系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168845B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596257A (zh) * | 2022-01-20 | 2022-06-07 | 上海交通大学医学院附属仁济医院 | 基于医学图像的肝脏储备功能量化评估方法和装置 |
CN115019972A (zh) * | 2022-06-09 | 2022-09-06 | 雅图(重庆)医疗器械有限公司 | 一种基于大数据分析的医疗影像数据共享系统 |
CN115862819A (zh) * | 2023-02-21 | 2023-03-28 | 山东第一医科大学第二附属医院 | 一种基于图像处理的医学图像管理方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101061483B (zh) * | 2004-11-19 | 2013-01-23 | 皇家飞利浦电子股份有限公司 | 用于计算机辅助诊断的原位数据收集架构 |
RU2420742C1 (ru) * | 2009-12-25 | 2011-06-10 | Федеральное государственное учреждение "Ростовский научно-исследовательский онкологический институт Федерального агентства по высокотехнологичной медицинской помощи" | Способ прогнозирования развития метастазов у больных раком прямой кишки |
WO2017098507A1 (en) * | 2015-12-07 | 2017-06-15 | M.S.T. Medical Surgery Technologies Ltd. | Fully autonomic artificial intelligence robotic system |
CN111420290A (zh) * | 2019-01-10 | 2020-07-17 | 中国科学院沈阳自动化研究所 | 机器人化激光美容和治疗系统 |
US11659998B2 (en) * | 2020-03-05 | 2023-05-30 | International Business Machines Corporation | Automatic measurement using structured lights |
CN111701150B (zh) * | 2020-07-02 | 2022-06-17 | 中国科学院苏州生物医学工程技术研究所 | 智能光诊疗设备 |
-
2023
- 2023-04-23 CN CN202310436884.4A patent/CN116168845B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596257A (zh) * | 2022-01-20 | 2022-06-07 | 上海交通大学医学院附属仁济医院 | 基于医学图像的肝脏储备功能量化评估方法和装置 |
CN115019972A (zh) * | 2022-06-09 | 2022-09-06 | 雅图(重庆)医疗器械有限公司 | 一种基于大数据分析的医疗影像数据共享系统 |
CN115862819A (zh) * | 2023-02-21 | 2023-03-28 | 山东第一医科大学第二附属医院 | 一种基于图像处理的医学图像管理方法 |
Non-Patent Citations (1)
Title |
---|
基于深度学习的胸部常见病变诊断方法;张驰名;王庆凤;刘志勤;黄俊;陈波;付婕;周莹;;计算机工程(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116168845A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110010219A (zh) | 光学相干层析图像视网膜病变智能检测系统及检测方法 | |
JP5763172B2 (ja) | パノラマエックス線写真を利用した診断支援システム、及びパノラマエックス線写真を利用した診断支援プログラム | |
CN110448267B (zh) | 一种多模眼底动态成像分析系统及其方法 | |
CN108618749B (zh) | 基于便携式数字化眼底照相机的视网膜血管三维重建方法 | |
EP2319392B1 (en) | Biometric recognition through examination of the surface map of the posterior surface of the cornea | |
JP2016043155A (ja) | 眼底解析装置 | |
CN112037913B (zh) | 一种基于卷积神经网络的牙周炎智能检测系统 | |
US11298051B2 (en) | Technique for processing patient-specific image data for computer-assisted surgical navigation | |
KR102267509B1 (ko) | 달팽이관에서의 미세 혈류 측정 방법 및 장치 | |
CN111105881B (zh) | 一种3d测量人类表型的数据库系统 | |
US20150297164A1 (en) | Automatic identification of a potential pleural effusion | |
JP2008073188A (ja) | 画像解析システム、及び画像解析プログラム | |
CN115880159A (zh) | Ct灌注影像参数图校正的方法和计算机可读存储介质 | |
CN116168845B (zh) | 一种图像数据处理协同运动系统 | |
EP3838134A1 (en) | Biomarker for early detection of alzheimer disease | |
Ogiela et al. | Cognitive computing in intelligent medical pattern recognition systems | |
US20230359008A1 (en) | Slit lamp microscope | |
CN115719329A (zh) | 基于深度学习对ra超声模态滑膜评分融合的方法及系统 | |
CN113034608B (zh) | 一种角膜表面形态测量装置及方法 | |
CN113693617A (zh) | 一种体内病灶体积的自动测量系统及方法 | |
CN115836838A (zh) | 一种屈光度精准评估的方法及应用 | |
CN116246755A (zh) | 一种基于细粒度网络毫微米级别影像精细解剖结构量化分析工具 | |
JP2018198968A (ja) | 眼底解析装置 | |
WO2008035425A1 (fr) | analyse d'image de fond de l'oeil et programme | |
KR102428579B1 (ko) | 전신 ct 스캔 3d 모델링 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |