CN108172276A - 一种红外影像自动评估方法、电子设备及存储介质 - Google Patents
一种红外影像自动评估方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN108172276A CN108172276A CN201711251981.7A CN201711251981A CN108172276A CN 108172276 A CN108172276 A CN 108172276A CN 201711251981 A CN201711251981 A CN 201711251981A CN 108172276 A CN108172276 A CN 108172276A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- assessed
- infrared
- fisrt feature
- histological type
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种红外影像自动评估方法，包括以下步骤：用户端使用红外设备采集病人的待评估红外影像，选择病人的就诊科室，将待评估红外影像、就诊科室发送至红外云平台；红外云平台在案例数据库中找到就诊科室子数据库，依次对比就诊科室子数据库中的病理类型；若待评估红外影像与第一病理类型的第一红外影像的匹配百分比超过匹配阈值，待评估红外影像的评估结果为第一病理类型，并将包括第一病理类型的评估报告发送给用户端；本发明还公开了一种电子设备和计算机可读存储介质；本发明通过将待评估红外影像与各病理类型的红外影像进行对比，从而实现自动评估，达到快捷、专业、准确的效果。
Description
技术领域
本发明涉及一种互联网医疗领域，尤其涉及一种红外影像自动评估方法、电子设备及存储介质。
背景技术
医用红外热像技术是医学技术、红外摄像技术、计算机多媒体技术结合的产物,这是一种记录人体热场的影像装置；人体是一个天然的生物发热体,由于解剖结构、组织代谢、血液循环及神经状态的不同，机体各部位温度不同,形成不同的热场。红外热像仪通过光学电子系统将人体辐射的远红外光波经滤波聚集,调制及光电转换,变为电信号,并经A/D转换为数字量，然后经多媒体图像处理技术，以伪彩色热图形式，显示人体的温度场；正常的机体状态有正常的热图；异常的机体状态有异常的热图，比较两者的异同，结合临床就可以诊断、推论疾病的性质和程度。
这种通过专业医师进行评估的方法难免会受到医师水平、评估环境等因素的影响，其评估结果存在较大的主观性，无法达到快捷、专业、准确的效果。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种红外影像自动评估方法，通过将待评估红外影像与各病理类型的红外影像进行对比，从而实现自动评估，达到快捷、专业、准确的效果。
本发明的目的之二在于提供一种电子设备，通过将待评估红外影像与各病理类型的红外影像进行对比，从而实现自动评估，达到快捷、专业、准确的效果。
本发明的目的之三在于提供一种计算机可读存储介质，通过将待评估红外影像与各病理类型的红外影像进行对比，从而实现自动评估，达到快捷、专业、准确的效果。
本发明的目的之一采用如下技术方案实现：
一种红外影像自动评估方法，包括以下步骤：
用户端使用红外设备采集病人的待评估红外影像，选择所述病人的就诊科室，将所述待评估红外影像、所述就诊科室发送至红外云平台；
红外云平台在案例数据库中找到就诊科室子数据库，依次对比所述就诊科室子数据库中的病理类型；
若所述待评估红外影像与第一病理类型的第一红外影像的匹配百分比超过匹配阈值，所述待评估红外影像的评估结果为所述第一病理类型，并将包括所述第一病理类型的评估报告发送给用户端。
进一步地，所述第一红外影像包括若干个第一特征区域，每个第一特征区域均设置有一个匹配权重值，所述匹配百分比的生成步骤：
根据所述第一特征区域在所述第一红外影像的位置，标记出所述待评估红外影像的待评估特征区域，依次记录所述待评估特征区域与所述第一特征区域的温度差异值，温度差异值在匹配温度范围内的第一特征区域进行匹配权重值累计，得到匹配百分比。
进一步地，所述第一红外影像包括若干个第一特征区域，每个第一特征区域均设置有一个匹配权重值，所述匹配百分比的生成步骤：
根据所述第一特征区域在所述第一红外影像的位置，标记出所述待评估红外影像的待评估特征区域，记录所述待评估特征区域与所述第一特征区域的温度差异值，所述温度差异值与所述匹配权重值进行乘积，得到匹配百分比。
进一步地，所述待评估红外影像包括3～10张方位图，每张所述方位图包括3～10个待评估特征区域。
进一步地，所述匹配阈值为90％。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括：处理器；存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行上述的一种红外影像自动评估方法。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行上述的一种红外影像自动评估方法。
相比现有技术，本发明的有益效果在于：
本发明提供了一种红外影像自动评估方法，还公开了一种电子设备和计算机可读存储介质，通过在各病理类型的红外影像上设置多个特征区域，将待评估红外影像与各病理类型的红外影像进行特征区域的对比，比较在相同特征区域上的温度差异值，从而得到匹配百分比，并在匹配百分比超过匹配阈值时，评估该待评估红外影像的结果为该病理类型，从而完成对红外影像的自动评估，自动评估较之人工评估，速度更快且不会收到主观因素的影像，从而达到快捷、专业、准确的效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的一种红外影像自动评估方法的流程示意图；
图2为本发明涉及的生成匹配百分比的第一实施例；
图3为本发明涉及的生成匹配百分比的第二实施例。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
一种红外影像自动评估方法，如图1-图3所示，包括以下步骤：
用户端使用红外设备采集病人的待评估红外影像，选择病人的就诊科室，将待评估红外影像、就诊科室发送至红外云平台；
红外云平台在案例数据库中找到就诊科室子数据库，依次对比就诊科室子数据库中的病理类型；
若待评估红外影像与第一病理类型的第一红外影像的匹配百分比超过匹配阈值，待评估红外影像的评估结果为第一病理类型，并将包括第一病理类型的评估报告发送给用户端。
关于用户端，包括用来采集的红外设备和用来操作并上传的应用端软件，用户在应用端软件上操作，通过红外设备进行采集，并将采集到的待评估红外影像发送至红外云平台，由红外云平台进行自动评估。
红外云平台在前期通过对所有红外专家的评估数据的收集归类整理和分析，比对相应的红外图像，创建案例数据库，案例数据库包括不同科室所对应的科室子数据库，比如骨科子数据库、脑外科子数据库、烧伤科子数据库、消化内科子数据库、五官科子数据库、肿瘤科子数据库等等，其中每个科室子数据库中包括各种病理类型的标准红外影像，比如肿瘤科子数据库中的肺癌病理又可以分为以下四种类型鳞癌、小细胞癌、腺癌、未分化大细胞癌。
在进行自动评估时，红外云平台根据病人的就诊科室找到就诊科室子数据库，由于就诊科室子数据库中包含多个病理类型，红外云平台将待评估红外影像与就诊科室子数据库中的各个病理类型进行逐一对比，哪个病理类型与待评估红外影像的匹配百分比超过匹配阈值时，就判定该病理类型为待评估红外影像的评估结果，即上述的第一病理类型、第一红外影像。
至于上述的匹配百分比，在前期的收集过程中针对不同病理类型的病理特征整理出不同的特征区域，比如鳞癌的标准红外影像上设定有五个特征区域，通过比对这五个特征区域的温度差异值即可自动评估。
对此，如图2所示，为生成匹配百分比的第一实施例，为了便于说明，我们定义如下，第一红外影像包括若干个第一特征区域，每个第一特征区域均设置有一个匹配权重值，则匹配百分比的生成步骤：
根据第一特征区域在第一红外影像的位置，标记出待评估红外影像的待评估特征区域，依次记录待评估特征区域与第一特征区域的温度差异值，温度差异值在匹配温度范围内的第一特征区域进行匹配权重值累计，得到匹配百分比。
上述需要说明的是，待评估特征区域的数量、位置均与第一特征区域相同，相同位置上的待评估特征区域与第一特征区域进行对比，对比两个区域之间的温度差异，得到一个温度差异值，红外云平台预设有一个匹配温度范围，在该匹配温度范围内，表示两者相差不大，认定待评估特征区域在该位置上符合第一病理类型的病理特征，则匹配权重值有效，若不在匹配温度范围内，则匹配权重值无效，不进行累计。当待评估红外影像上所有的待评估特征区域与相对应的第一特征区域都进行对比后，有效的匹配权重值进行相加得到有效匹配值，所有的匹配权重值相加得到总匹配值，有效匹配值除于总匹配值即为匹配百分比，据此来看，匹配百分比越高，说明待评估红外影像的评估结果为第一病理类型的可能性越高，介于每个人的身体体质不一样，设定一个匹配阈值，若匹配百分比超过匹配阈值时，就判定该病理类型为待评估红外影像的评估结果。
其中，如图3所示，为生成匹配百分比的第二实施例，为了便于说明，我们定义如下，第一红外影像包括若干个第一特征区域，每个第一特征区域均设置有一个匹配权重值，匹配百分比的生成步骤：
根据第一特征区域在第一红外影像的位置，标记出待评估红外影像的待评估特征区域，记录待评估特征区域与第一特征区域的温度差异值，温度差异值与匹配权重值进行乘积，得到匹配百分比。
与上述不同的是，匹配权重值与温度差异值进行乘积，得到一个无效匹配值，系统预设一个总匹配值，总匹配值减去无效匹配值即为有效匹配值，有效匹配值除于总匹配值即为匹配百分比。
其中，待评估红外影像包括3～10张方位图，每张方位图包括3～10个待评估特征区域。
在一实施例中，待评估红外影像包括9张方位图，每张方位图包括5个待评估特征区域，匹配阈值为90％。
一种电子设备，包括：处理器；存储器；以及程序，其中程序被存储在存储器中，并且被配置成由处理器执行，程序包括用于执行上述的一种红外影像自动评估方法；一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行上述的一种红外影像自动评估方法。
本发明提供了一种红外影像自动评估方法，还公开了一种电子设备和计算机可读存储介质，通过在各病理类型的红外影像上设置多个特征区域，将待评估红外影像与各病理类型的红外影像进行特征区域的对比，比较在相同特征区域上的温度差异值，从而得到匹配百分比，并在匹配百分比超过匹配阈值时，评估该待评估红外影像的结果为该病理类型，从而完成对红外影像的自动评估，自动评估较之人工评估，速度更快且不会收到主观因素的影像，从而达到快捷、专业、准确的效果。
以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。
Claims (7)
1.一种红外影像自动评估方法，其特征在于包括以下步骤：
用户端使用红外设备采集病人的待评估红外影像，选择所述病人的就诊科室，将所述待评估红外影像、所述就诊科室发送至红外云平台；
红外云平台在案例数据库中找到就诊科室子数据库，依次对比所述就诊科室子数据库中的病理类型；
若所述待评估红外影像与第一病理类型的第一红外影像的匹配百分比超过匹配阈值，所述待评估红外影像的评估结果为所述第一病理类型，并将包括所述第一病理类型的评估报告发送给用户端。
2.如权利要求1所述的一种红外影像自动评估方法，其特征在于，所述第一红外影像包括若干个第一特征区域，每个第一特征区域均设置有一个匹配权重值，所述匹配百分比的生成步骤：
根据所述第一特征区域在所述第一红外影像的位置，标记出所述待评估红外影像的待评估特征区域，依次记录所述待评估特征区域与所述第一特征区域的温度差异值，温度差异值在匹配温度范围内的第一特征区域进行匹配权重值累计，得到匹配百分比。
3.如权利要求1所述的一种红外影像自动评估方法，其特征在于，所述第一红外影像包括若干个第一特征区域，每个第一特征区域均设置有一个匹配权重值，所述匹配百分比的生成步骤：
根据所述第一特征区域在所述第一红外影像的位置，标记出所述待评估红外影像的待评估特征区域，记录所述待评估特征区域与所述第一特征区域的温度差异值，所述温度差异值与所述匹配权重值进行乘积，得到匹配百分比。
4.如权利要求1所述的一种红外影像自动评估方法，其特征在于：所述待评估红外影像包括3～10张方位图，每张所述方位图包括3～10个待评估特征区域。
5.如权利要求1所述的一种红外影像自动评估方法，其特征在于：所述匹配阈值为90％。
6.一种电子设备，其特征在于包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行权利要求1-5任意一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1-5任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711251981.7A CN108172276A (zh) | 2017-12-01 | 2017-12-01 | 一种红外影像自动评估方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711251981.7A CN108172276A (zh) | 2017-12-01 | 2017-12-01 | 一种红外影像自动评估方法、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108172276A true CN108172276A (zh) | 2018-06-15 |
Family
ID=62524297
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711251981.7A Pending CN108172276A (zh) | 2017-12-01 | 2017-12-01 | 一种红外影像自动评估方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108172276A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161332A (zh) * | 2019-12-30 | 2020-05-15 | 上海研境医疗科技有限公司 | 同源病理影像配准预处理方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150072371A1 (en) * | 2012-05-24 | 2015-03-12 | Nec Corporation | Pathological diagnosis results assessment system, pathological diagnosis results assessment method, and pathological diagnosis results assessment device |
| CN105354430A (zh) * | 2015-11-19 | 2016-02-24 | 小红象医疗科技有限公司 | 基于红外医学影像的全身健康信息自动分析系统和方法 |
| CN107049248A (zh) * | 2017-03-25 | 2017-08-18 | 深圳市前海安测信息技术有限公司 | 基于医疗云平台的乳腺筛查影像分析系统及方法 |
| CN107274404A (zh) * | 2017-07-25 | 2017-10-20 | 青岛大学附属医院 | 一种基于影像的病理分析系统及方法 |
-
2017
- 2017-12-01 CN CN201711251981.7A patent/CN108172276A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150072371A1 (en) * | 2012-05-24 | 2015-03-12 | Nec Corporation | Pathological diagnosis results assessment system, pathological diagnosis results assessment method, and pathological diagnosis results assessment device |
| CN105354430A (zh) * | 2015-11-19 | 2016-02-24 | 小红象医疗科技有限公司 | 基于红外医学影像的全身健康信息自动分析系统和方法 |
| CN107049248A (zh) * | 2017-03-25 | 2017-08-18 | 深圳市前海安测信息技术有限公司 | 基于医疗云平台的乳腺筛查影像分析系统及方法 |
| CN107274404A (zh) * | 2017-07-25 | 2017-10-20 | 青岛大学附属医院 | 一种基于影像的病理分析系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161332A (zh) * | 2019-12-30 | 2020-05-15 | 上海研境医疗科技有限公司 | 同源病理影像配准预处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Velasco et al. | A smartphone-based skin disease classification using mobilenet cnn | |
| Faust et al. | Application of infrared thermography in computer aided diagnosis | |
| Snekhalatha et al. | Automated hand thermal image segmentation and feature extraction in the evaluation of rheumatoid arthritis | |
| JP6595474B2 (ja) | 創傷アセスメントおよびマネジメントのための方法およびシステム | |
| Hegde et al. | Autotriage-an open source edge computing raspberry pi-based clinical screening system | |
| JP3854966B2 (ja) | 舌映像からの関心領域の抽出方法及び舌映像を利用した健康モニタリング方法及び装置 | |
| Jiang et al. | A perspective on medical infrared imaging | |
| Gogoi et al. | Discriminative feature selection for breast abnormality detection and accurate classification of thermograms | |
| Raina et al. | Objective measurement of erythema in psoriasis using digital color photography with color calibration | |
| Hu et al. | Color correction parameter estimation on the smartphone and its application to automatic tongue diagnosis | |
| Leite et al. | Heartbeat classification with low computational cost using Hjorth parameters | |
| CN117877691B (zh) | 一种基于图像识别的智能化伤口信息采集系统 | |
| JP4649965B2 (ja) | 健康度判定装置、及びプログラム | |
| Van der Waal | Skin cancer diagnosed using artificial intelligence on clinical images. | |
| Ghaznavi Bidgoli et al. | Automatic diagnosis of dental diseases using convolutional neural network and panoramic radiographic images | |
| Singh et al. | An automated approach to enhance the thermographic evaluation on orofacial regions in lateral facial thermograms | |
| CN108172276A (zh) | 一种红外影像自动评估方法、电子设备及存储介质 | |
| Ragab et al. | Early and accurate detection of melanoma skin cancer using hybrid level set approach | |
| CN107220523A (zh) | 一种数字化病理分析系统及方法 | |
| Chen et al. | Detection of various dental conditions on dental panoramic radiography using Faster R-CNN | |
| Kumar et al. | Enhancement techniques for abnormality detection using thermal image | |
| Quinn et al. | A thermal imaging solution for early detection of pre-ulcerative diabetic hotspots | |
| Pasero et al. | Application of an automatic ulcer segmentation algorithm | |
| CN117274606A (zh) | 一种核磁共振脑瘤区域提取方法 | |
| Sebastião et al. | Analysis of physiological responses during pain induction |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |
|
| RJ01 | Rejection of invention patent application after publication |