CN112587105B - 一种人体循环灌注状态评估系统 - Google Patents
一种人体循环灌注状态评估系统 Download PDFInfo
- Publication number
- CN112587105B CN112587105B CN202011447574.5A CN202011447574A CN112587105B CN 112587105 B CN112587105 B CN 112587105B CN 202011447574 A CN202011447574 A CN 202011447574A CN 112587105 B CN112587105 B CN 112587105B
- Authority
- CN
- China
- Prior art keywords
- human body
- body surface
- data
- surface heat
- perfusion state
- 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.)
- Active
Links
- 230000010412 perfusion Effects 0.000 title claims abstract description 73
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 230000004087 circulation Effects 0.000 claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 210000002414 leg Anatomy 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 210000003484 anatomy Anatomy 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 6
- 210000003414 extremity Anatomy 0.000 claims description 5
- 210000003127 knee Anatomy 0.000 claims description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 2
- 230000006872 improvement Effects 0.000 claims description 2
- 235000014655 lactic acid Nutrition 0.000 claims description 2
- 239000004310 lactic acid Substances 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 239000001301 oxygen Substances 0.000 claims description 2
- 229910052760 oxygen Inorganic materials 0.000 claims description 2
- 230000008557 oxygen metabolism Effects 0.000 claims description 2
- 238000002203 pretreatment Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 208000028399 Critical Illness Diseases 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 208000011316 hemodynamic instability Diseases 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 208000009304 Acute Kidney Injury Diseases 0.000 description 1
- 206010009192 Circulatory collapse Diseases 0.000 description 1
- 208000033626 Renal failure acute Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 201000011040 acute kidney failure Diseases 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 206010040560 shock Diseases 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 210000000689 upper leg 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种人体循环灌注状态评估系统,该系统包括,体表热度数据采集模块,用于获取人体体表热度分布数据;人体循环灌注状态评估模块,该评估模块的人体循环灌注状态评估模型获得人体体表热度数据后,对人体循环灌注状态做出评估。所述评估系统还包括预处理模块,用于对从所述体表热度数据采集模块获取的人体体表热度数据进行预处理,然后将经过预处理的人体体表热度数据提供给所述人体循环灌注状态评估模块。所述评估系统还包括人体循环灌注状态显示模块,用于显示人体循环灌注状态数据。
Description
技术领域
本发明涉及医疗设备技术领域,特别涉及一种人体循环灌注状态评估系统。
背景技术
临床上,重症患者常常面临血流动力学不稳定的情况。造成血流动力学不稳定的原因是多种多样的,如果不能对循环灌注状态进行准确的评估,适当、及时地进行支持治疗及优化调整,则有恶化为循环衰竭的风险。但如何简便而准确地评估患者循环灌注状态,仍是困扰着临床医生的难题。
发明内容
本发明的实施例之一是,一种人体循环灌注状态评估系统,该系统包括,
体表热度数据采集模块,用于获取人体体表热度数据;
人体循环灌注状态评估模块,该评估模块的人体循环灌注状态评估模型获得人体体表热度数据后,对人体循环灌注状态做出评估。
所述评估系统还包括人体循环灌注状态显示模块,用于显示人体循环灌注状态数据。
本发明的用途主要在于非接触、无创伤地评估重症患者的循环及灌注状态,进而指导血流动力学调整优化。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1根据本发明实施例之一的人体循环灌注状态评估系统示意图。
图2根据本发明实施例之一的人体体表热度分布地形图示例。
具体实施方式
目前,循环灌注的评估有赖于对生命体征、血气指标及血流动力学监测数据的综合解读。血气衍生指标虽然在特定人群表现出一定的准确性,但进行血气分析既增加检查费用,也不免造成创伤及血液损失。血流动力学监测往往需要专门的导管和设备,成本高昂,留置导管期间感染风险亦会大大增加。因此,如能发展无创伤、低成本且准确的循环及灌注评估方法,会使重症患者广泛获益。
任何有热度的物体都会发射红外辐射,人体也不例外。受血流及代谢影响,人体体表的热度分布是有差异的,这种热度分布信息对评估人体循环灌注状态有巨大价值。获取人体体表热度分布信息,提取这些信息的特征,使用深度学习算法深入分析这些热度特征,就能够建立评估血液循环及血流灌注状态的新方法。
根据一个或者多个实施例,如图1所示,一种人体循环灌注状态评估系统,该系统包括,
体表热度数据采集模块,用于获取人体体表热度数据;预处理模块,用于对从所述体表热度数据采集模块获取的人体体表热度数据进行预处理,然后将经过预处理的人体体表热度数据提供给所述人体循环灌注状态评估模块。人体循环灌注状态评估模块,该评估模块的人体循环灌注状态评估模型获得人体体表热度数据后,对人体循环灌注状态做出评估;人体循环灌注状态显示模块,用于显示人体循环灌注状态数据;所述的人体循环灌注状态数据包括人体体表热度数据和/或人体循环灌注状态评估结果。
根据一个或者多个实施例,一种人体循环灌注状态评估系统,所述系统包括,体表热度数据采集传感器,该传感器用于获取人体体表热度数据;服务器,该服务器的存储器装载有人体循环灌注状态评估模型,在获得所述人体体表热度数据后,所述服务器的处理器执行存储在所述存储器中的指令,通过所述人体循环灌注状态评估模型对人体循环灌注状态做出评估;显示器,该显示器获取由所述服务器发送的人体循环灌注状态评估结果后,显示人体循环灌注状态数据和/或评估结果。所述人体循环灌注状态评估模型基于深度学习算法。
进一步的,所述评估系统还包括数据预处理终端,用于从所述体表热度数据采集传感器获取的人体体表热度数据后进行预处理,然后将经过预处理的人体体表热度数据提供给所述服务器。
本发明实施例采用可见光及体表热度传感器同时获取患者体表形态特征及热度分布数据,将这些数据传输至本地计算机(即数据预处理终端),对体表热度分布信息进行预处理,提取热度分布矩阵及其特征参数(热度均值、极值,转换梯度,热度分布不均匀性等),这些数据通过网络模块传输至深度学习服务器,计算出各项循环灌注参数(死亡风险,循环灌注状态评级,循环灌注恶化或好转的可能概率,氧代谢指标等),最后将数据返回至重症病房的患者床旁终端界面,供临床医生使用。体表热度信息采集传感器,可以包括两个平行的相机,一个可见光相机,用来获取体表的形态学特征数据;另一个是红外相机,用来获取体表热度分布信息。可见光相机是必要的,因为在红外相机下,是不容易区分人体和背景(比如病人所躺着的床单)的边界的,也不容易区分所拍摄部位是对应的。红外相机和可见光相机是并行的,所处位置不一样,并且镜头波长也不一样,成像会有差异。因此需要进行调整,从而做到对体表轮廓及解剖部位的映射。
根据一个或者多个实施例,基于体表热度信息的非接触式的重症患者循环灌注状态评估方法,包括步骤,
(1)由可见光及红外相机获取体表形态及热度图像;
(2)通过本地运行的预置的深度学习算法,识别可见光图像中的体表轮廓及解剖标志,建立体表结构模型,再将体表热度分布信息映射到该结构模型上;
(3)计算出体表温度均值、标准差、温度变化梯度、偏态、崎岖度、低温区范围(面积比、深度)等指标,根据算法,拟合为一个统一的体表热度评分;
(4)本地预处理的数据上传至服务器,进行循环灌注状态评估及病情严重程度预测。通过我们的算法,估算出当前的重要的循环灌注指标的数值,如中心静脉氧饱和度、乳酸清除率、毛细血管再充盈时间,计算当前的死亡风险和各类并发症(如急性肾损伤、急性肝功能损伤、凝血功能障碍等)的发生概率。
(5)通过床旁显示器终端显示返回的计算参数,指导临床治疗。
人体体表热度分布表现为自发的红外辐射信号上的差异,通过红外探头就可以获取和重建这种热度信息,而这一过程是无创伤、非接触式的,较以往有创伤、接触式的循环灌注评估技术有巨大优越性。本发明实施例通过建立基于体表热度信息和机器学习算法,提供了无创伤、无接触、快捷而准确的重症患者循环灌注状态评估方法。
进一步的,通过可见光相机获得的人体图像提取肢体轮廓以及解剖特征信息,这些肢体轮廓可以包括腿部轮廓、腿部径线和膝盖区域。
通过红外相机获得人体的热度分布信息(同时考虑环境因素),结合已经获得的人体轮廓数据,消除干扰,对热度图像进行对齐,加上解剖特征标记后对热度数据做初步处理。体表解剖标志有赖于提前训练好的模型,以适应不同体型、体位患者。从而知道腿部的轮廓,腿部的摆放角度,轴线在哪儿,中间的径线是怎么走形的,哪儿是小腿,哪儿是膝盖,哪儿是大腿,膝盖的范围,腿部是否有遮蔽物。
根据获得的热度分布数据获知体表热度地形图,如图2所示。在这个过程中计算热度分布特征参数,这些特征参数包括了热度参数的均值、标准差、峰值、偏度、低温区面积、低温区深度、梯度、崎岖度等,从而获得体表热度分布指数。该体表热度地形图也包括径向热度截面图。
同时,将获得的原始的体表热度分布数据,以及处理后的体表热度分布数据上传至服务器,通过建立的深度学习模型评估数据来源对象的死亡风险、循环灌注状态类型或者循环灌注改善的治疗方向等辅助治疗的方案。
进一步的,对于红外相机获取的图像进行预处理的过程包括,
1、同时采集通过红外相机和可见光相机采集热度图像和可见光图像;
2、在可见光图像上识别腿部轮廓,区分解剖部位,再将这些信息映射到红外图像上;
3、这样才能把腿部分割出来,并且知道不同区域对应的解剖部位;
4、根据上面的数据,绘制出热度地形图,并且会依据解剖部位信息,绘制腿部轴线部位的剖面图;
5、会计算特征参数,尤其是低温区情况,前期的数据显示,这一指标和患者的循环状态高度相关;
6、将上述的特征指标绘制雷达图,并以一定的算法,最终合并为一个(体表热度分布)指数,数值从0到100,数值越高,表明循环灌注状态越差,
7、上述步骤均可以在本地设备或终端实现。
8、将上述数据打包,上传至服务器,使用深度学习算法,计算更进一步的指标。
9、计算完成后,实时传回本地设备或终端。
10、将这些数据显示在本地设备或终端的屏幕上。
从中可以看出,虽然最终计算的是肢体热度数据,但是需要把肢体从背景中完整的提取出来,还要明确不同区域对应的部位。在本地的终端,仅进行预处理,是因为复杂的机器学习算法需要非常大的算力。本地终端运行算力要求不高的运算,进行数据预处理,服务器端进行评估模型计算。这样的系统结构避免重复配置资源,节约了成本。同时模型评估运算放在服务器上,有利于进行统一的算法优化和版本更新。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (1)
1.一种人体循环灌注状态评估系统,其特征在于,所述系统包括,
体表热度数据采集传感器,该传感器用于获取人体体表热度数据;
可见光波段传感器,用于获取人体体表轮廓以及解剖部位的映射;
服务器,该服务器的存储器装载有人体循环灌注状态评估模型,在获得所述人体体表热度数据后,所述服务器的处理器执行存储在所述存储器中的指令,通过所述人体循环灌注状态评估模型对人体循环灌注状态做出评估,
所述评估系统还包括显示器,该显示器获取由所述服务器发送的人体循环灌注状态评估结果后,显示人体循环灌注状态数据和/或评估结果,
所述评估系统还包括数据预处理终端,用于从所述体表热度数据采集传感器获取的人体体表热度数据后进行预处理,然后将经过预处理的人体体表热度数据提供给所述服务器,
所述评估系统包括以下模块:
体表热度数据采集模块,用于获取重症患者人体体表热度分布数据;
人体循环灌注状态评估模块,该评估模块的人体循环灌注状态评估模型获得人体体表热度数据后,对人体循环灌注状态做出评估,
预处理模块,用于对从所述体表热度数据采集模块获取的人体体表热度数据进行预处理,然后将经过预处理的人体体表热度数据提供给所述人体循环灌注状态评估模块,
所述评估系统还包括人体循环灌注状态显示模块,用于显示人体循环灌注状态数据,
所述的人体循环灌注状态数据包括人体体表热度数据和/或人体循环灌注状态评估结果,
体表热度数据采集模块包括体表热度传感器和/或可见光波段传感器,热度传感器是红外相机,用于获取体表热度分布数据,
可见光波段传感器是可见光相机用于获取体表轮廓及解剖部位边界,提取肢体轮廓以及解剖特征信息,这些肢体轮廓包括腿部轮廓、腿部径线和膝盖区域,
所述红外相机和可见光相机是并行的设置,红外相机获得人体的体表热度分布数据,结合已经获得的人体轮廓数据,对热度图像进行对齐,加上解剖特征标记后对体表热度分布数据做预处理,
所述的预处理包括,
提取热度分布矩阵及其特征参数,这些特征参数包括体表温度均值、标准差、峰值、温度变化梯度、偏态、崎岖度、低温区面积、低温区深度;
所述的预处理还包括,通过深度学习算法,识别获得的可见光图像中的体表解剖标志,建立体表结构模型,再将体表热度分布数据附加到该模型上,
通过所述人体循环灌注状态评估模型对人体循环灌注状态做出评估的步骤包括:
通过所述人体循环灌注状态评估模型对所述体表温度均值、标准差、峰值、温度变化梯度、偏态、崎岖度、低温区面积、低温区深度进行计算,得到循环灌注指标的数值,所述循环灌注指标的数值包括中心静脉氧饱和度、乳酸清除率、毛细血管再充盈时间;
根据所述循环灌注指标的数值计算当前的死亡风险、各类并发症的发生概率、循环灌注状态评级、循环灌注恶化或好转的可能概率、氧代谢指标;
其中,对于红外相机获取的图像进行预处理的过程包括,
1、同时采集通过红外相机和可见光相机采集热度图像和可见光图像;
2、在可见光图像上识别腿部轮廓,区分解剖部位,再将这些信息映射到红外图像上;
3、把腿部图像分割出来;
4、绘制出热度地形图,并且会依据解剖部位信息,绘制腿部轴线部位的剖面图;
5、计算与患者循环状态相关的特征参数,包括低温区数据情况,6、将所述特征参数指标绘制雷达图,合并为体表热度分布指数,数值从0到100,数值越高,表明循环灌注状态越差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011447574.5A CN112587105B (zh) | 2020-12-11 | 2020-12-11 | 一种人体循环灌注状态评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011447574.5A CN112587105B (zh) | 2020-12-11 | 2020-12-11 | 一种人体循环灌注状态评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112587105A CN112587105A (zh) | 2021-04-02 |
CN112587105B true CN112587105B (zh) | 2023-10-27 |
Family
ID=75191933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011447574.5A Active CN112587105B (zh) | 2020-12-11 | 2020-12-11 | 一种人体循环灌注状态评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112587105B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0885587A1 (en) * | 1997-06-17 | 1998-12-23 | David Keith Harrison | Thermal imaging method and apparatus |
CN104856653A (zh) * | 2015-06-12 | 2015-08-26 | 广州医软智能科技有限公司 | 用于检测血管的装置与方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9078619B2 (en) * | 2004-12-28 | 2015-07-14 | Hypermed Imaging, Inc. | Hyperspectral/multispectral imaging in determination, assessment and monitoring of systemic physiology and shock |
US10987011B2 (en) * | 2013-01-28 | 2021-04-27 | Oslo Universitetssykehus Hf | Assessing circulatory failure |
US9717417B2 (en) * | 2014-10-29 | 2017-08-01 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
US20170296071A1 (en) * | 2016-04-14 | 2017-10-19 | Jane E. Spahn | Method of quantifying ischemia/perfusion and blood flow abnormalities |
WO2018029033A1 (en) * | 2016-08-09 | 2018-02-15 | Koninklijke Philips N.V. | Device, system and method for monitoring of peripheral arterial perfusion of a subject |
-
2020
- 2020-12-11 CN CN202011447574.5A patent/CN112587105B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0885587A1 (en) * | 1997-06-17 | 1998-12-23 | David Keith Harrison | Thermal imaging method and apparatus |
CN104856653A (zh) * | 2015-06-12 | 2015-08-26 | 广州医软智能科技有限公司 | 用于检测血管的装置与方法 |
Non-Patent Citations (2)
Title |
---|
Extremities Perfusion Stimulation and Dynamic Evaluation by Thermography Analyses;TIBOR SKALA et al;《PERIODICUM BIOLOGORUM》;20101231;第112卷(第4期);第475-478页,摘要 * |
TIBOR SKALA et al.Extremities Perfusion Stimulation and Dynamic Evaluation by Thermography Analyses.《PERIODICUM BIOLOGORUM》.2010,第112卷(第4期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112587105A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222361B (zh) | 一种高血压视网膜血管改变特征数据分析的方法和系统 | |
US11557072B2 (en) | Clustering algorithm-based multi-parameter cumulative calculation method for lower limb vascular calcification indexes | |
US8121375B2 (en) | Methods and devices for producing the parameters of the brain tissues and assessing data of the suitability for thrombolysis of a patient | |
US10980502B2 (en) | Method, storage medium, and system for analyzing image sequences of periodic physiological activities | |
Murthi et al. | Enhancement of optic cup to disc ratio detection in glaucoma diagnosis | |
JP2016531709A (ja) | 疾患を診断するための画像解析技術 | |
CN106803251B (zh) | 由ct影像确定主动脉缩窄处压力差的装置与方法 | |
US20150141818A1 (en) | Vascular imaging method and device | |
CN106618481A (zh) | 中医智能诊断专家系统 | |
CN112288794B (zh) | 眼底图像的血管管径的测量方法及测量装置 | |
CN111797901A (zh) | 一种基于拓扑结构估计的视网膜动静脉分类方法及装置 | |
CN110767293A (zh) | 一种脑部辅助诊断系统 | |
CN110353639B (zh) | 一种基于血管增强造影的供血区定量方法及系统 | |
Juszczyk et al. | Wound 3D geometrical feature estimation using Poisson reconstruction | |
CN112587105B (zh) | 一种人体循环灌注状态评估系统 | |
CN109363676A (zh) | 一种乳腺电阻抗扫描成像的双乳对称性检测方法 | |
WO2021117043A1 (en) | Automatic stenosis detection | |
Loizou et al. | Evaluation of wound healing process based on texture image analysis | |
CN112819770B (zh) | 碘对比剂过敏监测方法及系统 | |
Carmona et al. | Modeling, localization, and segmentation of the foveal avascular zone on retinal OCT-angiography images | |
CN114845636A (zh) | 用于标准化导管插入部位的部位评估的设备和方法 | |
CN112155511A (zh) | 一种基于深度学习补偿oct采集过程中人眼抖动的方法 | |
WO2008035425A1 (fr) | analyse d'image de fond de l'oeil et programme | |
van Putten et al. | From video to vital signs: using personal device cameras to measure pulse rate and predict blood pressure using explainable AI | |
Moore et al. | Automatic optic nerve sheath measurement in point-of-care ultrasound |
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 |