CN108447333A - 一种腔镜手术剪裁操作考核方法 - Google Patents
一种腔镜手术剪裁操作考核方法 Download PDFInfo
- Publication number
- CN108447333A CN108447333A CN201810215231.2A CN201810215231A CN108447333A CN 108447333 A CN108447333 A CN 108447333A CN 201810215231 A CN201810215231 A CN 201810215231A CN 108447333 A CN108447333 A CN 108447333A
- Authority
- CN
- China
- Prior art keywords
- cut out
- shape
- hysteroscope
- endoscope
- original image
- 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
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
- G09B23/286—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine for scanning or photography techniques, e.g. X-rays, ultrasonics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Medicinal Chemistry (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Endoscopes (AREA)
Abstract
本发明公开一种腔镜手术剪裁操作考核方法，包括：在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体，获取剪裁图形；采集所述剪裁图形的原始图像；对所述原始图像进行预处理，提取预处理后原始图像的边缘形状信息；将所述边缘形状信息与预设的标准形状库中的形状分别进行相关性运算，获取一组相关性运算结果；根据所述相关性运算结果判断所述剪裁图形的形状以及所述剪裁图形的剪裁质量；根据所述剪裁质量对所述剪裁图形进行评分。本发明提供的技术方案能够对学员的手术剪裁操作质量进行较客观的评分，且评分准确度高。
Description
技术领域
本发明涉及医疗教学技术领域，尤其涉及一种腔镜手术剪裁操作考核方法。
背景技术
在外科手术中，经常需要在腔镜进行手术剪裁操作，因此，对学员进行上述操作培训，以使其熟练、正确地掌握术中的剪裁技术尤为重要。现有的对于学员剪裁操作的培训和考试均是通过人工进行，对学员操作质量的评价带有很大的主观因素，从而难以对培训或考试对象作出较准确、较客观的评价。
发明内容
本发明旨在提供一种腔镜手术剪裁操作考核方法，能够对学员的手术剪裁操作质量进行较客观的评分，且评分准确度高。
为达到上述目的，本发明采用的技术方案如下：
一种腔镜手术剪裁操作考核方法，包括：在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体，获取剪裁图形；采集所述剪裁图形的原始图像；对所述原始图像进行预处理，提取预处理后原始图像的边缘形状信息；将所述边缘形状信息与预设的标准形状库中的形状分别进行相关性运算，获取一组相关性运算结果；根据所述相关性运算结果判断所述剪裁图形的形状以及所述剪裁图形的剪裁质量；根据所述剪裁质量对所述剪裁图形进行评分。
进一步地，所述在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体之前，还包括：在待剪体上设置待剪图案；所述待剪图案为所述标准形状库中的形状的一种。
优选地，所述对所述原始图像进行预处理为：过滤所述原始图像中的噪点。
优选地，所述提取预处理后原始图像的边缘形状信息的方法为：获取所述预处理后原始图像的灰度信息；滤掉所述灰度信息中的杂散光，获取处理后的灰度信息；根据预定的门限值将所述处理后的灰度信息二值化，获取二值化图像；对所述二值化图像进行二维差分处理，获取所述边缘形状信息。
优选地，所述根据所述相关性运算结果判断所述剪裁图形的形状以及所述剪裁图形的剪裁质量的方法为：取所述相关性运算结果中的最大值；当所述最大值小于预设的阈值时，判定所述剪裁图形不合格；当所述最大值大于等于预设的阈值时，判定所述剪裁图形的形状为所述最大值对应的标准形状库中的一种形状；当所述最大值大于等于预设的阈值时，根据最大值的数值判断所述剪裁图形与所述最大值对应的标准形状库中的一种形状之间的吻合度。
进一步地，还包括：对剪裁待剪体的操作进行计时，获取剪裁时间；根据所述剪裁时间和所述剪裁质量，对所述剪裁图形进行评分。
优选地，所述待剪体为塑料片，或纸张。
本发明实施例提供的腔镜手术剪裁操作考核方法，通过自动采集学员在腔镜模拟器中完成的剪裁图形，对剪裁图形的边缘形状信息进行提取，并将该边缘形状信息与预设的标准形状库中的形状分别进行相关性运算，通过相关性运算结果可获取剪裁图形的剪裁质量，以此作为学员剪裁操作的评分标准。整个过程由计算机自动完成，不需要人工参与，有效克服了人工评分所造成的评分不客观、不准确的缺陷。同时，本发明所采用的算法简单，且边缘提取、相关性运算结果准确。综上所述，本发明提供的技术方案，能够对学员的手术剪裁操作质量进行较客观的评分，且评分准确度高。
附图说明
图1为本发明实施例的方法流程图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
本发明实施例提供的腔镜手术剪裁操作考核方法，包括：
步骤101，在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体，获取剪裁图形；
本实施例中，整个剪裁操作在腔镜下进行。具体操作时，由助手协助扶镜，学员或考生一只手使用腔镜分离钳夹持待剪体，另一只手操作腔镜剪刀将待剪体剪裁出符合要求的形状。所述待剪体为塑料片，或纸张。
本实施例中，在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体之前，还包括：在待剪体上设置待剪图案；所述待剪图案为所述标准形状库中的形状的一种。待剪图案可根据考核要求具体设置，例如，待剪图案为圆形、正方形、三角形等，也可根据考核的难易程度设置为其它形状。待剪图案的各种形状在标准形状库中均有存储，以便后续进行相关性运算获取剪裁图形与标准图形之间的吻合度。
步骤102，采集所述剪裁图形的原始图像；
本实施例中，在腔镜模拟器的顶盖上设置有高清摄像头，通过该高清摄像头拍摄剪裁图形的原始图像，并传送至计算机系统进行后续的图像处理。
步骤103，对所述原始图像进行预处理，提取预处理后原始图像的边缘形状信息；
具体地，对所述原始图像进行预处理为：过滤所述原始图像中的噪点。提取预处理后原始图像的边缘形状信息的方法为：获取所述预处理后原始图像的灰度信息；当获取的原始图像为彩色图像时，需先将其转换为灰度图像，再获取灰度信息。之后，滤掉所述灰度信息中的杂散光，获取处理后的灰度信息；根据预定的门限值将所述处理后的灰度信息二值化，获取二值化图像；对所述二值化图像进行二维差分处理，获取所述边缘形状信息。
步骤104，将所述边缘形状信息与预设的标准形状库中的形状分别进行相关性运算，获取一组相关性运算结果；
步骤105，根据所述相关性运算结果判断所述剪裁图形的形状以及所述剪裁图形的剪裁质量；
具体判断方法为：取所述相关性运算结果中的最大值；当所述最大值小于预设的阈值时，判定所述剪裁图形不合格；当所述最大值大于等于预设的阈值时，判定所述剪裁图形的形状为所述最大值对应的标准形状库中的一种形状；当所述最大值大于等于预设的阈值时，根据最大值的数值判断所述剪裁图形与所述最大值对应的标准形状库中的一种形状之间的吻合度。
以下举例说明上述判断方法：比如标准形状库中有三角形T和圆形C两种标准形状，学员剪裁出图形X。通过摄像头采集图形X的原始图像，对其预处理后提取该原始图像的边缘形状信息，即图形X的形状信息。将图形X的形状信息分别与三角形T和圆形C进行相关性运算，获得两个相关系数R1，R2。假设预设的阈值为0.5，当R1、R2均小于0.5时，则认为图形X与任何一个标准形状均相差过大，剪裁的图形不合格；当R1>＝0.5，R2<0.5时，则把图形X判定为三角形T；当R1<0.5，R2>＝0.5时，则把图形X判定为圆形C；当R1、R2均大于0.5时，把图形X识别为R1和R2中最大值所对应的图形。且R1或R2越大，图形X与三角形T或圆形C的吻合度越高。
步骤106，根据所述剪裁质量对所述剪裁图形进行评分。
本实施例中，还包括：对剪裁待剪体的操作进行计时，获取剪裁时间；根据所述剪裁时间和所述剪裁质量，对所述剪裁图形进行评分。
本发明实施例提供的腔镜手术剪裁操作考核方法，通过自动采集学员在腔镜模拟器中完成的剪裁图形，对剪裁图形的边缘形状信息进行提取，并将该边缘形状信息与预设的标准形状库中的形状分别进行相关性运算，通过相关性运算结果可获取剪裁图形的剪裁质量，以此作为学员剪裁操作的评分标准。整个过程由计算机自动完成，不需要人工参与，有效克服了人工评分所造成的评分不客观、不准确的缺陷。同时，本发明所采用的算法简单，且边缘提取、相关性运算结果准确。综上所述，本发明提供的技术方案，能够对学员的手术剪裁操作质量进行较客观的评分，且评分准确度高。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种腔镜手术剪裁操作考核方法，其特征在于，包括：
在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体，获取剪裁图形；
采集所述剪裁图形的原始图像；
对所述原始图像进行预处理，提取预处理后原始图像的边缘形状信息；
将所述边缘形状信息与预设的标准形状库中的形状分别进行相关性运算，获取一组相关性运算结果；
根据所述相关性运算结果判断所述剪裁图形的形状以及所述剪裁图形的剪裁质量；
根据所述剪裁质量对所述剪裁图形进行评分。
2.根据权利要求1所述的腔镜手术剪裁操作考核方法，其特征在于，所述在预设的腔镜模拟器中采用腔镜分离钳和腔镜剪刀剪裁待剪体之前，还包括：在待剪体上设置待剪图案；所述待剪图案为所述标准形状库中的形状的一种。
3.根据权利要求1所述的腔镜手术剪裁操作考核方法，其特征在于，所述对所述原始图像进行预处理为：过滤所述原始图像中的噪点。
4.根据权利要求3所述的腔镜手术剪裁操作考核方法，其特征在于，所述提取预处理后原始图像的边缘形状信息的方法为：
获取所述预处理后原始图像的灰度信息；
滤掉所述灰度信息中的杂散光，获取处理后的灰度信息；
根据预定的门限值将所述处理后的灰度信息二值化，获取二值化图像；
对所述二值化图像进行二维差分处理，获取所述边缘形状信息。
5.根据权利要求4所述的腔镜手术剪裁操作考核方法，其特征在于，所述根据所述相关性运算结果判断所述剪裁图形的形状以及所述剪裁图形的剪裁质量的方法为：
取所述相关性运算结果中的最大值；
当所述最大值小于预设的阈值时，判定所述剪裁图形不合格；
当所述最大值大于等于预设的阈值时，判定所述剪裁图形的形状为所述最大值对应的标准形状库中的一种形状；
当所述最大值大于等于预设的阈值时，根据最大值的数值判断所述剪裁图形与所述最大值对应的标准形状库中的一种形状之间的吻合度。
6.根据权利要求1所述的腔镜手术剪裁操作考核方法，其特征在于，还包括：对剪裁待剪体的操作进行计时，获取剪裁时间；根据所述剪裁时间和所述剪裁质量，对所述剪裁图形进行评分。
7.根据权利要求1所述的腔镜手术剪裁操作考核方法，其特征在于，所述待剪体为塑料片，或纸张。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810215231.2A CN108447333B (zh) | 2018-03-15 | 2018-03-15 | 一种腔镜手术剪裁操作考核方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810215231.2A CN108447333B (zh) | 2018-03-15 | 2018-03-15 | 一种腔镜手术剪裁操作考核方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108447333A true CN108447333A (zh) | 2018-08-24 |
| CN108447333B CN108447333B (zh) | 2019-11-26 |
Family
ID=63194668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810215231.2A Active CN108447333B (zh) | 2018-03-15 | 2018-03-15 | 一种腔镜手术剪裁操作考核方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108447333B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1488127A (zh) * | 2001-01-24 | 2004-04-07 | ��±���ѧ��ƿ�ѧ�ɷݹ�˾ | 模拟外科过程的方法和系统 |
| CN101504717A (zh) * | 2008-07-28 | 2009-08-12 | 上海高德威智能交通系统有限公司 | 特征区域的定位方法、车身深浅色与车身颜色的识别方法 |
| CN101807245A (zh) * | 2010-03-02 | 2010-08-18 | 天津大学 | 基于人工神经网络的多源步态特征提取与身份识别方法 |
| CN101996507A (zh) * | 2010-11-15 | 2011-03-30 | 罗伟 | 构建外科虚拟手术教学及训练系统的方法 |
| CN102779452A (zh) * | 2012-06-28 | 2012-11-14 | 天津正展昌电子科技有限公司 | 微创手术培训考评方法 |
| WO2012151585A3 (en) * | 2011-05-05 | 2013-01-17 | The Johns Hopkins University | Method and system for analyzing a task trajectory |
| US20130046523A1 (en) * | 2009-08-18 | 2013-02-21 | Paul Van Dinther | Endoscope Simulator |
| CN205508242U (zh) * | 2016-01-20 | 2016-08-24 | 北京医模科技股份有限公司 | 高效腹腔镜训练及考核系统 |
| CN106203438A (zh) * | 2016-06-21 | 2016-12-07 | 华中科技大学 | 一种基于图像处理的元件作品及动画作品自动评分方法 |
| CN106683518A (zh) * | 2017-03-20 | 2017-05-17 | 合肥德铭电子有限公司 | 一种腔镜模拟仿真训练系统及其方法 |
| CN206741752U (zh) * | 2017-04-13 | 2017-12-12 | 北京医教科技有限公司 | 仿真人体腹腔镜手术模拟训练系统 |
-
2018
- 2018-03-15 CN CN201810215231.2A patent/CN108447333B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1488127A (zh) * | 2001-01-24 | 2004-04-07 | ��±���ѧ��ƿ�ѧ�ɷݹ�˾ | 模拟外科过程的方法和系统 |
| CN101504717A (zh) * | 2008-07-28 | 2009-08-12 | 上海高德威智能交通系统有限公司 | 特征区域的定位方法、车身深浅色与车身颜色的识别方法 |
| US20130046523A1 (en) * | 2009-08-18 | 2013-02-21 | Paul Van Dinther | Endoscope Simulator |
| CN101807245A (zh) * | 2010-03-02 | 2010-08-18 | 天津大学 | 基于人工神经网络的多源步态特征提取与身份识别方法 |
| CN101996507A (zh) * | 2010-11-15 | 2011-03-30 | 罗伟 | 构建外科虚拟手术教学及训练系统的方法 |
| WO2012151585A3 (en) * | 2011-05-05 | 2013-01-17 | The Johns Hopkins University | Method and system for analyzing a task trajectory |
| CN102779452A (zh) * | 2012-06-28 | 2012-11-14 | 天津正展昌电子科技有限公司 | 微创手术培训考评方法 |
| CN205508242U (zh) * | 2016-01-20 | 2016-08-24 | 北京医模科技股份有限公司 | 高效腹腔镜训练及考核系统 |
| CN106203438A (zh) * | 2016-06-21 | 2016-12-07 | 华中科技大学 | 一种基于图像处理的元件作品及动画作品自动评分方法 |
| CN106683518A (zh) * | 2017-03-20 | 2017-05-17 | 合肥德铭电子有限公司 | 一种腔镜模拟仿真训练系统及其方法 |
| CN206741752U (zh) * | 2017-04-13 | 2017-12-12 | 北京医教科技有限公司 | 仿真人体腹腔镜手术模拟训练系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108447333B (zh) | 2019-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7848552B2 (en) | Method for processing a material by means of a laser irradiation and control system | |
| CN111986211A (zh) | 一种基于深度学习的眼科超声自动筛查方法及系统 | |
| CN110308151A (zh) | 一种基于机器视觉的金属工件表面缺陷识别方法及装置 | |
| CN113083804A (zh) | 激光智能除锈方法、系统及可存读介质 | |
| CN105468468A (zh) | 面向问答系统的数据纠错方法及装置 | |
| CN113421230B (zh) | 基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法 | |
| CN110765835A (zh) | 一种基于边缘信息的手术视频流程识别方法 | |
| CN106897384A (zh) | 一种要点题自动评价方法及装置 | |
| CN113628159A (zh) | 一种基于深度学习网络全自动训练方法、装置及存储介质 | |
| CN110020691A (zh) | 基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法 | |
| CN110648304A (zh) | 一种手持硬质内窥镜智能辅助诊断方法 | |
| CN108447333B (zh) | 一种腔镜手术剪裁操作考核方法 | |
| US11908137B2 (en) | Method, device and equipment for identifying and detecting macular region in fundus image | |
| CN109685756A (zh) | 影像特征自动辨识装置、系统及方法 | |
| CN109598994B (zh) | 一种自适应教学中非知识点错误识别方法及系统 | |
| CN117256514B (zh) | 一种用于分选系统的剔除不合格种蛋的方法 | |
| CN102890775A (zh) | 一种基于ocr识别的试卷分数自动识别处理方法 | |
| CN105825225A (zh) | 一种机器视觉辅助脑电目标判决的方法 | |
| US20200005014A1 (en) | Non-transitory computer-readable recording medium storing image analysis program and image analysis method | |
| CN110705278A (zh) | 主观题阅卷方法和主观题阅卷装置 | |
| CN112053780A (zh) | 一种基于眼底图片的人工智能白内障筛查转诊系统 | |
| CN108763411B (zh) | 一种结合短文本聚类和推荐机制的主观题批阅系统及方法 | |
| CN111403004A (zh) | 一种人工智能ana检测图文报告系统 | |
| CN110689275A (zh) | 对错题进行分析和量化评分方法和系统 | |
| CN112418362B (zh) | 一种目标检测训练样本筛选方法 |
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 |