CN109243594A - 一种小儿外科刀口清洁护理装置及控制方法 - Google Patents
一种小儿外科刀口清洁护理装置及控制方法 Download PDFInfo
- Publication number
- CN109243594A CN109243594A CN201810986707.2A CN201810986707A CN109243594A CN 109243594 A CN109243594 A CN 109243594A CN 201810986707 A CN201810986707 A CN 201810986707A CN 109243594 A CN109243594 A CN 109243594A
- Authority
- CN
- China
- Prior art keywords
- module
- information
- frame
- video
- edge
- 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.)
- Withdrawn
Links
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于护理装置技术领域,公开了一种小儿外科刀口清洁护理装置及控制方法,小儿外科刀口清洁护理装置包括:摄像模块、细菌检测模块、主控模块、清洗模块、烘干模块、音乐播放模块、空气净化模块、人脸识别模块、视频检索模块、数据库模块、显示模块。本发明通过摄像模块利用摄像头采集患者图像数据信息;并通过人脸识别模块利用图像识别软件对采集的患者图像比对数据库患者信息进行识别操作,获取患者信息,可以快速获取患者手术数据信息,可以针对性进行对小儿外科刀口进行清洁护理;同时,通过视频检索模块可以进行精确搜索相关刀口清洁护理视频,可以为医学工作者提供很好的诊断、术前参考;大大提高护理的专业性。
Description
技术领域
本发明属于护理装置技术领域,尤其涉及一种小儿外科刀口清洁护理装置及控制方法。
背景技术
外科是利用外科手术方法去解除病人的病原,从而使病人得到治疗。外科和所有的临床医学一样,需要了解疾病的定义、病因、表现、诊断、分期、治疗、预后,而且外科更重视开刀的适应症、术前的评估与照顾、手术的技巧与方法、术后的照顾、手术的并发症与预后等与外科手术相关的问题。手术指医生用医疗器械对病人身体进行的切除、缝合等治疗。以刀、剪、针等器械在人体局部进行的操作,来维持患者的健康。是外科的主要治疗方法,俗称“开刀”。目的是医治或诊断疾病,如去除病变组织、修复损伤、移植器官、改善机体的功能和形态等。早期手术仅限于用简单的手工方法,在体表进行切、割、缝,如脓肿引流、肿物切除、外伤缝合等。故手术是一种破坏组织完整性(切开),或使完整性受到破坏的组织复原(缝合)的操作。随着外科学的发展,手术领域不断扩大,已能在人体任何部位进行。应用的器械也不断更新,如手术刀即有电刀、微波刀、超声波刀及激光刀等多种。因之手术也有更广泛的含义。然而,现有的小儿外科刀口清洁护理装置不能及时的获取患者信息,不利于对患者进行针对性护理;同时,不能提高对小儿外科刀口清洁专业性护理学习功能,功能单一。
综上所述,现有技术存在的问题是:
现有的小儿外科刀口清洁护理装置不能及时的获取患者信息,不利于对患者进行针对性护理;手术过程中空气净化器功能不稳定,净化效果不好;
视频检测模块检索手术视频数据信息慢,效率低;同时,不能提高对小儿外科刀口清洁专业性护理学习功能,功能单一。
现有技术中,视频检索模块检索手术视频数据信息复杂,程序运行繁重,一定程度上造成获得的图像等信息准确性差。
发明内容
针对现有技术存在的问题,本发明提供了一种小儿外科刀口清洁护理装置。
本发明是这样实现的,一种小儿外科刀口清洁护理装置控制方法,包括:
通过摄像模块利用摄像头采集患者图像数据信息;
通过人脸识别模块利用图像识别软件对采集的患者图像比对数据库患者信息进行识别操作,获取患者信息;
通过细菌检测模块利用细菌检测仪检测手术刀细菌数据信息;
通过空气净化模块利用空气净化器对手术环境进行空气净化;
通过烘干模块利用烘干机对清洗后的手术刀进行烘干;
通过音乐播放模块利用音乐播放器播放儿童音乐转移儿童注意力;
通过视频检索模块利用搜索程序检索手术视频数据信息;
视频检索方法包括:提交采集到的刀口清洁护理视频;通过刀口清洁护理视频编辑器依据标签规范进行编排,录入视频关键帧信息标签;形成完成刀口清洁护理视频信息标签的媒体封装格式;将视频上传到医学视频管理平台;
用户提交关键字进行刀口清洁护理视频检索;视频医学管理平台解封手术视频媒体封装格式,进行快速匹配查找;平台输出和呈现匹配成功的刀口清洁护理视频内容;用户获取刀口清洁护理视频,进行学习;
具体有:1)医学视频管理平台生成随机数序列矩阵R,R={Rmn},(1≤m≤N),(1≤n≤N);医学视频管理平台根据R计算散列Hash矩阵H、并将H发送至数据库DB;医学视频管理平台将R以行为单位将m×n个随机数随机分配给M个认知用户,认知用户SUj获得的随机数序列集合记Rj(1≤j≤M),转到步骤S2;
2):SUj通过控制信道向其所在的区域Cj中的基站BSj,发送加密的信道申请信息EBSj(Rj1,t),t为时间,转到步骤3);
3):BSj收集t时刻收到的所有EBSj、并将收到的序列串解密,得到一系列次级用户信息R次;BSj为每个R次均打上标签后重新加密,每个R次的标签和对应的随机数信息形成加密信息;BSj将每个R次的加密信息发送至DB,转到步骤4);
4):DB对加密信息中的随机数进行解密后,进行Hash计算得到随机数的Hash值,随机数的Hash值与H的Hash值匹配后,对应标签的用户通过验证;DB将通过验证的标签和Cj中的可用频谱信息加密形成可用信道信息后,发送至BSj,DB删除H中匹配过的Hash值,转到步骤5);
5):BSj根据可用信道信息为通过验证的认知用户分配信道,转到步骤6);
6):BSj在DB中注册信道使用信息;
7)当存在认知用户Hash序列使用完毕,或新用户的增加,需要向医学视频管理平台重新申请Hash序列串时,医学视频管理平台更新Hash矩阵并发送至DB;
8)利用傅里叶逆变换,将认知用户分配信道的频域测得的散射参数变换到时域,得到时域冲击响应,反射参数对应时域反射响应,传输参数对应时域传输响应;
根据反射响应和传输响应中前两个脉冲在时间轴上的位置,分别构造四个时域选通函数;
利用选通函数,对时域的反射响应和传输响应进行选通,分别提取出反射响应和传输响应中的前两个脉冲;
将时域选通后的时域脉冲分别通过傅里叶变换,得到频域选通数据;
频域选通数据中包含刀口清洁护理视频的信息,利用得到的信息,根据公式构造补偿因子Fcf(i);利用下面的公式,构造补偿因子Fcf(i):
G1(i)~G4(i)是在上步中得到的频域选通数据;
R(i)是比率因子;
Fcf(i)补偿因子;
利用遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i);检索出手术视频数据信息;
通过数据库模块利用数据库服务器存储患者个人信息、手术信息、病例信息;
通过显示模块利用显示屏显示细菌数据、患者信息。
进一步,中医学视频管理平台计算Hash矩阵H的公式为:
BSj为每个R次均打上标签后重新加密,每个R次的标签和对应的随机数信息形成加密信息,具体包括以下步骤:BSj选择标签tagj1对随机数打上标签,加密信息为
随机数的Hash值与H的Hash值匹配后,对应标签的用户通过验证,具体包括以下步骤:判断随机数的Hash值与H的Hash值是否匹配成功,若是,DB向BSj发送可用信道集合的加密信息其中Sj为Cj范围内可用信道集合;否则DB向BSj发送
BSj根据可用信道信息为通过验证的认知用户分配信道,具体包括以下步骤:BSj解密可用信道信息,验证tagj1是否匹配成功,若是,在Cj范围内的Sj中选择一条最合适的信道chj,将chj加密后的加密信息发送至SUj,加密信息为否则不分配信道信息。
进一步,利用下面的遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i):
进一步,人脸识别模块识别方法包括:
(1)对采集的人脸图像进行规范化处理,将人脸进行对齐纠正;
(2)基于稀疏表征,采用SRC人脸识别算法进行多人脸识别;
所述步骤(2)中,进行多人脸识别的具体方法为:
对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果;根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果;统计各个人脸的身份,由超过半数n/2的统一身份决定目标的最终身份;所述坐标排序按照二维直角坐标系的坐标排序;
所述步骤(2)中,计算待识别图片与人脸库各类别间的重建误差{r1,r2,……rn},r1<r2……<rn,将得到的相似度值按照的规则确定最终识别结果;其中T1为比率值,T1=0.6;
所述步骤(2)中,计算待识别图片与人脸库各类别间的重建误差{r1,r2,……rn},r1<r2……<rn,将得到的相似度值按照的规则确定最终识别结果;其中T1为比率值,T1=0.6。
进一步,视频检索方法包括:
1)提交采集到的刀口清洁护理视频;
2)通过刀口清洁护理视频编辑器依据标签规范进行编排,录入视频关键帧信息标签;
3)形成完成刀口清洁护理视频信息标签的媒体封装格式;
4)将医学视频上传到医学视频管理平台;
5)用户提交关键字进行刀口清洁护理视频检索;
6)视频医学管理平台解封手术视频媒体封装格式,进行快速匹配查找;
7)平台输出和呈现匹配成功的刀口清洁护理视频内容;
8)用户获取刀口清洁护理视频,进行学习;
显示模块采用最大熵阈值分割法进行图像分割:
熵的定义为:
式中p(x)是随机变量x的概率密度函数。
对于数字图像来说,随机变量x可以是灰度级值、区域灰度、梯度特征;灰度的最大熵,就是选择一个阈值,使图像用这个阈值分割出的两部分的一阶统计的信息量最大;设ni为图像中灰度级i的像素点数,pi为灰度级i出现的概率,则:
式中:N×N为图像总的像素数,L为图像的总的灰度级数;
假设图像中灰度级小于t的像素点构成目标区域A,灰度级大于t的像素点构成目标区域B,那么各概率在基本区域的分布分别为:
A区:pi/pt i=1,2,…,t
B区:pi/(1-pt) i=1,2,…,t
其中:
目标区域和背景区域的熵分别定义为:
则熵函数定义为:
式中:
当熵函数取得最大值时对应的灰度值η就是所求的最佳阈值:
空气净化模块对手术环境进行空气净化中,采用非线性PID控制,PID控制的数学模型为KP为比例参数,KI为积分参数,KD为微分参数,e(t)为系统误差,u(t)为控制器的输出;
非线性PID控制可根据相应的函数对PID控制中的固定增益KP、KI、KD非线性转换,构造出KP[e(t)]、KI[e(t)]、KD[e(t)];
非线性PID控制的数学模型为KP[e(t)]为非线性积分参数,KI[e(t)]为非线性积分参数,KD[e(t)]为非线性微分参数,e(t)为系统误差,u(t)为控制器的输出;
当系统出现误差e(t)时非线性比例参数KP[e(t)]影响控制器的输出u(t),比例参数越大,系统的响应时间越短,但系统稳定性变差;非线性积分参数KI[e(t)]可消除系统的稳态误差,降低最大超调量;非线性微分参数KD[e(t)]提高控制系统的稳定性和快速性,控制系统偏差波动的趋势,避免被控对象的严重超调;
视频检索模块利用搜索程序检索手术视频数据信息中,采用图像相似度的关键帧提取算法:
(a)设定视频查找起始帧,起始帧的设定分为两种情况,若本身就为视频的起始帧,则设该帧为当前查找起始帧;若不是视频起始帧,则设前一查找序列的下一帧为起始帧;
(b)解码起始帧,提取其特征值,建立M级直方图,设定阈值Key,特征值的选取,根据SDTV颜色规范对Y、U、V分级,Y、U、V分别对应图像的亮度信息Y和色度信息Cb、Cr,根据分级情况建立M级直方图;
(c)依次解码后续帧,提取其特征值建立M级直方图,并与起始帧直方图采用采用欧式距离法进行比较,直到其差值大于所设定的阈值:
j为起始帧,k为后续帧序号,Hj(e)、Hk(e)分别为起始帧和后续帧e级直方图值,D(j,k)为后续帧与起始帧特征值直方图采用欧式距离法进行比较后所得的差值,M为直方图级数,Key为阈值;
(d)求取D(m,n),j≤m≤k,j≤n≤k,m≠n,m、n为起始帧后的第m帧和n帧,若D(m,n)>Key,则对第m帧和第n帧进行标记,第m帧和第n帧不作为关键帧候选项;
(e)计算i帧与其他帧的D(i,z)之和H(i),其中j≤i≤k,j≤z≤k,i≠m,i≠n:
(f)求取Min(H(i)),根据(5)的计算结果在视频序列中查找到与该序列中的所有帧特征值直方图差值之和最小的一帧第i帧;
(g)解码k帧后续帧,提取其特征值,建立直方图,计算其与第i帧直方图的差值,直到差值大于阈值Key:
(h)第i帧即为当前关键桢,j=k+1,进入下一关键桢的选取。
本发明的另一目的在于提供一种计算机程序,所述计算机程序运行所述的小儿外科刀口清洁护理装置控制方法。
本发明的另一目的在于提供一种终端,所述终端至少搭载实现所述小儿外科刀口清洁护理装置控制方法的控制器。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的小儿外科刀口清洁护理装置控制方法。
本发明的另一目的在于提供一种实现所述小儿外科刀口清洁护理装置控制方法的小儿外科刀口清洁护理装置,所述小儿外科刀口清洁护理装置包括:
摄像模块,与主控模块连接,用于通过摄像头采集患者图像数据信息;
细菌检测模块,与主控模块连接,用于通过细菌检测仪检测手术刀细菌数据信息;
主控模块,与摄像模块、细菌检测模块、清洗模块、烘干模块、音乐播放模块、空气净化模块、人脸识别模块、视频检索模块、数据库模块、显示模块连接,用于通过单片机控制各个模块正常工作;
清洗模块,与主控模块连接,用于通过清洗机对手术刀具进行清洗;
烘干模块,与主控模块连接,用于通过烘干机对清洗后的手术刀进行烘干;
音乐播放模块,与主控模块连接,用于通过音乐播放器播放儿童音乐转移儿童注意力;
空气净化模块,与主控模块连接,用于通过空气净化器对手术环境进行空气净化;
人脸识别模块,与主控模块连接,用于通过图像识别软件对采集的患者图像比对数据库患者信息进行识别操作;
视频检索模块,与主控模块连接,用于通过搜索程序检索手术视频数据信息;
数据库模块,与主控模块连接,用于通过数据库服务器存储患者个人信息、手术信息、病例信息;
显示模块,与主控模块连接,用于通过显示屏显示细菌数据、患者信息。
本发明的另一目的在于提供一种小儿外科刀口清洁护理设备,所述小儿外科刀口清洁护理设备至少搭载所述的小儿外科刀口清洁护理装置。
本发明的优点及积极效果为:
本发明通过摄像模块利用摄像头采集患者图像数据信息;并通过人脸识别模块利用图像识别软件对采集的患者图像比对数据库患者信息进行识别操作,获取患者信息,可以快速获取患者手术数据信息,可以针对性进行对小儿外科刀口进行清洁护理;通过优化显示模块,使得显示图像更加清晰;通过优化空气净化模块,提高了净化空气的效率以及净化系统的稳定性;
通过使用图像相似度的关键帧提取算法提取视频,提高了视频管理数据库的使用效率,提高了检索效果;同时,通过视频检索模块可以进行精确搜索相关刀口清洁护理视频,通过手术视频帧信息标签规范,形成了一个强大的手术视频学习库。可以为医学工作者提供很好的诊断、术前参考。
可以依据快速检索到的手术视频进行对不同年龄、性别、手术时间、技术手段的纵向、横向比较及深度学习;大大提高护理的专业性。
本发明通过视频检索模块利用搜索程序检索手术视频数据信息;
视频检索方法包括:提交采集到的刀口清洁护理视频;通过刀口清洁护理视频编辑器依据标签规范进行编排,录入视频关键帧信息标签;形成完成刀口清洁护理视频信息标签的媒体封装格式;将视频上传到医学视频管理平台;
用户提交关键字进行刀口清洁护理视频检索;视频医学管理平台解封手术视频媒体封装格式,进行快速匹配查找;平台输出和呈现匹配成功的刀口清洁护理视频内容;用户获取刀口清洁护理视频,进行学习;解决了现有技术中,视频检索模块检索手术视频数据信息复杂,程序运行繁重,一定程度上造成获得的图像等信息准确性差的问题,获得的信息准确性高。
附图说明
图1是本发明实施例提供的小儿外科刀口清洁护理装置结构框图。
图中:1、摄像模块;2、细菌检测模块;3、主控模块;4、清洗模块;5、烘干模块;6、音乐播放模块;7、空气净化模块;8、人脸识别模块;9、视频检索模块;10、数据库模块;11、显示模块。
图2本发明实施例提供的视频检索方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的小儿外科刀口清洁护理装置包括:摄像模块1、细菌检测模块2、主控模块3、清洗模块4、烘干模块5、音乐播放模块6、空气净化模块7、人脸识别模块8、视频检索模块9、数据库模块10、显示模块11。
摄像模块1,与主控模块3连接,用于通过摄像头采集患者图像数据信息;
细菌检测模块2,与主控模块3连接,用于通过细菌检测仪检测手术刀细菌数据信息;
主控模块3,与摄像模块1、细菌检测模块2、清洗模块4、烘干模块5、音乐播放模块6、空气净化模块7、人脸识别模块8、视频检索模块9、数据库模块10、显示模块11连接,用于通过单片机控制各个模块正常工作;
清洗模块4,与主控模块3连接,用于通过清洗机对手术刀具进行清洗;
烘干模块5,与主控模块3连接,用于通过烘干机对清洗后的手术刀进行烘干;
音乐播放模块6,与主控模块3连接,用于通过音乐播放器播放儿童音乐转移儿童注意力;
空气净化模块7,与主控模块3连接,用于通过空气净化器对手术环境进行空气净化;
人脸识别模块8,与主控模块3连接,用于通过图像识别软件对采集的患者图像比对数据库患者信息进行识别操作;
视频检索模块9,与主控模块3连接,用于通过搜索程序检索手术视频数据信息;
数据库模块10,与主控模块3连接,用于通过数据库服务器存储患者个人信息、手术信息、病例信息;
显示模块11,与主控模块3连接,用于通过显示屏显示细菌数据、患者信息。
本发明护理时,通过摄像模块1利用摄像头采集患者图像数据信息;并通过人脸识别模块8利用图像识别软件对采集的患者图像比对数据库患者信息进行识别操作,获取患者信息;手术时,通过细菌检测模块2利用细菌检测仪检测手术刀细菌数据信息;通过空气净化模块7利用空气净化器对手术环境进行空气净化;手术后,主控模块3调度清洗模块4利用清洗机对手术刀具进行清洗;通过烘干模块5利用烘干机对清洗后的手术刀进行烘干;通过音乐播放模块6利用音乐播放器播放儿童音乐转移儿童注意力;通过视频检索模块9利用搜索程序检索手术视频数据信息;通过数据库模块10利用数据库服务器存储患者个人信息、手术信息、病例信息;通过显示模块11利用显示屏显示细菌数据、患者信息。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的小儿外科刀口清洁护理装置控制方法,包括:
通过视频检索模块利用搜索程序检索手术视频数据信息;
视频检索方法包括:提交采集到的刀口清洁护理视频;通过刀口清洁护理视频编辑器依据标签规范进行编排,录入视频关键帧信息标签;形成完成刀口清洁护理视频信息标签的媒体封装格式;将视频上传到医学视频管理平台;
用户提交关键字进行刀口清洁护理视频检索;视频医学管理平台解封手术视频媒体封装格式,进行快速匹配查找;平台输出和呈现匹配成功的刀口清洁护理视频内容;用户获取刀口清洁护理视频,进行学习;
具体有:1)医学视频管理平台生成随机数序列矩阵R,R={Rmn},(1≤m≤N),(1≤n≤N);医学视频管理平台根据R计算散列Hash矩阵H、并将H发送至数据库DB;医学视频管理平台将R以行为单位将m×n个随机数随机分配给M个认知用户,认知用户SUj获得的随机数序列集合记Rj(1≤j≤M),转到步骤S2;
2):SUj通过控制信道向其所在的区域Cj中的基站BSj,发送加密的信道申请信息EBSj(Rj1,t),t为时间,转到步骤3);
3):BSj收集t时刻收到的所有EBSj、并将收到的序列串解密,得到一系列次级用户信息R次;BSj为每个R次均打上标签后重新加密,每个R次的标签和对应的随机数信息形成加密信息;BSj将每个R次的加密信息发送至DB,转到步骤4);
4):DB对加密信息中的随机数进行解密后,进行Hash计算得到随机数的Hash值,随机数的Hash值与H的Hash值匹配后,对应标签的用户通过验证;DB将通过验证的标签和Cj中的可用频谱信息加密形成可用信道信息后,发送至BSj,DB删除H中匹配过的Hash值,转到步骤5);
5):BSj根据可用信道信息为通过验证的认知用户分配信道,转到步骤6);
6):BSj在DB中注册信道使用信息;
7)当存在认知用户Hash序列使用完毕,或新用户的增加,需要向医学视频管理平台重新申请Hash序列串时,医学视频管理平台更新Hash矩阵并发送至DB;
8)利用傅里叶逆变换,将认知用户分配信道的频域测得的散射参数变换到时域,得到时域冲击响应,反射参数对应时域反射响应,传输参数对应时域传输响应;
根据反射响应和传输响应中前两个脉冲在时间轴上的位置,分别构造四个时域选通函数;
利用选通函数,对时域的反射响应和传输响应进行选通,分别提取出反射响应和传输响应中的前两个脉冲;
将时域选通后的时域脉冲分别通过傅里叶变换,得到频域选通数据;
频域选通数据中包含刀口清洁护理视频的信息,利用得到的信息,根据公式构造补偿因子Fcf(i);利用下面的公式,构造补偿因子Fcf(i):
G1(i)~G4(i)是在上步中得到的频域选通数据;
R(i)是比率因子;
Fcf(i)补偿因子;
利用遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i);检索出手术视频数据信息;
通过数据库模块利用数据库服务器存储患者个人信息、手术信息、病例信息;
通过显示模块利用显示屏显示细菌数据、患者信息。
中医学视频管理平台计算Hash矩阵H的公式为:
BSj为每个R次均打上标签后重新加密,每个R次的标签和对应的随机数信息形成加密信息,具体包括以下步骤:BSj选择标签tagj1对随机数打上标签,加密信息为
随机数的Hash值与H的Hash值匹配后,对应标签的用户通过验证,具体包括以下步骤:判断随机数的Hash值与H的Hash值是否匹配成功,若是,DB向BSj发送可用信道集合的加密信息其中Sj为Cj范围内可用信道集合;否则DB向BSj发送
BSj根据可用信道信息为通过验证的认知用户分配信道,具体包括以下步骤:BSj解密可用信道信息,验证tagj1是否匹配成功,若是,在Cj范围内的Sj中选择一条最合适的信道chj,将chj加密后的加密信息发送至SUj,加密信息为否则不分配信道信息。
进一步,利用下面的遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i):
人脸识别模块识别方法包括:
(1)对采集的人脸图像进行规范化处理,将人脸进行对齐纠正;
(2)基于稀疏表征,采用SRC人脸识别算法进行多人脸识别;
所述步骤(2)中,进行多人脸识别的具体方法为:
对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果;根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果;统计各个人脸的身份,由超过半数n/2的统一身份决定目标的最终身份;所述坐标排序按照二维直角坐标系的坐标排序;
所述步骤(2)中,计算待识别图片与人脸库各类别间的重建误差{r1,r2,……rn},r1<r2……<rn,将得到的相似度值按照的规则确定最终识别结果;其中T1为比率值,T1=0.6;
所述步骤(2)中,计算待识别图片与人脸库各类别间的重建误差{r1,r2,……rn},r1<r2……<rn,将得到的相似度值按照的规则确定最终识别结果;其中T1为比率值,T1=0.6。
如图2,视频检索方法包括:
S101:提交采集到的刀口清洁护理视频;
S102:通过刀口清洁护理视频编辑器依据标签规范进行编排,录入视频关键帧信息标签;
S103:形成完成刀口清洁护理视频信息标签的媒体封装格式;
S104:将医学视频上传到医学视频管理平台;
S105:用户提交关键字进行刀口清洁护理视频检索;
S106:视频医学管理平台解封手术视频媒体封装格式,进行快速匹配查找;
S107:平台输出和呈现匹配成功的刀口清洁护理视频内容;
S108:用户获取刀口清洁护理视频,进行学习。
显示模块采用最大熵阈值分割法进行图像分割:
熵的定义为:
式中p(x)是随机变量x的概率密度函数。
对于数字图像来说,随机变量x可以是灰度级值、区域灰度、梯度特征;灰度的最大熵,就是选择一个阈值,使图像用这个阈值分割出的两部分的一阶统计的信息量最大;设ni为图像中灰度级i的像素点数,pi为灰度级i出现的概率,则:
式中:N×N为图像总的像素数,L为图像的总的灰度级数;
假设图像中灰度级小于t的像素点构成目标区域A,灰度级大于t的像素点构成目标区域B,那么各概率在基本区域的分布分别为:
A区:pi/pt i=1,2,…,t
B区:pi/(1-pt) i=1,2,…,t
其中:
目标区域和背景区域的熵分别定义为:
则熵函数定义为:
式中:
当熵函数取得最大值时对应的灰度值η就是所求的最佳阈值:
空气净化模块对手术环境进行空气净化中,采用非线性PID控制,PID控制的数学模型为KP为比例参数,KI为积分参数,KD为微分参数,e(t)为系统误差,u(t)为控制器的输出;
非线性PID控制可根据相应的函数对PID控制中的固定增益KP、KI、KD非线性转换,构造出KP[e(t)]、KI[e(t)]、KD[e(t)];
非线性PID控制的数学模型为KP[e(t)]为非线性积分参数,KI[e(t)]为非线性积分参数,KD[e(t)]为非线性微分参数,e(t)为系统误差,u(t)为控制器的输出;
当系统出现误差e(t)时非线性比例参数KP[e(t)]影响控制器的输出u(t),比例参数越大,系统的响应时间越短,但系统稳定性变差;非线性积分参数KI[e(t)]可消除系统的稳态误差,降低最大超调量;非线性微分参数KD[e(t)]提高控制系统的稳定性和快速性,控制系统偏差波动的趋势,避免被控对象的严重超调;
视频检索模块利用搜索程序检索手术视频数据信息中,采用图像相似度的关键帧提取算法:
(a)设定视频查找起始帧,起始帧的设定分为两种情况,若本身就为视频的起始帧,则设该帧为当前查找起始帧;若不是视频起始帧,则设前一查找序列的下一帧为起始帧;
(b)解码起始帧,提取其特征值,建立M级直方图,设定阈值Key,特征值的选取,根据SDTV颜色规范对Y、U、V分级,Y、U、V分别对应图像的亮度信息Y和色度信息Cb、Cr,根据分级情况建立M级直方图;
(c)依次解码后续帧,提取其特征值建立M级直方图,并与起始帧直方图采用采用欧式距离法进行比较,直到其差值大于所设定的阈值:
j为起始帧,k为后续帧序号,Hj(e)、Hk(e)分别为起始帧和后续帧e级直方图值,D(j,k)为后续帧与起始帧特征值直方图采用欧式距离法进行比较后所得的差值,M为直方图级数,Key为阈值;
(d)求取D(m,n),j≤m≤k,j≤n≤k,m≠n,m、n为起始帧后的第m帧和n帧,若D(m,n)>Key,则对第m帧和第n帧进行标记,第m帧和第n帧不作为关键帧候选项;
(e)计算i帧与其他帧的D(i,z)之和H(i),其中j≤i≤k,j≤z≤k,i≠m,i≠n:
(f)求取Min(H(i)),根据(5)的计算结果在视频序列中查找到与该序列中的所有帧特征值直方图差值之和最小的一帧第i帧;
(g)解码k帧后续帧,提取其特征值,建立直方图,计算其与第i帧直方图的差值,直到差值大于阈值Key:
(h)第i帧即为当前关键桢,j=k+1,进入下一关键桢的选取。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对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,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种小儿外科刀口清洁护理装置控制方法,其特征在于,所述小儿外科刀口清洁护理装置控制方法包括:
通过摄像模块利用摄像头采集患者图像数据信息;
通过人脸识别模块利用图像识别软件对采集的患者图像比对数据库患者信息进行识别操作,获取患者信息;
通过细菌检测模块利用细菌检测仪检测手术刀细菌数据信息;
通过空气净化模块利用空气净化器对手术环境进行空气净化;
通过烘干模块利用烘干机对清洗后的手术刀进行烘干;
通过音乐播放模块利用音乐播放器播放儿童音乐转移儿童注意力;
通过视频检索模块利用搜索程序检索手术视频数据信息;
视频检索方法包括:提交采集到的刀口清洁护理视频;通过刀口清洁护理视频编辑器依据标签规范进行编排,录入视频关键帧信息标签;形成完成刀口清洁护理视频信息标签的媒体封装格式;将视频上传到医学视频管理平台;
用户提交关键字进行刀口清洁护理视频检索;视频医学管理平台解封手术视频媒体封装格式,进行快速匹配查找;平台输出和呈现匹配成功的刀口清洁护理视频内容;用户获取刀口清洁护理视频,进行学习;
具体有:1)医学视频管理平台生成随机数序列矩阵R,R={Rmn},(1≤m≤N),(1≤n≤N);医学视频管理平台根据R计算散列Hash矩阵H、并将H发送至数据库DB;医学视频管理平台将R以行为单位将m×n个随机数随机分配给M个认知用户,认知用户SUj获得的随机数序列集合记Rj(1≤j≤M),转到步骤S2;
2):SUj通过控制信道向其所在的区域Cj中的基站BSj,发送加密的信道申请信息EBSj(Rj1,t),t为时间,转到步骤3);
3):BSj收集t时刻收到的所有EBSj、并将收到的序列串解密,得到一系列次级用户信息R次;BSj为每个R次均打上标签后重新加密,每个R次的标签和对应的随机数信息形成加密信息;BSj将每个R次的加密信息发送至DB,转到步骤4);
4):DB对加密信息中的随机数进行解密后,进行Hash计算得到随机数的Hash值,随机数的Hash值与H的Hash值匹配后,对应标签的用户通过验证;DB将通过验证的标签和Cj中的可用频谱信息加密形成可用信道信息后,发送至BSj,DB删除H中匹配过的Hash值,转到步骤5);
5):BSj根据可用信道信息为通过验证的认知用户分配信道,转到步骤6);
6):BSj在DB中注册信道使用信息;
7)当存在认知用户Hash序列使用完毕,或新用户的增加,需要向医学视频管理平台重新申请Hash序列串时,医学视频管理平台更新Hash矩阵并发送至DB;
8)利用傅里叶逆变换,将认知用户分配信道的频域测得的散射参数变换到时域,得到时域冲击响应,反射参数对应时域反射响应,传输参数对应时域传输响应;
根据反射响应和传输响应中前两个脉冲在时间轴上的位置,分别构造四个时域选通函数;
利用选通函数,对时域的反射响应和传输响应进行选通,分别提取出反射响应和传输响应中的前两个脉冲;
将时域选通后的时域脉冲分别通过傅里叶变换,得到频域选通数据;
频域选通数据中包含刀口清洁护理视频的信息,利用得到的信息,根据公式构造补偿因子Fcf(i);利用下面的公式,构造补偿因子Fcf(i):
G1(i)~G4(i)是在上步中得到的频域选通数据;
R(i)是比率因子;
Fcf(i)补偿因子;
利用遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i);检索出手术视频数据信息;
通过数据库模块利用数据库服务器存储患者个人信息、手术信息、病例信息;
通过显示模块利用显示屏显示细菌数据、患者信息。
2.如权利要求1所述的小儿外科刀口清洁护理装置控制方法,其特征在于,
中医学视频管理平台计算Hash矩阵H的公式为:
BSj为每个R次均打上标签后重新加密,每个R次的标签和对应的随机数信息形成加密信息,具体包括以下步骤:BSj选择标签tagj1对随机数打上标签,加密信息为
随机数的Hash值与H的Hash值匹配后,对应标签的用户通过验证,具体包括以下步骤:判断随机数的Hash值与H的Hash值是否匹配成功,若是,DB向BSj发送可用信道集合的加密信息其中Sj为Cj范围内可用信道集合;否则DB向BSj发送
BSj根据可用信道信息为通过验证的认知用户分配信道,具体包括以下步骤:BSj解密可用信道信息,验证tagj1是否匹配成功,若是,在Cj范围内的Sj中选择一条最合适的信道chj,将chj加密后的加密信息发送至SUj,加密信息为否则不分配信道信息。
3.如权利要求1所述的小儿外科刀口清洁护理装置控制方法,其特征在于,
利用下面的遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i):
4.如权利要求1所述的小儿外科刀口清洁护理装置控制方法,其特征在于,人脸识别模块识别方法包括:
(1)对采集的人脸图像进行规范化处理,将人脸进行对齐纠正;
(2)基于稀疏表征,采用SRC人脸识别算法进行多人脸识别;
所述步骤(2)中,进行多人脸识别的具体方法为:
对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果;根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果;统计各个人脸的身份,由超过半数n/2的统一身份决定目标的最终身份;所述坐标排序按照二维直角坐标系的坐标排序;
所述步骤(2)中,计算待识别图片与人脸库各类别间的重建误差{r1,r2,……rn},r1<r2……<rn,将得到的相似度值按照的规则确定最终识别结果;其中T1为比率值,T1=0.6;
所述步骤(2)中,计算待识别图片与人脸库各类别间的重建误差{r1,r2,……rn},r1<r2……<rn,将得到的相似度值按照的规则确定最终识别结果;其中T1为比率值,T1=0.6。
5.如权利要求1所述的小儿外科刀口清洁护理装置控制方法,其特征在于,
显示模块采用最大熵阈值分割法进行图像分割:
熵的定义为:
式中p(x)是随机变量x的概率密度函数。
对于数字图像来说,随机变量x可以是灰度级值、区域灰度、梯度特征;灰度的最大熵,就是选择一个阈值,使图像用这个阈值分割出的两部分的一阶统计的信息量最大;设ni为图像中灰度级i的像素点数,pi为灰度级i出现的概率,则:
式中:N×N为图像总的像素数,L为图像的总的灰度级数;
假设图像中灰度级小于t的像素点构成目标区域A,灰度级大于t的像素点构成目标区域B,那么各概率在基本区域的分布分别为:
A区:pi/pt i=1,2,…,t
B区:pi/(1-pt) i=1,2,…,t
其中:
目标区域和背景区域的熵分别定义为:
则熵函数定义为:
式中:
当熵函数取得最大值时对应的灰度值η就是所求的最佳阈值:
空气净化模块对手术环境进行空气净化中,采用非线性PID控制,PID控制的数学模型为KP为比例参数,KI为积分参数,KD为微分参数,e(t)为系统误差,u(t)为控制器的输出;
非线性PID控制可根据相应的函数对PID控制中的固定增益KP、KI、KD非线性转换,构造出KP[e(t)]、KI[e(t)]、KD[e(t)];
非线性PID控制的数学模型为KP[e(t)]为非线性积分参数,KI[e(t)]为非线性积分参数,KD[e(t)]为非线性微分参数,e(t)为系统误差,u(t)为控制器的输出;
当系统出现误差e(t)时非线性比例参数KP[e(t)]影响控制器的输出u(t),比例参数越大,系统的响应时间越短,但系统稳定性变差;非线性积分参数KI[e(t)]可消除系统的稳态误差,降低最大超调量;非线性微分参数KD[e(t)]提高控制系统的稳定性和快速性,控制系统偏差波动的趋势,避免被控对象的严重超调;
视频检索模块利用搜索程序检索手术视频数据信息中,采用图像相似度的关键帧提取算法:
(a)设定视频查找起始帧,起始帧的设定分为两种情况,若本身就为视频的起始帧,则设该帧为当前查找起始帧;若不是视频起始帧,则设前一查找序列的下一帧为起始帧;
(b)解码起始帧,提取其特征值,建立M级直方图,设定阈值Key,特征值的选取,根据SDTV颜色规范对Y、U、V分级,Y、U、V分别对应图像的亮度信息Y和色度信息Cb、Cr,根据分级情况建立M级直方图;
(c)依次解码后续帧,提取其特征值建立M级直方图,并与起始帧直方图采用采用欧式距离法进行比较,直到其差值大于所设定的阈值:
j为起始帧,k为后续帧序号,Hj(e)、Hk(e)分别为起始帧和后续帧e级直方图值,D(j,k)为后续帧与起始帧特征值直方图采用欧式距离法进行比较后所得的差值,M为直方图级数,Key为阈值;
(d)求取D(m,n),j≤m≤k,j≤n≤k,m≠n,m、n为起始帧后的第m帧和n帧,若D(m,n)>Key,则对第m帧和第n帧进行标记,第m帧和第n帧不作为关键帧候选项;
(e)计算i帧与其他帧的D(i,z)之和H(i),其中j≤i≤k,j≤z≤k,i≠m,i≠n:
(f)求取Min(H(i)),根据(5)的计算结果在视频序列中查找到与该序列中的所有帧特征值直方图差值之和最小的一帧第i帧;
(g)解码k帧后续帧,提取其特征值,建立直方图,计算其与第i帧直方图的差值,直到差值大于阈值Key:
(h)第i帧即为当前关键桢,j=k+1,进入下一关键桢的选取。
6.一种计算机程序,其特征在于,所述计算机程序运行权利要求1~5任意一项所述的小儿外科刀口清洁护理装置控制方法。
7.一种终端,其特征在于,所述终端至少搭载实现权利要求1~5任意一项所述小儿外科刀口清洁护理装置控制方法的控制器。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的小儿外科刀口清洁护理装置控制方法。
9.一种实现权利要求1所述小儿外科刀口清洁护理装置控制方法的小儿外科刀口清洁护理装置,其特征在于,所述小儿外科刀口清洁护理装置包括:
摄像模块,与主控模块连接,用于通过摄像头采集患者图像数据信息;
细菌检测模块,与主控模块连接,用于通过细菌检测仪检测手术刀细菌数据信息;
主控模块,与摄像模块、细菌检测模块、清洗模块、烘干模块、音乐播放模块、空气净化模块、人脸识别模块、视频检索模块、数据库模块、显示模块连接,用于通过单片机控制各个模块正常工作;
清洗模块,与主控模块连接,用于通过清洗机对手术刀具进行清洗;
烘干模块,与主控模块连接,用于通过烘干机对清洗后的手术刀进行烘干;
音乐播放模块,与主控模块连接,用于通过音乐播放器播放儿童音乐转移儿童注意力;
空气净化模块,与主控模块连接,用于通过空气净化器对手术环境进行空气净化;
人脸识别模块,与主控模块连接,用于通过图像识别软件对采集的患者图像比对数据库患者信息进行识别操作;
视频检索模块,与主控模块连接,用于通过搜索程序检索手术视频数据信息;
数据库模块,与主控模块连接,用于通过数据库服务器存储患者个人信息、手术信息、病例信息;
显示模块,与主控模块连接,用于通过显示屏显示细菌数据、患者信息。
10.一种小儿外科刀口清洁护理设备,其特征在于,所述小儿外科刀口清洁护理设备至少搭载权利要求9所述的小儿外科刀口清洁护理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810986707.2A CN109243594A (zh) | 2018-08-28 | 2018-08-28 | 一种小儿外科刀口清洁护理装置及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810986707.2A CN109243594A (zh) | 2018-08-28 | 2018-08-28 | 一种小儿外科刀口清洁护理装置及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109243594A true CN109243594A (zh) | 2019-01-18 |
Family
ID=65068656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810986707.2A Withdrawn CN109243594A (zh) | 2018-08-28 | 2018-08-28 | 一种小儿外科刀口清洁护理装置及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109243594A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931912A (zh) * | 2015-06-12 | 2015-09-23 | 西安电子科技大学 | 一种矢量网络分析仪的时域补偿方法 |
CN106154832A (zh) * | 2016-07-06 | 2016-11-23 | 长安大学 | 一种非线性pid控制算法及其应用 |
CN106327497A (zh) * | 2016-08-29 | 2017-01-11 | 湖南文理学院 | 基于超广延熵的灰度图像阈值分割方法 |
CN107562922A (zh) * | 2017-09-13 | 2018-01-09 | 广州杏雨信息科技有限公司 | 一种外科手术类医学视频的快速检索方法 |
CN107748761A (zh) * | 2017-09-26 | 2018-03-02 | 广东工业大学 | 一种视频摘要的关键帧提取方法 |
CN107802446A (zh) * | 2017-10-30 | 2018-03-16 | 薛媛 | 一种小儿外科刀口清洁装置 |
CN108335247A (zh) * | 2018-03-14 | 2018-07-27 | 黄冈职业技术学院 | 一种基于云平台的计算机教学授课系统 |
-
2018
- 2018-08-28 CN CN201810986707.2A patent/CN109243594A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931912A (zh) * | 2015-06-12 | 2015-09-23 | 西安电子科技大学 | 一种矢量网络分析仪的时域补偿方法 |
CN106154832A (zh) * | 2016-07-06 | 2016-11-23 | 长安大学 | 一种非线性pid控制算法及其应用 |
CN106327497A (zh) * | 2016-08-29 | 2017-01-11 | 湖南文理学院 | 基于超广延熵的灰度图像阈值分割方法 |
CN107562922A (zh) * | 2017-09-13 | 2018-01-09 | 广州杏雨信息科技有限公司 | 一种外科手术类医学视频的快速检索方法 |
CN107748761A (zh) * | 2017-09-26 | 2018-03-02 | 广东工业大学 | 一种视频摘要的关键帧提取方法 |
CN107802446A (zh) * | 2017-10-30 | 2018-03-16 | 薛媛 | 一种小儿外科刀口清洁装置 |
CN108335247A (zh) * | 2018-03-14 | 2018-07-27 | 黄冈职业技术学院 | 一种基于云平台的计算机教学授课系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Automated segmentation of dental CBCT image with prior‐guided sequential random forests | |
Prabhu et al. | Few-shot learning for dermatological disease diagnosis | |
WO2019105218A1 (zh) | 图像特征的识别方法和装置、存储介质、电子装置 | |
WO2019119050A1 (en) | A method for analysis of cough sounds using disease signatures to diagnose respiratory diseases | |
Ahmidi et al. | An objective and automated method for assessing surgical skill in endoscopic sinus surgery using eye‐tracking and tool‐motion data | |
JP5576775B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
Tran et al. | Phase segmentation methods for an automatic surgical workflow analysis | |
US20200170710A1 (en) | Surgical decision support using a decision theoretic model | |
CN116825264B (zh) | 基于互联网的妇产科信息处理方法及系统 | |
Prabhu et al. | Prototypical clustering networks for dermatological disease diagnosis | |
Zhang et al. | Augmenting multi‐instance multilabel learning with sparse Bayesian models for skin biopsy image analysis | |
CN116862931A (zh) | 医学图像分割方法、装置、存储介质及电子设备 | |
CN110415779B (zh) | 保温措施有效性检测方法、装置、设备及存储介质 | |
CN109243594A (zh) | 一种小儿外科刀口清洁护理装置及控制方法 | |
Roß et al. | How can we learn (more) from challenges? A statistical approach to driving future algorithm development | |
CN114145844A (zh) | 一种基于深度学习算法的腹腔镜手术人工智能云辅助系统 | |
Hanif et al. | Upper airway classification in sleep endoscopy examinations using convolutional recurrent neural networks | |
Mathina Kani et al. | Classification of skin lesion images using modified Inception V3 model with transfer learning and augmentation techniques | |
Alberink et al. | Interoperator test for anatomical annotation of earprints | |
Nguyen et al. | Growing self-organizing maps for metagenomic visualizations supporting disease classification | |
Jindal et al. | Accelerating Lung Disease Diagnosis: The Role of Federated Learning and CNN in Multi-Institutional Collaboration | |
Chalcroft et al. | Development and evaluation of intraoperative ultrasound segmentation with negative image frames and multiple observer labels | |
Ooi et al. | An interactive evolutionary multi-objective approach to skin lesion segmentation | |
US20240153269A1 (en) | Identifying variation in surgical approaches | |
US20240161934A1 (en) | Quantifying variation in surgical approaches |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190118 |