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 PDF

Info

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
Application number
CN202110700842.8A
Other languages
English (en)
Inventor
蔡惠明
李长流
倪轲娜
张�成
朱淳
潘洁
张岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Nuoyuan Medical Devices Co Ltd
Original Assignee
Nanjing Nuoyuan Medical Devices Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Nuoyuan Medical Devices Co Ltd filed Critical Nanjing Nuoyuan Medical Devices Co Ltd
Priority to CN202110700842.8A priority Critical patent/CN113487499A/zh
Publication of CN113487499A publication Critical patent/CN113487499A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G06T5/70
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/181Segmentation; Edge detection involving edge growing; involving edge linking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20152Watershed segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image 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

一种医疗光学成像用控制系统
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:
Figure BDA0003129760300000041
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:
Figure BDA0003129760300000042
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’:
Figure BDA0003129760300000043
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:
Figure BDA0003129760300000044
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:
Figure BDA0003129760300000051
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:
Figure BDA0003129760300000081
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:
Figure BDA0003129760300000082
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’:
Figure BDA0003129760300000083
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:
Figure BDA0003129760300000091
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:
Figure BDA0003129760300000092
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:
Figure FDA0003129760290000031
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:
Figure FDA0003129760290000032
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’:
Figure FDA0003129760290000033
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。
10.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:
Figure FDA0003129760290000041
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:
Figure FDA0003129760290000042
CN202110700842.8A 2021-06-23 2021-06-23 一种医疗光学成像用控制系统 Pending CN113487499A (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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