CN108198167A - 一种基于机器视觉的烧伤智能检测识别装置及方法 - Google Patents
一种基于机器视觉的烧伤智能检测识别装置及方法 Download PDFInfo
- Publication number
- CN108198167A CN108198167A CN201711411808.9A CN201711411808A CN108198167A CN 108198167 A CN108198167 A CN 108198167A CN 201711411808 A CN201711411808 A CN 201711411808A CN 108198167 A CN108198167 A CN 108198167A
- Authority
- CN
- China
- Prior art keywords
- burn
- image
- area
- module
- segmentation
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 29
- 238000000576 coating method Methods 0.000 claims description 17
- 239000011248 coating agent Substances 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 5
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 229940079593 drug Drugs 0.000 description 7
- 239000003814 drug Substances 0.000 description 7
- 206010052428 Wound Diseases 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 231100000075 skin burn Toxicity 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000011285 therapeutic regimen Methods 0.000 description 1
- 230000029663 wound healing Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Dermatology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种基于机器视觉的烧伤智能检测识别装置及方法，其由计算机视觉识别部分、机械臂控制系统和末端涂药装置组成；摄像头安装在无菌病房的上部，机械臂及与机械臂相连的末端涂药装置安装在病床的侧面。所述摄像头经线路与计算机内的数字图像采集卡相连，将所拍摄的图像存入计算机并进行图像处理。计算机通过数据线发出信号至机械臂运动控制卡，从而控制机械臂运动，实现控制其末端的涂药装置的姿态和涂抹操作，达到对烧伤区域进行精确无菌处理的目的。
Description
技术领域
本发明涉及医疗辅助器械领域，尤其涉及一种基于机器视觉的烧伤智能检测识别的装置和方法。
背景技术
目前临床工作中，存在很多烧伤的患者，在烧伤治疗过程中，一个相对无菌的环境对烧伤患者生命体征的维护及创面愈合具有至关重要的作用，而目前绝大多数临床处理都是医护人员手工处理，往往不能保证环境的无菌性。并且对于不同的皮肤烧伤程度，需要涂抹不同的治疗药物。在烧伤治疗过程中，烧伤面积的不同也直接决定了所需涂抹药物的种类和计量。现在测量烧伤面积的主要方法是由医护人员对创面进行目测，然后结合九分法、十分法、手掌法等分类方法进行估算，得出结果，由于医护人员之间存在很大的临床经验差别，所以导致面积的估算结果与实际面积出现较大的误差，所以准确的烧伤面积评估也是烧伤科急需解决的问题。而且即便烧伤面积得到了精确的评估，但治疗用药的处方也需要综合考虑烧伤创面特征(例如颜色)以及愈合情况进行适应性调整。
目前烧伤的识别主要依赖于人工诊断。在自动化识别领域，有中国专利“CN103815875A”于2014年5月28日公布了采用近红外光谱识别烧伤皮肤坏死深度和面积的技术方案。但是其不足之处在于：使用红外相机进行烧伤检测，价格较昂贵；仅对烧伤深度与面积进行计算，计算的结果尚不能较好的应用于烧伤区域涂药治疗的自动控制中。
发明内容
为克服现有技术的不足，本发明提供一种基于机器视觉的烧伤智能检测识别装置及方法。
为达到上述目的，本发明采用了以下技术方案：
一种基于机器视觉的烧伤智能检测识别装置，该识别装置包括创面图像采集系统及计算机视觉识别系统；所述创面图像采集系统包括摄像头；计算机视觉识别系统包括图像增强子系统和智能识别子系统，图像增强子系统包括高斯滤波模块和图像增强模块，高斯滤波模块用于对摄像头采集的烧伤图像进行降噪处理，图像增强模块用于对经过降噪处理的图像进行直方图均衡化处理，智能识别子系统包括烧伤区域分割模块、烧伤区域位置空间标定模块以及烧伤程度识别模块，烧伤区域分割模块用于提取经过直方图均衡化处理的图像中的烧伤区域像素点信息，烧伤区域位置空间标定模块用于根据烧伤区域像素点信息获取烧伤区域实际空间位置，烧伤程度识别模块用于根据烧伤区域实际空间位置计算烧伤区域面积以及利用烧伤区域面积和烧伤区域像素点信息提取过程中保留的颜色信息对烧伤区域烧伤程度进行分级。
优选的，所述烧伤区域实际空间位置包括烧伤区域的重心；所述对烧伤区域烧伤程度进行分级依据预先给定的分级规则。
优选的，所述烧伤区域分割模块包括用于对经过直方图均衡化处理的图像依次进行RGB到HSV颜色空间转化、H空间阈值分割及区域增长分割的子模块，区域增长分割的结果输入至烧伤区域位置空间标定模块。
优选的，所述H空间阈值分割设定的色调H的阈值为[150,180]。
优选的，所述区域增长分割设定的生长条件为在H空间内一个像素点的8邻域范围内，该点与其邻域内点的值相差小于等于3。
优选的，所述子模块对颜色空间转化结果进行高斯滤波后再进行所述H空间阈值分割。
优选的，所述识别装置还包括机械臂控制系统，机械臂控制系统包括涂药机械臂、用于根据烧伤区域实际空间位置控制该机械臂的涂药端运动轨迹的模块，以及用于根据烧伤区域烧伤程度分级结果控制涂药端涂药种类的模块。
一种基于机器视觉的烧伤智能检测识别方法，包括以下步骤：
1)利用摄像头采集烧伤图像，得到图像I；
2)对图像I进行高斯滤波降噪，然后进行直方图均衡化处理，得到图像II；
3)提取图像II中烧伤区域像素点信息，根据烧伤区域像素点信息获取烧伤区域实际空间位置。
优选的，所述提取图像II中烧伤区域像素点信息具体包括以下步骤：对图像II依次进行RGB到HSV颜色空间转化、H空间阈值分割及区域增长分割。
优选的，所述提取图像II中烧伤区域像素点信息还包括以下步骤：对颜色空间转化结果进行高斯滤波后再进行所述H空间阈值分割。
本发明的有益效果体现在：本发明可以通过摄像头对病人的烧伤皮肤进行智能识别，可得到病人皮肤烧伤程度、烧伤面积、烧伤位置信息，其中烧伤程度的获取既根据了烧伤面积也考虑了基于颜色特征的创面信息。根据所得烧伤程度等信息，可用于控制机械臂对烧伤皮肤进行更为合理、精确的无菌处理(例如远程控制下的智能涂药)，从而提高烧伤的治疗效果。
附图说明
图1为本发明的基于机器视觉的烧伤智能检测识别系统组成示意图。
图2为本发明的烧伤检测流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步的详细说明。
本发明提供了一种可以应用于无菌环境下的烧伤远程处理系统，包括基于机器视觉的烧伤智能检测识别子系统和智能涂药子系统。基于机器视觉的烧伤智能检测识别子系统由摄像模块、光照模块和控制模块组成，控制模块由计算机与相应的软件组成。智能涂药子系统由机械臂控制模块和末端涂药装置组成，机械臂控制模块包括机械臂以及机械臂运动控制卡，所述计算机构成控制机械臂运动以及末端涂药装置涂药的上位机。
参见图1，上述烧伤远程处理系统布局于相互分隔的操作间和无菌病房内。其中摄像模块包括一个安装在无菌病房上部的摄像头和一块与摄像头相连的数字图像采集卡，数字图像采集卡安装于操作间内的计算机中；光照系统(采用可见光光源)安装在病床的上方，为正对着病床的摄像头提供图像采集所需的背景光，计算机的显示屏可以作为图像采集的视频监测设备以及后续图像处理中的人机交互界面。机械臂及与机械臂相连的末端涂药装置安装在病床的侧面，机械臂运动控制卡与操作间内的计算机以及无菌病房内的机械臂相连。
所述摄像头经线路与计算机内的数字图像采集卡相连，将所拍摄的图像存入计算机并进行图像处理。计算机通过数据线发出信号至机械臂运动控制卡，从而控制机械臂运动，实现控制其末端的涂药装置的姿态和涂抹操作，达到对烧伤区域进行无菌处理的目的。
所述的软件以VS2013和QT5.5.0为开发工具、以C++为开发语言、以OpenCV 3.0.0为支撑库函数进行系统搭建，其中的图像处理部分包括图像增强系统和智能识别系统。
参见图2，所述的图像增强系统中，通过摄像头对患者烧伤图像进行采集，并将图像进行第一次高斯滤波降噪以及直方图均衡化处理，从而达到增强图像对比度的目的。图像增强系统将增强后的图像传输到智能识别系统中，依次使用颜色空间转化(RGB颜色空间到HSV颜色空间)、第二次高斯滤波降噪、H空间阈值分割、区域增长分割算法进行智能识别，将皮肤烧伤处精确识别并分割出来。
所述高斯滤波降噪算法是一种常用的滤波方法，它通过对图像进行卷积运算，实现降噪的功能，以上第一次滤波时，选取5*5的高斯核函数；第二次滤波时，选取3*3的高斯核函数。在降噪程度上第一次滤波高于第二次，这是根据不同的颜色空间和大量图片处理结果而确定的。
所述直方图均衡化是一种增强图像对比度的算法，它通过使用累积函数对灰度值进行调整以实现对比度的增强。
HSV颜色空间是以色调(H)、饱和度(S)和亮度(V)进行表征的，经过颜色空间转化后的图片，针对于在烧伤诊断中，设定色调H的阈值区间为[150,180]，即基于颜色的分割，能够较为准确地对烧伤区域进行检测。
区域生长分割是一种提取算法，上一步H空间分割完成后，除了感兴趣的烧伤区域外，仍有许多小块干扰需要剔除；通过在感兴趣的烧伤区域内设置种子点(可以通过计算机进行人工设置)，制定生长条件和终止条件的方式，就可以实现更加准确的提取感兴趣的烧伤区域的需求；在这里，生长条件是在H空间内一个像素点的8邻域范围内，该点与其邻域内点的值相差小于等于3即可进行生长，停止条件为没有新的种子点加入进来(即没有生长)。通过区域生长分割，可以有效的剔除图像中的非烧伤区域。
对于分割后的皮肤图像，可以得到烧伤位置、烧伤面积、烧伤程度等信息。烧伤位置信息是摄像头获得的图像内烧伤区域坐标点的集合(利用图像坐标系和空间坐标系的转换，即可得到图像中各像素点的空间位置坐标，具体过程可参考现有文献)，通过对坐标点的集合求取重心，即可获得烧伤位置的重心，以此指导机械臂的运动；通过对坐标点的集合依次统计，即可获得烧伤面积信息；烧伤程度是根据烧伤面积与烧伤区域的颜色综合确定的，具体需要由医务人员根据实际情况进行程度分级原则的设定，烧伤程度与对应的用药方案关联。
所述的末端涂药装置可执行与用药方案对应数量的涂药设置，因而，能根据智能识别系统的识别结果进行自动更换和涂药操作。末端涂药装置自动进行的操作为：
(1)根据得到的皮肤烧伤区域位置信息，运动控制卡控制机械臂末端移动到检测出来的烧伤区域重心位置；
(2)根据得到的烧伤程度信息，运动控制卡通过机械臂控制末端涂药装置更换相应的涂抹装置，当依据智能识别系统确定烧伤程度结果为Ⅰ度烧伤，不进行任何操作；当依据智能识别系统确定烧伤程度结果为浅Ⅱ度烧伤或深Ⅱ度烧伤时，机械臂控制末端涂药装置涂抹1号药品；当依据智能识别系统确定烧伤程度结果为Ⅲ度烧伤或Ⅳ度烧伤时，机械臂控制末端涂药装置涂抹2号药品；当依据智能识别系统无法对皮肤烧伤程度进行判断时(例如，图像中未检测到符合所设定的H阈值的区域)，迭代次数增加，重复一定次数后(例如10次)后自动退出识别和涂药过程(图2)。
总之，本发明可以准确、有效、全面地获取病床上病人的图像，通过图像处理，获取烧伤的面积、位置与烧伤程度等特征参数，并根据烧伤程度与烧伤面积、位置，通过控制系统，控制机械臂的末端做出相应操作，为烧伤病患进行远程智能无菌处理。本发明通过机器视觉达到检测人体烧伤面积与烧伤程度的目的，还可以为医生进一步的诊断与治疗提供依据。
Claims (10)
1.一种基于机器视觉的烧伤智能检测识别装置，其特征在于：该识别装置包括创面图像采集系统及计算机视觉识别系统；所述创面图像采集系统包括摄像头；计算机视觉识别系统包括图像增强子系统和智能识别子系统，图像增强子系统包括高斯滤波模块和图像增强模块，高斯滤波模块用于对摄像头采集的烧伤图像进行降噪处理，图像增强模块用于对经过降噪处理的图像进行直方图均衡化处理，智能识别子系统包括烧伤区域分割模块、烧伤区域位置空间标定模块以及烧伤程度识别模块，烧伤区域分割模块用于提取经过直方图均衡化处理的图像中的烧伤区域像素点信息，烧伤区域位置空间标定模块用于根据烧伤区域像素点信息获取烧伤区域实际空间位置，烧伤程度识别模块用于根据烧伤区域实际空间位置计算烧伤区域面积以及利用烧伤区域面积和烧伤区域像素点信息提取过程中保留的颜色信息对烧伤区域烧伤程度进行分级。
2.根据权利要求1所述一种基于机器视觉的烧伤智能检测识别装置，其特征在于：所述烧伤区域实际空间位置包括烧伤区域的重心；所述对烧伤区域烧伤程度进行分级依据预先给定的分级规则。
3.根据权利要求1所述一种基于机器视觉的烧伤智能检测识别装置，其特征在于：所述烧伤区域分割模块包括用于对经过直方图均衡化处理的图像依次进行RGB到HSV颜色空间转化、H空间阈值分割及区域增长分割的子模块，区域增长分割的结果输入至烧伤区域位置空间标定模块。
4.根据权利要求3所述一种基于机器视觉的烧伤智能检测识别装置，其特征在于：所述H空间阈值分割设定的色调H的阈值为[150,180]。
5.根据权利要求3所述一种基于机器视觉的烧伤智能检测识别装置，其特征在于：所述区域增长分割设定的生长条件为在H空间内一个像素点的8邻域范围内，该点与其邻域内点的值相差小于等于3。
6.根据权利要求3所述一种基于机器视觉的烧伤智能检测识别装置，其特征在于：所述子模块对颜色空间转化结果进行高斯滤波后再进行所述H空间阈值分割。
7.根据权利要求1所述一种基于机器视觉的烧伤智能检测识别装置，其特征在于：所述识别装置还包括机械臂控制系统，机械臂控制系统包括涂药机械臂、用于根据烧伤区域实际空间位置控制该机械臂的涂药端运动轨迹的模块，以及用于根据烧伤区域烧伤程度分级结果控制涂药端涂药种类的模块。
8.一种基于机器视觉的烧伤智能检测识别方法，其特征在于：包括以下步骤：
1)利用摄像头采集烧伤图像，得到图像I；
2)对图像I进行高斯滤波降噪，然后进行直方图均衡化处理，得到图像II；
3)提取图像II中烧伤区域像素点信息，根据烧伤区域像素点信息获取烧伤区域实际空间位置。
9.根据权利要求8所述一种基于机器视觉的烧伤智能检测识别方法，其特征在于：所述提取图像II中烧伤区域像素点信息具体包括以下步骤：对图像II依次进行RGB到HSV颜色空间转化、H空间阈值分割及区域增长分割。
10.根据权利要求9所述一种基于机器视觉的烧伤智能检测识别方法，其特征在于：所述提取图像II中烧伤区域像素点信息还包括以下步骤：对颜色空间转化结果进行高斯滤波后再进行所述H空间阈值分割。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711411808.9A CN108198167B (zh) | 2017-12-23 | 2017-12-23 | 一种基于机器视觉的烧伤智能检测识别装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711411808.9A CN108198167B (zh) | 2017-12-23 | 2017-12-23 | 一种基于机器视觉的烧伤智能检测识别装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108198167A true CN108198167A (zh) | 2018-06-22 |
| CN108198167B CN108198167B (zh) | 2021-08-13 |
Family
ID=62583644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711411808.9A Active CN108198167B (zh) | 2017-12-23 | 2017-12-23 | 一种基于机器视觉的烧伤智能检测识别装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108198167B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109065151A (zh) * | 2018-07-13 | 2018-12-21 | 中国人民解放军海军工程大学 | 智疗非手术性创伤处理系统 |
| CN109087285A (zh) * | 2018-07-13 | 2018-12-25 | 中国人民解放军海军工程大学 | 外科创伤检测清创机器人 |
| CN109330566A (zh) * | 2018-11-21 | 2019-02-15 | 佛山市第人民医院（中山大学附属佛山医院） | 一种伤口监测方法及装置 |
| CN109758122A (zh) * | 2019-03-04 | 2019-05-17 | 上海长海医院 | 一种基于皮肤镜的烧伤创面检测和记录系统 |
| CN110787359A (zh) * | 2019-09-23 | 2020-02-14 | 苏州商信宝信息科技有限公司 | 一种基于数据处理分析的智能头部护理方法及其系统 |
| WO2020042102A1 (zh) * | 2018-08-30 | 2020-03-05 | 江苏奇力康皮肤药业有限公司 | 基于皮肤创伤自动识别的药品推荐方法、存储介质、设备 |
| CN112245789A (zh) * | 2020-11-04 | 2021-01-22 | 江苏师范大学 | 一种体表烫伤护理仪 |
| CN112990199A (zh) * | 2021-03-29 | 2021-06-18 | 杭州电子科技大学 | 一种基于支持向量机的烧伤创面深度分类系统 |
| CN117911274A (zh) * | 2024-03-19 | 2024-04-19 | 吉林大学 | 一种基于热成像技术的伤口感染图像优化方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100094265A1 (en) * | 2006-08-02 | 2010-04-15 | Omnitek Partners Llc | Automated Laser-Treatment System With Real Time Integrated 3D Vision System for Laser Debridement and the Like |
| CN103815875A (zh) * | 2013-10-28 | 2014-05-28 | 重庆西南医院 | 一种用于烧伤皮肤坏死深度和面积诊断的近红外光谱成像系统及方法 |
| CN106725481A (zh) * | 2017-01-23 | 2017-05-31 | 重庆大学 | 一种基于单边核磁共振传感设备检测皮肤烧伤深度的方法 |
-
2017
- 2017-12-23 CN CN201711411808.9A patent/CN108198167B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100094265A1 (en) * | 2006-08-02 | 2010-04-15 | Omnitek Partners Llc | Automated Laser-Treatment System With Real Time Integrated 3D Vision System for Laser Debridement and the Like |
| CN103815875A (zh) * | 2013-10-28 | 2014-05-28 | 重庆西南医院 | 一种用于烧伤皮肤坏死深度和面积诊断的近红外光谱成像系统及方法 |
| CN106725481A (zh) * | 2017-01-23 | 2017-05-31 | 重庆大学 | 一种基于单边核磁共振传感设备检测皮肤烧伤深度的方法 |
Non-Patent Citations (5)
| Title |
|---|
| MURALINDRAN MARIAPPAN ET AL.: "A design methodology of a flexible robotic arm vision system for OTOROB", 《2010 INTERNATIONAL CONFERENCE ON MECHANICAL AND ELECTRICAL TECHNOLOGY》 * |
| 张晓光 等: "《射线检测焊接缺陷的提取和自动识别》", 31 October 2004, 国防工业出版社 * |
| 易茜: "基于彩色CCD图像的加工表面烧伤度研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王耀南 等: "《计算机图像处理与识别技术》", 30 June 2001, 高等教育出版社 * |
| 邓悟 等: "基于标准化的伤口数据云平台探讨", 《华西医学》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109065151A (zh) * | 2018-07-13 | 2018-12-21 | 中国人民解放军海军工程大学 | 智疗非手术性创伤处理系统 |
| CN109087285A (zh) * | 2018-07-13 | 2018-12-25 | 中国人民解放军海军工程大学 | 外科创伤检测清创机器人 |
| WO2020042102A1 (zh) * | 2018-08-30 | 2020-03-05 | 江苏奇力康皮肤药业有限公司 | 基于皮肤创伤自动识别的药品推荐方法、存储介质、设备 |
| CN109330566A (zh) * | 2018-11-21 | 2019-02-15 | 佛山市第人民医院（中山大学附属佛山医院） | 一种伤口监测方法及装置 |
| CN109758122A (zh) * | 2019-03-04 | 2019-05-17 | 上海长海医院 | 一种基于皮肤镜的烧伤创面检测和记录系统 |
| CN109758122B (zh) * | 2019-03-04 | 2021-10-01 | 上海长海医院 | 一种基于皮肤镜的烧伤创面检测和记录系统 |
| CN110787359A (zh) * | 2019-09-23 | 2020-02-14 | 苏州商信宝信息科技有限公司 | 一种基于数据处理分析的智能头部护理方法及其系统 |
| CN112245789A (zh) * | 2020-11-04 | 2021-01-22 | 江苏师范大学 | 一种体表烫伤护理仪 |
| CN112990199A (zh) * | 2021-03-29 | 2021-06-18 | 杭州电子科技大学 | 一种基于支持向量机的烧伤创面深度分类系统 |
| CN112990199B (zh) * | 2021-03-29 | 2024-04-26 | 杭州电子科技大学 | 一种基于支持向量机的烧伤创面深度分类系统 |
| CN117911274A (zh) * | 2024-03-19 | 2024-04-19 | 吉林大学 | 一种基于热成像技术的伤口感染图像优化方法及系统 |
| CN117911274B (zh) * | 2024-03-19 | 2024-05-28 | 吉林大学 | 一种基于热成像技术的伤口感染图像优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108198167B (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198167A (zh) | 一种基于机器视觉的烧伤智能检测识别装置及方法 | |
| Kim et al. | Web-based fully automated cephalometric analysis by deep learning | |
| Zhang et al. | Exudate detection in color retinal images for mass screening of diabetic retinopathy | |
| CN110896609B (zh) | 一种用于经颅磁刺激治疗的tms定位导航方法 | |
| US20110218428A1 (en) | System and Method for Three Dimensional Medical Imaging with Structured Light | |
| CN103325128B (zh) | 一种智能识别阴道镜所采集的图像特征的方法及装置 | |
| US11776692B2 (en) | Training data collection apparatus, training data collection method, program, training system, trained model, and endoscopic image processing apparatus | |
| CN107145226A (zh) | 眼控人机交互系统及方法 | |
| CN104424467A (zh) | 一种人脸图像采集方法及装置、终端 | |
| CN108937905B (zh) | 一种基于信号拟合的非接触式心率检测方法 | |
| US11915378B2 (en) | Method and system for proposing and visualizing dental treatments | |
| CN106650628B (zh) | 一种基于三维k曲率的指尖检测方法 | |
| CN111930238A (zh) | 基于动态ssvep范式的脑机接口系统实现方法及装置 | |
| Mahajan et al. | Hypo and hyperthyroid disorder detection from thermal images using Bayesian Classifier | |
| CN106875534A (zh) | 一种智能化医院自助挂号系统 | |
| Chen et al. | Automated Detection System Based on Convolution Neural Networks for Retained Root, Endodontic Treated Teeth, and Implant Recognition on Dental Panoramic Images | |
| CN110673721B (zh) | 基于视觉与意念信号协同控制的机器人看护系统 | |
| CN108460370A (zh) | 一种固定式家禽生命信息报警装置 | |
| CN111178172A (zh) | 实验鼠嗅探动作识别方法、模块及系统 | |
| Bella et al. | Monitoring of physiological signs and their impact on the Covid-19 pandemic | |
| CN108256392A (zh) | 基于投影积分和区域灰度极值的瞳孔区域定位方法 | |
| Alagha et al. | Objective grading facial paralysis severity using a dynamic 3D stereo photogrammetry imaging system | |
| CN108814543A (zh) | 高速视频眼震仪系统 | |
| KR101557059B1 (ko) | 발침을 위한 영상 모니터링 시스템 및 방법 | |
| CN110210401A (zh) | 一种弱光下的目标智能检测方法 |
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 |