CN112908479B - 一种慢性伤口的智能分类评估方法及系统 - Google Patents
一种慢性伤口的智能分类评估方法及系统 Download PDFInfo
- Publication number
- CN112908479B CN112908479B CN202110281943.6A CN202110281943A CN112908479B CN 112908479 B CN112908479 B CN 112908479B CN 202110281943 A CN202110281943 A CN 202110281943A CN 112908479 B CN112908479 B CN 112908479B
- Authority
- CN
- China
- Prior art keywords
- wound
- information
- obtaining
- classification
- time
- 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.)
- Expired - Fee Related
Links
- 208000027418 Wounds and injury Diseases 0.000 title claims abstract description 241
- 206010052428 Wound Diseases 0.000 title claims abstract description 238
- 230000001684 chronic effect Effects 0.000 title claims abstract description 76
- 238000011156 evaluation Methods 0.000 title claims abstract description 61
- 230000035876 healing Effects 0.000 claims abstract description 55
- 238000013210 evaluation model Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000029663 wound healing Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010056340 Diabetic ulcer Diseases 0.000 description 2
- 206010024229 Leprosy Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000004210 Pressure Ulcer Diseases 0.000 description 2
- 206010044546 Traumatic ulcer Diseases 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 2
- 208000000558 Varicose Ulcer Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 208000018631 connective tissue disease Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 231100000397 ulcer Toxicity 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010039509 Scab Diseases 0.000 description 1
- 208000033809 Suppuration Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
Images
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种慢性伤口的智能分类评估方法及系统，获得第一图像信息，根据所述第一图像信息，获得第一伤口的第一分类参数；获得第一伤口的实时温度信息和实时湿度信息；将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。解决了现有技术中存在对于慢性伤口评估不智能、不准确的技术问题。
Description
技术领域
本发明涉及慢性伤口的评估相关领域，尤其涉及一种慢性伤口的智能分类评估方法及系统。
背景技术
伤口愈合学会对慢性伤口的定义为一个无法通过正常有序而及时的修复过程达到解剖和功能上的完整状态的伤口。临床上多指各种原因形成的创面接受超过1个月的治疗未能愈合，也无愈合倾向者，其中对“1个月”的限定并非是完全绝对，它由来于伤口大小、病因、个体一般健康状况等多种因素，因此不能以简单的时间限定加以划分。一般将慢性伤口划分为静脉性溃疡、动脉性溃疡、糖尿病性溃疡、创伤性溃疡、压力性溃疡5类常见类型，其他还有由肿瘤和结缔组织疾病麻风等引起的创面。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在对于慢性伤口评估不智能、不准确的技术问题。
发明内容
本申请实施例通过提供一种慢性伤口的智能分类评估方法及系统，解决了现有技术中存在对于慢性伤口评估不智能、不准确的技术问题，达到对慢性伤口进行智能分类评估，达到评估更加智能准确的技术效果。
鉴于上述问题，提出了本申请实施例提供一种慢性伤口的智能分类评估方法及系统。
第一方面，本申请还提供了一种慢性伤口的智能分类评估方法，所述方法应用于一慢性伤口智能分类评估系统，所述系统与一图像采集装置通讯连接，所述方法包括：通过所述图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；根据所述第一图像信息，获得第一伤口的第一分类参数；获得第一伤口的实时温度信息和实时湿度信息；将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。
另一方面，本申请还提供了一种慢性伤口的智能分类评估系统，所述系统包括：第一获得单元，所述第一获得单元用于通过所述图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；第二获得单元，所述第二获得单元用于根据所述第一图像信息，获得第一伤口的第一分类参数；第三获得单元，所述第三获得单元用于获得第一伤口的实时温度信息和实时湿度信息；第四获得单元，所述第四获得单元用于将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；第五获得单元，所述第五获得单元用于通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；第六获得单元，所述第六获得单元用于获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；第七获得单元，所述第七获得单元用于根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；第八获得单元，所述第八获得单元用于根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。
第三方面，本发明提供了一种慢性伤口的智能分类评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过获得第一伤口的第一图像信息，基于所述图像信息获得第一伤口的第一分类参数，通过将所述第一伤口的实时温度和适时湿度信息进行拟合，获得第二分类参数，通过采集装置获得第二图像信息，基于所述第二图像信息获得第二采集时间，根据第一图像和第二图像的采集时间，获得第一愈合时间差，基于所述第一愈合时间差和第一分类参数、第二分类参数获得第一评估结果，达到基于分类信息对伤口进行智能评估，使得评估结果更加准确的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种慢性伤口的智能分类评估方法的流程示意图；
图2为本申请实施例一种慢性伤口的智能分类评估方法的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第七获得单元17，第八获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种慢性伤口的智能分类评估方法及系统，解决了现有技术中存在对于慢性伤口评估不智能、不准确的技术问题，达到对慢性伤口进行智能分类评估，达到评估更加智能准确的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
伤口愈合学会对慢性伤口的定义为一个无法通过正常有序而及时的修复过程达到解剖和功能上的完整状态的伤口。临床上多指各种原因形成的创面接受超过1个月的治疗未能愈合，也无愈合倾向者，其中对“1个月”的限定并非是完全绝对，它由来于伤口大小、病因、个体一般健康状况等多种因素，因此不能以简单的时间限定加以划分。一般将慢性伤口划分为静脉性溃疡、动脉性溃疡、糖尿病性溃疡、创伤性溃疡、压力性溃疡5类常见类型，其他还有由肿瘤和结缔组织疾病麻风等引起的创面。现有技术中存在对于慢性伤口评估不智能、不准确的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种慢性伤口的智能分类评估方法，所述方法应用于一慢性伤口智能分类评估系统，所述系统与一图像采集装置通讯连接，所述方法包括：通过所述图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；根据所述第一图像信息，获得第一伤口的第一分类参数；获得第一伤口的实时温度信息和实时湿度信息；将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种慢性伤口的智能分类评估方法，其中，所述方法应用于一慢性伤口智能分类评估系统，所述系统与一图像采集装置通讯连接，所述方法包括：
步骤S100：通过所述图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；
具体而言，所述慢性伤口智能分类评估系统为对伤口进行分类评估的系统，且所述系统具有分析处理数据的能力，所述图像采集装置为可进行图像捕获的装置，所述装置可以是摄像头、手机等设备，所述图像采集装置与所述慢性伤口智能分类评估系统通讯连接，通过所述图像采集装置，获得所述第一伤口的实时图像信息，将所述第一图像信息传输至所述慢性伤口智能评估系统处理。
步骤S200：根据所述第一图像信息，获得第一伤口的第一分类参数；
步骤S300：获得第一伤口的实时温度信息和实时湿度信息；
具体而言，所述第一分类参数为根据所述第一图像，通过伤口的位置、部位、大小、造成伤口的原因、当前的状态等信息，获得所述第一伤口的第一分类参数，所述第一分类参数包括红肿程度、浓水的密集度、慢性伤口的区域范围等参数。所述第一伤口的实时温度为反映了所述第一伤口患者伤口处实时温度变化的参数，所述实时湿度为反映了所述第一伤口位置的干湿程度、是否化脓等信息的实时湿度信息。
步骤S400：将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；
具体而言，根据实时的温度采集信息和实时的湿度采集信息，获得温度时间变化点和湿度时间变化点，通过最小二乘曲线拟合法对所述温度时间变化点和湿度时间变化点进行曲线拟合，根据所述曲线拟合结果作为评估所述第一伤口的第二分类参数。
步骤S500：通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；
具体而言，所述图像采集装置为进行图像采集的装置，通过所述图像采集装置获得第二图像信息，所述第二图像信息为所述第一伤口的初始信息，即所述第一用户在受创伤时间获得的图像信息，即在所述第一用户受伤的初始阶段对所述第一用户进行图像采集，所述第一用户的初始图像信息包括采集的时间、用户的伤口情况根据所述伤口情况获得受伤原因等信息。
步骤S600：获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；
步骤S700：根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；
具体而言，对所述第一图像信息进行图像分析，获得所述第一图像信息的第一采集时间，所述第一采集时间为所述第一图像的采集时间，同样，对所述第二图像信息进行图像分析，获得所述第二图像信息的采集时间，其中，所述第一采集时间为所述第一图像信息的采集时间，所述第二采集时间为所述第二图像信息的采集时间，根据所述第一采集时间和第二采集时间获得第一时间差，其中，所述第一时间差为愈合时间差。
步骤S800：根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。
具体而言，根据所述第一分类参数、第二分类参数和所述第一愈合时间差对所述伤口的情况进行评估，进一步来说，湿度、温度变化均作为评估所述伤口的情况的评估参数，基于湿度、温度和第一愈合时间差对所述第一伤口进行综合评估，通过不同的分类参数制定所述伤口的不同评定标准，达到基于分类信息对伤口进行智能评估，使得评估结果更加准确的技术效果。
进一步而言，本申请实施例还包括：
步骤S910：对所述第一图像信息进行特征识别，获得所述第一伤口的颗粒度信息；
步骤S920：根据所述第一图像信息，获得所述第一伤口的颜色信息；
步骤S930：将所述第一伤口的颗粒度信息和所述颜色信息输入伤口外观评估模型，获得第一伤口的第一分类参数。
具体而言，所述颗粒度反映了所述伤口的结痂的平滑程度的参数，通过对所述第一图像信息进行分析处理，获得所述第一伤口的平滑程度信息，即所述颗粒度信息，通过对所述第一图片信息进行分析，获得第一颜色信息，所述第一颜色信息为所述第一伤口的颜色信息，所述颜色信息包括伤口内部颜色、伤口与皮肤关联位置颜色等信息，将所述第一伤口的颜色信息和颗粒度信息作为评估伤口的关键信息，将所述第一伤口的颗粒度信息和颜色信息输入伤口外观评估模型，通过所述伤口外观评估模型获得所述第一伤口的第一分类参数。通过对所述颜色信息和颗粒度信息确定第一分类参数的方式，达到对伤口信息进行分类评估的更加准确的技术效果。
进一步而言，所述根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果，本申请实施例步骤S800还包括：
步骤S810：根据所述第一分类参数和所述第二分类参数对所述第一伤口进行类别划分，获得所述第一伤口的第一类别属性；
步骤S820：将所述第一类别属性和所述第一愈合时间差输入第一慢性伤口分类评估模型，获得所述第一评估结果。
具体而言，所述类别属性为反映了伤口的性质与关系的属性信息，通过所述第一分类参数和第二分类参数对所述第一伤口进行伤口的类别划分，进一步来说，通过所述第一图片信息中的伤口信息，即红肿程度、浓水的密集度、慢性伤口的区域范围等信息对伤口进行分类，所述分类还包括通过第二分类参数对所述第一伤口进行划分的过程，即通过伤口位置处的湿度信息、温度信息对伤口进行进一步的分类，湿度的变化情况，伤口处温度的变化方式等分类，基于所述第一分类参数和第二分类参数对所述第一伤口进行类别划分，获得第一类别属性。将所述第一类别属性和所述第一愈合时间输入第一慢性伤口评估模型，所述第一慢性伤口评估模型为对伤口愈合情况进行评估的模型，基于上述参数对所述第一伤口进行分类评估，获得第一评估结果。通过所述第一分类参数和第二分类参数对所述第一伤口的类别属性进行进一步的评估，获得更加准确的伤口的类别分类信息，根据所述类别属性和愈合时间对所述第一伤口的愈合情况进行更加准确的评估，进而达到基于分类信息对伤口进行智能评估，使得评估结果更加准确的技术效果。
进一步的，本申请实施例还包括：
步骤S830：获得预定愈合时间阈值；
步骤S840：根据所述预定愈合时间阈值对所述第一愈合时间差进行分类，获得所述第一伤口的第二类别属性；
步骤S850：将所述第一类别属性和所述第二类别属性输入第二慢性伤口分类评估模型，获得第二评估结果；
步骤S860：根据所述第一评估结果和所述第二评估结果，获得第三评估结果。
具体而言，所述预定愈合时间阈值为通过图像信息对所述第一用户的伤口进行评估后获得的伤口的愈合预估时间，通过所述愈合时间阈值和所述第一伤口的当前受伤时间对所述第一伤口的当前阶段进行评估，根据所述第一伤口所处的阶段的不同获得所述第一伤口的第二类别属性，将所述第一类别属性和所述第二类别属性输入第二慢性伤口分类评估模型，所述第二慢性伤口分类评估模型同样为进行伤口分类评估的模型，所述模型通过多组训练数据训练获得，所述多组训练数据中每一组都包括：所述第一类别属性和所述第二类别属性和标识结果的标识信息，通过所述标识结果的标识信息，对所述第二慢性伤口分类评估模型进行训练，以获得更加准确的模型来处理数据，进而获得更加准确的第二评估结果，基于所述第二评估结果和第一评估结果获得所述第一伤口的第三评估结果，基于所述第三评估结果对所述第一伤口进行评估，进而获得更加准确的伤口愈合的评估结果。
进一步而言，所述获得预定愈合时间阈值，本申请实施例步骤S830还包括：
步骤S831：获得所述第一伤口的尺寸信息；
步骤S832：获得所述第一伤口的位置信息；
步骤S833：获得第一用户的病因信息，所述第一用户具有所述第一伤口；
步骤S834：根据所述尺寸信息、所述位置信息和所述病因信息，获得预定愈合时间阈值。
具体而言，所述第一伤口的尺寸为反映了所述第一伤口大小的信息，通过对所述第二图像进行分析，获得所述第一伤口的第一尺寸信息，所述第一伤口的位置为所述第一用户的受伤位置信息，同样通过所述第二图像获得，通过对所述第一用户进行信息采集，获得所述第一用户的第一伤口的产生病因，即怎样产生的伤口。根据所述第一伤口的产生病因、伤口的尺寸和位置信息等，对所述第一用户的第一伤口的愈合时间进行预估，获得第一预估时间，所述第一预估时间为所述预定愈合时间阈值。
进一步而言，本申请实施例还包括：
步骤S1010：获得所述第一用户的医学检测指标信息；
步骤S1020：根据所述医学检测指标信息，对所述第一用户的身体状态进行评估，获得第一身体状态信息；
步骤S1030：根据所述第一身体状态信息，获得第一调整因子；
步骤S1040：根据所述第一调整因子，对所述第三评估结果进行调整。
具体而言，所述医学检测指标为反应所述第一用户的身体素质的指标，即新陈代谢速度、体内营养情况、维生素和微量元素的含量等信息，通过对所述相关的测量指标的分析，对所述第一用户的身体状态进行评估，获得所述第一用户的身体状态信息，根据所述第一用户的身体状态信息，获得第一调整因子，所述第一调整因子为综合考量所述第一用户的身体素质与评估假象标准用户身体的差异情况获得的调整因子，根据所述第一调整因子，对所述第一用户的伤口评估的第三结果进行调整。
进一步而言，所述将所述第一类别属性和所述第一愈合时间差输入第一慢性伤口分类评估模型，获得所述第一评估结果，获得第一氧气量调整指令，本申请实施例还包括：
步骤S821：将所述第一类别属性和所述第一愈合时间差作为第一慢性伤口分类评估模型的输入信息，输入第一慢性伤口分类评估模型，所述第一慢性伤口分类评估模型为通过多组输入数据训练达到收敛状态的模型，其中，所述多组输入数据中还包括用于标识第一评估结果的标识信息；
步骤S822：获得所述第一慢性伤口分类评估模型的输出信息，所述输出信息包括所述第一评估结果。
具体而言，所述第一慢性伤口评估模型为基于神经网络构建的评估模型，所述模型通过多组监督数据监督训练后构建而成，所述监督训练的数据包括第一训练数据集，所述第一训练数据集中的数据包括标识第一评估结果的标识信息，根据所述标识信息对所述第一慢性伤口分类评估模型进行监督学习，使得所述评估模型的处理能力更强，进而可以获得更加准确的评估结果，为后续对所述第一用户的进一步分析奠定了基础。
综上所述，本申请实施例所提供的一种慢性伤口的智能分类评估方法及系统具有如下技术效果：
1、由于采用了通过获得第一伤口的第一图像信息，基于所述图像信息获得第一伤口的第一分类参数，通过将所述第一伤口的实时温度和适时湿度信息进行拟合，获得第二分类参数，通过采集装置获得第二图像信息，基于所述第二图像信息获得第二采集时间，根据第一图像和第二图像的采集时间，获得第一愈合时间差，基于所述第一愈合时间差和第一分类参数、第二分类参数获得第一评估结果，达到基于分类信息对伤口进行智能评估，使得评估结果更加准确的技术效果。
2、由于采用了通过对所述颜色信息和颗粒度信息确定第一分类参数的方式，达到对伤口信息进行分类评估的更加准确的技术效果。
实施例二
基于与前述实施例中一种慢性伤口的智能分类评估方法同样发明构思，本发明还提供了一种慢性伤口的智能分类评估系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于通过所述图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；
第二获得单元12，所述第二获得单元12用于根据所述第一图像信息，获得第一伤口的第一分类参数；
第三获得单元13，所述第三获得单元13用于获得第一伤口的实时温度信息和实时湿度信息；
第四获得单元14，所述第四获得单元14用于将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；
第五获得单元15，所述第五获得单元15用于通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；
第六获得单元16，所述第六获得单元16用于获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；
第七获得单元17，所述第七获得单元17用于根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；
第八获得单元18，所述第八获得单元18用于根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。
进一步的，所述系统还包括：
第九获得单元，所述第九获得单元用于对所述第一图像信息进行特征识别，获得所述第一伤口的颗粒度信息；
第十获得单元，所述第十获得单元用于根据所述第一图像信息，获得所述第一伤口的颜色信息；
第一输入单元，所述第一输入单元用于将所述第一伤口的颗粒度信息和所述颜色信息输入伤口外观评估模型，获得第一伤口的第一分类参数。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于根据所述第一分类参数和所述第二分类参数对所述第一伤口进行类别划分，获得所述第一伤口的第一类别属性；
第二输入单元，所述第二输入单元用于将所述第一类别属性和所述第一愈合时间差输入第一慢性伤口分类评估模型，获得所述第一评估结果。
进一步的，所述系统还包括：
第十二获得单元，所述第十二获得单元用于获得预定愈合时间阈值；
第十三获得单元，所述第十三获得单元用于根据所述预定愈合时间阈值对所述第一愈合时间差进行分类，获得所述第一伤口的第二类别属性；
第十四获得单元，所述第十四获得单元用于将所述第一类别属性和所述第二类别属性输入第二慢性伤口分类评估模型，获得第二评估结果；
第十五获得单元，所述第十五获得单元用于根据所述第一评估结果和所述第二评估结果，获得第三评估结果。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于获得所述第一伤口的尺寸信息；
第十七获得单元，所述第十七获得单元用于获得所述第一伤口的位置信息；
第十八获得单元，所述第十八获得单元用于获得第一患者的病因信息，所述第一患者具有所述第一伤口；
第十九获得单元，所述第十九获得单元用于根据所述尺寸信息、所述位置信息和所述病因信息，获得预定愈合时间阈值。
进一步的，所述系统还包括：
第二十获得单元，所述第二十获得单元用于获得所述第一患者的医学检测指标信息；
第二十一获得单元，所述第二十一获得单元用于根据所述医学检测指标信息，对所述第一患者的身体状态进行评估，获得第一身体状态信息；
第二十二获得单元，所述第二十二获得单元用于根据所述第一身体状态信息，获得第一调整因子；
第一调整单元，所述第一调整单元用于根据所述第一调整因子，对所述第三评估结果进行调整。
进一步的，所述系统还包括：
第三输入单元，所述第三输入单元用于将所述第一类别属性和所述第一愈合时间差作为第一慢性伤口分类评估模型的输入信息，输入第一慢性伤口分类评估模型，所述第一慢性伤口分类评估模型为通过多组输入数据训练达到收敛状态的模型，其中，所述多组输入数据中还包括用于标识第一评估结果的标识信息；
第二十三获得单元，所述第二十三获得单元用于获得所述第一慢性伤口分类评估模型的输出信息，所述输出信息包括所述第一评估结果。
前述图1实施例一中的一种慢性伤口的智能分类评估方法的各种变化方式和具体实例同样适用于本实施例的一种慢性伤口的智能分类评估系统，通过前述对一种慢性伤口的智能分类评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种慢性伤口的智能分类评估系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种慢性伤口的智能分类评估方法的发明构思，本发明还提供一种慢性伤口的智能分类评估系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种慢性伤口的智能分类评估方法的任一方法的步骤。
其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种慢性伤口的智能分类评估方法，所述方法应用于一慢性伤口智能分类评估系统，所述系统与一图像采集装置通讯连接，所述方法包括：通过所述图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；根据所述第一图像信息，获得第一伤口的第一分类参数；获得第一伤口的实时温度信息和实时湿度信息；将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。解决了现有技术中存在对于慢性伤口评估不智能、不准确的技术问题，达到对慢性伤口进行智能分类评估，达到评估更加智能准确的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种慢性伤口的智能分类评估系统，所述系统与一图像采集装置通讯连接，所述系统包括：
第一获得单元，所述第一获得单元用于通过图像采集装置获得第一图像信息，所述第一图像信息包括第一伤口的实时图像信息；
第二获得单元，所述第二获得单元用于根据所述第一图像信息，获得第一伤口的第一分类参数；
第三获得单元，所述第三获得单元用于获得第一伤口的实时温度信息和实时湿度信息；
第四获得单元，所述第四获得单元用于将所述实时温度信息和实时湿度信息进行拟合，获得第二分类参数；
第五获得单元，所述第五获得单元用于通过所述图像采集装置获得第二图像信息，所述第二图像信息包括第一伤口的初始图像信息；
第六获得单元，所述第六获得单元用于获得所述第一图像信息的第一采集时间和所述第二图像信息的第二采集时间；
第七获得单元，所述第七获得单元用于根据所述第一采集时间和所述第二采集时间，获得第一愈合时间差；
第八获得单元，所述第八获得单元用于根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果。
2.如权利要求1所述的系统，其中，所述系统还包括：
对所述第一图像信息进行特征识别，获得所述第一伤口的颗粒度信息；
根据所述第一图像信息，获得所述第一伤口的颜色信息；
将所述第一伤口的颗粒度信息和所述颜色信息输入伤口外观评估模型，获得第一伤口的第一分类参数。
3.如权利要求1所述的系统，其中，所述根据所述第一伤口的第一分类参数、第二分类参数和所述第一愈合时间差，获得第一评估结果，包括：
根据所述第一分类参数和所述第二分类参数对所述第一伤口进行类别划分，获得所述第一伤口的第一类别属性；
将所述第一类别属性和所述第一愈合时间差输入第一慢性伤口分类评估模型，获得所述第一评估结果。
4.如权利要求3所述的系统，其中，所述系统包括：
获得预定愈合时间阈值；
根据所述预定愈合时间阈值对所述第一愈合时间差进行分类，获得所述第一伤口的第二类别属性；
将所述第一类别属性和所述第二类别属性输入第二慢性伤口分类评估模型，获得第二评估结果；
根据所述第一评估结果和所述第二评估结果，获得第三评估结果。
5.如权利要求4所述的系统，其中，所述获得预定愈合时间阈值，包括：
获得所述第一伤口的尺寸信息；
获得所述第一伤口的位置信息；
获得第一用户的病因信息，所述第一用户具有所述第一伤口；
根据所述尺寸信息、所述位置信息和所述病因信息，获得预定愈合时间阈值。
6.如权利要求5所述的系统，其中，所述系统包括：
获得所述第一用户的医学检测指标信息；
根据所述医学检测指标信息，对所述第一用户的身体状态进行评估，获得第一身体状态信息；
根据所述第一身体状态信息，获得第一调整因子；
根据所述第一调整因子，对所述第三评估结果进行调整。
7.如权利要求3所述的系统，其中，所述将所述第一类别属性和所述第一愈合时间差输入第一慢性伤口分类评估模型，获得所述第一评估结果，包括：
将所述第一类别属性和所述第一愈合时间差作为第一慢性伤口分类评估模型的输入信息，输入第一慢性伤口分类评估模型，所述第一慢性伤口分类评估模型为通过多组输入数据训练达到收敛状态的模型，其中，所述多组输入数据中还包括用于标识第一评估结果的标识信息；
获得所述第一慢性伤口分类评估模型的输出信息，所述输出信息包括所述第一评估结果。
8.一种慢性伤口的智能分类评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110281943.6A CN112908479B (zh) | 2021-03-16 | 2021-03-16 | 一种慢性伤口的智能分类评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110281943.6A CN112908479B (zh) | 2021-03-16 | 2021-03-16 | 一种慢性伤口的智能分类评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112908479A CN112908479A (zh) | 2021-06-04 |
| CN112908479B true CN112908479B (zh) | 2022-03-08 |
Family
ID=76105239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110281943.6A Expired - Fee Related CN112908479B (zh) | 2021-03-16 | 2021-03-16 | 一种慢性伤口的智能分类评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112908479B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114373528A (zh) * | 2021-12-27 | 2022-04-19 | 新瑞鹏宠物医疗集团有限公司 | 替换药物确定方法、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9990472B2 (en) * | 2015-03-23 | 2018-06-05 | Ohio State Innovation Foundation | System and method for segmentation and automated measurement of chronic wound images |
| CN108814613B (zh) * | 2018-05-21 | 2022-09-13 | 中南大学湘雅医院 | 伤口智能测量方法及移动测量终端 |
| CN109065151A (zh) * | 2018-07-13 | 2018-12-21 | 中国人民解放军海军工程大学 | 智疗非手术性创伤处理系统 |
| CN111916196A (zh) * | 2020-08-14 | 2020-11-10 | 上海交通大学医学院附属仁济医院 | 一种基于人工智能技术的伤口及皮肤压力性损伤辅助诊断系统 |
| CN112309554A (zh) * | 2020-11-02 | 2021-02-02 | 上海交通大学医学院附属新华医院 | 基于共享决策的慢性伤口跨团队管理信息系统 |
-
2021
- 2021-03-16 CN CN202110281943.6A patent/CN112908479B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN112908479A (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101977174B1 (ko) | 영상 분석 방법, 장치 및 컴퓨터 프로그램 | |
| US11315245B2 (en) | Semi-automated system for real-time wound image segmentation and photogrammetry on a mobile platform | |
| CN110717542A (zh) | 一种情绪识别方法、装置和设备 | |
| CN111915584A (zh) | 一种基于ct影像的病灶随访评估方法及系统 | |
| CN108734127A (zh) | 年龄识别值调整方法、装置、设备及存储介质 | |
| CN111403032A (zh) | 一种儿童脑发育水平评估方法，系统及存储设备 | |
| CN117617921B (zh) | 基于物联网的智能血压监控系统及方法 | |
| CN112908479B (zh) | 一种慢性伤口的智能分类评估方法及系统 | |
| CN109949280A (zh) | 图像处理方法、装置、设备存储介质及生长发育评估系统 | |
| CN110738702B (zh) | 一种三维超声图像的处理方法、装置、设备及存储介质 | |
| CN110490138A (zh) | 一种数据处理方法及装置、存储介质、电子设备 | |
| CN112507916B (zh) | 一种基于面部神态的人脸检测方法和系统 | |
| CN115462781A (zh) | 一种伤口智能评估方法、装置、设备及计算机可读存储介质 | |
| CN112992355A (zh) | 一种食管癌患者的术前评估方法及系统 | |
| CN112489806B (zh) | 一种糖尿病足患者病状信息智能化管理方法及系统 | |
| CN112998657A (zh) | 一种预防皮肤过敏的方法及系统 | |
| CN114209288B (zh) | 皮肤状态预测方法、皮肤状态预测装置、设备及存储介质 | |
| CN109801394A (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
| CN115330748A (zh) | 脑图像处理方法、计算机设备和存储介质 | |
| CN113052122A (zh) | 一种血透室消毒效果检测系统及方法 | |
| WO2021206226A1 (ko) | 영상 인공지능 기반 피부 손실도 및 수분도 추정 방법 | |
| CN113284596A (zh) | 一种手术室麻醉科的物资管理方法及系统 | |
| CN112768066A (zh) | 一种神经外科患者综合诊疗方法及系统 | |
| CN114913567A (zh) | 口罩佩戴的检测方法、装置、终端设备及可读存储介质 | |
| CN114550860B (zh) | 一种基于流程数据与智能网络模型的就医满意度评估方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220308 |