CN113487499A - 一种医疗光学成像用控制系统 - Google Patents
一种医疗光学成像用控制系统 Download PDFInfo
- Publication number
- CN113487499A CN113487499A CN202110700842.8A CN202110700842A CN113487499A CN 113487499 A CN113487499 A CN 113487499A CN 202110700842 A CN202110700842 A CN 202110700842A CN 113487499 A CN113487499 A CN 113487499A
- Authority
- CN
- China
- Prior art keywords
- module
- abnormal
- medical
- image
- control 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
- 238000012634 optical imaging Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 110
- 230000005540 biological transmission Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims abstract description 27
- 238000003745 diagnosis Methods 0.000 claims abstract description 18
- 238000010191 image analysis Methods 0.000 claims abstract description 18
- 238000012014 optical coherence tomography Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims 4
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000013152 interventional procedure Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004081 narcotic agent Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种医疗光学成像用控制系统,包括电源模块、图像采集模块、图像分析模块、数据传输模块、噪音处理模块、无线网络模块、网络诊断模块、异常状态检测模块、异常信号生成模块和异常信号接收模块;所述电源模块用于对所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能。本发明通过设置噪音处理模块,能够在数据传输模块进行数据传输时,对噪音进行处理,降低噪音对数据传输的影响,从而提高了数据传输的安全性,降低了使用能耗。
Description
技术领域
本发明属于医疗系统技术领域,具体涉及一种医疗光学成像用控制系统。
背景技术
目前,在医疗领域的一些手术中,如心脑血管手术以及CT影像下的各种介入手术等,需要尽量缩短整个手术的过程,以减少病人的痛苦,降低长时间手术中X射线、麻药或其它因素可能带给病人的伤害。在上述手术过程中,通常需要借助一显示装置,以便对手术过程中的相关组织进行显像以形成医疗影像,如介入手术中可能需要实时显示目标组织的CT影像,以供医生根据该影像中的当前状态进行后续处理。在该过程中,有时需要对某些影像区域进行放大、缩小、左移、右移、上移、下移等操作,有时又可能需要回看之前的影像,有时可能又需要对当前某段影像或某个影像图片进行保存等处理,然而市面上各种的医疗光学成像用控制系统仍存在各种各样的问题。
目前现有的医疗光学成像用控制系统还存在一些问题:不方便在信号传输时对信号进行处理,降低了数据传输时的安全性,同时不方便在对整机系统不产生影响的情况下,实现设备的急停,为此我们提出一种医疗光学成像用控制系统。
发明内容
本发明的目的在于提供一种医疗光学成像用控制系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种医疗光学成像用控制系统,包括电源模块、图像采集模块、图像分析模块、数据传输模块、噪音处理模块、无线网络模块、网络诊断模块、异常状态检测模块、异常信号生成模块和异常信号接收模块;
所述电源模块用于对所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能;
所述图像采集模块用于利用医疗设备对人体组织的图像信息进行采集,并通过显示屏进行成像;
所述图像分析模块用于对所述图像采集模块采集到的人体组织的图像信息进行分析,寻找与正常的人体组织图像信息的不同之处;
所述数据传输模块用于对控制系统中的所有信号进行传输,使控制系统中的各各模块进行联系;
所述噪音处理模块用于在所述数据传输模块工作时,对噪音进行处理,降低噪音的产生;
所述无线网络模块用于为所述控制系统中的各各模块之间提供网络连接,使数据正常传输;
所述网络诊断模块用于对所述无线网络模块中的网络传输信号进行诊断,并确定网络连接是否正常,保证网络的正常使用;
所述异常状态检测模块用于在检测到异常事件被触发时生成异常触发信号,并将所述异常触发信号发送至所述异常信号生成模块;
所述异常信号生成模块与所述异常状态检测模块的输出端相连接,用于接收所述异常状态检测模块发送的异常触发信号,根据所述异常触发信号生成急停控制信号,并将所述急停控制信号传递给所述异常信号接收模块;
所述异常信号接收模块用于接收所述急停控制信号,并且对医疗设备的相应结构进行紧急停止操作。
优选的,所述图像采集模块包括自动聚焦单元,所述自动聚焦单元用于在医疗设备移动时完成自动对焦,保证图像采集的清晰度。
优选的,所述图像采集模块包括光学相干层析成像技术,所述光学相干层析成像技术是一种利用光的穿透性,非侵入、非接触微米级分辨率的成像技术,利用光学相干门来获得组织内部的层析结构,可分为多普勒OCT,偏振OCT和光谱OCT等成像技术。
优选的,还包括备用电源模块,所述备用电源模块用于在所述电源模块关闭时,为所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能。
优选的,所述无线网络模块为4G或者5G网络,所述无线网络模块包括VPN单元,所述VPN单元用于在网络上建立虚拟专用通道。
优选的,所述异常状态检测模块包括:至少一个紧急停止开关和电路检测单元,所述电路检测单元包括至少一个光耦检测器,所述电路检测单元与至少一个紧急停止开关组成闭合回路,用于检测所述闭合回路的连通状态,并在所述闭合回路断开时生成急停触发信号,并将所述急停触发信号发送至所述急停信号生成模块。
优选的,异常信号接收模块包括医疗设备检测模块,所述医疗设备检测模块用于检测医疗设备的运动状态,并在检测到医疗设备状态异常时,触发紧急停止操作。
优选的,所述控制系统中的数学算法包括逼近算法、数学滤波算法、数学分割算法、数学二分法、逆波兰算法、加密算法和蚁群算法。
优选的,所述数学分割算法具体包括以下步骤:
S1.医学图像形态重建:首先对医学图像进行一次开重建,具体公式为:(Y~N(f)=Y(res)(YN(f),f)),当对医学图像开重建完成后,再对开重建后的医学图像进行一次闭重建,具体公式为(T~N(f)=Y(res)(TN(f),f)),式中Y,T分别表示形态学中的开运算和闭运算,f表示要重建的图像,(rce)表示重建运算,N表示运算使用的结构元素的尺寸;
S2.多尺度医学图像形态梯度计算:假设Bi(0≤i≤n)为一组正方形的结构元素,Bi的大小为(2i+1)×(2i+1)个像素点,则多尺度梯度的计算公式为:式中f为原始图像,n为运算使用的结构元素的尺寸;
S3.医学图像形态梯度修正:假设梯度等级为l时,相应的结构半径r(l)为:0≤l≤max(l),0<a<1,式中r0为最大半径,max(l)为梯度最大值,a为调节因子,设对应的层面经修正后转变为gl’,则:g′l=T(l,r(l)),0≤l≤max(l),将每一层面的输出进行合并,即确定修正后的梯度g’:
S4.医学图像分水岭变换及区域合并:首先把分水岭分割算法获得的区域使用区域相邻图像表示,其次采用相邻边缘强度信息进行区域合并,相邻边缘强度的定义为:扫描相邻区域间的边缘像素,如果其梯度值高于预设的阈值D1,则令其为强边缘像素,区域间的强边缘像素占相邻边缘像素的比例称为相邻边缘强度,合并算法为:步骤一、设定一个区域面积的阈值Dsize,扫描所有区域,记录区域面积小于Dsize的区域,从面积最小的区域Ri开始,在Ri的所有相邻区域中,找出与其相邻边缘强度最小的区域Rj,合并Ri和Rj区域,更新区域相邻图;步骤二、重复步骤一,直到没有区域面积小于Dsize。
优选的,所述控制系统中的数学算法还包括博弈决策算法,所述博弈决策算法包括两种行为比较准则:行为差异度和行为贴近度;
所述行为差异度使用闵可夫斯基距离来表示,具体公式如下:
所述行为贴近度参照模糊数学中对贴近度的描述,通过引入模糊内积和模糊外积的概念进行综合表示,具体公式如下:
与现有技术相比,本发明的有益效果是:
(1)本发明通过设置噪音处理模块,能够在数据传输模块进行数据传输时,对噪音进行处理,降低噪音对数据传输的影响,从而提高了数据传输的安全性,降低了使用能耗。
(2)本发明通过设置异常状态检测模块、异常信号生成模块和异常信号接收模块,方便对异常事件进行检测,方便完成在对医疗设备的整机系统不产生影响的情况下,对医疗设备的相应结构进行紧急停止操作,增加了安全性。
附图说明
图1为本发明的结构框图;
图2为本发明中图像采集模块的电路图;
图3为本发明中噪音处理模块的电路图;
图4为本发明中网络诊断模块的电路图;
图5为本发明中数学分割算法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
实施例1
请参阅图1-图5,本发明提供一种技术方案:一种医疗光学成像用控制系统,包括电源模块、图像采集模块、图像分析模块、数据传输模块、噪音处理模块、无线网络模块、网络诊断模块、异常状态检测模块、异常信号生成模块和异常信号接收模块;
所述电源模块用于对所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能;
所述图像采集模块用于利用医疗设备对人体组织的图像信息进行采集,并通过显示屏进行成像;
所述图像分析模块用于对所述图像采集模块采集到的人体组织的图像信息进行分析,寻找与正常的人体组织图像信息的不同之处;
所述数据传输模块用于对控制系统中的所有信号进行传输,使控制系统中的各各模块进行联系;
所述噪音处理模块用于在所述数据传输模块工作时,对噪音进行处理,降低噪音的产生;
所述无线网络模块用于为所述控制系统中的各各模块之间提供网络连接,使数据正常传输;
所述网络诊断模块用于对所述无线网络模块中的网络传输信号进行诊断,并确定网络连接是否正常,保证网络的正常使用;
所述异常状态检测模块用于在检测到异常事件被触发时生成异常触发信号,并将所述异常触发信号发送至所述异常信号生成模块;
所述异常信号生成模块与所述异常状态检测模块的输出端相连接,用于接收所述异常状态检测模块发送的异常触发信号,根据所述异常触发信号生成急停控制信号,并将所述急停控制信号传递给所述异常信号接收模块;
所述异常信号接收模块用于接收所述急停控制信号,并且对医疗设备的相应结构进行紧急停止操作。
本实施例中,优选的,所述图像采集模块包括自动聚焦单元,所述自动聚焦单元用于在医疗设备移动时完成自动对焦,保证图像采集的清晰度。
本实施例中,优选的,所述图像采集模块包括光学相干层析成像技术,所述光学相干层析成像技术是一种利用光的穿透性,非侵入、非接触微米级分辨率的成像技术,利用光学相干门来获得组织内部的层析结构,可分为多普勒OCT,偏振OCT和光谱OCT等成像技术。
本实施例中,优选的,还包括备用电源模块,所述备用电源模块用于在所述电源模块关闭时,为所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能。
本实施例中,优选的,所述无线网络模块为4G或者5G网络,所述无线网络模块包括VPN单元,所述VPN单元用于在网络上建立虚拟专用通道。
本实施例中,优选的,所述异常状态检测模块包括:至少一个紧急停止开关和电路检测单元,所述电路检测单元包括至少一个光耦检测器,所述电路检测单元与至少一个紧急停止开关组成闭合回路,用于检测所述闭合回路的连通状态,并在所述闭合回路断开时生成急停触发信号,并将所述急停触发信号发送至所述急停信号生成模块。
本实施例中,优选的,所述异常信号接收模块包括医疗设备检测模块,所述医疗设备检测模块用于检测医疗设备的运动状态,并在检测到医疗设备状态异常时,触发紧急停止操作。
本实施例中,优选的,所述控制系统中的数学算法包括逼近算法、数学滤波算法、数学分割算法、数学二分法、逆波兰算法、加密算法和蚁群算法。
本实施例中,优选的,所述数学分割算法具体包括以下步骤:
S1.医学图像形态重建:首先对医学图像进行一次开重建,具体公式为:(Y~N(f)=Y(res)(YN(f),f)),当对医学图像开重建完成后,再对开重建后的医学图像进行一次闭重建,具体公式为(T~N(f)=Y(res)(TN(f),f)),式中Y,T分别表示形态学中的开运算和闭运算,f表示要重建的图像,(rce)表示重建运算,N表示运算使用的结构元素的尺寸;
S2.多尺度医学图像形态梯度计算:假设Bi(0≤i≤n)为一组正方形的结构元素,Bi的大小为(2i+1)×(2i+1)个像素点,则多尺度梯度的计算公式为:式中f为原始图像,n为运算使用的结构元素的尺寸;
S3.医学图像形态梯度修正:假设梯度等级为l时,相应的结构半径r(l)为:0≤l≤max(l),0<a<1,式中r0为最大半径,max(l)为梯度最大值,a为调节因子,设对应的层面经修正后转变为gl’,则:g′l=T(l,r(l)),0≤l≤max(l),将每一层面的输出进行合并,即确定修正后的梯度g’:
S4.医学图像分水岭变换及区域合并:首先把分水岭分割算法获得的区域使用区域相邻图像表示,其次采用相邻边缘强度信息进行区域合并,相邻边缘强度的定义为:扫描相邻区域间的边缘像素,如果其梯度值高于预设的阈值D1,则令其为强边缘像素,区域间的强边缘像素占相邻边缘像素的比例称为相邻边缘强度,合并算法为:步骤一、设定一个区域面积的阈值Dsize,扫描所有区域,记录区域面积小于Dsize的区域,从面积最小的区域Ri开始,在Ri的所有相邻区域中,找出与其相邻边缘强度最小的区域Rj,合并Ri和Rj区域,更新区域相邻图;步骤二、重复步骤一,直到没有区域面积小于Dsize。
本实施例中,优选的,所述控制系统中的数学算法还包括博弈决策算法,所述博弈决策算法包括两种行为比较准则:行为差异度和行为贴近度;
所述行为差异度使用闵可夫斯基距离来表示,具体公式如下:
所述行为贴近度参照模糊数学中对贴近度的描述,通过引入模糊内积和模糊外积的概念进行综合表示,具体公式如下:
实施例2
请参阅图1-图4,本发明提供一种技术方案:一种医疗光学成像用控制系统,包括电源模块、图像采集模块、图像分析模块、数据传输模块、噪音处理模块、无线网络模块、网络诊断模块、异常状态检测模块、异常信号生成模块和异常信号接收模块;
所述电源模块用于对所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能;
所述图像采集模块用于利用医疗设备对人体组织的图像信息进行采集,并通过显示屏进行成像;
所述图像分析模块用于对所述图像采集模块采集到的人体组织的图像信息进行分析,寻找与正常的人体组织图像信息的不同之处;
所述数据传输模块用于对控制系统中的所有信号进行传输,使控制系统中的各各模块进行联系;
所述噪音处理模块用于在所述数据传输模块工作时,对噪音进行处理,降低噪音的产生;
所述无线网络模块用于为所述控制系统中的各各模块之间提供网络连接,使数据正常传输;
所述网络诊断模块用于对所述无线网络模块中的网络传输信号进行诊断,并确定网络连接是否正常,保证网络的正常使用;
所述异常状态检测模块用于在检测到异常事件被触发时生成异常触发信号,并将所述异常触发信号发送至所述异常信号生成模块;
所述异常信号生成模块与所述异常状态检测模块的输出端相连接,用于接收所述异常状态检测模块发送的异常触发信号,根据所述异常触发信号生成急停控制信号,并将所述急停控制信号传递给所述异常信号接收模块;
所述异常信号接收模块用于接收所述急停控制信号,并且对医疗设备的相应结构进行紧急停止操作。
本实施例中,优选的,所述图像采集模块包括自动聚焦单元,所述自动聚焦单元用于在医疗设备移动时完成自动对焦,保证图像采集的清晰度。
本实施例中,优选的,所述图像采集模块包括光学相干层析成像技术,所述光学相干层析成像技术是一种利用光的穿透性,非侵入、非接触微米级分辨率的成像技术,利用光学相干门来获得组织内部的层析结构,可分为多普勒OCT,偏振OCT和光谱OCT等成像技术。
本实施例中,优选的,还包括备用电源模块,所述备用电源模块用于在所述电源模块关闭时,为所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能。
本实施例中,优选的,所述异常状态检测模块包括:至少一个紧急停止开关和电路检测单元,所述电路检测单元包括至少一个光耦检测器。
本实施例中,优选的,所述异常信号接收模块包括医疗设备检测模块,所述医疗设备检测模块用于检测医疗设备的运动状态,并在检测到医疗设备状态异常时,触发紧急停止操作。
本发明的工作原理及优点:本发明通过设置噪音处理模块,能够在数据传输模块进行数据传输时,对噪音进行处理,降低噪音对数据传输的影响,从而提高了数据传输的安全性,降低了使用能耗;通过设置异常状态检测模块、异常信号生成模块和异常信号接收模块,方便对异常事件进行检测,方便完成在对医疗设备的整机系统不产生影响的情况下,对医疗设备的相应结构进行紧急停止操作,增加了安全性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种医疗光学成像用控制系统,其特征在于:包括电源模块、图像采集模块、图像分析模块、数据传输模块、噪音处理模块、无线网络模块、网络诊断模块、异常状态检测模块、异常信号生成模块和异常信号接收模块;
所述电源模块用于对所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能;
所述图像采集模块用于利用医疗设备对人体组织的图像信息进行采集,并通过显示屏进行成像;
所述图像分析模块用于对所述图像采集模块采集到的人体组织的图像信息进行分析,寻找与正常的人体组织图像信息的不同之处;
所述数据传输模块用于对控制系统中的所有信号进行传输,使控制系统中的各各模块进行联系;
所述噪音处理模块用于在所述数据传输模块工作时,对噪音进行处理,降低噪音的产生;
所述无线网络模块用于为所述控制系统中的各各模块之间提供网络连接,使数据正常传输;
所述网络诊断模块用于对所述无线网络模块中的网络传输信号进行诊断,并确定网络连接是否正常,保证网络的正常使用;
所述异常状态检测模块用于在检测到异常事件被触发时生成异常触发信号,并将所述异常触发信号发送至所述异常信号生成模块;
所述异常信号生成模块与所述异常状态检测模块的输出端相连接,用于接收所述异常状态检测模块发送的异常触发信号,根据所述异常触发信号生成急停控制信号,并将所述急停控制信号传递给所述异常信号接收模块;
所述异常信号接收模块用于接收所述急停控制信号,并且对医疗设备的相应结构进行紧急停止操作。
2.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:所述图像采集模块包括自动聚焦单元,所述自动聚焦单元用于在医疗设备移动时完成自动对焦,保证图像采集的清晰度。
3.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:所述图像采集模块包括光学相干层析成像技术,所述光学相干层析成像技术是一种利用光的穿透性,非侵入、非接触微米级分辨率的成像技术,利用光学相干门来获得组织内部的层析结构,可分为多普勒OCT,偏振OCT和光谱OCT等成像技术。
4.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:还包括备用电源模块,所述备用电源模块用于在所述电源模块关闭时,为所述图像采集模块、所述图像分析模块、所述数据传输模块、所述噪音处理模块、所述无线网络模块、所述网络诊断模块、所述异常状态检测模块、所述异常信号生成模块和所述异常信号接收模块提供电能。
5.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:所述无线网络模块为4G或者5G网络,所述无线网络模块包括VPN单元,所述VPN单元用于在网络上建立虚拟专用通道。
6.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:所述异常状态检测模块包括:至少一个紧急停止开关和电路检测单元,所述电路检测单元包括至少一个光耦检测器,所述电路检测单元与至少一个紧急停止开关组成闭合回路,用于检测所述闭合回路的连通状态,并在所述闭合回路断开时生成急停触发信号,并将所述急停触发信号发送至所述急停信号生成模块。
7.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:所述异常信号接收模块包括医疗设备检测模块,所述医疗设备检测模块用于检测医疗设备的运动状态,并在检测到医疗设备状态异常时,触发紧急停止操作。
8.根据权利要求1所述的一种医疗光学成像用控制系统,其特征在于:所述控制系统中的数学算法包括逼近算法、数学滤波算法、数学分割算法、数学二分法、逆波兰算法、加密算法和蚁群算法。
9.根据权利要求8所述的一种医疗光学成像用控制系统,其特征在于:所述数学分割算法具体包括以下步骤:
S1.医学图像形态重建:首先对医学图像进行一次开重建,具体公式为:(Y~N(f)=Y(res)(YN(f),f)),当对医学图像开重建完成后,再对开重建后的医学图像进行一次闭重建,具体公式为(T~N(f)=Y(res)(TN(f),f)),式中Y,T分别表示形态学中的开运算和闭运算,f表示要重建的图像,(rce)表示重建运算,N表示运算使用的结构元素的尺寸;
S2.多尺度医学图像形态梯度计算:假设Bi(0≤i≤n)为一组正方形的结构元素,Bi的大小为(2i+1)×(2i+1)个像素点,则多尺度梯度的计算公式为:式中f为原始图像,n为运算使用的结构元素的尺寸;
S3.医学图像形态梯度修正:假设梯度等级为l时,相应的结构半径r(l)为:0≤l≤max(l),0<a<1,式中r0为最大半径,max(l)为梯度最大值,a为调节因子,设对应的层面经修正后转变为gl’,则:g′l=T(l,r(l)),0≤l≤max(l),将每一层面的输出进行合并,即确定修正后的梯度g’:
S4.医学图像分水岭变换及区域合并:首先把分水岭分割算法获得的区域使用区域相邻图像表示,其次采用相邻边缘强度信息进行区域合并,相邻边缘强度的定义为:扫描相邻区域间的边缘像素,如果其梯度值高于预设的阈值D1,则令其为强边缘像素,区域间的强边缘像素占相邻边缘像素的比例称为相邻边缘强度,合并算法为:步骤一、设定一个区域面积的阈值Dsize,扫描所有区域,记录区域面积小于Dsize的区域,从面积最小的区域Ri开始,在Ri的所有相邻区域中,找出与其相邻边缘强度最小的区域Rj,合并Ri和Rj区域,更新区域相邻图;步骤二、重复步骤一,直到没有区域面积小于Dsize。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700842.8A CN113487499A (zh) | 2021-06-23 | 2021-06-23 | 一种医疗光学成像用控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700842.8A CN113487499A (zh) | 2021-06-23 | 2021-06-23 | 一种医疗光学成像用控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487499A true CN113487499A (zh) | 2021-10-08 |
Family
ID=77937630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110700842.8A Pending CN113487499A (zh) | 2021-06-23 | 2021-06-23 | 一种医疗光学成像用控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487499A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007172536A (ja) * | 2005-12-26 | 2007-07-05 | Nec Soft Ltd | 医療機器監視システム |
JP2008048786A (ja) * | 2006-08-22 | 2008-03-06 | Olympus Medical Systems Corp | 医療業務支援システム |
US20110275931A1 (en) * | 2008-12-19 | 2011-11-10 | University Of Miami | System and Method for Early Detection of Diabetic Retinopathy Using Optical Coherence Tomography |
CN105232081A (zh) * | 2014-07-09 | 2016-01-13 | 无锡祥生医学影像有限责任公司 | 医学超声辅助自动诊断装置及方法 |
US20170068792A1 (en) * | 2015-09-03 | 2017-03-09 | Bruce Reiner | System and method for medical device security, data tracking and outcomes analysis |
CN109102513A (zh) * | 2018-08-15 | 2018-12-28 | 黄淮学院 | 一种基于数学形态学的医学图像的分割算法 |
CN110010219A (zh) * | 2019-03-13 | 2019-07-12 | 杭州电子科技大学 | 光学相干层析图像视网膜病变智能检测系统及检测方法 |
CN112712490A (zh) * | 2019-10-24 | 2021-04-27 | 苏州迈瑞科技有限公司 | 尿液检测方法、尿液检测设备及计算机可读存储介质 |
US20210153735A1 (en) * | 2017-07-27 | 2021-05-27 | Topcon Corporation | Ophthalmic system, ophthalmic information processing device, and ophthalmic diagnosing method |
-
2021
- 2021-06-23 CN CN202110700842.8A patent/CN113487499A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007172536A (ja) * | 2005-12-26 | 2007-07-05 | Nec Soft Ltd | 医療機器監視システム |
JP2008048786A (ja) * | 2006-08-22 | 2008-03-06 | Olympus Medical Systems Corp | 医療業務支援システム |
US20110275931A1 (en) * | 2008-12-19 | 2011-11-10 | University Of Miami | System and Method for Early Detection of Diabetic Retinopathy Using Optical Coherence Tomography |
CN105232081A (zh) * | 2014-07-09 | 2016-01-13 | 无锡祥生医学影像有限责任公司 | 医学超声辅助自动诊断装置及方法 |
US20170068792A1 (en) * | 2015-09-03 | 2017-03-09 | Bruce Reiner | System and method for medical device security, data tracking and outcomes analysis |
US20210153735A1 (en) * | 2017-07-27 | 2021-05-27 | Topcon Corporation | Ophthalmic system, ophthalmic information processing device, and ophthalmic diagnosing method |
CN109102513A (zh) * | 2018-08-15 | 2018-12-28 | 黄淮学院 | 一种基于数学形态学的医学图像的分割算法 |
CN110010219A (zh) * | 2019-03-13 | 2019-07-12 | 杭州电子科技大学 | 光学相干层析图像视网膜病变智能检测系统及检测方法 |
CN112712490A (zh) * | 2019-10-24 | 2021-04-27 | 苏州迈瑞科技有限公司 | 尿液检测方法、尿液检测设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
张晓燕等: "一种改进的分水岭图像分割算法", 《空军工程大学学报(自然科学版)》, vol. 11, no. 6, pages 175 - 59 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10026188B2 (en) | Dynamic analysis system | |
EP1604612B1 (en) | X-ray CT apparatus for myocardial perfusion image generation | |
EP3174467B1 (en) | Ultrasound imaging apparatus | |
US20150173630A1 (en) | Pulse wave detection method, pulse wave detection apparatus, and recording medium | |
KR20150058948A (ko) | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 | |
JP2008253758A (ja) | 可搬型フラット・パネル検出器を用いた二重エネルギ放射線撮像法の画像取得及び処理連鎖 | |
KR20140092437A (ko) | 엑스선 영상 장치 및 엑스선 영상 장치의 제어 방법 | |
KR20200070062A (ko) | 인공신경망을 이용하여 캡슐형 내시경 영상에서 병변을 감지하는 시스템 및 방법 | |
US20140257114A1 (en) | Image processing apparatus, image processing method, and computer-readable recording device | |
KR20150122392A (ko) | 엑스선 영상 장치 및 엑스선 영상 장치의 영상 처리 방법 | |
WO2013115952A1 (en) | System and method for autonomous exposure detection by digital x-ray detector | |
US20190132593A1 (en) | Ct data processing | |
Polinati et al. | A review on multi-model medical image fusion | |
KR20240011677A (ko) | 다중 펄스 x선 소스 이동 단층합성 영상화 시스템을 사용한 인공 지능 기반 진단 | |
CN111184523B (zh) | 基于dr设备的三维图像重建方法及系统 | |
US20170035278A1 (en) | Endoscopic processor | |
CN113487499A (zh) | 一种医疗光学成像用控制系统 | |
US10362969B2 (en) | Image-based detection and diagnosis of diastasis recti | |
JP2003190143A (ja) | X線ct装置およびその処理方法 | |
US10586328B2 (en) | Dynamic analysis system | |
KR20180086773A (ko) | 평면 보간 기반 2차원 의료 영상을 생성하는 방법 및 장치 | |
Mamatov et al. | Analysis of imaging equipments of human internal organs | |
CN112890764B (zh) | 无人化低成本便携式眼底疾病检测系统 | |
JP2012500040A (ja) | 子宮頸部画像における血管パターンを強調するための方法 | |
Abin et al. | An empirical study of dehazing techniques for chest X-ray in early detection of pneumonia |
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 |