CN110265136A - 基于红外热成像的骨关节炎症检测分析系统 - Google Patents
基于红外热成像的骨关节炎症检测分析系统 Download PDFInfo
- Publication number
- CN110265136A CN110265136A CN201910404622.3A CN201910404622A CN110265136A CN 110265136 A CN110265136 A CN 110265136A CN 201910404622 A CN201910404622 A CN 201910404622A CN 110265136 A CN110265136 A CN 110265136A
- Authority
- CN
- China
- Prior art keywords
- module
- wireless communication
- bones
- communication module
- giv3
- 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
- 206010061218 Inflammation Diseases 0.000 title claims abstract description 28
- 230000004054 inflammatory process Effects 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 230000003349 osteoarthritic effect Effects 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 title claims abstract description 17
- 238000001931 thermography Methods 0.000 title claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 86
- 238000003745 diagnosis Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 238000009434 installation Methods 0.000 claims abstract description 8
- 210000000988 bone and bone Anatomy 0.000 claims description 63
- 238000012549 training Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000001225 therapeutic effect Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000002757 inflammatory effect Effects 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000003012 network analysis Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 208000032170 Congenital Abnormalities Diseases 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 201000008482 osteoarthritis Diseases 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 206010003246 arthritis Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010057178 Osteoarthropathies Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001188 articular cartilage Anatomy 0.000 description 1
- 230000007698 birth defect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000005065 subchondral bone plate Anatomy 0.000 description 1
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4528—Joints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G16H40/67—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 for remote operation
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Dentistry (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于红外热成像的骨关节炎症检测分析系统，包括红外热成像仪、设置在云平台上的医疗诊断系统和安装在移动终端上的app客户端，医疗诊断系统由医疗部门进行维护，app客户端与医疗诊断系统通过无线网络进行数据交互，医疗诊断系统包括第一用户注册登录模块、第一数据存储模块、图像处理模块和第一无线通信模块，app客户端包括第二用户注册登录模块、第二无线通信模块和第二数据存储模块，第二用户注册登录模块分别与第二无线通信模块和第二数据存储模块连接；优点是成本低，可以快速确诊骨关节炎症。
Description
技术领域
本发明涉及一种骨关节炎症检测分析系统，尤其是涉及一种基于红外热成像的骨关节炎症检测分析系统。
背景技术
骨关节炎症为一种退行性病变，是由于增龄、肥胖、劳损、创伤、关节先天性异常和关节畸形等诸多因素导致，具体体现为：关节软骨退化损伤、关节边缘和软骨下骨反应性增生等。骨关节炎症又称骨关节病、退行性关节炎、老年性关节炎、肥大性关节炎等。骨关节炎症的临床表现为缓慢发展的关节疼痛、压痛、僵硬、关节肿胀、活动受限和关节畸形等。近年来，各种原因导致的中老年群体的骨关节炎症发病率居高不下，骨关节炎症已经成为威胁人们身体健康的一种常发病症。
目前，骨关节炎症的检测方式主要为X光、CT和核磁共振等大型设备，而这些大型设备都配置在医院中，人们如果想要确诊是否存在骨关节炎症，唯一的途径就是去医院进行检测。但是，由于当前医疗资源与患者数量的严重不匹配，医疗资源严重欠缺，各个医院均人满为患，比如当前很多医院核磁共振的检测预约后甚至要等待一周左右。人们去医院确诊是否存在骨关节炎症，不但费用高昂，而且需要耗费较长的等待时间，由此导致诊疗时间的延误，病情加重。甚至，有些患者在患病初期受到经济或者时间的限制，会选择性的忽略骨关节炎症病症，直至骨关节炎症恶化，疼痛难以忍受了才去医院就诊，从而错过最佳治疗时间，给身体造成不可挽回的伤害。
发明内容
本发明所要解决的技术问题是提供一种成本低，可以快速确诊骨关节炎症的基于红外热成像的骨关节炎症检测分析系统。
本发明解决上述技术问题所采用的技术方案为：一种基于红外热成像的骨关节炎症检测分析系统，包括红外热成像仪、设置在云平台上的医疗诊断系统和安装在移动终端上的app客户端，所述的医疗诊断系统由医疗部门进行维护，所述的app客户端与所述的医疗诊断系统通过无线网络进行数据交互，所述的医疗诊断系统包括第一用户注册登录模块、第一数据存储模块、图像处理模块和第一无线通信模块；所述的第一注册登录模块分别与所述的第一数据存储模块和所述的第一无线通信模块连接，所述的第一注册登录模块用于患者与医院工作人员注册和登录，当医院工作人员注册并登录后，医院工作人员能够访问所述的第一数据存储模块中存储的数据，也能通过所述的第一无线通信模块向所述的数据存储模块中传送数据，所述的图像处理模块分别与所述的第一数据存储模块和所述的第一无线通信模块连接，所述的app客户端包括第二用户注册登录模块、第二无线通信模块和第二数据存储模块，所述的第二用户注册登录模块分别与所述的第二无线通信模块和所述的第二数据存储模块连接，所述的第二数据存储模块与所述的第二无线通信模块连接，所述的第二无线通讯模块与所述的第一无线通讯模块通过无线网络进行数据交互；所述的第二用户注册登录模块与所述的第一用户注册登录模块通过所述的第二无线通信模块和所述的第一无线通讯模块之间的数据交互实现关联，当患者进入安装在移动终端上的app客户端时，通过所述的第二用户注册登录模块进行注册和登录，其注册和登录信息通过所述的第二无线通讯模块和所述的第一无线通讯模块发送至所述的第一用户注册登录模块，完成在所述的医疗诊断系统上的同步注册和登录，患者注册时的相关信息同步存储在所述的第一数据存储模块中，患者注册时的相关信息包括医疗卡号、身份证号码和手机；使用时，患者将红外热成像仪拍摄的骨关节热图发送至其移动终端，在登录后，通过所述的第二无线通讯模块将骨关节热图发送至所述的第一无线通讯模块，所述的第一无线通讯模块将接收到的骨关节热图发送给所述的第一数据存储模块存储在对应患者下，并同步发送给所述的图像处理模块进行分析判定，所述的图像处理模块对接收到的骨关节热图进行分析判定后，得出判定结论发送给所述的第一数据存储模块存储在对应患者下，并同步发送给所述的第一无线通讯模块，所述的第一无线通讯模块将接收到的判定结论发送给所述的第一无线通讯模块，所述的第一无线通讯模块将接收到的判定结论发送给所述的第二数据存储模块进行存储，患者从所述的第二数据存储模块中获取判定结论；当医院工作人员通过所述的第一用户注册登录模块进行注册和登录后，医院工作人员能够获取所述的第一数据存储模块中存储的患者相关信息、患者骨关节热图及判定结论，并据此给出治疗方案及建议发送给所述的第一数据存储模块存储在对应患者下，所述的第一数据存储模块将治疗方案及建议通过所述的第一无线通讯模块发送到患者手机。
所述的图像处理模块采用GooLeNet Inception V3网络和特征融合层组合得到的GIV3网络实现，所述的GIV3网络的分类器采用随机森林算法实现，所述的GIV3网络的分类器训练后对骨关节热图进行分析判定。该结构中，由于所选数据集与实验的目标数据集图像差异较大，如果直接使用GooLeNet Inception V3网络提取的特征数据做分类，得到的实验结果会较差，为了弱化源数据集与目标数据集图像差异的影响，引入特征融合层，该特征融合层可以对GooLeNet Inception V3网络学习到的特征信息进行非线性的组合，得到更加多样化的非线性特征表示，采用随机森林算法作为GIV3网络的分类器识别准确率较高，且可以克服GooLeNet Inception V3网络结构复杂，实验数据较少，容易产生过拟合的缺陷，且得到的实验结果更稳定。
所述的GIV3网络的分类器的训练过程为：
①从医疗部门获取骨关节热图构建图像集，并获取图像集中各骨关节热图对应的炎症类别，将该图像集记为S，所述的图像集中包含100N个骨关节图像，N为大于等于10000的整数
②将图像集S随机划分为训练集S1和验证集V1，其中，训练集S1中的骨关节图像数量为图像集S中骨关节图像数量的99％，验证集V1中的图像数量为图像集S中图像数量的1％；
③利用训练集S1对所述的GIV3网络进行参数更新，在参数更新过程中利用验证集V1实时评测所述的GIV3网络的特征提取能力；
④采用更新后的GIV3网络分别对训练集S1以及验证集V1中的每幅骨关节图像RGB特征进行提取，分别得到训练集S1以及验证集V1中的骨关节图像的RGB数据，采用提取得到的训练集S1的骨关节图像的RGB数据构建RGB训练数据集XGIV3，采用提取得到的验证集V1的骨关节图像的RGB数据构建RGB验证数据集X1 GIV3，所述的RGB训练数据集XGIV3包括99N个RGB数据，所述的RGB验证数据集中包括N个RGB数据；
⑤将训练数据集XGIV3和RGB验证数据集中的各数据作为输入，训练数据集XGIV3和RGB验证数据集中的各数据对应的骨关节热图的炎症类型作为输出，对所述的GIV3网络的分类器进行训练，得到训练好的GIV3网络的分类器；
所述的GIV3网络的分类器训练后对骨关节热图进行分析判定的过程为：采用GIV3网络对骨关节热图的RGB特征进行提取，得到骨关节热图的RGB数据，将骨关节热图的RGB数据作为GIV3网络的分类器的输入输入到GIV3网络的分类器，GIV3网络的分类器生成对应的炎症类型结果输出。采用该训练方法对GIV3网络的分类器进行训练，可以在训练过程中通过不断调节参数提高GIV3网络的分类器分类的准确度。
与现有技术相比，本发明的优点在于通过红外热成像仪、设置在云平台上的医疗诊断系统和安装在移动终端上的app客户端构成骨关节炎症检测分析系统，医疗诊断系统由医疗部门进行维护，app客户端与医疗诊断系统通过无线网络进行数据交互，医疗诊断系统包括第一用户注册登录模块、第一数据存储模块、图像处理模块和第一无线通信模块；第一注册登录模块分别与第一数据存储模块和第一无线通信模块连接，第一注册登录模块用于患者与医院工作人员注册和登录，当医院工作人员注册并登录后，医院工作人员能够访问第一数据存储模块中存储的数据，也能通过第一无线通信模块向数据存储模块中传送数据，图像处理模块分别与第一数据存储模块和第一无线通信模块连接，app客户端包括第二用户注册登录模块、第二无线通信模块和第二数据存储模块，第二用户注册登录模块分别与第二无线通信模块和第二数据存储模块连接，第二数据存储模块与第二无线通信模块连接，第二无线通讯模块与第一无线通讯模块通过无线网络进行数据交互；第二用户注册登录模块与第一用户注册登录模块通过第二无线通信模块和第一无线通讯模块之间的数据交互实现关联，当患者进入安装在移动终端上的app客户端时，通过第二用户注册登录模块进行注册和登录，其注册和登录信息通过第二无线通讯模块和第一无线通讯模块发送至第一用户注册登录模块，完成在医疗诊断系统上的同步注册和登录，患者注册时的相关信息同步存储在第一数据存储模块中，患者注册时的相关信息包括医疗卡号、身份证号码和手机；使用时，患者将红外热成像仪拍摄的骨关节热图发送至其移动终端，在登录后，通过第二无线通讯模块将骨关节热图发送至第一无线通讯模块，第一无线通讯模块将接收到的骨关节热图发送给第一数据存储模块存储在对应患者下，并同步发送给图像处理模块进行分析判定，图像处理模块对接收到的骨关节热图进行分析判定后，得出判定结论发送给第一数据存储模块存储在对应患者下，并同步发送给第一无线通讯模块，第一无线通讯模块将接收到的判定结论发送给第一无线通讯模块，第一无线通讯模块将接收到的判定结论发送给第二数据存储模块进行存储，患者从第二数据存储模块中获取判定结论；当医院工作人员通过第一用户注册登录模块进行注册和登录后，医院工作人员能够获取第一数据存储模块中存储的患者相关信息、患者骨关节热图及判定结论，并据此给出治疗方案及建议发送给第一数据存储模块存储在对应患者下，第一数据存储模块将治疗方案及建议通过第一无线通讯模块发送到患者手机，由此患者通过红外热成像仪拍摄骨关节处的红外热图即可通过本发明进行快速判定，红外热成像仪为当前成熟的仪器设备，可以多次重复利用和多人共享利用，成本低，患者不需要去医院排队等待检测，能够实现骨关节炎症的快速确诊，同时给医疗部门减负。
附图说明
图1为本发明的基于红外热成像的骨关节炎症检测分析系统的结构框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
实施例：如图1所示，一种基于红外热成像的骨关节炎症检测分析系统，包括红外热成像仪、设置在云平台上的医疗诊断系统和安装在移动终端上的app客户端，医疗诊断系统由医疗部门进行维护，app客户端与医疗诊断系统通过无线网络进行数据交互，医疗诊断系统包括第一用户注册登录模块、第一数据存储模块、图像处理模块和第一无线通信模块；第一注册登录模块分别与第一数据存储模块和第一无线通信模块连接，第一注册登录模块用于患者与医院工作人员注册和登录，当医院工作人员注册并登录后，医院工作人员能够访问第一数据存储模块中存储的数据，也能通过第一无线通信模块向数据存储模块中传送数据，图像处理模块分别与第一数据存储模块和第一无线通信模块连接，app客户端包括第二用户注册登录模块、第二无线通信模块和第二数据存储模块，第二用户注册登录模块分别与第二无线通信模块和第二数据存储模块连接，第二数据存储模块与第二无线通信模块连接，第二无线通讯模块与第一无线通讯模块通过无线网络进行数据交互；第二用户注册登录模块与第一用户注册登录模块通过第二无线通信模块和第一无线通讯模块之间的数据交互实现关联，当患者进入安装在移动终端上的app客户端时，通过第二用户注册登录模块进行注册和登录，其注册和登录信息通过第二无线通讯模块和第一无线通讯模块发送至第一用户注册登录模块，完成在医疗诊断系统上的同步注册和登录，患者注册时的相关信息同步存储在第一数据存储模块中，患者注册时的相关信息包括医疗卡号、身份证号码和手机；使用时，患者将红外热成像仪拍摄的骨关节热图发送至其移动终端，在登录后，通过第二无线通讯模块将骨关节热图发送至第一无线通讯模块，第一无线通讯模块将接收到的骨关节热图发送给第一数据存储模块存储在对应患者下，并同步发送给图像处理模块进行分析判定，图像处理模块对接收到的骨关节热图进行分析判定后，得出判定结论发送给第一数据存储模块存储在对应患者下，并同步发送给第一无线通讯模块，第一无线通讯模块将接收到的判定结论发送给第一无线通讯模块，第一无线通讯模块将接收到的判定结论发送给第二数据存储模块进行存储，患者从第二数据存储模块中获取判定结论；当医院工作人员通过第一用户注册登录模块进行注册和登录后，医院工作人员能够获取第一数据存储模块中存储的患者相关信息、患者骨关节热图及判定结论，并据此给出治疗方案及建议发送给第一数据存储模块存储在对应患者下，第一数据存储模块将治疗方案及建议通过第一无线通讯模块发送到患者手机。
本实施例中，图像处理模块采用GooLeNet Inception V3网络和特征融合层组合得到的GIV3网络实现，GIV3网络的分类器采用随机森林算法实现，GIV3网络的分类器训练后对骨关节热图进行分析判定。
本实施例中，GIV3网络的分类器的训练过程为：
①从医疗部门获取骨关节热图构建图像集，并获取图像集中各骨关节热图对应的炎症类别，将该图像集记为S，图像集中包含100N个骨关节图像，N为大于等于10000的整数
②将图像集S随机划分为训练集S1和验证集V1，其中，训练集S1中的骨关节图像数量为图像集S中骨关节图像数量的99％，验证集V1中的图像数量为图像集S中图像数量的1％；
③利用训练集S1对GIV3网络进行参数更新，在参数更新过程中利用验证集V1实时评测GIV3网络的特征提取能力；
④采用更新后的GIV3网络分别对训练集S1以及验证集V1中的每幅骨关节图像RGB特征进行提取，分别得到训练集S1以及验证集V1中的骨关节图像的RGB数据，采用提取得到的训练集S1的骨关节图像的RGB数据构建RGB训练数据集XGIV3，采用提取得到的验证集V1的骨关节图像的RGB数据构建RGB验证数据集X1 GIV3，RGB训练数据集XGIV3包括99N个RGB数据，RGB验证数据集中包括N个RGB数据；
⑤将训练数据集XGIV3和RGB验证数据集中的各数据作为输入，训练数据集XGIV3和RGB验证数据集中的各数据对应的骨关节热图的炎症类型作为输出，对GIV3网络的分类器进行训练，得到训练好的GIV3网络的分类器；
GIV3网络的分类器训练后对骨关节热图进行分析判定的过程为：采用GIV3网络对骨关节热图的RGB特征进行提取，得到骨关节热图的RGB数据，将骨关节热图的RGB数据作为GIV3网络的分类器的输入输入到GIV3网络的分类器，GIV3网络的分类器生成对应的炎症类型结果输出。
Claims (3)
1.一种基于红外热成像的骨关节炎症检测分析系统，其特征在于包括红外热成像仪、设置在云平台上的医疗诊断系统和安装在移动终端上的app客户端，所述的医疗诊断系统由医疗部门进行维护，所述的app客户端与所述的医疗诊断系统通过无线网络进行数据交互，所述的医疗诊断系统包括第一用户注册登录模块、第一数据存储模块、图像处理模块和第一无线通信模块；所述的第一注册登录模块分别与所述的第一数据存储模块和所述的第一无线通信模块连接，所述的第一注册登录模块用于患者与医院工作人员注册和登录，当医院工作人员注册并登录后，医院工作人员能够访问所述的第一数据存储模块中存储的数据，也能通过所述的第一无线通信模块向所述的数据存储模块中传送数据，所述的图像处理模块分别与所述的第一数据存储模块和所述的第一无线通信模块连接，所述的app客户端包括第二用户注册登录模块、第二无线通信模块和第二数据存储模块，所述的第二用户注册登录模块分别与所述的第二无线通信模块和所述的第二数据存储模块连接，所述的第二数据存储模块与所述的第二无线通信模块连接，所述的第二无线通讯模块与所述的第一无线通讯模块通过无线网络进行数据交互；所述的第二用户注册登录模块与所述的第一用户注册登录模块通过所述的第二无线通信模块和所述的第一无线通讯模块之间的数据交互实现关联，当患者进入安装在移动终端上的app客户端时，通过所述的第二用户注册登录模块进行注册和登录，其注册和登录信息通过所述的第二无线通讯模块和所述的第一无线通讯模块发送至所述的第一用户注册登录模块，完成在所述的医疗诊断系统上的同步注册和登录，患者注册时的相关信息同步存储在所述的第一数据存储模块中，患者注册时的相关信息包括医疗卡号、身份证号码和手机；
使用时，患者将红外热成像仪拍摄的骨关节热图发送至其移动终端，在登录后，通过所述的第二无线通讯模块将骨关节热图发送至所述的第一无线通讯模块，所述的第一无线通讯模块将接收到的骨关节热图发送给所述的第一数据存储模块存储在对应患者下，并同步发送给所述的图像处理模块进行分析判定，所述的图像处理模块对接收到的骨关节热图进行分析判定后，得出判定结论发送给所述的第一数据存储模块存储在对应患者下，并同步发送给所述的第一无线通讯模块，所述的第一无线通讯模块将接收到的判定结论发送给所述的第一无线通讯模块，所述的第一无线通讯模块将接收到的判定结论发送给所述的第二数据存储模块进行存储，患者从所述的第二数据存储模块中获取判定结论；当医院工作人员通过所述的第一用户注册登录模块进行注册和登录后，医院工作人员能够获取所述的第一数据存储模块中存储的患者相关信息、患者骨关节热图及判定结论，并据此给出治疗方案及建议发送给所述的第一数据存储模块存储在对应患者下，所述的第一数据存储模块将治疗方案及建议通过所述的第一无线通讯模块发送到患者手机。
2.根据权利要求1所述的一种基于红外热成像的骨关节炎症检测分析系统，其特征在于所述的图像处理模块采用GooLeNet Inception V3网络和特征融合层组合得到的GIV3网络实现，所述的GIV3网络的分类器采用随机森林算法实现，所述的GIV3网络的分类器训练后对骨关节热图进行分析判定。
3.根据权利要求2所述的一种基于红外热成像的骨关节炎症检测分析系统，其特征在于所述的GIV3网络的分类器的训练过程为：
①从医疗部门获取骨关节热图构建图像集，并获取图像集中各骨关节热图对应的炎症类别，将该图像集记为S，所述的图像集中包含100N个骨关节图像，N为大于等于10000的整数
②将图像集S随机划分为训练集S1和验证集V1，其中，训练集S1中的骨关节图像数量为图像集S中骨关节图像数量的99％，验证集V1中的图像数量为图像集S中图像数量的1％；
③利用训练集S1对所述的GIV3网络进行参数更新，在参数更新过程中利用验证集V1实时评测所述的GIV3网络的特征提取能力；
④采用更新后的GIV3网络分别对训练集S1以及验证集V1中的每幅骨关节图像RGB特征进行提取，分别得到训练集S1以及验证集V1中的骨关节图像的RGB数据，采用提取得到的训练集S1的骨关节图像的RGB数据构建RGB训练数据集XGIV3，采用提取得到的验证集V1的骨关节图像的RGB数据构建RGB验证数据集X1 GIV3，所述的RGB训练数据集XGIV3包括99N个RGB数据，所述的RGB验证数据集中包括N个RGB数据；
⑤将训练数据集XGIV3和RGB验证数据集中的各数据作为输入，训练数据集XGIV3和RGB验证数据集中的各数据对应的骨关节热图的炎症类型作为输出，对所述的GIV3网络的分类器进行训练，得到训练好的GIV3网络的分类器；
所述的GIV3网络的分类器训练后对骨关节热图进行分析判定的过程为：采用GIV3网络对骨关节热图的RGB特征进行提取，得到骨关节热图的RGB数据，将骨关节热图的RGB数据作为GIV3网络的分类器的输入输入到GIV3网络的分类器，GIV3网络的分类器生成对应的炎症类型结果输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910404622.3A CN110265136A (zh) | 2019-05-16 | 2019-05-16 | 基于红外热成像的骨关节炎症检测分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910404622.3A CN110265136A (zh) | 2019-05-16 | 2019-05-16 | 基于红外热成像的骨关节炎症检测分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110265136A true CN110265136A (zh) | 2019-09-20 |
Family
ID=67913249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910404622.3A Pending CN110265136A (zh) | 2019-05-16 | 2019-05-16 | 基于红外热成像的骨关节炎症检测分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110265136A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889847A (zh) * | 2019-12-10 | 2020-03-17 | 苏州大学 | 一种基于红外成像的核辐射损伤评估系统、方法 |
| CN111951952A (zh) * | 2020-07-17 | 2020-11-17 | 北京欧应信息技术有限公司 | 一种基于医疗影像信息自动诊断骨科疾病的装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108364682A (zh) * | 2018-01-03 | 2018-08-03 | 广州尚衡信息科技有限公司 | 一种红外热成像体检设备、云端服务器、终端及系统 |
| CN109394180A (zh) * | 2018-11-09 | 2019-03-01 | 上海中医药大学附属曙光医院 | 一种基于红外成像的膝骨关节炎远程诊疗系统 |
-
2019
- 2019-05-16 CN CN201910404622.3A patent/CN110265136A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108364682A (zh) * | 2018-01-03 | 2018-08-03 | 广州尚衡信息科技有限公司 | 一种红外热成像体检设备、云端服务器、终端及系统 |
| CN109394180A (zh) * | 2018-11-09 | 2019-03-01 | 上海中医药大学附属曙光医院 | 一种基于红外成像的膝骨关节炎远程诊疗系统 |
Non-Patent Citations (2)
| Title |
|---|
| 何新宇等: "基于深度神经网络的肺炎图像识别模型", 《计算机应用》 * |
| 李富峰等: "基于手机的移动式热成像系统研究与初步应用", 《中国医疗器械杂志》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889847A (zh) * | 2019-12-10 | 2020-03-17 | 苏州大学 | 一种基于红外成像的核辐射损伤评估系统、方法 |
| CN111951952A (zh) * | 2020-07-17 | 2020-11-17 | 北京欧应信息技术有限公司 | 一种基于医疗影像信息自动诊断骨科疾病的装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Castro et al. | Implications of Zika virus and congenital Zika syndrome for the number of live births in Brazil | |
| CN110516161B (zh) | 一种推荐方法及装置 | |
| DeJong et al. | Characterizing rehabilitation services for patients with knee and hip replacement in skilled nursing facilities and inpatient rehabilitation facilities | |
| CN108553081B (zh) | 一种基于舌苔图像的诊断系统 | |
| WO2019168334A1 (ko) | 기계 학습을 통한 치매 예측용 데이터 처리 장치 및 그 방법, 이를 수록한 기록 매체 | |
| Grossman et al. | North American clinical trials network for the treatment of spinal cord injury: goals and progress | |
| CN110265136A (zh) | 基于红外热成像的骨关节炎症检测分析系统 | |
| CN111524580B (zh) | 一种基于神经网络的病毒筛查与防疫系统及方法 | |
| CN109034360A (zh) | 一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法 | |
| CN106886681A (zh) | 一种红外热成像自助体检系统 | |
| Elovainio et al. | Impact of cancer screening on women's health | |
| Takasaki et al. | Inter-examiner classification reliability of mechanical diagnosis and therapy for extremity problems–systematic review | |
| Jacobs et al. | Development of a mind body program for obese knee osteoarthritis patients with comorbid depression | |
| CN205594633U (zh) | 一种高效的急诊护理服务系统 | |
| WO2022015043A1 (ko) | 신경질환 양방향 모니터링 시스템 | |
| Im et al. | In vivo pediatric shoulder muscle volumes and their relationship to 3D strength | |
| Reddy et al. | Skin disease detection using artificial neural network | |
| KR101472817B1 (ko) | 체형측정·원샷케어영상교정에 따른 융합헬스케어 체형교정 관리장치 및 방법 | |
| CN116798600A (zh) | 一种中医肺间质纤维化疾病管理系统 | |
| Tomokawa et al. | Health screening system to ensure children's health and development in Japan | |
| CN109522968A (zh) | 一种基于串行双任务网络的病灶区检测方法及系统 | |
| Jamjoum et al. | Smart Portable Patient Monitoring System | |
| Ngo et al. | Blockchained federated learning for privacy and security preservation: Practical example of diagnosing cerebellar ataxia | |
| KR102549030B1 (ko) | 토탈 헬스케어 서비스 제공 시스템 | |
| CN207818204U (zh) | 集成有红外扫描采集装置的智能移动终端 |
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: 20190920 |
|
| RJ01 | Rejection of invention patent application after publication |