CN109190679A - 甲状腺手术中甲状旁腺自动学习和智能识别系统 - Google Patents
甲状腺手术中甲状旁腺自动学习和智能识别系统 Download PDFInfo
- Publication number
- CN109190679A CN109190679A CN201810895701.4A CN201810895701A CN109190679A CN 109190679 A CN109190679 A CN 109190679A CN 201810895701 A CN201810895701 A CN 201810895701A CN 109190679 A CN109190679 A CN 109190679A
- Authority
- CN
- China
- Prior art keywords
- target image
- server
- parathyroid gland
- sample
- identifying system
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种甲状腺手术中甲状旁腺自动学习和智能识别系统,包括服务器及图像采集设备,其中,服务器用于根据预先采集的样本图片建立样本模型,样本图片中含有甲状旁腺;图像采集设备与服务器通信连接,用于在手术中采集手术位置的目标图像,并将目标图像上传至服务器;服务器还用于将目标图像与样本模型进行比对,以判断目标图像是否能够与任意一样本模型匹配,若是,则判断目标图像中具有甲状旁腺。本发明的识别系统,在判断目标图像是否存在甲状旁腺的同时,可以通过病理检查(金标准)实时验证判断结果,如果判断正确则将该图片纳入样本库,所以该系统具有强大的学习功能,最终实现甲状旁腺的自动识别,并且具有识别准确、速度快和无创性的优势。
Description
技术领域
本发明涉及医疗系统,尤其涉及一种甲状腺手术中甲状旁腺自动学习和智能识别系统。
背景技术
甲状旁腺功能减退是甲状腺手术最常见的并发症之一,可引起低钙血症,导致口角皮肤、和手足麻木,严重者四肢抽搐。暂时性甲状旁腺功能减退一般可在6个月内恢复,永久性则需要长期服用钙剂或者静脉补钙,严重影响病人生活质量。
预防甲状旁腺功能减退的关键是手术中准确识别甲状旁腺,在识别的基础上妥善保护。正常人一般有4枚甲状旁腺,大小约5*3*2mm,重量约30-50mg。虽然在形态上有一些特征,但是个体差异较大,所以即使经验丰富的甲状腺外科医生在甲状旁腺与脂肪和淋巴结等组织鉴别仍存在困难。由于甲状旁腺不可再生,甲状旁腺异体移植技术不成熟,所以如果把甲状旁腺误认为脂肪或淋巴结等组织清除,则导致器官永久缺失,带来严重后果。
目前手术中辨识甲状旁腺的方法主要有以下几种,各有利弊。
第一:肉眼识别
优点:速度快,无创,成本低。
缺点:与个人经验有关,主观性强。
第二:病理活检
优点:准确,金标准。
缺点:有创,耗时,成本较高。
第三:通过显影剂辅助识别
优点:相对无创。
缺点:假阳性和假阴性,成本高。显影剂对人体是否存在伤害未知。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的目的在于提出一种甲状腺手术中甲状旁腺自动学习和智能识别系统。
为实现上述目的,根据本发明实施例的甲状腺手术中甲状旁腺自动学习和智能识别系统,包括:
服务器,所述服务器用于根据预先采集的样本图片建立至少一个样本模型,所述样本图片中含有甲状旁腺;
图像采集设备,所述图像采集设备与所述服务器通过网关通信连接,用于在手术中采集手术位置的目标图像,并将所述目标图像通过所述网关上传至所述服务器;
所述服务器还用于将所述目标图像与所述至少一个样本模型进行比对,以判断所述目标图像是否能够与任意一所述样本模型匹配,若是,则判断所述目标图像中具有甲状旁腺。
另外,根据本发明上述实施例的甲状腺手术中甲状旁腺自动学习和智能识别系统还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述图像采集设备包括:
摄像头,所述摄像头用于采集所述目标图像;
处理器,所述处理器与所述摄像头相连,用于对所述目标图像进行处理;
通信模块,所述通信模块与所述处理器相连,用以将处理后的所述目标图像上传至所述服务器。
根据本发明的一个实施例,还包括显示设备,所述显示设备与所述图像采集设备相连,用以显示所述图像采集设备采集的所述目标图像。
根据本发明的一个实施例,还包括提示装置,所述提示装置与所述图像采集设备相连,当所述目标图像与所述样本模型匹配成功时,所述服务器发送第一控制信号至所述图像采集设备,以使所述图像采集设备控制所述提示装置发出提示。
根据本发明的一个实施例,当所述目标图像与所述样本模型匹配成功时,所述服务器还发送第二控制信号至所述图像采集设备,以使所述图像采集设备在所显示设备上标定所述目标图像中的甲状旁腺。
根据本发明的一个实施例,所述服务器具体用于根据获取的预先采集的至少一组样本图片建立存储所述至少一组样本图片的样本库,并分别从所述样本图片上提取相应的样本特征,来自同一组所述样本图片的所有样本特征组成一个样本特征集,以及利用同一个所述样本特征集中的特征建立对应的特征模型,每个所述样本特征集对应一个样本模型。
根据本发明的一个实施例,当所述目标图像与样本模型比对成功时,所述服务器还将所述目标图像存储至所述样本库中作为新的样本图片,并根据多个新的所述样本图像建立新的样本模型。
根据本发明实施例提供的甲状腺手术中甲状旁腺自动学习和智能识别系统,通过预先建立样本模型,再利用图像采集设备采集手术中的目标图像,并将目标图像上传至服务器,以通过服务器将目标图像与样本模型进行比对,以判断目标图像是否具有甲状旁腺,如此,实现甲状旁腺的自动识别,并且,其识别准确可靠,速度快。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1是本发明实施例甲状腺手术中甲状旁腺自动学习和智能识别系统的方框图。
图2是本发明实施例中采集的目标图片(含有甲状旁腺)。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制,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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”“轴向”、“周向”、“径向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
下面参照附图详细描述本发明实施例的甲状腺手术中甲状旁腺自动学习和智能识别系统。
参照图1所示,根据本发明实施例提供的甲状腺手术中甲状旁腺自动学习和智能识别系统,包括服务器100及图像采集设备200。
具体的,服务器100用于根据预先采集的甲状旁腺图片建立至少一个样本模型。图像采集设备200与所述服务器100通过网关通信连接,用于在手术中采集手术位置的目标图像,并将所述目标图像通过所述网关上传至所述服务器100。服务器100还用于将所述目标图像与所述至少一个样本模型进行比对,以判断所述目标图像是否能够与任意一所述样本模型匹配,若是,则判断所述目标图像中具有甲状旁腺。
该甲状腺手术中甲状旁腺自动学习和智能识别系统应用于手术中时,只需要在手术中,利用图像采集设备200采集甲状腺切口位置的目标图像,此时,图像采集设备200将采集的目标图像上传至服务器100,服务器100将该目标图像与样本模型进行对比,当目标图像与样本模型比对成功时,则判断该目标图像中存在的甲状旁腺,而当目标图像与样本模型对比失败时,则判断该目标图像中不存在甲状旁腺。
根据本发明实施例提供的甲状腺手术中甲状旁腺自动学习和智能识别系统,通过预先建立样本模型,再利用图像采集设备200采集手术中的目标图像,并将目标图像上传至服务器100,以通过服务器100将目标图像与样本模型进行比对,以判断目标图像是否具有甲状旁腺,如此,实现甲状旁腺的自动识别,并且,其识别准确可靠,速度快。
需要说明的是,在本发明的一个实施例中,服务器100可以进行样本学习,不断完善样本模型,使得识别的准确性不断提高,具体的,当目标图像与样本模型比对成功时,服务器100将该目标图像存储至样本库中作为新的样本图像,并根据多个新的样本图像建立新的样本模型,如此,随着该甲状腺手术中甲状旁腺自动学习和智能识别系统应用的时间越长,服务器100中的样本模型越来越多,则通过对比识别的准确率越高。
在本发明的一个实施例中,图像采集设备200包括摄像头20、处理器21及通信模块22,其中,摄像头20用于采集所述目标图像;处理器21与所述摄像头20相连,用于对所述目标图像进行处理;通信模块22与所述处理器21相连,用以将处理后的所述目标图像上传至所述服务器100。也即是,摄像头20采集目标图像后,通过处理器21进行图像处理后输出至通信模块22,通过通信模块22发送至网关,再通过网关上传至服务器100。
需要说明的是,通信模块22可以是网络接口模块,也可以是无线通信模块22,例如WiFi模块等。
在本发明的一些实施例中,还包括显示设备300,所述显示设备300与所述图像采集设备200相连,用以显示所述图像采集设备200采集的所述目标图像。该显示设备300设在手术室内便于医生观察的位置,当医生在利用摄像头20采集目标图像时,该目标图像可以通过显示设备300进行显示,如此,医生可以通过显示设备300清晰地观察目标图像,进而可以辅助医生确定目标图像中的甲状旁腺位置。
在本发明的一些实施例中,还包括提示装置400,所述提示装置400与所述图像采集设备200相连,当所述目标图像与所述样本模型匹配成功时,所述服务器100发送第一控制信号至所述图像采集设备200,以使所述图像采集设备200控制所述提示装置400发出提示。
也就是说,当服务器100将目标图像与样本模型匹配成功时,服务器100向图像采集设备200发送第一控制信号,使得该图像采集设备200根据该第一控制信号控制提示装置400发出提示,例如语音提示,进而提醒医生注意到该目标图像中存在甲状旁腺。
在本发明的一个实施例中,当所述目标图像与所述样本模型匹配成功时,所述服务器100还发送第二控制信号至所述图像采集设备200,以使所述图像采集设备200在所显示设备300上标定所述目标图像中的甲状旁腺。
也就是说,当服务器100将目标图像与样本模型匹配成功时,服务器100还向图像采集设备200发送第二控制信号,图像采集设备200根据该第二控制信号在显示设备300上标定出目标图像中的甲状旁腺,如此,方便于医生根据该显示设备300上标定的甲状旁腺,判断甲状旁腺在人体内的具体位置。
需要说明的,服务器100建立样本模型具体为:先根据获取的预先采集的至少一组样本图片建立存储所述至少一组样本图片的样本库,再分别从所述样本图片上提取相应的样本特征,来自同一组所述样本图片的所有样本特征组成一个样本特征集,最后利用同一个所述样本特征集中的特征建立对应的特征模型,每个所述样本特征集对应一个样本模型。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (7)
1.一种甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,包括:
服务器,所述服务器用于根据预先采集的样本图片建立至少一个样本模型,所述样本图片中含有甲状旁腺;
图像采集设备,所述图像采集设备与所述服务器通过网关通信连接,用于在手术中采集手术位置的目标图像,并将所述目标图像通过所述网关上传至所述服务器;
所述服务器还用于将所述目标图像与所述至少一个样本模型进行比对,以判断所述目标图像是否能够与任意一所述样本模型匹配,若是,则判断所述目标图像中具有甲状旁腺。
2.根据权利要求1所述的甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,所述图像采集设备包括:
摄像头,所述摄像头用于采集所述目标图像;
处理器,所述处理器与所述摄像头相连,用于对所述目标图像进行处理;
通信模块,所述通信模块与所述处理器相连,用以将处理后的所述目标图像上传至所述服务器。
3.根据权利要求1所述的甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,还包括显示设备,所述显示设备与所述图像采集设备相连,用以显示所述图像采集设备采集的所述目标图像。
4.根据权利要求1所述的甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,还包括提示装置,所述提示装置与所述图像采集设备相连,当所述目标图像与所述样本模型匹配成功时,所述服务器发送第一控制信号至所述图像采集设备,以使所述图像采集设备控制所述提示装置发出提示。
5.根据权利要求3所述的甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,当所述目标图像与所述样本模型匹配成功时,所述服务器还发送第二控制信号至所述图像采集设备,以使所述图像采集设备在所显示设备上标定所述目标图像中的甲状旁腺。
6.根据权利要求1所述的甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,所述服务器具体用于根据获取的预先采集的至少一组样本图片建立存储所述至少一组样本图片的样本库,并分别从所述样本图片上提取相应的样本特征,来自同一组所述样本图片的所有样本特征组成一个样本特征集,以及利用同一个所述样本特征集中的特征建立对应的特征模型,每个所述样本特征集对应一个样本模型。
7.根据权利要求6所述的甲状腺手术中甲状旁腺自动学习和智能识别系统,其特征在于,当所述目标图像与样本模型比对成功时,所述服务器还将所述目标图像存储至所述样本库中作为新的样本图片,并根据多个新的所述样本图像建立新的样本模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810895701.4A CN109190679A (zh) | 2018-08-08 | 2018-08-08 | 甲状腺手术中甲状旁腺自动学习和智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810895701.4A CN109190679A (zh) | 2018-08-08 | 2018-08-08 | 甲状腺手术中甲状旁腺自动学习和智能识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109190679A true CN109190679A (zh) | 2019-01-11 |
Family
ID=64920496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810895701.4A Pending CN109190679A (zh) | 2018-08-08 | 2018-08-08 | 甲状腺手术中甲状旁腺自动学习和智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190679A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1934589A (zh) * | 2004-03-23 | 2007-03-21 | 美国西门子医疗解决公司 | 为医学成像提供自动决策支持的系统和方法 |
US20130095519A1 (en) * | 2011-10-14 | 2013-04-18 | Northwestern University | Biological tissue analysis by inverse spectroscopic optical coherence tomography |
CN105534524A (zh) * | 2016-02-05 | 2016-05-04 | 思澜科技(成都)有限公司 | 用于甲状腺术中甲状旁腺的快速识别设备及其方法 |
CN106326856A (zh) * | 2016-08-18 | 2017-01-11 | 厚凯(天津)医疗科技有限公司 | 一种手术图像处理方法及装置 |
CN107609503A (zh) * | 2017-09-05 | 2018-01-19 | 刘宇红 | 智能癌变细胞识别系统及方法、云平台、服务器、计算机 |
CN107610772A (zh) * | 2017-08-23 | 2018-01-19 | 广西师范学院 | 一种甲状腺结节ct图像诊断系统设计方法 |
-
2018
- 2018-08-08 CN CN201810895701.4A patent/CN109190679A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1934589A (zh) * | 2004-03-23 | 2007-03-21 | 美国西门子医疗解决公司 | 为医学成像提供自动决策支持的系统和方法 |
US20130095519A1 (en) * | 2011-10-14 | 2013-04-18 | Northwestern University | Biological tissue analysis by inverse spectroscopic optical coherence tomography |
CN105534524A (zh) * | 2016-02-05 | 2016-05-04 | 思澜科技(成都)有限公司 | 用于甲状腺术中甲状旁腺的快速识别设备及其方法 |
CN106326856A (zh) * | 2016-08-18 | 2017-01-11 | 厚凯(天津)医疗科技有限公司 | 一种手术图像处理方法及装置 |
CN107610772A (zh) * | 2017-08-23 | 2018-01-19 | 广西师范学院 | 一种甲状腺结节ct图像诊断系统设计方法 |
CN107609503A (zh) * | 2017-09-05 | 2018-01-19 | 刘宇红 | 智能癌变细胞识别系统及方法、云平台、服务器、计算机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Bevilacqua et al. | A novel approach to evaluate blood parameters using computer vision techniques | |
US10573026B2 (en) | Analysis unit and system for assessment of hair condition | |
EP3936026B1 (en) | Medical image processing device, processor device, endoscopic system, medical image processing method, and program | |
CN104873172A (zh) | 具有健康检测功能的装置及检测方法、显示装置、系统 | |
CN109166618A (zh) | 分诊系统和分诊方法 | |
CN110338759B (zh) | 一种正面疼痛表情数据采集方法 | |
CN108319921A (zh) | 一种基于人脸识别的自动签到方法及系统 | |
CN110277169A (zh) | 共享智能体检系统 | |
CN110097006A (zh) | 一种基于手部掌纹掌脉特征融合的非接触式生物识别方法 | |
US10376166B2 (en) | Method and apparatus for non-invasive assessment of intracranial pressure | |
US11931166B2 (en) | System and method of determining an accurate enhanced Lund and Browder chart and total body surface area burn score | |
CN105512490B (zh) | 一种基于虹膜信息检测健康的可穿戴设备 | |
WO2018110747A1 (ko) | 수술가이드 제조 장치 및 방법, 그리고 수술가이드 | |
CN107194179A (zh) | 眼底相机及眼底图像拍摄方法 | |
CN109190679A (zh) | 甲状腺手术中甲状旁腺自动学习和智能识别系统 | |
CN106580270A (zh) | 一种面部神经/肌肉康复监测、指导设备和系统 | |
WO2017083588A1 (en) | Apparatus and method for detecting cervical cancer and tuberculosis | |
CN115170513A (zh) | 一种人体皮肤检测方法及其检测系统 | |
KR100915922B1 (ko) | 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템 | |
KR20190036401A (ko) | 피부 상태 평가 방법 및 프로그램 | |
CN109993754B (zh) | 从图像上进行颅骨分割的方法和系统 | |
EP3142561A1 (fr) | Procede de traitement d'images en vue de determiner un degre de mobilite des cordes vocales | |
CN110522409A (zh) | 可穿戴设备的固定位置的确定方法及固定装置 | |
CN109273089A (zh) | 基于智能分析的体检管理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |