CN103988057A - 估算体外血液体积并对外科手术样品计数的系统和方法 - Google Patents

Abstract

一种用于估算物理样品的一部分中的体外血液体积的方法，包括：从样品的图像的一部分中提取特征；根据所提取的特征使用血液体积指标对样品的图像的部分进行标记；以及根据血液体积指标，估算在样品的图像的部分中所识别的物理样品的至少该部分中的体外血液体积。

Description

估算体外血液体积并对外科手术样品计数的系统和方法

相关申请的交叉引用

本申请要求于2011年7月9日提交的序列号为61/506,082的美国临时专利申请、于2012年5月14日提交的序列号为61/646,818的美国临时专利申请，以及于2012年5月14日提交的序列号为61/646,822的美国临时专利申请的权益，所有这些美国临时专利申请的全文均通过引用并入本文。

技术领域

本发明总体上涉及外科手术领域，并且更具体地涉及一种用于估算用于外科手术实践中的物理样品中的体外血液体积的新颖且有用的系统和方法。

背景技术

高估和低估患者的失血量是导致医院、诊所和其他医疗设施的高运营成本和高外科手术成本的重要因素。具体地，高估患者的失血量会造成医疗机构的可用于输血的血液的浪费和更高的运营成本，并且会造成血液短缺。低估患者的失血量是造成在出血的情况下延迟复苏和输血的关键因素，并且已经与每年产生的可避免的患者感染、重新住院治疗和诉讼案件中所花费的数十亿美元有关。因此，在外科手术领域中需要一种用于估算物理样品中的体外血液体积的新颖且有用的系统和方法。本发明提供了这样一种新颖且有用的系统和方法。

附图说明

图1A是第一优选实施例的方法的流程图表示；

图1B是第一优选方法的一种变型的流程图表示；

图2A是第二优选实施例的方法的流程图表示；

图2B是第二优选方法的一种变型的流程图表示；

图3A是第三优选实施例的方法的流程图表示；

图3B是第三优选方法的一种变型的流程图表示；

图4是第一优选方法的一种变型的流程图表示；

图5是第一优选方法的一种变型的流程图表示；

图6是第一优选方法的一种变型的流程图表示；

图7是优选方法的另一种变型的流程图表示；

图8是优选实施例的系统的示意图；

图9是优选系统的变型的示意图；以及

图10是根据优选实施例的系统或方法的输出的图形表示。

具体实施方式

本发明的优选实施例的下列描述并非旨在将本发明限制于这些优选的实施例，而是旨在使得本领域中的任何技术人员能够制造和使用本发明。

1、第一种方法

如图1A所示，一种用于估算物理样品的一部分中的体外血液体积的优选实施例的方法S100包括：在方框S110中，从样品的图像的一部分中提取特征；在方框S120中，根据所提取的特征使用血液体积指标对样品的图像的该部分进行标记；以及在方框S130中，根据血液体积指标，估算在与样品的图像的该部分关联的物理样品的至少该部分中的体外血液体积。

如图7所示，第一优选方法S100优选地用作通过分析样品的图像估算物理样品中的血液体积。样品的图像优选地是实况视频馈送的彩色帧，其中物理样品的至少一部分在该帧中是可见的。然而，该图像可以替换地是静态或静止的图像、红外图像、光学传感器的视场、黑白图像、光学传感器的视场的指纹、点云（pointcloud）、或任何其它适合的图像类型。在摄像机或光学传感器的视场内不适合于物理样品的情况中，图像可以是物理样品的扫描。可以捕获图像并随后将图像存储在本地或远程的数据存储设备中，以用于后续处理，尽管可以交替地或并行地实时处理图像，或按部分或分段地处理图像以避免存储整个图像。第一优选方法S100优选地估算体外血液体积，该体外血液体积包括患者或受试者的身体外部的血液。另外地或可替换地，第一优选方法S100可以估算血管外血液体积，该血管外血液体积包括虽然在患者或受试者的体内，但却在患者的血管系统外部的血液。

物理样品优选地是吸收性的外科手术纱布海绵、外科手术敷料、或外科手术巾，然而该样品可以是任何其它的纺织品。另外地或可替换地，该物理样品可以是一件衣服、地面、桌子、墙壁或地板表面、外部皮肤表面、外科手套、外科手术器具、或任何其它的表面、材料、衬底或物体。例如在外科手术、分娩或任何其他的医疗或健康相关的事件期间，外科医生、护士、麻醉师、妇科医生、士兵、护理人员、或其他用户可以使用结合了第一优选方法S100的机器或设备来估算一个或多个物理样品中的血液体积以生成患者的总的估算失血（EBL）。可替换地，执法官员、法庭调查者或其他用户可以使用实现第一优选方法S100的机器或设备来估算在犯罪现场的体外血液体积或在医疗紧急情况期间评估受害者的风险。

第一优选方法S100可以另外地或者替换地用来估算物理样品中的另一血液相关的参数或体外血液体积指标的体积、质量或数量（如物理样品中的血红蛋白或红血细胞的质量或体积）。随后可以针对其他的变量或特征对这些血液相关的参数进行评估以计算物理样品中的血液、血红蛋白、红血细胞、白血细胞、血浆等的体积。例如，可以根据以下公式使用患者血液的估算的或测量的血细胞比容（HTC）来估算样品中的血液体积:

$\mathrm{HCT}=\frac{\mathrm{RBC}}{\mathrm{EBL}}=\frac{\mathrm{RBC}}{\mathrm{RBC}+\mathrm{PV}}$

HGB＝.35×RBC

其中RBC（红血细胞含量）基本上与血红蛋白的体积相关，PV是血浆体积，并且EBL是估算的血液损失（或物理样品中的血液体积）并且是RBC和PV的复合。第一优选方法S100可以另外地或者替换地用来检测样品中血液的存在、计算血液扩散速率、计算失血速率、计算血液表面积、估算患者风险等级（例如，低血容量性休克）、和/或确定患者的出血分类。然而，第一优选方法S100可以提供任何其它的功能，分析任何其它的图像类型或格式，估算任何其它的血液相关的参数，和/或以任何其它的方式计算物理样品中的血液体积。

第一优选方法S100优选地被实现在手持（移动）电子设备中，例如执行在如图9所示的数字音乐播放器、智能电话、或平板计算机上的应用程序（或“app”），其中与电子设备一体的摄像机捕获样品的图像，其中与电子设备一体的处理器执行方框S110、S120和S130，并且其中与电子设备一体的显示器执行方框S160，方框S160描述了显示物理样品的部分、物理样品的整体的估算的血液体积和/或多个物理样品的累加的总血液体积。在该实现方案中，例如经由实现蜂窝、Wi-Fi或蓝牙协议的无线通信模块150，电子设备可以替换地与远程服务器通信，其中，服务器执行方框S110、S120和S130中的至少某一个，并且其中方框S110、S120和S130的输出中的至少某一个被发送回电子设备并随后被显示。然而，第一优选方法S100也可以是独立的血液体积估算系统，例如包括支架托盘、摄像机以及处理器和/或通信模块的系统，支架托盘被配置为支撑样品，摄像机被配置成对样品成像，处理器被配置为执行第一优选方法S100的至少一部分，通信模块与远程服务器通信，远程服务器被配置为执行第一优选方法S100的至少一部分。然而，第一优选方法S100可以被实现为任何其它的系统、设备或其组合。

因此，第一优选方法S100能够用于医院环境中（例如外科手术室中）、临床环境中（例如产房中）、军事环境中（例如在战场上）、执法环境中（例如在犯罪现场）或住宅环境中（例如为了监视月经过多引起的失血（严重月经出血）或鼻衄（鼻出血））。然而，第一优选方法S100可用在任何其它环境中。

如图1、2和3所示，第一优选方法S100的方框S110包括从样品的图像的一部分中提取特征。在方框S120中，所提取的图像的该部分的特征优选地使得能够将图像的该部分与样品的该部分的失血指标关联（或配对），这可以进一步使得能够在方框S130中估算在样品的该部分中的血液体积。所提取的特征优选地是强度、光度、色相、饱和度、亮度、光泽或图像的该部分在至少一个分量空间中的其它与颜色相关的值，该分量空间例如红色、蓝色、绿色、蓝绿色、品红色、黄色、色调、和/或Lab分量空间。此外，所提取的特征可以是在图像的部分中的一组像素的具有不同颜色值的直方图。另外地或可替换地，所提取的特征可以是图像中所示的样品的估算的表面积、样品的沾血部分的估算的表面积、样品的部分的像素计数、整个样品的像素计数、样品的仅沾血区域的像素计数、样品的未污染部分的颜色强度值、或从样品的图像的该部分中提取的相关的固有或可用的任何其它特征。此外，方框S110可以包括从样品的图像的全部或部分中提取任何数目的特征。

方框S110可以类似地包括访问非图像特征，如当前患者的血管内血细胞比容、估算的患者的血管内血细胞比容、历史的患者血管内血细胞比容、样品的重量、临床医生估算的样品血液体积、基于计算机视觉或基于重量分析或基于人工生成的先前样品的血液体积的估算、环境照明条件、物理样品的类型或其它指标、物理样品的性质、患者生命体征、患者病史、外科医生的身份、或外科手术的类型。这些非图像特征中的任何一个都可以通知用于与样品图像的该部分进行比较的模板图像的选择、特定参数模型或函数的选择、对错位的外科手术纱布海绵的警报触发器的限定、对过量流体损失或失血的警报触发器的限定、所提取的特征向血液体积指标的变换、和/或从血液体积指标得出的血液体积的估算。然而，这些非图像特征中的任何一个都可以修改、启用、或通知第一优选方法S100的任何其它功能。

如图4所示，方框S110优选地包括分割图像，这包括隔离代表是沾血物体的物理样品（例如，外科手术纱布海绵）的第一段样品图像。方框S110优选地随后还分割第一区域来限定与样品图像中所捕获的物理样品的特定部分相对应的样品图像的部分。将样品图像分割成多个图像段优选地增加了物理样品的每个部分的估算的血液体积的分辨率和/或精度。如图9所示，每个图像段的尺寸和形状可以是静态的，其中每个段包含在图像中的预定数量的像素和/或在物理空间中的预定尺寸。例如，图像段可以限定图像的10像素乘以10像素的直线区域或物理样品的五毫米的等边三角形区域。如图7所示，在另一种变型中，可以根据图像中的各个像素或像素组的特性（例如色相、饱和度、色调、亮度、色度、波长、或颜色或光的任何其他度量）来隔离图像段。在该替换方案中，可以动态地分割样品图像，其中按照颜色特性或其他特征而不是按照（或除了）像素位置或按照在物理样品上的位置来分离样品图像的部分。然而，样品图像的部分可以包括与样品图像关联的整个物理样品，或可以根据任何其它的模式分割或分摊样品图像。优选地，样品图像的部分是包括图像的多个像素的单个段或单个区域，但是样品图像的部分也可以是样品图像的多个图像段或多个图像区域，可以具有任何其它的尺寸和/或可以具有任何其它的形式。

在第一优选方法S100的变型中，方框S110从样品图像中提取特征，该特征是物理样品的尺寸。在一个示例实现方案中，方框S110实现物体识别以隔离在光学传感器的视场内和/或在样品图像内的具有已知类型的物体。该物体可以是外科手术工具、外科手术托盘、外科手术台、外科手术纱布海绵、抽吸罐、或具有已知尺寸的任何其它物体。从该已知的尺寸中，例如通过估算光学传感器与已知物体之间的距离和/或角度并比较样品与图像中已知物体的位置，可以推断出物理样品的尺寸。在另一个示例实现方案中，方框S110分析样品图像中的阴影，再加上已知的光源位置，来估算物理样品和捕获原点（即，当捕获样品图像时摄像机或光学传感器的位置）之间的角度和距离。在又一个示例实现方案中，光学传感器被布置在距离支架托盘的已知的距离并成已知的角度处，物理样品被布置在支架托盘上用于成像，并且方框S110因此包括基于光学传感器相对支架托盘的已知的放置推断物理样品或其一部分的尺寸。在另一个示例实现方案中，方框S110操纵被布置在靠近光学传感器处的以向物理样品发送信号的红外、声波、激光、或其它类型的距离传感器来确定物理样品和图像的捕获原点之间的距离和/或角度。然而，可以任何其它方式估算或确定物理样品或其一部分的尺寸。

在上述示例实现方案中，在方框S110中，可以自动地从图像中提取样品和光学传感器之间的距离和/或角度，以通知从样品图像的部分的像素计数向物理样品的相应部分的物理尺寸（例如，英寸、厘米）的转换。因此，所估算出的角度和/或距离可以限定提取的样品图像的特征，该提取的特征通知血液指标标签的生成和/或血液指标标签向物理样品的部分中的估算的血液体积的转换。然而，该距离和/或角度值可以被用户（例如，外科医生、护士）输入、从非光学传感器所生成的数据中被推断、或以任何其它方式被计算或收集以限定与样品相关的非图像特征。

方框S110可以另外地或者替换地实现任何物体测位、分割（例如，使用边缘检测、背景消除、基于图形切割的算法等）、计量、聚类、模式识别、模板匹配（使用各种度量中的任何一个）、特征提取、描述符提取（例如，提取纹理基元图、颜色直方图、HOG、SIFT等）、特征降维（例如，PCA、K均值、线性判别分析等）、特征选择、阈值处理、定位、颜色分析、参数回归、非参数回归、无监督或半监督的参数或非参数回归，或任何其它类型的机器学习或者机器视觉以估算样品的物理尺寸。这些方法优选地补偿物理样品的变化的照明条件、物理样品的翘曲（例如，起皱或扭曲的纱布海绵）、物理样品的图像的翘曲（例如，由于由光学传感器的透镜引起的光学失真）、在样品之中或之上存在的流体的组成的变化、或任何使用情况中普遍存在的任何其它的不一致性或变化因素。例如，一旦识别出物理样品的物体、材料、纱布类型等，就可以将物理样品的估算的表面积与具有相同的物体、材料或纱布类型的模板样品的已知的表面积相比较以校正面积估算误差，如由于当拍摄样品图像时物理样品中的皱纹或其它不均匀性引起的面积估算误差。

在第一优选方法S100的另一种变型中，并且如图4所示，方框S110包括评估环境照明条件，其中环境照明条件限定了一个提取的特征。例如，根据捕获样品图像时邻近样品的环境照明条件，样品图像中的沾血区域的像素的红色度、绿色度和蓝色度值（即，在红色、绿色和蓝色颜色分量空间中的颜色值）可以被组合成加权的复合颜色值。在该示例中，加权的复合颜色值随后可以被馈送入参数函数中或与模板图像的颜色值进行比较以生成血液体积指标。

在图4中所示的第一优选方法S100的一种变型中，方框S110包括提取出一特征，该特征将样品图像中的物理样品识别为吸收性的外科手术纱布海绵。在该变型中，方框S110优选地实现机器视觉（例如物体分割、边缘检测、模式识别、或模板匹配），以确定样品图像是否包括吸收性的外科手术纱布海绵或吸收性的外科手术纱布海绵是否在摄像机或其它光学传感器的视场内。此外，方框S110可以优选地确定吸收性的外科手术纱布海绵的类型（例如剖腹术纱布或RAY-TEC纱布），这可以通知用于与样品的部分进行比较的具有相似模板样品类型的模板图像的选择。方框S110可以另外地或者可替换地识别织物经纬密度、外部尺寸、颜色、物理标签或物理样品的任何其它识别特征或特性以识别样品的类型或流体的吸收性、饱和体积、干重或质量、干颜色或物理样品的任何其它特性。因此，方框S110可以通过隔离物理样品的关键辨识特征来减少用于返回样品的部分的模板图像匹配所需要的处理时间。类似地，方框S110可以通过隔离影响流体的吸收和流体体积与物理样品的光学特性之间的相关性的关键特性来提高血液体积估算的精度。

方框S110可以另外地或可替换地从样品图像中提取特征，这些特征识别在样品图像和/或光学传感器的视场中的其它相关的物体、材料或流体。例如，方框S110可以将在外科手术工具、托盘、桌子、墙壁、地板或其它表面上的血滴、血泊或血污识别为含有血液。方框S110可以启动不是吸收性外科手术纱布海绵、外科手术服或外科手术巾的样品中或样品上的血液体积的估算。在该变型中，模板匹配可用于估算物理样品之中或物理样品之上的血液体积，如下所述，尽管颜色值、半透明度、饱和度、尺寸、或样品的任何其他度量可以用于以参数方式或以非参数方式生成血液体积指标标签和/或估算物理样品的至少该部分中的体外血液体积。

如图1、2和4所示，第一优选方法S100的方框S120包括根据所提取的特征使用血液体积指标对样品的图像的部分进行标记。优选地，体外血液体积指标标签是样品图像中的目标区域的中间参数，该中间参数将样品图像中的像素级数据变换为与血液体积相关的变量。因此，血液体积指标标签优选地是样品的部分中的血红蛋白含量（例如，质量、体积、密度、重量百分比等）的估算，尽管体外血液体积指标标签可以替代地是红血细胞计数或含量、白血细胞计数或含量、血小板计数或含量、血浆含量、或任何其它适当的体外血液体积指标的估算。该标签还可以包括任何其他的相关信息，例如，在估算的物理样品的部分中的血液的血细胞比容、拍摄样品图像时的时间戳、分析样品图像时的时间戳、或样品的部分之上或样品的部分之中存在的其它流体的体积或浓度，其它流体例如胆汁、唾液、胃液、粘液、胸水、盐水、或排泄物。一般地，该血液体积标签优选地具有可以被变换或被处理成样品的全部或一部分中的估算的体外血液体积的形式。此外，样品图像的部分的体外血液体积指标标签优选地与样品图像的部分一起存储或作为样品图像的部分的指示器存储。

在第一优选方法S100的一种变型中，方框S120包括将提取的样品图像的部分的特征与从具有已知的血液体积指标和/或已知的体外血液体积的模板样品（例如，训练集，之前分析的样品）中提取的相似特征进行比较。在该变型中，基于与一个或多个模板样品的非参数相关性，使用血液体积指标对图像的部分进行标记。例如，在该第一优选方法S100的变型中，方框S120可以包括实现K个最近邻方法以将提取的图像的特征即红色分量空间中的红色度强度与模板样品的红色度强度值进行比较。在该示例中，方框S120可以进一步包括实现K个最近邻方法以将从样品图像中的沾血区域中提取的包括像素的绿色度强度和蓝色度强度（结合红色度强度）的特征与模板样品的绿色度和蓝色度强度值进行比较。

在该第一优选方法S100的变型的一个示例实现方案中，方框S120包括将样品的图像的部分与具有已知的体外血液体积指标的模板图像进行配对。每个模板图像优选地被包含在模板图像库中，并且每个模板图像优选地是具有已知的血液、血红蛋白、红血细胞质量或体积（例如，每单位物理面积）、和/或任何其它合适的血液相关的参数、血液体积指标或特征的模板样品的图像。优选地使用体外血液体积指标对库中的每个模板图像进行标记，使得样品图像的部分可以在方框S110中与模板图像匹配，并且使得指示物理样品的部分中的血液体积的标签可以在方框S120中与样品图像的部分关联。

可以以多种方式组装模板图像库。在一个示例中，拍摄模板样品的图像，该模板样品是用过的外科手术纱布，从用过的纱布上洗出并分析血液以确定被吸收到用过的纱布中的血红蛋白的质量，使用血红蛋白质量（体外血液体积指标）对模板样品的图像进行标记，并且该图像被编入库中。在另一个示例中，通过将已知体积的血液（具有已知的血细胞比容）添加到具有已知尺寸的外科手术纱布中来制备模板样品，拍摄模板样品的图像，使用已知的血液体积（体外血液体积指标）对模板样品的图像进行标记，并且该图像被编入库中。每个图像模板的血液体积标签优选地是与血液相关的参数的体积或质量，例如每物理面积（例如，1cm²）的血红蛋白或红血细胞含量，使得在方框S130中，图像的部分的血液体积指标标签可以如图7所示，被乘以估算的物理样品的相应部分的物理面积（或体积），以估算样品的部分中的体外血液体积。然而，可以以任何其它方式或这些方式的组合来制备每个模板图像的模板样品，并且体外血液体积指标可以是任何其他合适的参数或度量。优选地，库包含大量的模板图像以应对照明、图像质量、物理样品的类型（例如，外科手术纱布海绵的类型）、体积、浓度或血液的血细胞比容或在每个样品中的其它指标、物理样品的“年龄”、外科手术条件或任何其它合适的变量的变化。此外，库中的模板图像还可以被分组，例如根据：模板样品的类型，诸如纱布海绵、地板、外科手术台、衣服；模板样品的照明或背光；模板样品中的血液的血细胞比容；作为纺织品的模板样品的织物经纬密度；模板样品的图像的质量，例如景深、焦距、模板样品与光学传感器之间的距离；或任何其它合适的参数。库可以被本地存储在机器或系统上，该机器或系统被配置为执行第一优选方法S100的至少一部分，或库可以被远程存储在当执行第一优选方法S100的至少一部分时机器或系统可访问的例如远程服务器上或硬盘驱动器上。

在该示例实现方式中，在方框S120中，可以通过模板匹配将样品图像直接与模板图像进行比较。在方框S110中，每个图像段可以被分解成分离的颜色分量（例如，红色、绿色和蓝色）的特征，并且可以为至少一个颜色分量计算样品图像的部分中的像素与模板图像中的像素的像素强度中的绝对差值。（然而，可替换地，可以在分割之前分解样品图像）。在该示例实现方案中，像素强度中的绝对差值优选地是在与体外血液体积指标关联的光的波长计算出来的。例如，可以在400nm计算样品图像的部分与模板图像的像素强度的绝对差值，400nm是可以良好地与某些吸收性外科手术纱布海绵的血红蛋白浓度关联的波长。优选地，当计算出样品图像的部分和模板图像之间的像素强度的绝对差值的基本上最小的和时，将模板图像与图像的部分进行配对。

可替换地，方框S120可以实现纹理基元图以将样品图像与一张或多张模板图像进行配对。在该实现方式中，为了构建模板图像库，来自模板（训练）图像的区块可以例如通过K均值聚类被聚类成重心区块。对于每张训练图像中的每个像素或像素集而言，可以计算出最靠近在像素周围的区块的重心区块的索引，使得可以构建每个像素周围的窗口内的最邻近重心的索引的直方图。通过对所有背景像素的直方图求平均，也可以构建背景直方图重心。可以类似地构建物理样品的清洁的直方图重心和沾血的直方图重心（例如，外科手术纱布海绵）。可选地，可以使用集中在背景、沾血的像素和未染污的像素的中心周围或几乎包含背景、沾血的像素和未染污的像素的直方图训练分类算法，例如SVM、Bayes、LDA、K个最近邻法、或逻辑回归。当样品图像的部分与模板图像库中的模板图像进行比较时，样品图像的部分中的每个像素周围的最邻近区块重心索引的直方图被生成并分类，这是基于像素的直方图和像素的直方图的重心的比较或基于上述经过学习的分类器之一的输出。随后，基于所确定的物理样品的分类，可以将样品图像的部分中的像素的直方图和/或像素的直方图的重心与模板图像的像素的直方图和/或像素的直方图的重心的子集进行比较，以将一个或多个模板图像与样品图像进行配对。

因此，在该示例实现方案中，方框S120优选地描述逐步通过模板图像库中的后续模板图像直到为样品图像的部分找到合适的匹配。然而，在方框S120中，可以比较样品图像的部分和模板图像的色相、饱和度、色调、亮度、色度、波长的强度、波长范围、直方图、直方图重心、类别、或者任何其它的颜色特性（例如，特征）。在该示例实现方案中，优选地基本上直接将样品图像的部分和模板图像进行比较。然而，可以经由结合了任何其它视觉算法或图像处理方法的模板匹配将模板图像与样品图像的部分进行比较。

在该第一优选方法S100的变型的另一示例实现方案中，每一个模板图像都是颜色调色板库中的不同颜色或不同色相，其中每种颜色与不同的血液体积或血液体积指标关联。在该示例实现方案中，该库优选地包括用于不同类型的外科手术海绵纱布、外科手术巾、外科工具表面、地板表面、手术或分娩台表面、和/或任何其他常见的表面、材料、物体或特征的颜色调色板，其中作为颜色调色板中的模板图像的每种颜色与用于特定类型的物理样品的特定的红血细胞含量或指标关联。在本示例实现方案中，模板图像即一种颜色可以是颜色的图像或数字颜色标识符，例如十六进制代码值（例如，#FF0000、#A00000、#880000等）或RGB代码值（例如，（255，0，0）、（160，0，0）、（190，0，0）等）。

在该第一优选方法S100的变型的另一示例实现方案中，在方框S110中从样品图像的部分中所提取的特征是红色度值，其中该红色度值是波长的强度或光的一个范围的波长的复合强度、红色度色相、红色度饱和度、或任何其它合适的光数值或颜色相关的数值。方框S110可以类似地提取样品图像中的一个或多个沾血像素的绿色度、蓝色度或其它颜色分量值。通常，方框S110优选地将样品图像分解成不同的颜色空间，例如红、绿和蓝分量空间，其中为样品图像的部分在每个颜色空间中计算颜色值或强度。此外，在方框S110中被分解的样品图像的部分优选地包括红色像素，该红色像素指示与样品图像的部分关联的物理样品的部分中的血液含量。在方框S120中，然后基本上直接地将图像的部分的一个或多个颜色值与模板图像的颜色值进行比较直到找到合适的匹配。

在该第一优选方法S100的变型中，在S120中，可以从与样品图像的部分的比较中取出具有基本上不同于物理样品或样品图像的部分的那些特性的模板图像，以便减少找到模板图像匹配所需的处理时间。在一个示例实现方案中，具有基本上不同于物理样品的部分的表面、产品、材料、或尺寸的模板样品的模板图像被排除在比较之外。例如，方框S110可以从样品图像中提取出织物经纬密度特征，其中织物经纬密度特征将物理样品识别为剖腹术纱布，并且其中不是剖腹术纱布的所有模板样品的模板图像被从与样品图像的部分的比较中移除。在另一种变型中，阈值处理被用来从测试库中移除基本上不相关的模板图像。在一个实例中，将具有基本不同于样品图像的部分的红色度值（例如，强度、色相、饱和度、色调、亮度、色度、波长范围）的模板图像排除在比较之外。树搜索可以另外地或替代地被用于减少处理时间。然而，模板图像可以被分组在模板库中并被选择为或不被选择为根据任何其它模式与样品图像的部分进行比较。

在第一优选方法S100的另一种变型中，方框S120包括将提取的样品的图像的部分的特征变换成血液体积指标。在该第一优选方法S100的变型中，方框S120优选地实现一种算法或其他数学变换，以将所提取的特征转换为样品的图像的部分的血液体积指标。因此，在该变型中，方框S120优选地实现血液体积指标的参数化生成。

在一个示例实现方案中，模板图像的颜色值被用来生成数学函数、曲线、或将所提取的特征与血液体积指标关联的算法。一般地，所提取的样品图像的部分的特征（例如，红色分量空间中的红色度强度、蓝色分量空间中的蓝色度强度、绿色分量空间中的绿色度强度或两种或三种颜色强度的组合）可以被插入到参数函数（例如，强度-血液体积函数）中来从样品图像的部分的所提取的特征中直接计算血液体积指标。例如，氧合血红蛋白（Hb_O2）的反射率可以与光的某些波长关联以基本上直接估算在与图像的部分关联的物理样品的部分中的血红蛋白的含量。在本例中，因为湿的（水合的）红血细胞的血红蛋白含量通常为约35%，因此从血红蛋白含量中可以推断出红血细胞计数。

方框S120和S130可以同时实现参数的和非参数的技术或方法以将一个或多个提取的特征与一个或多个血液体积指标关联。例如，如果所提取的特征是在红色、绿色和蓝色颜色空间中的颜色值，则所提取的特征可以经由非参数方法（例如，模板匹配）与模板图像进行比较以使用血液体积指标对样品的部分进行标记，并且如果所提取的特征是估算的物理样品的沾血区域的表面积，则所提取的特征可以根据参数函数被变换以生成用于血液体积指标向估算的样品的部分中的血液体积的转换的系数。在该例中，另一个提取的特征是物理样品的类型（例如，剖腹术纱布、RAY-TEC纱布、外科手术台、地板、衣服制品）用作鉴定样品以通知用于与样品图像的部分进行比较的模板图像的选择。然而，方框S120和S130可以操纵在方框S110中提取的任何相关的基于图像的特征或任何非基于图像的特征（例如，源自临床医生、源自医疗记录等）以分别生成图像的部分的血液体积指标以及至少样品的部分的估算的血液体积。

如图1和图5所示，第一优选方法S100的方框S130包括根据血液体积指标标签，估算至少在物理样品的一部分中的体外血液体积，该物理样品的一部分与样品图像的一部分相关联。例如并且如上所述，血液体积指标标记即血红蛋白含量可以通过下列公式估算红血细胞体积：

RBC＝HGB/.35或

HCT＝3×HGB，

红血细胞体积反过来又可以用于预测血液体积。可以独立地计算与图像的一部分相关联的物理样品的每一部分的血液体积，然后对其进行求和来估算物理样品中的总的血液体积。替代地，基本上图像的所有部分的血液体积指标标签可以被求和和/或求平均，并且可以立刻计算物理样品中的总血液体积。随后，可以将多个样品的估算的血液体积求和以生成样品中的总血液体积，样品中的总血液体积优选地与患者的总的估算失血量相关联。然而，方框S130可以另外地或可替换地包括估算总血红蛋白质量或体积、总红血细胞质量或体积、或物理样品或在多个样品中的任何其它血液相关的度量。

如图1B所示，第一优选方法S100的一种变型还包括方框S140，方框S140描述了将图像中的物理样品识别为一种类型的吸收性纱布海绵。如上所述，方框S140优选地实现机器视觉技术以确定物理样品的类型。从在方框S140中物理样品类型的识别，第一优选方法S100可以访问样品特定的数据，例如干重、吸收性、流体饱和体积、或物理样品的任何其它数据或特性，这可以使得能够从物理样品的图像中提取其他的血液相关数据。

如图1B中所示，第一优选方法S100的另一变型可以进一步包括方框S150，方框S150描述了为物理样品编制样品计数索引。样品计数优选地为吸收性外科手术纱布海绵、敷料、或毛巾的计数，但样品计数可以另外地或替换地是小血滴、血滴、血泊、沾血的衣服制品、沾血的外科手术工具、或任何其他相关的或合适的血液形成或沾血物体。优选地使用估算的物理样品的部分的血液体积显示样品计数，并且当拍摄物理样品的图像时，优选地基本上实时地为样品计数编制索引。然而，方框S150可以任何其它方式来为该样品计数编制索引，并且将该信息提供给用户。

如图1B所示，第一优选方法S100的另一变型还包括方框S160，方框S160描述了显示估算的物理样品的部分中的血液体积、估算的整个物理样品中的血液体积、和/或所估算的多个物理样品中的总的血液体积。优选地，该数据的至少一些被呈现给用户，例如外科医生、护士、麻醉师、妇科医生、医生、或士兵。该数据优选地被呈现在机器或系统的数字显示器上，该机器或系统被配置为执行第一优选方法S100的至少一部分。如图9所示，该数据可以被呈现为显示器上所显示的静态样品图像的顶部的增强现实叠加的形式。替换地，还可以将该数据呈现为在由光学传感器捕获并被显示在显示器上的实况视频流顶部上的动态的增强现实叠加的形式。例如，数据可以被呈现在一个物理样品的后续扫描图像的增强现实叠加中，其中摄像机以例如每秒30帧的速率捕获数字图像，并且增强现实叠加使用每个新的帧或数个帧进行更新。该数据可以替换地被呈现在包括在一段时间上所估算的一个或多个物理样品的血液体积的表格、图表、或示意图中。其它的血液相关的度量也可以在第一优选方法S100中被估算或维护，并且被呈现在方框S160中，例如血液扩散速率、血液表面积，患者风险等级、或患者出血分类。然而，在方框S160中，可以以其它任何方式或形式呈现该数据或任何其它的血液相关的度量或患者信息。

如图1B所示，第一优选方法S100的另一变型还包括方框S170，方框S170描述了通过对物理样品的血液体积估算与其它物理样品的先前血液体积估算进行求和来估算患者失血量。另外地或可替换地，物理样品的血液体积估算可被存储以用于与另外的物理样品的血液体积估算进行将来的求和。通过对多个物理样品的血液体积估算进行求和，可随着时间跟踪患者的失血量。例如，在外科手术期间，可以经由方框S110和S120分析用过的外科手术纱布海绵，其中对每个用过的纱布海绵中的血液体积进行持续求和提供了对患者的总失血量的随着时间流逝的估算，如图10所示。这在估算患者风险、在确定何时施用盐水或提供输血、在维护外科手术事件的记录和/或在估算未来的血液相关的事件或患者需求中可能是有用的。在方框S130中还可以估算或维护其它的血液相关的度量并且在方框S170中在时间上对其进行求和。

如图1B所示，第一优选方法S100的另一变型还包括方框S180，S180描述了将所识别的物理样品与一组过去所识别的物理样品相比较。在该变型中，方框S150优选地仅在当所识别的物理样品被确定为在该组过去所识别的物理样品中是唯一的时对样品计数器编制索引。因此，方框S180用作确定是否已经根据方框S110、S120和/或S130中的任一个对包括相同物理样品的先前的样品图像进行了分析。方框S180优选地基本上防止对方框S170中所估算的物理样品中的血液体积进行双重计数。因此，每个样品图像、每个样品图像的指纹或每个物理样品的指纹优选地被存储在如本地或远程的样品图像数据库上，使得在方框S180中可以将后续的样品图像或物理样品与过去的样品图像或物理样品相比较。在方框S180中，样品图像与先前的样品图像的比较可能需要缩放、旋转、反射、拉伸或其它变换或样品图像和/或先前的样品图像的指纹识别。可以使用边缘检测、分割、模式识别、特征提取和/或其它机器视觉技术来确定样品图像中所示的物理样品的沾血区域相对于其它的先前所分析的物理样品的沾血区域的唯一性。然而，方框S180可以以任何其它方式起作用以将样品图像识别为包括被包括在先前的样品图像中的物理样品。

如图1B所示，第一优选方法S100的另一变型还包括方框S190，方框S190描述了使用所估算的物理样品中的血液体积更新患者的数字医疗记录。方框S190可以另外地或可替换地使用所估算的多个物理样品中的血液体积、所估算的患者失血量、患者失血趋势或者任何其它相关的度量或所生成的与患者的循环系统相关的数据来更新患者的医疗记录。可以将数字医疗记录本地地维护在实现第一优选方法S100的机器或系统上或在由机器或系统所访问的本地网络或远程服务器上以检索、更新和/或上载数字医疗记录。

在第一优选方法S100的又一变型中，物理样品是收集患者的体液（如血液、胆汁、唾液、胃液、粘液、胸水、尿液或排泄物）的流体罐，其中图像是流体罐的图像。在该变型的示例性实现方案中，方框S110可以包括提取特征，所述特征包括罐内的流体的体积以及该罐的图像的部分的红色度、绿色度和蓝色度强度，该罐的图像的部分包括沾血的像素并且优选地包括少到几乎没有的眩光。此外，方框S120可以包括基于所提取的颜色值估算罐内的血液相对于其它体液的百分比，并且方框S130可以包括估算罐内的血液的体积。在第一优选方法S100的这种变型中，捕获流体罐的图像的光学传感器优选地被安装在流体罐上。在一种示例性实现方案中，光学传感器被安装到圆柱形的流体罐的侧面并正对流体罐，使得可以直接从样品图像中估算出流体罐中的流体液面。在另一种示例性实现方案中，光学传感器被安装在还包括流体液面传感器的流体罐的上方，其中流体传感器的输出限定了非图像特征，该非图像特征通知流体罐中的血液体积指标和所估算的血液体积中的至少一个。可替换地，光学传感器可以被结合到手持设备中，其中用户使用光学传感器来扫描流体罐以捕获样品图像。另外，可以将辅助光源（如紧靠着罐的灯或激光）添加到系统中以增强颜色与血红蛋白浓度或其他物质的相关性。可替换地或者另外，环境光可以被评估并被作为特征使用。

因为流体随着时间被添加到流体罐中，经由第一优选方法S100可以随着时间捕获并分析流体罐的后续的样品图像，以生成流体罐的流体含量的与时间相关的历史记录。因此，可以在时间上监控所估算的流体罐中的血液体积，例如以生成患者的失血趋势。如果患者失血发生得过快或者如果患者失血量已经达到了临界总体积或临界红血细胞损失，这样的数据可以用于触发警报。然而，还可以监控其它流体的损失。例如，流体罐的尿液含量（或总水含量）可以使得能够跟踪患者的水合程度，使得当水合程度或水合损失超过阈值时可以对患者施用盐水。在第一时间处的一个样品图像的流体颜色特性与在第二时间处的后续样品图像的流体颜色特性之间的差异可以指示第一时间和第二时间之间的流体罐中的流体浓度的变化。此外，第一时间和第二时间之间的罐中的流体液面的变化连同流体浓度变化可以指示流体进入（或离开）流体罐的最低速率。通过分析流体罐的样品图像所估算的血液和/或其它流体损失可被进一步馈送到对外科手术海绵纱布、器具、表面等的样品图像的分析中，以随着时间映射患者的总血液损失和/或其它流体损失。然而，第一优选方法S100可以以任何其它方式估算物理样品即流体罐内的血液的体积。

第一优选方法S100的一种变型还包含估算物理样品中的体外非血液流体（如腹水、盐水冲洗液、胆汁、血浆、尿液或唾液）的体积。在一种示例性实现方案中，物理样品的红色度（例如，与物理样品在红色分量空间中相关联的图像像素的颜色强度）与物理样品中的总红血细胞计数或体积相关联，其中根据所估算的或所测量的物理样品中的血液的血细胞比容从所估算的样品中的总体外血液体积减去总红血细胞计数或体积，以估算物理样品中的血浆的总体积。在另一种示例性实现方案中，所估算的总体外血液体积被转换为所估算的总体外血液重量（或质量），其中从物理样品的湿重量（或质量）中减去所估算的总体外血液重量（或质量）和物理样品的干重量（或质量）以估算物理样品中的基本纯净的流体（例如，盐水、肠中腹水）的总重量（或体积的质量）。在该示例性实现方案中，第一优选方法S100通过电耦合到实现第一优选方法S100的机器或设备的标尺优选地访问物理样品的质量或重量测量值。此外，第一优选方法S100优选地实现机器视觉技术以确定物理样品（如来自特定制造商的外科手术敷料、外科手术纱布海绵或外科手术巾）的类型。然后，第一优选方法S100可以访问样品特定的数据，如干重量、吸收率、流体和/或饱和度体积，以使得能够提取物理样品中的与血液流体或非血液流体相关的其它数据。然而，第一优选方法S100可以实现任何其它的技术或方法以估算物理样品中的体外非血液流体的体积、重量或质量。

然而，第一优选方法可以另外地或可替换地分析一个或多个所提取的特征和/或非图像的特征以估算患者的血红蛋白质量、血细胞比容、血红蛋白浓度、新鲜冷冻血浆、充盈红血细胞、胶体、血小板、晶体或任何其它血液相关的参数中的任何一个或多个。这些血液相关的参数中的任何一个或多个可以另外地或可替换地被呈现在实现第一优选方法S100的机器、系统或设备的显示器上。

第一优选方法的一种变型包括识别用户的姿势来控制实现第一优选方法S100的机器、系统或设备的操作。在该变型中，优选的方法优选地访问由记录物理样品的图像的光学传感器或者由耦合到实现第一优选方法S100的机器、系统或设备的任何其它光学传感器或摄像机所捕获的实况视频馈送。因为第一优选方法优选地在用户可能戴着手套的外科手术或其它医疗事件或紧急情况期间被实现，所以第一优选方法S100优选地经由非接触装置被控制。通常，第一优选方法S100的这种变型优选地识别非接触手势。在一个实例中，‘拇指向上’可以指示用户接受物理样品的检测以及物理样品的体外血液体积估算。然后，可以将体外血液体积加入到为一组物理样品所估算的合计体外血液体积中。类似地，‘拇指向下’可以拒绝对物理样品的检测和体外血液体积估算。在另一种示例性实现方案中，用户可通过向左或向右摆手滚动查看可用的物理样品类型。类似地，用户可通过垂直摆手滚动查看先前样品的图像。然而，可以以任何其它方式识别任何其它姿势以控制第一优选方法S100的任何其它功能。

第一优选方法S100的另一变型还用于产生与患者的循环系统相关的警报或警告。在一个实例中，如果在被检验进入外科手术后的阈值时间（例如，一个小时）内没有识别出物理样品即外科手术海绵纱布，则优选方法S100产生警告：物理样品即外科手术海绵纱布丢失或被留在患者体内。在另一实例中，当总的所估算的患者的血液或红血细胞损失超过阈值水平时，第一优选方法S100发出警报声。在该实例中，阈值血液或红血细胞体积对于患者而言可以是唯一的并且是基于患者的年龄、性别、体重、病史等中的任何一项或多项。在另一实例中，例如基于在时间上的多个物理样品（例如，海绵）中的血液分布，第一优选方法S100发出患者失血趋势的警告。然而，第一优选方法可以另外地或可替换地提供与失血速率、相对于海绵计数的失血速率、海绵使用的速率、海绵使用的直方图相关的数据和/或警告，或与患者的循环系统相关的任何其它合适的数据或警告。

2.第二种方法

如图2所示，用于估算物理样品的一部分中的体外血液体积的第二优选方法S200包括：在方框S210中，将样品的图像的一部分与已知的体外血液体积指标的模板图像相比较；在方框S220中，根据与样品的图像的一部分相匹配的模板图像，使用血液体积指标对样品的图像的部分进行标记；以及在方框S230中，根据血液体积指标，估算与样品的图像的一部分相关联的物理样品的至少一部分中的体外血液体积。

如上所述，第二优选方法S200优选地实现物理样品中的体外血液体积的非参数估算（例如，模板匹配）。一般地，方框S220优选地结合第一优选方法S100的方框S220的变型，并且方框S230优选地结合第一优选方法S100的方框S130的变型。然而，如图3B所示，第二优选方法S200可以实现以上所述的第一优选方法S100的任何其它技术、方法、实现方案和/或变型。

第二优选方法S200的一种变型包括访问模板图像，该模板图像是与血液体积指标配对的颜色模型。该颜色模型可以是模板图像、模板图像的表示或从模板图像提取的特征、数学函数或算法、或将所提取的样品图像的特征与血液体积指标相关联的任何其它合适的颜色模型。在该变型中，方框S210可以包括将样品的图像的部分与模板图像相比较以生成血液体积指标标签，血液体积指标标签是多个颜色模型（例如，其中每个都包括与血液体积指标配对的颜色模型的第一模板图像和第二模板图像）的已知的血液体积指标的组合。

第二优选方法S200的方框S220可以包括使用血液体积指标对样品的图像的部分进行标记，所述血液体积指标是所估算的血红蛋白质量。此外，第二优选方法S200的方框S230可以包括根据物理样品中的血液的血红蛋白质量和所估算的血细胞比容来估算物理样品的至少一部分中的体外血液体积。然而，第二优选方法S200的方框S220和S230可以以任何其它的方式起作用，并且第二优选方法可以实现第一优选方法S100的任何其它方框、变型、实例或实现方案。

3.第三种方法

如图3A所示，用于对物理外科手术样品进行计数的第三优选方法S300包括：在方框S310中识别光学传感器的视场中的物理样品；在方框S320中为所识别的物理样品的样品计数器编制索引；在方框S320中从光学传感器的视场的一部分中提取特征；以及在方框S340中基于所提取的特征估算物理样品的一部分中的体外血液体积。

第三优选方法S300优选地用于识别物理样品、更新样品计数以及通过分析包括物理样品的光学传感器的视场估算物理样品中的血液的体积。优选地，以样品的静态或静止图像的形式捕获光学传感器的视场。在方框S310中，优选地在光学传感器的视场中识别物理样品，这优选地触发方框S302来捕获物理样品的图像，其中仅在物理样品被识别时拍摄物理样品的图像。可替换地，在方框S302中可以捕获海绵的图像并随后在方框S310中对其进行分析以识别其中可见的物理样品。

物理样品可以是外科手术敷料、外科手术纱布海绵、外科手术巾或用来收集血液或其它体液的任何其它吸收性织物中的任何一种。类似于第一优选方法S100，外科医生、护士、麻醉师、妇科医生、士兵、护理人员或者其他用户可以优选地使用实现第三优选方法S300的机器、系统或设备来保持手术巾、纱布海绵或其它吸收性织物的计数并且估算手术巾、纱布海绵或其它吸收性织物中的体外血液体积。通过对多个毛巾或纱布海绵中的所估算的血液体积进行求和，可以估算患者的所估算的失血量（EBL）。因此，第三优选方法S300可以用于医院环境中（如外科手术室中）或临床环境中（如产房中）或在任何其它合适的环境中。

类似于第一优选方法S100，第三优选方法S300优选地在手持电子设备或移动电子设备中实现，如在数字音乐播放器、个人数字助理、智能电话或平板计算机上执行的本地应用程序或‘app’。例如，在方框S302中，与电子设备成一体的摄像机或其它光学传感器可以捕获样品的图像，与电子设备成一体的处理器可以执行方框S310、S320、和S330以及S340，并且在方框S360中，与电子设备成一体的显示器可以显示样品计数和物理样品中和/或在多个物理样品中的所估算的血液体积。在该变型中，电子设备还可以与远程服务器进行通信，该远程服务器执行方框S310、S320、S330和S340中的至少一些。然而，第三优选方法S300可以在任何其它系统、设备或其组合中实现。

如图3A中所示，第三优选方法S300的方框S310描述了识别光学传感器的视场中的物理样品。光学传感器的视场可以是先前所拍摄的静态图像或视频，其中方框S310基本上在拍摄图像或者视频之后识别在静态图像或视频中的物理样品。然而，光学传感器的视场可以可替换地为来自光学传感器的实况馈送，其中方框S310基本上实时地识别视场中的物理样品。图像优选地为由数字彩色摄像机、RGB摄像机，或任何数量的电荷耦合器件（CCD）传感器、互补金属氧化物半导体（CMOS）有源像素传感器，或任何其它类型的其它光学传感器中的任意一种所捕获的彩色图像。此外，光学传感器可以以任何其它形式或者在可见光谱、红外光谱或任何其它频谱内的任何其它波长或波长范围中捕获样品的图像。

方框S310优选地实现机器视觉以将视场中的内容物识别为包括或不包括合适的样品，该合适的样品是外科手术海绵纱布、毛巾或敷料。在第三优选方法S300的一个变型中，方框S310使用边缘检测来估算视场中可见的物理样品的周长，并且随后通过计量来确定物理样品的物理尺寸，如以英寸为单位的长度和宽度。可以通过根据光学传感器和物理样品之间的已知的或预期的距离或角度来转换视场、通过根据视场内具有的已知尺寸的阴影或物体估算距离和角度、通过访问来自配置在光学传感器附近的红外线测距仪、激光测距仪、声学测距仪或其它测距仪的数据、或通过任何其它合适的技术或设备来估算物理样品的尺寸。通过将物理样品的物理尺寸与具有已知尺寸的合适样品的库中的模板样品相比较，方框S310可以同时确定光学传感器的视场中的物理样品的存在、大小和/或类型。

在第三优选方法S300的另一变型中，方框S310还实现边缘检测以确定视场中可见的物理样品的边界并且随后基本上去除所估算的物理样品的边界之外的所有视场。然后，方框S310执行图像匹配以总体上将视场中可见的物理样品的边界与适当的物理样品的库中的模板样品的边界相比较。在该变型中，所估算的物理样品相对于模板样品在边界路径、颜色特性、与背景的对比度或其他特性中的偏差超过规定的阈值可以指示视场中的样品不是合适的样品。

在第三优选方法S300的又一变型中，方框S310实现模式识别和机器学习以确定光学传感器的视场中的物理样品的存在和/或类型。该变型优选地结合受监督的机器学习，其中方框S310访问训练数据集，该训练数据集包括被适当地标记为包括或不包括合适的样品的模板图像。然后，学习过程优选地将训练数据转换为广义模式以创建模型，该模型可以随后被用来分析光学传感器的视场并检测其中所示的适当的物理样品。然而，方框S310可以可替换地实现无监督的学习或半监督的学习（例如，聚类、高斯混合、GrabCut），其中训练数据中的至少一些尚未被标记。在该变型中，方框S310还可以实现特征提取、特征降维（例如，主分量分析（PCA））、特征选择、或任何其它合适的技术以从光学传感器的视场（或图像）中删减冗余的或不相关的特征。

在第三优选方法S300的前述变型的任何一个中，第三优选方法S300优选地接受指示视场中的物理样品的不适当识别的输入。该输入优选地是由外科医生、护士、麻醉师、妇科医生或其他用户提供，当方框S310不正确地确定视场不包括合适的样品时，该输入可以指示视场的确包括合适的样品。另外地或者可替换地，当方框S310不正确地确定视场的确包括合适的样品时，该输入可以指示视场不包括合适的样品。然后，该输入优选地被反馈回训练数据集中，其中假定该输入是正确的，用该输入对视场进行标记，并且将视场（或图像）和输入标签添加到训练集中，例如在图3B所示的方框S332中。在没有通过这样的输入校正对方框S310的确定的情况下，视场也可以被反馈回训练数据集中，其中在无校正输入时假定对方框S310的确定是正确的，使用对方框S310的确定来标记视场，且视场（或图像）和确定标签被添加到训练集中。通过这种形式的闭合反馈，训练集可以永久地生长并继续教导方框S310，这可以充分地改进机器学习算法并提高方框S310的精度。

因此，方框S310可以实现分割、测位、边缘检测、计量、聚类、模式识别、模板匹配、特征提取、主分量分析（PCA）、特征降维、特征选择、阈值处理、定位、颜色分析、闭合反馈或任何其它类型的机器学习或机器视觉中的任何一种。这些方法优选地补偿了物理海绵的变化的照明条件、物理样品的翘曲（例如，褶皱的或翘曲的海绵）、物理样品的图像的翘曲（例如，由于由光学传感器引起的光学失真）或使用情况中普遍存在的任何其它的不一致性或变化因素。

方框S310可以另外地或者可替换地用于识别光学传感器的视场中的其它相关的物体、材料或流体。例如，前述机器视觉技术可再次类似地在方框S310中实现识别在外科手术工具、托盘、桌子、墙壁、地板或其它表面上的小血滴、血滴、血泊或血涂片。在方框S320中这样的沾血物品还可以或者可替换地被添加到样品计数中和/或在方框S330和/或S340中对其进行分析。

然而，方框S310还可以包括识别光学传感器的视场中的附加物理样品以及对所识别的附加物理样品的样品计数器编制索引，这顺序地发生在识别物理样品之前或之后或与识别物理样品基本上同时发生。在该变型中，方框S310可以实现相同或不同的前述方法或技术中的一种或多种以识别图像的视场中的附加物理样品。

如图3B所示，第三优选方法S300的一种变型包括方框S302，方框S302描述了捕获物理样品的图像。如上所述，方框S302可以触发方框S110，其中方框S302捕获图像且方框S310随后识别在视场即图像中的合适的样品的存在。在该变型中，来自外科医生、护士、麻醉师、妇科医生或任何其它用户的输入可以触发方框S302。然而，当在光学传感器的视场中识别合适的样品时，方框S310优选地触发方框S302。在该变型中，用户优选地将物理样品放置在光学传感器的视场内，方框S310识别物理样品，并且方框S302自动地捕获样品的图像。物理样品优选地被保持在基本上已知的与光学传感器之间的角度和/或距离光学传感器的基本上已知的距离处，使得例如通过以上所述的计量可以估算视场中的物理样品的尺寸。

在方框S302中捕获的物理样品的图像优选地为在背景下的物理样品的彩色图像，其中在方框S360中随后使用样品计数和所估算的限定增强现实叠加的样品中的血液体积将图像在数字显示器上呈现给用户。可替换地，图像可以是：去除背景的物理样品的彩色图像；红外图像或黑白图像；视场的指纹，如带有物理样品的唯一识别特征的指示符或指示器；或任何其它合适类型的图像。图像优选地被存储用于随后的访问，例如在包括方框S380的第三优选方法S300的变型中，在方框S380中检查所识别的物理样品是否是先前的视场或图像中所识别的重复物理样品。图像可以被本地存储（如被存储在被设置在执行第三优选方法S300的至少一些方框的手持电子设备中的数据存储模块上）或被远程存储（如被存储在如通过远程服务器或本地网络被访问的数字存储器中）。

如图3A所示，第三优选方法S300的方框S320包括对所识别的物理样品的样品计数器编制索引。样品计数器优选地为被识别为外科手术敷料、外科手术纱布海绵或外科手术巾的连续的物理样品的累积计数器。在方框S320中，可以将各种类型的物理样品统计在一个组中，但是可以可替换地将各种类型的物理样品统计在单独的组中。在该替换方案中，可以根据属来定义这些组，如根据包括外科手术敷料组、外科手术纱布海绵组或外科手术巾组的样品类型。在该替换方案中，还可以根据种类来定义所述组，如根据包括Ray-Tec外科手术纱布组和剖腹手术纱布组的制造或目的。此外，样品计数可以包括其它血液相关的样品（如具有特定尺寸的或所估算的特定的血液体积的血滴、血泊、或血涂片）的统计，但是样品计数可以跟踪任何其它类型的任何其它相关物理样品的数量。

如图3B所示，优选方法的一种变型包括方框S324，方框S324描述了接收物理样品的识别的确认。在该变型中，方框S320优选地仅对被确认的物理样品的样品计数器编制索引。优选地由用户提供样品确认，如通过如下所述的免接触的手势识别或经由脚踏板。

例如，在方框S360中样品计数优选地通过显示器被显示给用户。优选地，样品计数也被更新并被存储在可由执行第三优选方法S300的至少部分的机器或系统访问的本地或远程硬盘驱动器或数据存储设备上。

第三优选方法S300的方框S330描述了从光学传感器的视场的一部分中提取特征。第三优选方法S300的方框S340描述了根据所提取的特征估算物理样品的一部分中的体外血液体积。因此，根据上述的第一优选方法的任何一种或多种方法，第三优选方法S300的方框S330和S340优选地协作来估算物理样品中的体外血液体积。

在第三优选方法S300的一种变型中，根据预先定义的段尺寸和/或形状（例如10像素×10像素的正方形区域）静态地分割光学段的视场或图像（“图像段”）。可替换地，例如根据红色度、色相、饱和度、色调、亮度、色度、波长范围、或视场或图像中的颜色或光的任何其它度量，可以动态地分割图像段。图像段的每一段都被优选地分解成分离的颜色分量（例如，红色、绿色和蓝色），并且对于每一颜色分量而言，计算出了在图像段和模板图像中的像素的像素强度中的绝对差值。因此，优选地将该图像段与可用的模板图像进行比较直到找到合适的匹配。在模板图像库中的每一个模板图像优选地是具有已知的体外血液体积、血细胞比容、红血细胞或血红蛋白体积、密度、和/或任何其它合适的血液相关的参数或血液体积指标的标准样品的图像。具体而言，每一个模板图像优选地包括用来通知图像段的血液体积或血液体积指标的信息。此外，在方框S340中，血液体积指标可以被转换成例如与在图像段中识别的物理样品的一部分的估算的物理尺寸相关联的血液体积、血红蛋白或红血细胞质量或体积或其它血液相关的度量。一旦使用血液体积或指标对图像或视场的每一段进行标记，可以对在该图像中可见的识别的物理样品的所有图像段的血液体积或指标标签进行求和以估算物理样品中的总的血液体积或指标。

模板图像库可以另外地或替换地是颜色调色板，其中每个模板图像是指示不同的血液体积或血液体积指标的不同的颜色，例如，不是每个模板图像是具有已知的血液体积或指标的物理标准样品。在该替代方案中，该库优选地是用于不同类型的吸收性外科手术海绵纱布、敷料和毛巾的颜色调色板，其中，用于特定类型的物理样品的颜色调色板中的每种颜色（即，模板图像）是与特定的血液体积或血液体积指标相关联的。在该变型中，模板图像即一种颜色可以是颜色的图像或数字颜色标识符，例如，十六进制代码值（例如，#FF0000，#A00000、#880000等）或RGB代码值（例如,（255，0，0）、（160，0，0）、（190，0，0）等）。

在第三优选方法S300的该变型中，可以通过避免将每个图像段与基本上不同于图像段的某些模板图像进行比较来减少找出与每一个图像段匹配的模板图像所需的处理时间。具有基本上不同于物理样品的表面、产品、材料、或尺寸的标准样品的模板图像可以被排除在比较之外。也可以使用阈值处理来从测试库中移除基本上不相关的模板图像。例如，可以将具有基本上不同于图像段的红色度值（例如，强度、色相、饱和度、色调、亮度、色度、波长范围）或物理尺寸的模板图像排除在比较之外。树搜索也可以用来减少处理时间。然而，模板图像可以被分组在模板库中并被选择或不被选择以用于以任何其它方式与图像段进行比较。

在第三优选方法S300的另一种变型中，该图像库基本上足够大，使得与适当的物理量样品相关联的图像或视场的整个部分被与该库中的模板图像进行比较，并且在没有分段的情况下为整个物理样品直接估算血液体积或血液体积指标。

在第三优选方法S300的另一种变型中，为每个图像段计算红色度值。红色度值可以是波长的强度或光的一个范围的波长的复合强度、红色度色相，红色度饱和度、RGB代码值（例如，（0，0，0）至（255，0，0））或图像段上的任何其它合适的度量。优选地，样品的图像被分解成不同的颜色空间（例如，红色、绿色和蓝色），其中为在至少红色颜色空间中的图像段计算红色度值。随后可以例如通过查找表、回归模型、非负最小二乘算法或任何其它合适的算法、模型或方法，将图像段的红色度值转换成血液体积或血液体积指标。例如，可以将氧合血红蛋白（HbO₂）的反射率与光的某些波长相关联以基本上直接估算图像段中被识别的物理样品的部分的血红蛋白的体积或质量。

在第三优选方法S300的又一变型中，没有分割图像或视场，并且替代地为与物理样品相关联的图像或视场的整个部分计算红色度值。红色度值可以是红色度、色相、饱和度、色调、亮度、色度、波长范围、或被识别的图像样品的颜色或光的任何其它度量的平均值或加权平均值。如在上述变型中，可以根据红色度值估算在视场或图像中被识别的物理样品的整个部分的血液体积或血液体积指标。

如图3B所示，第三优选方法S300的一种变型还包括方框S360，方框S360描述了显示物理样品中的估算的体外血液体积和样品计数。该数据优选地被呈现在机器或系统的数字显示器上，该机器或系统被配置为用于执行第三优选方法S300的方框。该数据可以被呈现为显示器上所显示的静态样品图像的顶部的增强现实叠加的形式、被呈现为在由光学传感器捕获并被显示在显示器上的实况视频流顶部上的动态的增强现实叠加的形式、被呈现为包括经过一段时间或在医疗事件或紧急情况期间的一个或多个物理样品中的样品计数和单个的和/或累积的估算的血液体积的表格、图表、或示意图的形式、或被呈现为任何其它合适的形式。这在估算患者风险、确定何时施用盐水或提供输血、维护外科手术事件的记录和/或估算未来血液相关的事件或患者的需求中可能是有用的。其它血液相关的度量也可以在第三优选方S300中被估算并被呈现在方框S360中，例如血液扩散速率、血液表面积、患者风险等级、体外非血液流体体积、或患者出血分类。然而，在方框S360中，可以以任何其它方式或形式呈现样品计数、估算的血液体积和/或任何其它血液相关的度量或患者信息。

如图3B所示，第三优选方法S300的另一变型包括方框S380，方框S380描述了将识别的物理样品与一组过去识别的物理样品进行比较。在该变型中，在方框S120中，优选地仅当被识别的物理样品被确定为在该组过去识别的物理样品中是唯一的时对样品计数器编制索引。可以将样品的图像、样品图像的指纹、所提取的图像的特征、或图像中的物理样品的其它识别特征与先前物理样品的图像、指纹、所提取的特征、和/或先前物理样品的图像的其它识别特征进行比较。因此，方框S380优选地基本上优选地防止对方框S320的样品计数中的物理样品进行双重计数和/或防止对多个物理样品中的总的体外血液体积估算中的估算的血液体积或总的估算的患者的失血量进行双重计数。在方框S380中，样品图像与先前的样品图像的比较可能需要图像指纹或图像缩放、图像旋转、图像反射、图像拉伸或样品图像或先前的样品图像的其它变换。边缘检测、模式识别、和/或其它机器视觉技术可以另外地或替代地用于确定样品图像中可见的物理样品的沾血区域相对于先前的物理样品的沾血区域的唯一性。然而，方框S380可以以任何其它的方式起作用以识别与先前的样品图像中示出的相同的物理样品。

如图3B所示，第三优选方法S300的另一变型包括方框S390，方框S390描述了使用物理样品中的估算的血液体积来更新患者的数字医疗记录。方框S190可以另外地或替换地使用多个物理样品中的估算的血液体积、估算的患者的失血量、患者的失血趋势、或任何其它相关的度量或生成的与患者的血液循环系统相关的数据来更新患者的医疗记录。可以将数字医疗记录本地地维护在实现第三优选方法S300的机器或系统上或在由机器或系统所访问的本地网络或远程服务器上以检索、更新和/或上载数字医疗记录。

第三优选方法S300可以进一步实现第一优选方法S100的任何一种或多种方法、方框、或变型。

4.系统

如图8和图9所示，用于估算物理样品的一部分中的体外血液体积的优选系统100包括：光学传感器110、处理器120和显示器130。光学传感器110捕获物理样品的图像（“样品图像”）。处理器120从样品的图像的一部分中提取特征，根据所提取的特征使用血液体积指标对该样品的图像的部分进行标记，并根据血液体积指标，估算在该样品的图像的部分中识别的物理样品的至少一部分中的体外血液体积。显示器130描述了物理样品的至少该部分中的估算的血液体积。

系统100优选地用作通过分析样品图像估算样品中的血液的体积。优选系统100被配置成和/或适于执行第一优选方法S100的一个或多个方框。如上所述，该样品优选地是吸收性的外科手术纱布海绵，但该样品也可以是桌子或地板表面、一件衣服、外部皮肤表面或外科手术手套、外科手术器具、流体罐，或任何其它表面或材料。外科医生、护士、麻醉师、妇科医生、医生、士兵、或其它用户可以优选地使用该系统100来估算一个样品中的血液体积，然后将该样品中的估算的血液体积与其它样品中的估算的血液体积进行求和以生成患者在手术、分娩或其它医疗事件或状况期间的总的估算的失血量(EBL)。

优选系统100可以替换地用作估算样品中的另一种血液相关的参数或体外血液体积指标的含量（例如，体积、质量），例如样品的血红蛋白、(HGB)或红血细胞（RBC）的含量。此外，优选系统100可以另外地或替换地用作：检测样品中血液的存在，计算血液扩散速率，计算血液表面积，估算患者风险等级（例如，低血容量性休克）、和/或确定患者的出血分类。然而，优选系统100可以以任何其它的方式提供任何其它的功能，分析任何其它的图像类型或格式，估算任何其它的血液相关的参数，和/或计算物理样品中的血液体积。

如图9所示，优选系统100可以被配置为手持（例如，移动的）电子设备，例如运行基于图像的血液估算应用程序（或app）并包括摄像机110、处理器120和显示器130的智能电话或平板电脑。可替换地，该优选系统100的组件可以基本上是离散的且不同的（即，不被包含在单个壳体内）。例如并且如图7所示，光学传感器110可以是基本上永久地被设置在手术室内的摄像机，其中该摄像机与样品图像在其上被分析（例如，根据方法S100）的本地网络或远程服务器（包括处理器120）进行通信，并且其中显示器130是计算机监视器、电视机、或手持（或移动的）电子设备，显示器130访问并显示处理器120的输出。然而，优选系统100可以是任何其它形式或包括任何其它组件。

优选系统100可以优选地被用于各种环境中，包括用于医院环境中（例如外科手术室中）、临床环境中（例如产房中）、军事环境中（例如在战场上）、或住宅环境中，例如帮助消费者监视由于月经过多引起的失血（重度月经出血）或鼻衄（鼻出血）。然而，优选系统100可以用于任何其它环境中。

优选系统100的光学传感器110用作捕获物理样品的图像。光学传感器110优选地实现优选实施例的方框S102。光学传感器110优选地是捕获颜色样品图像的数字摄像机、或者是在红色、绿色和蓝色场中捕获独立的图像分量的RGB摄像机。然而，光学传感器110可以包含任何数目的摄像机、电荷耦合设备（CCD）传感器、互补金属氧化物半导体（CMOS）有源像素传感器，或任何其它类型的光学传感器。此外，光学传感器110可以以任何其它形式或者在可见光谱、红外光谱、或任何其它频谱中的任何其它波长或波长范围中捕获样品图像。

如图8所示，光学传感器110优选地是被设置在手持电子设备内的摄像机。然而，光学传感器110也可以或可替换地是摄像机或其它传感器，该摄像机或其它传感器被配置成被安装在底座上用于放置在手术室中，被配置成被安装到手术台上方的天花板上，被配置成用于附接到现场护士的战场头盔上，被配置成安装到独立的血液体积估算系统上，该独立的血液体积估算系统包括处理器120、显示器130、和支架托盘，该支架托盘支撑用于成像或被配置成用于放置在或附接到任何其它物体或结构上的物理样品。

优选系统的处理器120从样品的图像的一部分中提取特征，根据所提取的特征使用血液体积指标对样品的图像的该部分进行标记，并且根据血液体积指标估算在样品的图像的该部分中识别的物理样品的至少一部分中的体外血液体积。处理器120可以优选地执行上述的第一优选方法S100的方框。

处理器120可以例如通过有线连接（例如，在共享PCB上的迹线）或无线连接（例如，Wi-Fi或蓝牙连接）被耦合到光学传感器110上，使得处理器120可以访问由光学传感器110捕获或在光学传感器110的视场中可见的样品图像。在一种变型中，处理器120被设置在也包含光学传感器110和显示器130的手持电子设备内。在另一变型中，处理器120是远程服务器的一部分或被连接到远程服务器上，其中来自光学传感器110的图像数据被传送（例如，通过因特网或本地网络连接）到远程处理器120上，其中处理器120通过分析样品图像来估算物理样品的至少部分中的体外血液体积，并且其中该血液体积估算值被传送到显示器130。

在优选系统100的一种变型中并且如上所述，处理器120可以通过模板匹配将样品图像的部分与模板图像进行匹配，并且模板图像优选地是模板图像库中的一个模板图像。在优选系统100的另一变型中并且如上所述，根据至少一个从样品的图像中提取的特征，处理器120以参数的方式生成血液体积指标。因此，处理器120可以与本地的或远程的数据存储模块（例如，手持电子设备中的硬盘驱动器或远程服务器的存储器模块）进行通信。处理器120可以进一步上载样品图像以用于针对相同的物理样品的重复分析来检查后续样品图像，这例如参考第一优选方法S100的方框180所述的内容。最后，处理器120可以分析不同类型的图像（例如，静态图像、视频流、MPEG、JPG、TIFF）和/或来自一个或多个不同的摄像机或光学传感器的图像。

优选系统100的显示器130优选地描述了物理样品的至少部分中的估算的血液体积。显示器130优选地被设置在如图8所示也包含光学传感器110和处理器120的手持电子设备（例如，智能电话、平板电脑、个人数据助理）内。可替换地，显示器可以是如图7所示的计算机监视器、电视机屏幕或物理上与任何其它设备共同延伸的任何其它合适的显示器。因此，显示器130可以是LED、OLED、等离子体、点矩阵、分段、电子油墨显示器或视网膜显示器、对应于估算的血液体积的一系列的提示灯、或任何其它合适类型的显示器中的任何一种。最后，显示器130可以通过任何有线和无线连接与处理器120进行通信。

显示器130可以优选地通过描述物理样品的部分中、物理样品的整体中、和/或多个物理样品中的估算的血液体积执行至少方框S160。血液体积估算优选地被描述为一种常见的形式，例如“cc”（立方厘米）。如图8所示，该数据可以被呈现为也在显示器130上显示的物理样品的实况视频流顶部上的动态的增强现实叠加的形式，其中来自光学传感器110的图像通过理器120基本上实时地被传送到显示器130。如图8所示，该数据可以替换地被呈现在表格、图表、或示意图中，该表格、图表、或示意图描述了随着时间被分析的多个样品的随着时间流逝累积的估算的血液体积中的至少一个和用于每个物理样品的单个血液体积估算。显示器130也可以描述：先前的样品图像；警告，例如患者风险等级（例如，低血容量性休克）、或患者的出血分类；或建议，例如开始输血。可以将任何这些数据、警告、和/或建议也显示在多个屏幕上或使其可以在任何一个或多个显示器上被访问。

如图9所示，优选系统100的一种变型可以进一步包括被配置成包含光学传感器110、处理器120和显示器130的手持壳体140。具有光学传感器110、处理器120和显示器130的手持壳体140可以定义能够在任何数目的合适的环境（例如，手术室、产房、战场、犯罪现场和家庭）中估算一个或多个物理样品中的血液体积的手持（移动）电子设备。

在图8所示的优选系统100的另一变型中，壳体140进一步包含将估算的物理样品的部分中的血液体积传送到远程服务器的无线通信模块150，该远程服务器被配置为存储患者的电子医疗记录。也优选地使用随着时间的估算的血液损失、患者风险等级、出血分类、和/或其它血液相关的度量或血液体积指标来更新医疗记录。因此，在医疗事件期间，例如在外科手术或分娩期间，可以基本上自动地更新患者的医疗记录。壳体140优选的是医用级材料，使得系统100即手持电子设备适用于手术室或其它医疗或临床环境中。因此，该壳体可以是医用级不锈钢（例如，316L不锈钢）、医用级聚合物（例如，高密度聚乙烯（HDPE））或医用级硅橡胶。尽管如此，该壳体可以是任何其它材料或材料的组合。

如图9所示，优选系统100的变型进一步包括可由用户访问以确认或反驳物理样品的标识的脚踏板160。在该变型中，处理器120优选地在用户通过脚踏板160确认物理样品的标识时为样品计数编制索引。另外地或可替换地，用户可以使得脚踏板160来选择合适的样品类型（例如，外科手术海绵纱布、外科手术巾，外科手术敷料），以便滚动先前的样品图像或以任何其它的方式控制该优选系统100。因此，脚踏板160优选地包括至少两个可以通过用户的脚来接合以操纵该优选系统100的输入区域。

在优选系统100的一种变型中，处理器另外地或可替换地将样品的图像的一部分与具有已知的血液体积指标的模板图像进行比较，根据与样品的图像的该部分相匹配的模板图像使用血液体积指标对样品的图像的该部分进行标记，并根据血液体积指标估算在与样品的图像的该部分相关联的物理样品的至少一部分中的体外血液体积。

在优选系统100的另一种变型中，处理器另外地或可替换地识别图像中的物理样品，对所识别的物理样品的样品计数器编制索引，从图像的一部分中提取特征，根据所提取的特征估算物理样品的该部分中的体外血液体积。因此，该优选系统100可以实现第一优选方法、第三优选方法、和/或其任何组合或变型。

优选实施例的系统和方法可以被至少部分地实施和/或实现为被配置成用来接收存储计算机可读指令的计算机可读介质的机器。该指令优选地由计算机可执行组件来执行，该计算机可执行组件优选地与系统、系统或手持电子设备的光学传感器、处理器、显示器、硬件/固件/软件元件、或其任何合适的组合成一体。优选实施例的其它系统和方法可以被至少部分地实施和/或实现为被配置成用来接收存储计算机可读指令的计算机可读介质的机器。该指令优选地由计算机可执行组件来执行，该计算机可执行组件优选地由与上述类型的装置和网络一体的计算机可执行组件集成。该计算机可读介质可以被存储在任何合适的计算机可读介质上，例如RAM、ROM、快闪存储器、EEPROM、光学设备（CD或DVD）、硬盘驱动器、软盘驱动器、或任何合适的设备。该计算机可执行组件优选地是处理器，但是任何合适的专用硬件设备可以（可替换地或另外地）执行该指令。

如估算物理样品中的体外血液体积的领域的技术人员将会从前面的详细描述以及从附图和权利要求中认识到的，在不偏离下列权利要求中限定的本发明的范围的情况下，可以对本发明的优选实施例进行修改和变更。

Claims (31)

1.一种用于估算物理样品的一部分中的体外血液体积的方法，所述方法包括：

从所述样品的图像的一部分中提取特征；

根据所提取的特征使用血液体积指标对所述样品的所述图像的所述部分进行标记；以及

根据所述血液体积指标，估算在与所述样品的所述图像的所述部分关联的所述物理样品的至少所述部分中的所述体外血液体积。

2.根据权利要求1所述的方法，还包括将所述图像中的所述物理样品识别为一种类型的吸收性纱布海绵。

3.根据权利要求2所述的方法，还包括对被识别为吸收性纱布海绵的所述物理样品的样品计数编制索引。

4.根据权利要求1所述的方法，其中，使用所述血液体积指标对所述样品的所述图像的所述部分进行标记包括：将所述样品的所述图像的所述部分与具有已知的体外血液体积指标的模板图像进行比较，并将所述样品的所述图像的所述部分关联于与所述模板图像的所述已知的体外血液体积指标相关的血液体积指标。

5.根据权利要求4所述的方法，其中，将所述样品的所述图像的所述部分与所述模板图像进行比较包括：经由模板匹配将所述样品的所述图像的所述部分与所述模板图像进行配对。

6.根据权利要求1所述的方法，其中，使用所述血液体积指标对所述样品的所述图像的所述部分进行标记包括使用估算的血红蛋白质量对所述样品的所述图像的所述部分进行标记。

7.根据权利要求6所述的方法，其中，估算在所述物理样品的至少所述部分中的所述体外血液体积包括：根据所述血红蛋白质量和在所述物理样品中的血液的估算的血细胞比容估算在所述物理样品的至少所述部分中的体外血液体积。

8.根据权利要求1所述的方法，其中，从所述样品的所述图像的所述部分中提取特征包括提取包含分量空间中的颜色强度值的特征，其中，使用所述血液体积指标对所述样品的所述图像的所述部分进行标记包括将在所述样品中的所述图像的所述部分的颜色强度值与颜色模型的强度值进行比较，所述颜色模型与已知的血液体积指标配对。

9.根据权利要求1所述的方法，其中，从所述样品的所述图像的所述部分中提取特征包括提取包含分量空间中的颜色强度值的特征，其中，使用所述血液体积指标对所述样品的所述图像的所述部分进行标记包括根据参数模型将所提取的特征变换为所述血液体积指标。

10.根据权利要求1所述的方法，其中，估算所述物理样品的至少一部分中的所述体外血液体积包括：通过根据所述图像的捕获原点与所述物理样品之间的估算的距离和估算的角度中的至少一项变换所述图像的所述部分，将所述物理样品的物理尺寸与所述样品的所述图像的所述部分关联。

11.根据权利要求1所述的方法，其中，使用所述血液体积指标对所述图像的所述部分进行标记包括：根据非图像特征对所述物理样品进行分类、基于对所述样品的分类选择血液体积指标模型、以及通过将所提取的特征传送入所选择的血液体积指标模型来生成所述血液体积指标标签。

12.根据权利要求1所述的方法，其中，估算所述样品的至少所述部分中的所述体外血液体积包括：基于所述样品的所述图像的所述部分和所述图像的基本上所有其它部分的合计的血液体积指标标签，来估算所述物理样品中的总的体外血液体积。

13.根据权利要求12所述的方法，还包括：通过将所述物理样品中的所估算的总的体外血液体积和附加图像中的附加物理样品中的估算的总的体外血液体积进行合计来估算患者失血量。

14.根据权利要求12所述的方法，还包括：通过从所述物理样品的输入重量中减去所述物理样品中的所估算的总的体外血液体积的重量来估算所述物理样品中的非血液流体的体积。

15.根据权利要求1所述的方法，还包括通过结合到移动电子设备中的光学传感器捕获所述图像。

16.根据权利要求15所述的方法，还包括在结合到所述移动电子设备中的显示器上显示在所述物理样品的至少所述部分中的所估算的体外血液体积。

17.一种用于对外科手术样品进行计数的方法，包括:

识别光学传感器的视场中的物理样品；

对所识别出的物理样品的样品计数编制索引；

从所述光学传感器的视场的一部分中提取特征；以及

基于所提取的特征，估算所述物理样品的一部分中的体外血液体积。

18.根据权利要求17所述的方法，还包括捕获所述光学传感器的视场的图像，其中识别所述物理样品包含识别所述图像中的所述物理样品，并且其中从所述光学传感器的所述视场的所述部分中提取特征包含从所述图像的所述部分中提取所述特征。

19.根据权利要求18所述的方法，其中，从所述样品的所述图像的所述部分中提取所述特征包括提取包含分量空间中的颜色强度值的特征，其中估算所述物理样品的所述部分中的所述体外血液体积包括根据参数模型将所提取的特征变换为所述血液体积指标。

20.根据权利要求17所述的方法，其中，识别所述物理样品包括将所述物理样品识别为外科敷料、外科手术纱布海绵、外科手术巾的一种。

21.根据权利要求20所述的方法，其中，对所述样品计数器编制索引包括基于所识别出的物理样品对外科敷料计数器、外科手术纱布海绵计数器和外科手术巾计数器中的一个编制索引。

22.根据权利要求17所述的方法，还包括：通过将所述物理样品的所述部分中的所估算的体外血液体积与所述物理样品的基本上所有其他部分中的估算的体外血液体积进行求和来估算所述物理样品中的总的体外血液体积。

23.根据权利要求22所述的方法，还包括通过将所述物理样品中的所估算的总的体外血液体积与所述光学传感器的附加视野中的物理样品的所估算的总的体外血液体积进行求和来估算患者失血量。

24.根据权利要求17所述的方法，还包括接收对所述物理样品的识别的确认，其中，所述样品计数器被编制索引用于被确认的所述物理样品。

25.根据权利要求17所述的方法，还包括将所识别出的物理样品与一组过去识别的物理样品进行比较，其中，当所识别出的物理样品被确定为在该组过去识别的物理样品之中是唯一的时，对所述样品计数器编制索引。

26.一种用于确定物理样品中的体外血液体积的系统，所述系统包括：

光学传感器，其捕获所述物理样品的图像；

处理器，其从所述样品的图像的一部分中提取特征、根据所提取的特征使用血液体积指标对所述样品的所述图像的所述部分进行标记、并根据所述血液体积指标来估算在所述样品的所述图像的所述部分中被识别的所述物理样品的至少一部分中的所述体外血液体积；以及

显示器，其描绘在所述物理样品的至少所述部分中的所估算的血液体积。

27.根据权利要求26所述的系统，其中，所述光学传感器是摄像机，并且其中，所述处理器还确定在捕获所述图像时所述摄像机相对于所述物理样品的角度和所述摄像机与所述物理样品之间的距离中的至少一项。

28.根据权利要求26所述的系统，还包括手持壳体，所述手持壳体容纳所述光学传感器、所述处理器和所述显示器。

29.根据权利要求26所述的系统，还包括无线通信模块，所述无线通信模块将所述物理样品的所述部分中的所估算的血液体积传送到存储患者的电子医疗记录的远程服务器。

30.根据权利要求26所述的系统，还包括数据存储模块，所述数据存储模块被配置用于存储具有已知血液体积指标的模板图像的库，其中，所述处理器被配置成访问来自所述数据存储模块的模板图像并根据所提取的特征将所述模板图像与所述样品的所述图像的所述部分进行比较，以生成所述血液体积指标标签。

31.根据权利要求26所述的系统，其中所述处理器还被配置为识别所述图像中的所述物理样品并为所识别出的物理样品的样品计数器编制索引。